Kết luận
Ta thấy rằng phương pháp thứ hai luôn cho
nghiệm ổn định, bất kể ta chọn lưới như thế
nào. Tuy nhiên khối lượng tính toán là
không nhỏ.
Trong tương lai, chúng tôi tiếp tục sử dụng
ngôn ngữ MATLAB để viết mã cho các giải
thuật sử dụng phương pháp sai phân hữu hạn
để giải các bài toán về phương trình đạo hàm
riêng như bài toán elliptic và bài toán
Poisson.
6 trang |
Chia sẻ: thucuc2301 | Lượt xem: 934 | Lượt tải: 0
Bạn đang xem nội dung tài liệu Phương pháp số giải phương trình truyền nhiệt - Ôn Ngũ Minh, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Ôn Ngũ Minh Tạp chí KHOA HỌC & CÔNG NGHỆ 102(02): 155 - 159
155
Ngày nhận bài: 03/11/2012, ngày phản biện: 07/3/2013, ngày duyệt đăng: 26/3/2013
PHƯƠNG PHÁP SỐ GIẢI PHƯƠNG TRÌNH TRUYỀN NHIỆT
Ôn Ngũ Minh*
Trường Đại học Kỹ thuật Công nghiệp – ĐH Thái Nguyên
TÓM TẮT
Kỹ thuật số giải phương trình đạo hàm riêng gồm hai phương pháp chủ yếu: sai phân hữu hạn và
phần tử hữu hạn. Trong bài viết này, chúng tôi quan tâm tới phương pháp sai phân hữu hạn để giải
phương trình dạng parabolic, sử dụng phương trình truyền nhiệt làm ví dụ. Chúng tôi cũng sử
dụng ngôn ngữ MATLAB để viết mã cho các giải thuật.
Từ khóa: sai phân hữu hạn, phương trình truyền nhiệt, ba đường chéo, phân tích LU.
Bài toán truyền nhiệt*
Nhiệt độ trong thanh mỏng có thể được mô tả
bởi phương trình truyền nhiệt một chiều:
ut = auxx, 0 < x < X, 0 < t.
Nhiệt độ ban đầu tại mỗi điểm trên thanh
được cho bởi: u(x, 0) = f(x), 0 ≤ x ≤ X.
Ngoài ra, cần có thêm thông tin tại các điểm
mút của thanh. Nếu các mút của thanh được
giữ ở nhiệt độ xác định (ví dụ, ngâm mỗi mút
trong một môi trường chất lỏng với nhiệt độ
dao động theo thời gian), thì các điều kiện
biên là: u(0, t) = g1(t), u(X, t) = g2(t), 0 < t.
Các trạng thái vật l ý cũng sẽ xác định dạng
điều kiện biên khác nhau. Ví dụ, giữ một mút
của thanh tương ứng với đạo hàm riêng ux
bằng 0 sẽ là ux(0,t) = 0 hoặc ux(X, t) = 0.
Khả năng thứ ba là một mút của thanh phải
được làm mát (ví dụ, tiếp xúc với không khí
lạnh). Điều kiện biên tương ứng liên quan đến
sự kết hợp của u và ux tại mút thích hợp.
Sự kết hợp của điều kiện ban đầu với các điều
kiện biên nói trên là ví dụ điển hình cho
phương trình đạo hàm riêng dạng parabolic.
*
Tel: 0913 351286
Giải phương trình truyền nhiệt
Xét phương trình truyền nhiệt một chiều:
ut = auxx, 0 ≤ x ≤ X, 0 < t ≤ T,
với điều kiện đầu:
u(x, 0) = f(x), 0 ≤ x ≤ X,
và điều kiện biên:
u(0, t) = g1(t), u(X, t) = g2(t), 0 < t ≤ T.
Chia đoạn [0, X] thành n đoạn bằng nhau có
độ dài h = X/n bởi các điểm chia
xi = kh, i = 0, 1, 2, ..., n.
Chia đoạn [0, T] thành m phần bằng nhau có
độ dài k = T/m bởi các điểm chia
tj = jk, j = 0, 1, 2, ..., m.
Với mọi i = 0, 1, 2, ..., n và j = 0, 1, 2, ..., m ta
ký hiệu:
ui,j = u(xi, tj), fi = f(xi),
x = X x = 0
Nhiệt độ tại thời điểm t
x
T
Ôn Ngũ Minh Tạp chí KHOA HỌC & CÔNG NGHỆ 102(02): 155 - 159
156
g1j = g1(tj), g2j = g2(tj).
Phương pháp thứ nhất (Explicit)
Tại bước thứ j theo thời gian, ta xấp xỉ ut bởi
công thức sai phân tiến và uxx bởi công thức
sai phân trung tâm:
ut = ( ), 1 ,1 i j i ju uk + − ,
uxx = ( )1, , 1,21 2i j i j i ju u uh − +− + .
Khi đó
( ) ( ), 1 , 1, , 1,21 2i j i j i j i j i jau u u u uk h+ − +− = − + .
Đặt r = 2
ak
h
ta nhận được:
ui,j+1 = rui-1,j + (1 – 2r)ui,j + rui+1,j,
Phương pháp này đơn giản vì cho phép tính
ui,j+1 thông qua ba giá trị của bước trước theo
thời gian. Tuy nhiên, để đảm bảo sự ổn định
của nghiệm, ta cần chọn h và k sao cho
0 ≤ r ≤ 0.5.
Để cài đặt trên MATLAB, ta tổ chức dữ liệu
vào một ma trận u gồm m+1 hàng và n+1 cột.
Trong đó các giá trị của g1(t) và g2(t) được lưu
tương ứng vào cột thứ nhất và cột cuối cùng
(không kể vị trí đầu tiên trong cột).
Các giá trị của f(x) được lưu tại hàng đầu tiên.
Các giá trị ui,j được lưu ở hàng j+1 cột i+1,
với i = 1, 2, ..., n – 1, j = 1, 2, ..., m.
Như vậy, mỗi giá trị ui,j sẽ được tính dựa vào
ba giá trị của hàng trước mà kề với nó.
Hàm heat_explicit() sau đây cho phép giải
phương trình truyền nhiệt. Trong đó f, g1, g2
là các biểu thức tương ứng với các hàm f(x),
g1(t) và g2(t). Hàm trả lại ma trận nghiệm u,
véc tơ hàng x và véc tơ hàng t.
function [u,x,t] = heat_explicit(f, g1, g2, X, T, n, m, a)
%solve heat equation u_t = au_xx
% for 0 <= x <= X, 0 < t <= T
%by Explicit method
%Initial conditions: u(x,0) = f(x) for 0 <= x <= X
%Boundary conditions: u(0,t) = g1(t), u(X,t) = g2(t)
%n = number of subintervals for x
%m = number of subintervals for t
h = X/n; k = T/m; r = a*k/h^2; s = 1 - 2*r;
x = [0:h:(n-1)*h,X]; t = [0:k:(m-1)*k,T];
u = zeros(m+1, n+1);
for j = 1:m+1
u(j,1)= g1(t(j));
u(j,n+1) = g2(t(j));
end
for i = 1:n+1
u(1,i) = f(x(i));
end
for j = 2:m+1
u(j,2:n) = r*u(j-1,1:n-1) +s*u(j-1,2:n)+r*u(j-1,3:n+1);
end
Với bài toán cụ thể:
ut = uxx, u(x, 0) = x4, 0 ≤ x ≤ 1,
u(0, t) = 0, u(1, t) = 1, 0 < t ≤ 1,
lời gọi hàm có dạng như sau (m = 50, n = 5,
khi đó h = 0.2, k = 0.02 và r = 0.5):
>>[u,x,t]=heat_explicit(@(x)x^4,@(t)0,@(t)
1,1,1,5,50,1);
t
tj+
xi- x xi+
r = 0.5 cho nghiệm ổn định
Ôn Ngũ Minh Tạp chí KHOA HỌC & CÔNG NGHỆ 102(02): 155 - 159
157
f(x0) f(x1) f(x2) ... f(xn-1) f(X)
g1(t1) u1,1 u2,1 ... un-1,1 g2(t1)
g1(t2) u1,2 u2,2 ... un-1,2 g2(t2)
... ... ... ... ... ...
g1(tm-1) u1,m-1 u2,m-1 ... un-1,m-1 g2(tm-1)
g1(T) u1,m u2,m ... un-1,m g2(T)
Hai hình trên biểu thị nhiệt độ của thanh ứng
với r = 0.5 và r = 1.0. Trục chiều dài của
thanh hướng từ trái qua phải, trục thời gian
hướng từ trước ra sau. Qua đó ta thấy được
nhược điểm của phương pháp này.
Phương pháp thứ hai (Implicit)
Bây giờ ta thay đạo hàm riêng cấp hai theo x
bởi công thức sai phân trung tâm tại bước thứ
j+1 theo thời gian,
uxx = ( )1, , 1,21 2i j i j i ju u uh − +− + .
Khi đó
( ) ( ), 1 , 1, 1 , 1 1, 121 2i j i j i j i j i jau u u u uk h+ − + + + +− = − +
Đặt r = 2
ak
h
ta nhận được:
–rui-1,j+1 + (1 + 2r)ui,j+1 – rui+1,j+1 = ui,j,
i = 1, 2, ..., n – 1.
Trong phương pháp này, để tính ui, j+1 ta chỉ
sử dụng được một giá trị của bước trước và
phải sử dụng hai giá trị chưa biết trong cùng
bước. Do đó chúng ta phải giải một hệ
phương trình đại số.
Để rõ hơn, ta xét bài toán
ut = uxx, u(x, 0) = x4, 0 ≤ x ≤ 1,
u(0, t) = 0, u(1, t) = 1, 0 < t ≤ 0.2
trong trường hợp m = 5 và n = 5.
Khi đó h = 0.2, k = 0.04 nên r = 1, phương
trình sai phân được viết lại dưới dạng:
–ui-1,j+1 + 3ui,j+1 – ui+1,j+1 = ui,j,
i = 1, 2, ..., n – 1.
Ta có [x1, x2, x3, x4] = [0.2, 0.4, 0.6, 0,8]
nên
u1,0 = 0.0016, u2,0 = 0.0256,
u3,0 = 0.1296, u4,0 = 0.4096.
Vì u(0, t) = 0 và u(1, t) = 1 nên
u0,1 = u0,2 = ... = u0,5 = 0,
u5,1 = u5,2 = ... = u5,5 = 1.
Tại bước j = 0, lần lượt lấy i = 1, 2, 3, 4 ta
nhận được hệ:
3u1,1 – u2,1 = u1,0 + u0,1 = 0.0016 + 0.0,
–u1,1 + 3u2,1 – u3,1 = u2,0 = 0.0256
– u2,1 + 3u3,1 – u4,1 = u3,0 = 0.1296
– u3,1 + 3u4,1 = u4,0 + u5,1 =
= 0.4096 + 1.0
Nhận thấy đây là hệ dạng ba đường chéo
(Tridiagonal), nên có thể sử dụng phương
pháp phân tích LU để giải hệ này.
Để tiện theo dỗi, ta xét ma trận T dạng ba
đường chéo cấp bốn với phân tích T = LU:
t
tj+1
xi-1 xi xi+1
r = 1.0 cho nghiệm không ổn
định
Ôn Ngũ Minh Tạp chí KHOA HỌC & CÔNG NGHỆ 102(02): 155 - 159
158
L = 2
3
4
1 0 0 0
1 0 0
0 1 0
0 0 1
Lb
Lb
Lb
,
U =
1 1
2 2
3 3
4
0 0
0 0
0 0
0 0 0
Ud U
Ud U
Ud U
Ud
,
T =
1 1
2 2 2
3 3 3
4 4
0 0
0
0
0 0
d a
b d a
b d a
b d
Dễ thấy rằng các phần tử của các ma trận L và
U thỏa mãn:
Ui = ai, Ud1 = d1, Lb2 = b1/Ud1,
Ud2 = d2 – Lb2a1, Lb3 = b3/Ud2,
Ud3 = d3 – Lb3a2, Lb4 = b4/Ud3,
Ud4 = d4 – Lb4a3,
Tổng quát lên với T là ma trận vuông cấp n:
Ui = ai, i = 1, 2, ..., n-1 và Ud1 = d1.
Sau đó, với mỗi i từ 2 đến n ta tính:
Lbi = bi/Udi-1, Udi = di – Lbiai-1.
Hàm lu_tridiag() sau đây trả lại hai véc tơ Ud và
Lb:
function [Ud Lb] = lu_tridiag(a, d, b)
%LU factorization of a tridiagonal matrix T, T =
LU
%Input:
% a vector of elements above main
diagonal, a(end) = 0
% d diagonal of matrix T
% b vector of elements below main
diagonal, b(1) = 0
%Output:
% Ud diagonal of upper bidiagonal matrix U,
that upper diagonal is a
% Lb Lower diagonal of lower bidiagonal
matrix L,
% that 1s on main diagonal, Lb(1) = 0
n = length(d);
Ud(1) = d(1);
for i = 2:n
Lb(i) = b(i)/Ud(i-1);
Ud(i) = d(i) - Lb(i)*a(i-1);
end
Như vậy, thay vì giải trực tiếp Tx = r, ta sẽ
giải hệ tương đương LUx = r. Hệ này tương
đương với hai hệ Ly = r và Ux = y. Hàm
lu_triadiag_solve() sau đây thực hiện điều đó. Ở
đây a là véc tơ nằm ngay trên đường chéo
chính của U, d là véc tơ đường chéo chính
của U, còn b là véc tơ dưới đường chéo chính
của L.
function x = lu_tridiag_solve(a, d, b, r)
%Function to solve the equation Tx = r,
%where T is tridiagonal matrix
%LU factorization of T is expressed as
% Lower bidiagonal matrix: diagonal is 1s,
% lower diagonal is b, b(1) = 0
% Upper bidiagonal matrix: diagonal is d,
% upper diagonal is a, a(n) = 0
%Right hand side vector is r
n = length(d); y(1) = r(1);
for i = 2:n
y(i) = r(i) - b(i)*y(i-1);
end
x(n) = y(n)/d(n);
for i = n-1:-1:1
x(i) = (y(i)-a(i)*x(i+1))/d(i);
end
Để cài đặt trên MATLAB, ta tổ chức dữ liệu
như trong phương pháp trước. Nhận thấy rằng
ma trận của hệ tại mỗi bước có dạng ba
đường chéo và không đổi, chỉ thay đổi vế
phải, vì vậy việc phân tích LU là một lần duy
nhất.
Hàm heat_implicit() sau đây có các tham số vào
và ra giống như hàm heat_explicit().
function [u x t] = heat_implicit(f,g1,g2,X,T,n,m,a)
%solve heat equation u_t = au_xx
% for 0 <= x <= X, 0 < t <= T
%by Implicit method
Ôn Ngũ Minh Tạp chí KHOA HỌC & CÔNG NGHỆ 102(02): 155 - 159
159
%Initial conditions: u(x,0) = f(x) for 0 <= x <= X
%Boundary conditions: u(0,t) = g1(t), u(X,t) = g2(t)
%n = number of subintervals for x
%m = number of subintervals for t
h = X/n;k = T/m; r = a*k/h^2;
x = [0:h:h*(n-1),X];
t = [0:k:k*(m-1),T];
u = zeros(m+1,n+1);
for j = 1:m+1
u(j,1) = g1(t(j));
u(j,n+1) = g2(t(j));
end
for i = 1:n+1
u(1,i) = f(x(i));
end
d = (1+2*r)*ones(1,n-1);
aa = -r*ones(1,n-1); aa(n-1) = 0;
b = -r*ones(1,n-1); b(1) = 0;
[Ud, Lb] = lu_tridiag(aa,d,b);
for j = 2:m+1
rh(1) = u(j-1,2) + r*u(j,1);
rh(2:n-2) = u(j-1,3:n-1);
rh(n-1) = u(j-1,n) + r*u(j,n+1) ;
u(j,2:n) = lu_tridiag_solve(aa,Ud,Lb,rh);
end
Với bài toán:
ut = uxx, u(x, 0) = x4, 0 ≤ x ≤ 1,
u(0, t) = 0, u(1, t) = 1, 0 < t ≤ 1,
lời gọi hàm có dạng như sau (m = 50, n = 50:
>> [u,x,t] = heat_implicit(...
@(x) x^4, @(t) 0, @(t) 1, 1, 1, 50, 50, 1);
Lời gọi sau ứng với m = n = 10:
>> [u,x,t] = heat_implicit(...
@(x) x^4, @(t) 0, @(t) 1, 1, 1, 10, 10, 1);
Kết luận
Ta thấy rằng phương pháp thứ hai luôn cho
nghiệm ổn định, bất kể ta chọn lưới như thế
nào. Tuy nhiên khối lượng tính toán là
không nhỏ.
Trong tương lai, chúng tôi tiếp tục sử dụng
ngôn ngữ MATLAB để viết mã cho các giải
thuật sử dụng phương pháp sai phân hữu hạn
để giải các bài toán về phương trình đạo hàm
riêng như bài toán elliptic và bài toán
Poisson.
TÀI LIỆU THAM KHẢO
[1]. Laurene V. Fausett, Applied Numerical
Analysis Using MATLAB, Prentic Hall
International, Inc. 1999.
SUMMARY
NUMERICAL METHODS FOR SOLVING HEAT TRANSFER EQUATIONS
On Ngu Minh*
College of Technology - TNU
*
Tel: 0913 351286
Ôn Ngũ Minh Tạp chí KHOA HỌC & CÔNG NGHỆ 102(02): 155 - 159
160
Numerical techniques for solving partial differential equations are primarily of two types: finite-
difference method and finite-element method. In this paper, we investigate finite-difference
methods for parabolic equations, using the heat equation as an example. We also use the
MATLAB language to write code for the algorithms.
Keywords: Finite-difference method, Heat equation, Tridiagonal, LU factorization.
Ngày nhận bài:04/1/2013, ngày phản biện:26/2/2013, ngày duyệt đăng:26/3/2013
Các file đính kèm theo tài liệu này:
- brief_38399_41978_1282013135828155_7253_2052027.pdf