第二章有限差分法初步.ppt

* 这时方程组(2.39)就变为如下等价方程组： 表示成矩阵形式为： 其中 若令 ，则系数 和 的计 算公式应为： 类似地，分别从上述等价方程组的第三个方程减去第二个方程乘以 ，第四个方程减去第二个方程乘以 ，如此等等，即可进一步消去后面n-2个方程中的未知量T2，而将方程(2.39)变为如下等价形式： 表示成矩阵形式为： 其中 若令 ，则系数 和 的计算公式应为： 上述的消去步骤还可以进行下去。如此继续之，重复上述步骤(n -1)次以后，我们即可得到如下等价三角形方程组： (2.40) 表示为矩阵形式： 其中 为如下上三角形矩阵， 为 向量； (2.41) 三角形方程组 很容易用前述的回代过程(2.38)求解，这样就完成了消去法求解n阶线性代数方程组的过程。从原来方程组(2.39)得出等价三角形方程组(2.40)的过程称之为消去过程。采用前面的记号，我们可将消去过程的计算公式归结为对于 ，递推地计算如下各量： (2.42) 用Gauss消去法解线性代数方程组时，为了能求到最后的解（尽管已经具备了 的条件），并使解尽可能的精确，应注意如下两点： （i）系数矩阵中对角线上的元素 都不应 为零，因为在消元的过程中，不断用 作为除数，倘若有一个 为零， 计算就无法进行下去。 （ii）在系数矩阵[A]每一行的元素中， 的绝对值最好比同一行的其他元素都 大，这 样在作除法运算时，引起的舍 入误差就比较小。 对照上节中差分格式，不难看到，由有限差分法得到的系数矩阵是能够满足以上两个条件的。因为每个节点方程（第i个方程）都代表着一个单元（第i个单元）与周围单元或外界环境的热量交换关系。在这些热量交换中，无疑都与该单元的温度(Ti)有关，Ti的系数aii当然不能为零。 而且在第i个方程中，Ti的地位比其周围单元温度更为突出，表现在系数上，它的绝对值总是最大的。对于给定温度的节点方程而言，这种性质更明显。因为方程中除了该节点温度以外再也没有别的节点温度，它的系数当然也就最大了。 综上所述，由于对稳定导热问题用有限差分法得到的代数方程具有上述性质，因此在求解方程组时，可大胆放心使用Gauss消去法。（对于更一般的方程组，目前更多采用主元素消去法，而不用Gauss消去法。） （三）解线性代数方程组的迭代法 前面介绍的解线性代数方程组的直接法对于阶数不是很高的问题是非常有效的，这种场合一般不使用下面介绍的迭代法。然而对于阶数很高的稀疏矩阵，尽管提出了很多特殊的直接法来处理它们，在运算量和存储量的节省方面也取得了很大的进展，但仍然难于克服存储需要量大的缺点，特别在不具备大型计算机的条件下，采用下面介绍的迭代法更为合适。 迭代法的优点：由于不需要存储系数矩阵的零元素，所以占用的存储单元少。同时程序也比较简单，对于稳定导热用有限差分法所得到的方程组，求解收敛较快，因此广泛地被采用。迭代法的缺点是：它所得到的是一种近似解，在运算过程中需要进行多次迭代才能达到收敛指标的要求，而迭代次数事先是不知道的，这样，往往要耗费较多的时间。因此，一般地讲，直接法与迭代法各有优缺点。 迭代法所要讨论的问题，仍是如下线性代数方程组： (2.43) 简写成： (2.44) 迭代法的基本思想是，构造一个由 组成的向量序列，使其收敛于某个极限向量 ，并且 就是方程组(2.43)的精确解。根据构造向量序列的方法不同，常用的有简单迭代法，Gauss—Seidel迭代法与超松弛迭代法，下面分别予以介绍。 1．简单迭代法 最简单的迭代法称为简单迭代法，也称同步迭代法，Jakobi迭代法。迭代的最终目的是求解方程组(2.43)中的 。 前面已经说到，用有限差分法（包括有限元法）得到的代数方程组能保证系数矩阵[A]对角线上元素不为零，即 则可将式(2.43)改写成： (2.45) 其中任一方程均可写成： (2.46) 任意给定各节点上的温度值