Алгебра метода конечных элементов (МКЭ): проекция физики на матрицы
Краевые задачи физики — дифференциальные уравнения теплопроводности, электромагнетизма и механики сплошных сред — описывают наш мир бесконечномерными функциональными пространствами. Решить эти дифференциальные уравнения аналитически для деталей сложной формы (например, блока цилиндров двигателя) математически невозможно. Для решения этой проблемы был создан Метод Конечных Элементов (МКЭ/FEM). Суть МКЭ заключается в гениальной алгебраической дискретизации: бесконечномерное уравнение проецируется на конечномерное векторное пространство, превращая сложнейшую физическую задачу в одну гигантскую систему линейных алгебраических уравнений вида K*x = F. Именно линейная алгебра работает под капотом всех современных систем автоматизированного проектирования (ANSYS, SolidWorks, COMSOL).
Метод Галеркина и слабые (вариационные) формы
Сердцем дискретизации МКЭ является проекционный метод Галеркина (базирующийся на интегральных билинейных формах). Вместо того чтобы требовать выполнения дифференциального уравнения в каждой абстрактной точке пространства, инженеры требуют, чтобы уравнение выполнялось «в среднем», с минимальной ошибкой. Для этого исходное дифференциальное уравнение умножается на так называемые пробные (весовые) функции и интегрируется по всему объему детали (переход к слабой форме). Пространство возможных решений ограничивается набором базисных функций (функций формы, Shape functions). Геометрия детали разбивается (квантуется) на миллионы крошечных простых фигур: тетраэдров или гексаэдров. Внутри каждого такого конечного элемента решение аппроксимируется простым линейным или квадратичным полиномом.
Локальная и глобальная матрицы жесткости
Алгебраический конвейер МКЭ состоит из матричной сборки. Сначала для каждого отдельного крошечного тетраэдра вычисляется локальная матрица жесткости (Local Stiffness Matrix) K_e. Эта небольшая симметричная матрица (например, размера 12x12 для элемента с 4 узлами и 3 степенями свободы в каждом узле) описывает упругие связи исключительно внутри этого элемента. Интегрирование базисных функций сводится к вычислению матрицы Грама. Затем наступает этап глобальной сборки (Assembly). Задается колоссальная глобальная матрица жесткости K (размером с общее количество узлов в модели, часто миллион на миллион). Используя булевы матрицы связности (Connectivity matrices, состоящие только из нулей и единиц), локальные матрицы K_e математически суммируются и проецируются на правильные позиции в глобальной матрице K. Это гарантирует неразрывность материала при деформации.
Граничные условия и метод штрафов
Если мы попытаемся решить систему K*x = F сразу после сборки, определитель матрицы K окажется равным нулю (матрица вырождена). Физически это означает, что деталь свободно парит в космосе и может бесконечно перемещаться под действием силы без возникновения напряжений. Чтобы сделать матрицу обратимой (положительно определенной), необходимо алгебраически зафиксировать (закрепить) деталь в пространстве, задав кинематические граничные условия Дирихле (например, болтовые крепления). В линейной алгебре МКЭ это делается с помощью метода штрафов (Penalty method). На главной диагонали глобальной матрицы K, в строках, соответствующих закрепленным узлам, прибавляются астрономически большие числа (штрафные коэффициенты порядка 10^15). Алгебраически это жестко привязывает неизвестные перемещения к заданным нулевым значениям, делая матрицу идеально невырожденной.
Разреженные решатели (Sparse Solvers)
Глобальная матрица жесткости K обладает тремя важнейшими свойствами: она симметрична, положительно определена и феноменально разрежена (Sparse). В каждой строке матрицы миллионного размера отличны от нуля только несколько десятков элементов (отвечающих за связь узла с его непосредственными соседями). Это позволяет применять передовые достижения вычислительной линейной алгебры. Для систем до 1 миллиона узлов используют прямые мультифронтальные решатели (MUMPS, PARDISO), которые выполняют блочное разложение Холецкого с умным переупорядочиванием строк (алгоритм Nested Dissection) для минимизации заполнения нулей. Для систем с сотнями миллионов неизвестных прямые методы исчерпывают оперативную память, и в бой вступают итерационные алгоритмы: Метод предобусловленных сопряженных градиентов (PCG) или Алгебраический многосеточный метод (AMG), распараллеленные на тысячи ядер суперкомпьютеров.
