精确解为:
U(x,t)=e^(x+t);
此种方法精度为o(h1^2+h2^2)
一:
用追赶法解线性方程组(还可以用迭代法解)
Matlab程序
function[upext]=CN(h1,h2,m,n)
%Crank-Nicolson格式差分法解一维抛物线型偏微分方程
%此程序用的是追赶法解线性方程组
%h1为空间步长,h2为时间步长
%m,n分别为空间,时间网格数
%p为精确解,u为数值解,e为误差
x=(0:
m)*h1+0;x0=(0:
m)*h1;%定义x0,t0是为了f(x,t)~=0的情况%
t=(0:
n)*h2+0;t0=(0:
n)*h2+1/2*h2;
symsf;
for(i=1:
n+1)
for(j=1:
m+1)
f(i,j)=0;%f(i,j)=f(x0(j),t0(i))==0%
end
end
for(i=1:
n+1)
u(i,1)=exp(t(i));
u(i,m+1)=exp(1+t(i));
end
for(i=1:
m+1)
u(1,i)=exp(x(i));
end
r=h2/(h1*h1);
for(i=1:
n)%外循环,先固定每一时间层,每一时间层上解一线性方程组%
a
(1)=0;b
(1)=1+r;c
(1)=-r/2;d
(1)=r/2*(u(i+1,1)+u(i,1))+h2*f(i,j)...
+(1-r)*u(i,2)+r/2*u(i,3);
for(k=2:
m-2)
a(k)=-r/2;b(k)=1+r;c(k)=-r/2;d(k)=h2*f(i,j)+r/2*u(i,k)+(1-r)...
*u(i,k+1)+r/2*u(i,k+2);
%输入部分系数矩阵,为0的矩阵元素不输入%
end
a(m-1)=-r/2;b(m-1)=1+r;d(m-1)=h2*f(i,j)+r/2*(u(i,m+1)+u(i+1,m+1)...
)+r/2*u(i,m-1)+(1-r)*u(i,m);
for(k=1:
m-2)%开始解线性方程组消元过程
a(k+1)=-a(k+1)/b(k);
b(k+1)=b(k+1)+a(k+1)*c(k);
d(k+1)=d(k+1)+a(k+1)*d(k);
end
u(i+1,m)=d(m-1)/b(m-1);%回代过程%
for(k=m-2:
-1:
1)
u(i+1,k+1)=(d(k)-c(k)*u(i+1,k+2))/b(k);
end
end
for(i=1:
n+1)
for(j=1:
m+1)
p(i,j)=exp(x(j)+t(i));%p为精确解
e(i,j)=abs(u(i,j)-p(i,j));%e为误差
end
end
[upext]=CN(0.1,0.005,10,200);surf(x,t,e);shadinginterp;
>>xlabel('x');ylabel('t');zlabel('e');
>>title('误差曲面')
plot(x,e)
plot(t,e)
误差较向前欧拉法减小一半
但是运行时间较长,约39秒,而前两次运行只需l秒左右;
[upext]=CN(0.01,0.01,100,100);运行需三分钟左右,误差比前次提高五倍,运算量也提高五倍
[upext]=CN(0.1,0.1,10,10);surf(x,t,e)运行需要2秒;精度还是挺高的;
[upext]=CN(0.1,0.2,10,5);surf(x,t,e)
误差还可以接受
此种方法精度高,计算量较大
二:
用迭代法解线性方程组:
Matlab程序如下:
function[uepxtk]=CN1(h1,h2,m,n,kmax,ep)
%解抛物线型一维方程C-N格式(Ut-aUxx=f(x,t),a>0)
%用g-s(高斯-赛德尔)迭代法解
%kmax为最大迭代次数
%m,n为x,t方向的网格数,例如(2-0)/0.01=200;
%e为误差,p为精确解
symstemp;
u=zeros(n+1,m+1);
x=0+(0:
m)*h1;
t=0+(0:
n)*h2;
for(i=1:
n+1)
u(i,1)=exp(t(i));
u(i,m+1)=exp(1+t(i));
end
for(i=1:
m+1)
u(1,i)=exp(x(i));
end
for(i=1:
n+1)
for(j=1:
m+1)
f(i,j)=0;
end
end
a=zeros(n,m-1);
r=h2/(h1*h1);%此处r=a*h2/(h1*h1);a=1
for(k=1:
kmax)
for(i=1:
n)
for(j=2:
m)
temp=((r/2*u(i,j-1)+(1-r)*u(i,j)+r/2*u(i,...
j+1)+h2*f(i,j)+r/2*u(i+1,j-1)+r/2*u(i+1,j+1))/(1+r));
a(i+1,j)=(temp-u(i+1,j))*(temp-u(i+1,j));
u(i+1,j)=temp;%此处注意是u(i+1,j),,而不是u(i+1,j+1)%
end
end
a(i+1,j)=sqrt(a(i+1,j));
if(k>kmax)
break;
end
if(max(max(a))break;
end
end
for(i=1:
n+1)
for(j=1:
m+1)
p(i,j)=exp(x(j)+t(i));
e(i,j)=abs(u(i,j)-p(i,j));
end
end
[uepxtk]=CN1(0.1,0.005,10,200,10000,1e-10);运行速度:
1秒
迭代次数k=
81
surf(x,t,e)
第二幅图为三角追赶法解方程作出的图,两者几乎一样;
由于迭代法速度很快,所以可以将区间分得更小
[uepxtk]=CN1(0.01,0.01,100,100,10000,1e-12);surf(x,t,e);shadinginterp;k=6903