Численное решение уравнений в частных производных: метод сеток

Повелители сложных систем: Уравнения математической физики

Если обыкновенные дифференциальные уравнения (ОДУ) описывают системы, зависящие только от одного параметра (например, от времени), то уравнения в частных производных (УЧП) описывают многомерные процессы, которые разворачиваются как во времени, так и в пространстве. Вся современная физика базируется на УЧП. Уравнение теплопроводности Фурье описывает нагрев и охлаждение деталей двигателя. Волновое уравнение описывает распространение звука, радиоволн и света. Уравнения Навье-Стокса управляют течением жидкостей и газов, позволяя проектировать аэродинамику самолетов и прогнозировать погоду. Уравнение Шредингера лежит в основе квантовой механики.

Точные аналитические решения таких уравнений известны лишь для самых простых геометрических форм (квадрат, круг, сфера) и простейших граничных условий. Но как рассчитать распределение температуры внутри турбинной лопатки сложной формы или аэродинамическое сопротивление корпуса автомобиля? Без компьютеров и численных методов инженеры были бы слепы. Главным историческим и концептуально базовым подходом к решению таких задач является метод конечных разностей (часто называемый методом сеток).

Дискретизация: превращение континуума в матрицу

Основная идея метода сеток заключается в замене непрерывной области (пространства и времени), в которой мы ищем решение, дискретным множеством точек, образующих сетку. Функция, которая изначально могла принимать значения в любой точке пространства, теперь рассматривается только в узлах этой сетки. Мы переходим от непрерывного поля (континуума) к огромной матрице чисел.

Следующий важнейший шаг — это аппроксимация самих производных. Все частные производные в дифференциальном уравнении заменяются их конечно-разностными аналогами. Например, вторая производная по координате заменяется комбинацией значений функции в центральном узле и двух соседних узлах, поделенной на квадрат шага сетки. В результате дифференциальное уравнение превращается в систему обычных алгебраических уравнений для неизвестных значений функции в узлах сетки. Если сетка содержит миллион узлов, мы получаем СЛАУ размерностью миллион на миллион.

Явные и неявные схемы: проблема устойчивости

При моделировании процессов эволюции во времени (например, остывания тела) разностные схемы делятся на явные и неявные. В явной схеме значение температуры в узле на новом временном шаге вычисляется напрямую, по явной формуле, через уже известные значения на предыдущем шаге (слое). Это очень просто программировать, но возникает страшная ловушка: явные схемы обусловленно устойчивы. Существует жесткий математический критерий (условие Куранта-Фридрихса-Леви), который связывает шаг по пространству и шаг по времени. Если попытаться взять слишком большой шаг по времени для ускорения расчетов, алгоритм «взорвется» — числа уйдут в бесконечность из-за вычислительной неустойчивости. Приходится делать крошечные шаги во времени, ожидая результата неделями.

Неявные схемы работают иначе: они связывают неизвестные значения на новом временном слое в единую систему уравнений. Чтобы сделать шаг по времени, компьютеру приходится решать гигантскую СЛАУ. Это требует гораздо больше вычислительных ресурсов на один шаг, но зато неявные схемы обладают абсолютной устойчивостью. Инженер может задать огромный шаг по времени (ограниченный лишь требуемой точностью отображения физики процесса), и вычисления не развалятся. Балансировка между этими методами, создание адаптивных сеток и распараллеливание на кластерах — суть современной вычислительной гидродинамики (CFD).