五点差分法解椭圆型偏微分方程.docxVIP

用差分法解椭圆型偏微分方程 -(Uxx+Uyy)=(pi*pi-1)eAxsi n(pi*y) 0x2; 0y1 U(O,y)=si n(pi*y),U(2,y)=eA2si n(pi*y); 0=y=1 U(x,0)=0, U(x,1)=0; 0=x=2 先自己去瞧一下关于五点差分法的理论书籍 Matlab 程序 : unction [p e u x y k]=wudianchafenfa(h,m,n,kmax,ep) % g-s 迭代法解五点差分法问题 %kmax为最大迭代次数 %m,n为x,y方向的网格数,例如(2-0)/0 、0仁200; %e为误差,p为精确解 syms temp ; u=zeros(n+1,m+1); x=0+(0:m)*h; y=0+(0:n)*h; for (i=1:n+1) u(i,1)=sin(pi*y(i)); u(i,m+1)=exp(1)*exp(1)*sin(pi*y(i)); end for (i=1:n) for (j=1:m) f(i,j)=(pi*pi-1)*exp(x(j))*sin(pi*y(i)); end end t=zeros(n-1,m-1); for (k=1:kmax) for (i=2:n) for (j=2:m) temp=h*h*f(i,j)/4+(u(i,j+1)+u(i,j-1)+u(i+1,j)+u(i-1,j))/4; t(i,j)=(temp-u(i,j))*(temp-u(i,j)); u(i,j)=temp; end end t(i,j)=sqrt(t(i,j)); if (kkmax) break ; end if (max(max(t))ep) break ; end end for (i=1:n+1) for (j=1:m+1) p(i,j)=exp(x(j))*si n(pi*y(i)); e(i,j)=abs(u(i,j)-exp(x(j))*si n(pi*y(i))); end End 在命令窗口中输入： [p e u x y k]=wudianchafenfa(0、1,20,10,10000,1e-6) k=147 surf(x,y,u); xlabel( x‘);ylabel( ‘);zlabel( u); Title(五点差分法解椭圆型偏微分方程例 1 就可以得到下图 五点差分法解椭圆型偏懺分方程例1 surf (x ,y , p ) 精确擀曲面 surf ( surf (x ,y , e ) 步长为01时的误差曲面 0 030 0250 0150.010 00501.506050 D20 02 0 03 0 025 0 015 0.01 0 005 0 1.5 06 05 0 D2 0 0 2 [p e u x y k]=wudianchafenfa(O、05,40,20,10000,1e-6) 步艮为1尼0时的误差曲面 ..-.■I 3 ； - K 10 ■= [p e u x y k]=wudianchafenfa(0、025,80,40,10000,1e-6) 步长为1/4□的曲面误差 OJO.OBooe-0,02□ .□42 OJ O.OB ooe- 0,02 □ .□4 2 为什么分得越小，误差会变大呢？ 我们试试运行： [p e u x y k]=wudianchafenfa(0、025,80,40,10000,1e-8) K=2164 surf(x,y,e) 3 聽10 □ CI 误差变小了吧 还可以试试 [p e u x y k]=wudianchafenfa(0、025,80,40,10000,1e-10) K=3355 误差又大了一点 再试试 [p e u x y k]=wudianchafenfa(O、025,80,40,10000,1e-11) k=3952 误差趋于稳定 总结 : 最终的误差曲面 与网格数有关，也与设定的迭代前后两次差值 （ep,瞧程序）有关；固定网格数，随着设定的迭代 前后两次差值变小 ,误差由大比变小 ,中间有一个最小值 ,随着又增大一点 ,最后趋于稳定。 也许可以去研究一下那个误差最小的地方 或者研究趋于稳定时的临界值。