2-迭代与时间相关法.doc

§3. 定常问题的迭代解法 1）在实际的计算中，网格点的数量非常多，需要求解大型的代数方程组。为此，可直接调用编程语言（C/C++、FORTRAN、Matlab等）的库来求解，也可使用下面讨论的迭代解法。 Laplace方程 的差分近似为 将它改写成 或 其中 当 时， 。 给定迭代的初始近似 ，最简单的迭代公式为 （ ） 称为简单迭代法。 2）简单迭代为给定迭代的初始近似 。 对 ： 在流场内的每一个网格点（内点）上用迭代公式 进行计算。OABC、OE、ED上，可直接将边界条件指定的流函数值代入。 在边界 CD上的每一个网格点（不包括端点C、D）处，用公式 计算。 对所有网格点，计算 。 若 ，迭代收敛。 加 ，返回步骤3。 3））时，上一个网格点（）处的流函数值已经从 更新为 ；而网格点（）位于上一行，其流函数值也已经从 更新为 。迭代算法可以充分利用这些最新得到的结果，这样就构成了高斯－赛德尔迭代法 如果迭代计算的过程中对网格点的扫描是按其他顺序进行的，则上式右边会有所不同。但高斯－赛德尔迭代法的基本思路总是不变的，即：充分利用已经得到的最新结果。 采用高斯－赛德尔迭代法，通常能够加快迭代的收敛，但并不总是如此。甚至可以找到反例，对某种特定的代数方程组，用简单迭代法收敛，用高斯－赛德尔迭代法反而不收敛。 4） ，即 将它与 的加权平均作为迭代的结果 称为松弛法，式中的 ，称为松弛因子。 显然，当 时，松弛法还原成高斯－赛德尔迭代法。而当 时称为超松弛迭代，当 时称为亚松弛迭代。 §4.迭代的收敛性分析（不做要求） 1） 为差分方程的精确解（注意，不是原微分方程定解问题的精确解，这与舍入误差的稳定性分析类似）， 次迭代近似。迭代误差可定义为 类似于稳定性分析的von Neumann方法，可设迭代误差具有如下形式 （ ， ） 则 是迭代误差的大小，而 则代表了迭代误差的衰减方式。记 称为迭代的增长因子，则 于是： 迭代过程收敛的充要条件是增长因子 。 （注）稳定性只要求舍入误差得到控制，所以增长因子 就可以了。但迭代误差必须收敛到零，因此要求增长因子 。 不妨设 ，并设迭代收敛需要 次迭代，则上面的分析还给出 ，从而 由此可见，迭代次数与 成反比）当 时， 。 而差分方程的精确解满足关系式 两式相减，得 设迭代误差 代入上式 因 ， ，所以 高斯－赛德尔迭代法 因 ， ，所以 这表明，对于这里的代数方程组，高斯－赛德尔迭代法的 比简单迭代法大一倍，因而收敛得更快。 至于松弛法，只给出结论： 松弛法收敛的充要条件是 。 存在最优松弛因子 ，使得相应的 。这表明松弛法比简单迭代法和高斯－赛德尔迭代法收敛得快一个量级。 §5.时间相关法（时间推进算法） 再次回到简单迭代法 将它改写成 即 另一方面，考虑热传导方程 当 时， 稳定性条件为 ，即 。 两者相比较，能够看出：定常问题（Laplace方程）的简单迭代法可以与非定常问题（热传导方程）的显式格式相对应，而且简单迭代法使用了稳定性所能允许的最大时间步长 。 这种对比导出了时间相关法的基本思路： 时间相关法：对定常流动的数值模拟，可通过对相应的非定常流动控制方程进行数值求解来实现，只需让时间推进得足够大，流场充分地趋于定常。 时间相关法的思想可用于各种定常流动的数值模拟，而不是仅限于不可压流。这种方法的优点在于： 有些定常流动的控制方程是混合型的（如，跨音速流），难于处理。而相应的非定常流动，控制方程的类型是单一的（无粘流是双曲型的，粘性流是抛物型的），便于有效地求解。 有些定常流动的控制方程，在数学上还没有证明其解的存在惟一性（如，超音速无粘流）。而相应的非定常流动，这一数学问题已经得到了解决，从而保证了数值计算的可行性。 非定常流动有许多的算法（如ADI方法） 时间相关法更关心向定常推进（时间推进）的效率，对差分格式的时间精度要求不高。隐式格式的时间步长不受稳定性的限制，因而 在时间相关法中多使用隐式格式。 9