Вы находитесь на странице: 1из 17

10

2. РАСЧЕТ И МОДЕЛИРОВАНИЕ ЭЛЕКТРОСТАТИЧЕСКИХ


ПОЛЕЙ

2.1. Основные характеристики

Расчеты электростатических полей являются важной задачей в


технике высоких напряжений (поля в кабелях, вблизи изоляторов,
конструкций и проводников высоковольтных линий, поля в
вакуумных электронных приборах, конденсаторах и др.), в
ускорительной технике, в электронной и ионной оптике,
эмиссионной технике и пр. Имеются математические аналоги и в
других физических явлениях.
Основной характеристикой электрического поля является

вектор напряженности E , который имеет 
физический смысл силы,
действующей на единичный заряд: F  q  E .

Для вектора E выполняются следующие уравнения Максвелла:
  
 B    dФ
1) rot E   t или  Ed l 
 t s
Bds  
dt  это так называемый закон
электромагнитной индукции,

 
2) div  0 E   или   0  Eds  v dv  q  линии электрического поля
прерываются только на зарядах.

Электростатическое поле  частный случай  


поля

неподвижных зарядов: rot E  0 или  Ed l  0.
Поэтому в электростатическом поле линейный

интеграл вектора E , взятый от точки А до точки В,
A  B 
не зависит от выбора пути:  l
Ed  l  0.
Ed Это
B A
показывает, что электростатическое поле может характеризоваться
некоторой скалярной функцией точки. В качестве такой величины
P 
вводится скалярный потенциал поля. По определению (3) A   l
Ed
A
, где P  точка, в которой потенциал условно равен нулю.
Физический смысл имеет разность потенциалов:
B 
( 3 )  A   B   Edl , это работа, производимая при перемещении
A
единицы заряда из точки A в точку B. Потенциал  имеет смысл
B
только в электростатическом поле, где  0.
t
 
Взяв градиент от (3), можно получить (4) grad      E ; E  
. Знак минус получается из-за исторически принятого определения
11

разности потенциалов ( 3) . Соотношение (4) позволяет при


известном  определить E.
      
В декартовой системе координат E i  j k
x y z ;
      
в цилиндрической системе E  ir  i  iz
r r z .

В одномерном цилиндре Er  
 r , в одномерной сфере также

Er  
r .

2.2. Определение потенциала


по заданному распределению зарядов.
Уравнение Пуассона и Лапласа

Количественную мерудля вектора E в электростатическом

поле дает уравнение (2) div  0 E   или   0  Eds  q . В частности,
окружая точечный заряд сферической поверхностью, получим
 qr
 0  E r  4 r 2  q или E , а для потенциала, используя (3),
4 r 3 0
n
q 1 q

4  0  r
. При наличии системы зарядов 
4  0
 rk (5).
k 1 k
Распределенные заряды можно разбить на элементарные части dq,
1 dq 1 dV dq

4  0  r

4  0  r
(5 ) , где  
dV
 объемная плотность
V
1 ds dq
заряда, или 
4  0  r
(5) , где 
ds
 поверхностная
1 dr dq
плотность заряда или 
4  0  r
(5 ) , где 
dl
 линейная
плотность заряда.
При известном расположении

зарядов уравнения (5  5)
позволяют вычислять  и затем E   . Однако на практике не
всегда можно использовать уравнение (5), поскольку распределение
зарядов, особенно на металлических проводниках, обычно
неизвестно. С другой стороны, на проводниках, как правило,
известен сам потенциал  . Для определения потенциала в
пространстве вокруг проводников

применим другой подход.
Подставим значение E   в уравнение (2), получим
div  0grad    или, при однородной диэлектрической
проницаемости  ,

2    уравнение Пуассона.
 0
12

2 2 2 


В декартовой системе координат :  2  2  ;
x 2
y z  0
 2  1  1  2   2  
в цилиндрической системе:   2 2  2  ;
r 2
r  r r  z  0

Если в рассматриваемой области пространства отсутствуют


электрические заряды, то уравнение Пуассона переходит в
уравнение Лапласа:  2   0 .
Уравнение Пуассона решается при заданных граничных
условиях.
Граничные условия на поверхности проводников:

 
  const, Et=0, E n    .
 n  0

Граничные условия на поверхности раздела двух диэлектриков:


 E1 sin 1  E 2 sin  2  E E
tg1  1  t1 t2  не меняется
 E n11  E n 2  2
tg 2  2

Скачок E n происходит за счет связанных зарядов на границе раздела


из-за различной поляризации.
Основная задача электростатики  определение
распределения в пространстве потенциала  и напряженности поля

E при заданном распределении зарядов и заданных потенциалов на
поверхности проводников. Решение этой задачи аналитическим
путем возможно только в отдельных (симметричных) случаях.

2.3. Примеры аналитического решения распределения


потенциала

Поле уединенного провода круглого сечения

r
 dl 
1 l  r2 
2

4  0 
Er 
(l 2  r 2 )
13


r dl 
= 4 0  = 2  .
 l 2
r 
2 32
0r

dx x
Использовано:  3
  C. Вследствие симметрии
2
(x  a ) 2 2 a 2 x2  a 2
задачи поле E r можно вычислить непосредственно из интегрального
  
уравнения Максвелла:   0 Eds  q  l ,  0 2lrE r  l , или Er 
2  0 r
.
Пусть задан потенциал проводника  r0 ,
r0
 r
тогда  r   r0   E r dr  ln 0 . При нулевом потенциале на
r
2  0 r

бесконечности потенциал провода будет бесконечен (из-за


бесконечности его длины). Если нулевой потенциал задан на
конечном радиусе r1 (оболочка кабеля),
 r1 2  0
то    r0   r1  ln ; отсюда    r .
2  r 0 ln 1 0 r0
ln r r0   ln r r 
 r   r0   , если  r1  0;    r0 ;  r   r 0 1  ln r r0  ;
ln r1 r0   1 0
ln r1 r 
 r   r0 .
ln r1 r0 

Поле двухпроводной системы тонких проводов

Расстояние между проводами 2h,


потенциал 
2
,   1   2 
 r  r
  01  ln 0   02  ln 0 ;
2  0 r1 2  0 r2

 r
 01   02 ;   ln 2 .
2  0 r1
  2h   
 определится из условия:  01   ln 0
или   ln 2 h r ;
2 2  0 r0  0
 ln r2 r1 
 . Можно показать, что линии равного потенциала суть
2 ln 2 h r0 
14

1 k2
x0  h
окружности с координатами центра 1 k2 и радиусом
2k 2 r
R
1 k , где k  r  const , причем x 20  R 2  h 2 . Это позволяет
2
h
1
заменять систему двух проводов конечных радиусов R1 и R2 с
заданными потенциалами на этих радиусах системой двух тонких
проводов, смещенных относительно центров реальных проводов.

2.4. Дискретизация уравнения Пуассона

Разобранные примеры показывают, что аналитические решения


для потенциалов в электростатике возможны только в редких
(симметричных) случаях. Основным, главным методом решения
основной задачи электростатики является численный метод решения
уравнения Пуассона при заданных граничных условиях.
Одним из путей численного решения
уравнения Пуассона является составление
его разностных аппроксимаций, т. е. замена
производных отношением конечных
разностей. Для этого все пространство
разбивается на ячейки с помощью
дискретного разбиения осей координат с определенным шагом. В
двумерном плоском случае мы будем иметь подобие сетки. Заряды,
имеющиеся в ячейках сетки, сосредотачиваются в ее узлах. Границу
области проводим также через узлы сетки. Производные потенциала
вычисляются через его значения в узлах сетки. Конечно-разностная
аппроксимация производится на основании разложения в ряд
Тейлора. Так, в простейшем одномерном случае получим при
равномерной сетке:
 1 2 1 3
3   1 4
4  
 x  x   x   x  x 2  x  x ...
 x 2! x2 3!  x 3 4! x 4
 1 2 1 3
3   1 4
4  
 x  x   x  x  x 2  x  x ...
 x 2! x 2 3!  x 3 4! x4
При вычитании равенств получим:
  x  x   x  x x 2  3  x  x   x  x
    .
x 2 x 6 x3 2 x
Складывая равенства, будем иметь:
 2   x  x   x  x  2 x x 2  4 
   
x 2 x 2 12 x 4
 x  x   x  x  2 x
 .
x 2
Отбрасываемые члены с высшими производными определяют
точность аппроксимации.
15

Уравнение Пуассона в декартовой системе координат


соответственно запишется:
 i 1, j, k   i  1, j, k  2 i , j, k  i , j 1, k   i, j  1, k  2 i, j, k
 
x 2 y 2
 i, j, k 1   i , j, k  1   i , j, k i , j, k
  .
z 2  0
Для цилиндрической системы координат в двумерном случае
получим:
 r   r 
 i 1, j 1    i 1, j 1    2i , j
 2 ri   2 ri 
   i , j1  2i , j  .
 i , j1   i, j
r 2
z 2
 0
 2  1  2
При r0=0 (ось), учитывая симметричность    2 ,
 r 2 r r r2
получим:

2  i 1, j   i 1, j  2 i , j    i, j1   i, j1  2 i, j   i, j ,
r 2
z 2  0
причем  i 1, j   i 1, j .
При неравномерной сетке вдоль каждой оси, объединяя плоский и
цилиндрический случай (   0  плоский случай,   1 
цилиндрический),
 
 r   r 
2 i  1, j  1    2 i  1, j  1   
 2 ri   2 ri  2 i , j  1
  
r  r  r  r  r  r  z   z   z  
2 i , j  1  1 1  
  2 i , j      i , j .
z   z   z    r r_ z  z    0

При ri =0 (ось)
4 i 1, j 4 i 1, j 2 i , j1 2 i , j1
   
r  r  r  r  r  r  z   z   z   z   z   z  

 1 1   i, j
 2 i , j    , причем  i 1, j   i 1, j . Имеются и более
 r r z  z    0
точные аппроксимации производных, учитывающие большeе число
узлов сети. В частности, в плоском двумерном случае с
равномерным шагом x  y  h
1
6h 2
 
 i 1, j   i 1, j 1   i 1, j 1   i 1, j 1  4  i 1, j   i, j1   i 1, j 

i , j

  i, j1  20 i, j   
 0
.
16

2.5. Методы решения разностных уравнений Пуассона

2.5.1. Общий метод

Рассмотрим одномерное решение уравнения Пуассона:


2 
  ; 0  x  1;  0  a ;  1  b .
x 2 
Разобьем промежуток 0  x  1 точками xk на N равных промежутков
с постоянным шагом xkxk-1 = h. Тогда дискретная аппроксимация
для внутренних точек будет иметь вид:
  k 1  2 k   k 1 k
 ; k = 1, 2, ...N-1.
h 2 
Исключаем граничные точки с помощью краевых условий:
2 1   2 a 1   k 1  2 k   k 1  k
  ;  ; k = 2, 3, ...N-2;
h2 h2  h2 
  N 2  2 N 1 b  N 1
 2 .
h2 h 
В результате получим систему N-1 уравнений с неизвестными
 
1 ,  2 ... N 1 , записываемую в матричной форме A   g , где
1 a

 h2
2 1 0 0 ... 0 1 2
1 1 2
1
2 0 ... 0
  

A  2 0 1 2  1 ... 0 ;   ... ; g  ... .
h
... ... ... ... ... ... ...  k
0 ... ... ... 1 2  N 1 
 N 1 b
 2
 h

 
Общее решение матричного уравнения есть   A 1g , A  1 
  единичная матрица).
обратная матрица ( A  A 1  E , где E
Коэффициенты обратной матрицы вычисляются по формуле
1 A ki
a ik  , где A ki  алгебраическое дополнение элемента aki в

det A
 . Такое определение  k эквивалентно правилу Крамера
матрице A

det A
k 

k
, где A k  матрица A
 , в которой k-й столбец заменен
det A 
столбцом свободных членов g . Число арифметических операций в
этом методе  N! (при больших N N !  N N  e  N 2N ). Кроме того, в
17

процессе вычисления определителей происходит накопление ошибок


округления, особенно существенное при больших N. Большое число
арифметических операций и накопление ошибок, приводящее к
аварийной остановке ЭВМ из-за переполнения, не позволяют
использовать общий метод при больших N. Особенно это относится
к двумерному (сетка N  M ) случаю, когда число операций ~ ( N  M )! .
Отметим, что даже 10!  3,63  10 ; 20!  2,43  10 6
Учитывая 18

упрощенный (ленточный из трех чисел в строке) вид матрицы, для


вычисления A  1 достаточно M 3 N 3 операций, что все равно много.

2.5.2. Метод факторизации (прогонки)

Матрица A  имеет ленточную структуру. Регулярное


расположение ненулевых элементов матрицы позволяет упростить
решение. Применим метод исключения Гаусса. Учитывая, что в
цилиндрическом случае коэффициенты матрицы могут отличаться от
единицы, запишем систему трехточечных уравнений в виде

Исключим из первого уравнения 1 :
b11  c1 2  g1
 a 2 1  b 2  2  c 2  3  g 2
.........................................
 a i  i 1  b i  i  c i  i 1  g i
.........................................
 a N  1 N  2  b N  1 N  1  g N 1
с1 2  g1
1    1 2  1 ,
b1
c1 g1
где 1  b ; 1  b .
1 1

Подставляя  1 в последующее уравнение, получим систему


порядком на единицу меньше:


b 2  2  c 2  3  g 2 где b 2  b 2  a 2  1 ; g 2  g 2  a 2 1 . Теперь
.......................................... первое уравнение новой системы
 a i  i 1  b i  i  c i  i 1  g i имеет тот же вид, что и первое
.......................................... уравнение предыдущей системы.
 a N 1 N  2  b N 1 N 1  g N 1 Далее исключаем  2 :
с 2  3  g 2
2    2  3   2 , где
b 2
18

с2 c2 g 2  a 2 1
2   ;  2  b  a  . Подставление  2 в последующее
b 2 b 2  a 2  1 2 2 1
уравнение уменьшает систему еще на одно уравнение. Продолжая
эту операцию, в конце концов приходим к одному уравнению с
одним неизвестным  N 1 , найдя который затем находят
последовательно все предыдущие  i . Окончательно получаем
следующие формулы для нахождения неизвестных:
 N 1   N 1 ;  i   i  i 1   i ,
где коэффициенты  i ,  i находятся по рекуррентным формулам:
c1 c i 1
1  ;  i 1  ;
b1 b i 1  a i 1 i
g g  a i 1 i  i 1
1  1 ;  i 1  i 1   g i 1  a i 1 i  .
b1 b i 1  a i 1 i c i 1
1 2 1
В одномерном плоском случае: a i  2 ; b i  2 ; ci  2 .
h h h
1  i 1 
1 2 3 4 g1 h 2
Тогда 1  ; 2  i
; ( 2  ; 3  ; 4  и т. д.) 1  ;
2 3 4 5 2

 i 1   i 1  i  h 2 g i 1 ; 
 N 1   N 1  N  2  h 2 g N 1 .
Реализация метода требует 8N арифметических операций и
запоминания 2N вспомогательных переменных. Метод устойчив к
накоплению ошибок.
В одномерном цилиндрическом случае коэффициенты
матрицы будут изменяться от строки к строке:
 r   r  
 1   i 1  2 i  1   i 1  r 2 i .
 2ri   2ri   0

Устойчивость метода прогонки

1) Знаменатели для  i и  i не должны равняться нулю. Для этого

достаточно, чтобы bi  a i  ci . Отметим, что при этом все  i 1.


2) При  i 1 ошибка округления не возрастает в процессе

вычислений.

2.5.3. Двумерный (матричный) метод прогонки

Рассмотрим двумерное уравнение Пуассона на плоскости x, y


19

 2 2  
 2   , причем  задано на границе области, в качестве
 x  y   0
2

которой выберем прямоугольник. Разбив область определения сетью


узловых точек (xk, yl), приходим к разностному уравнению:
  k 1,l   k 1,l  2 k ,l   k ,l 1   k ,l 1  2 k ,l  k ,l
  ;
h 12 h 22  0

 0l  a l
1  k  M  1  Ml  b l
;
1  l  N  1  k0  c k
 kN  d k
Полученную систему (M-1)(N-1) уравнений можно записать в
матричной форме:
   

B1   2  F1  C 2 1    0 ...
    2 1    0
 1  B 
2   3  F2  
B ,
    ... ... ... ...

  l 1  B l   l  1  Fl ,;
    0 0  2 1   
 N 2  B 
N  1  FN  1  d

1,l
h 22  a l

 1,l  2 ,l c1 d1
 2 ,l h 22 c2 d2
h 22     
 ;  l   3,l ; Fl   k ,l ; C c3 ; d d3 .
h12 ... h 22 ...
 ...
 M 1,l ... c M 1 d М 1
 M 1,l
h 22  b l

Здесь исключены граничные условия на границе области. Получим
систему уравнений, аналогичную одномерной системе, но вместо
сеточных значений имеем вектора с матричными коэффициентами.
Для данной системы применяем формально такой же, как и в
одномерном случае, метод прогонки, называемый методом
матричной прогонки.    
2  B  F1  c   
    1  F  c
1  B   1  1

 1 2  1 , где   1 ;   B
 1 B 1 1


.
Подставляем  1 вовторое уравнение и исключаем  2 :
  1  B   2  3  F2  1 ; 2   23   2 , где  2   B   1  1 ;

 2  F2  1  , т. е.:

2  
  
 

 
  1
 l   l  l  1   l ;  l 1  B  l ;  l 1   l1 Fl1  1 ;
 
 l  B  
 1 ; 1   l F1  c ; 1  l  N  2.
20


Для определения  N 1 подставим в последнее уравнение
 
N 2    N  2  N  1   N  2 , получим
  
   N 2  B   N 1  FN 1  d   N 2 ;
1       
 N 1   B̂  ˆ N  2   FN 1  d   N  2   ˆ N 1  FN 1  d   N  2    N 1 , т. е.:

 
 N 1   N 1 .

В данном алгоритме матричной прогонки требуется M3N


арифметических действий для вычисления матриц 
 j и M2N
 
действий для вычисления прогоночных векторов  i и решений  l .
Для хранения матриц  l , B  необходимо запомнить M2(N+1)
элементов этих матриц.

Для единообразия с одномерной  
прогонкой можно

ввести
  
вектор G l  Fl при 2  l  N  2; G 1  F1  c; G N 1  FN 1  d , тогда при
1  l  N  2  1  B 1 ;
1   
ˆ l1  G l1   l  ;  N 1   N 1 ;  l   l  l 1   l .
   
 l 1   B  l  ;  l 1  
  
1    1G 1 ;   

Для уменьшения числа операций и объема требуемой памяти


данный алгоритм был модернизирован за счет особой зависимости
для  l1 . Было показано, что данная зависимость при начальном
 1 эквивалентна следующей формуле:
 1  B 1
1
l
  2 cos k E 2 k
 l   a k  l 1  B
   ; a k  l1  sin 2 ;   единичная
l  1, E
k 1
 l 1  l 1 l 1
диагональная матрица. Кроме того, упрощается и умножение
l 1 
  
матрицы ̂ l на вектор  l1 :  l   l1   Vk , где Vk определяется из
k 1
 k   
уравнений  B̂  2 cos Ê  Vk  a k  l1  l1 . Каждое из этих уравнений
 l  1 
решается методом скалярной прогонки за M действий. Всего
необходимо MN2 арифметических действий. Кроме того, не нужно
запоминать и находить  матрицу 
 l . Аналогично умножается
матрица  l1 на вектор   l  Fl 1  . Имеются методы, уменьшающие

число операций до MNlog2N. Это метод циклической полной


редукции и быстрое дискретное преобразование Фурье.

2.5.4. Метод циклической редукции (декомпозиции)

Этот метод позволяет уменьшить число операций в методе


прогонки за счет уменьшения числа уравнений в системе. Запишем
три соседних уравнения системы:
21

   
  l2  B̂ l1   l  G l1 ; Умножая среднее уравнение на 
B и
   
  l1  B̂ l   l1  G l ; складывая все три, получаем:
   
  l  B̂ l 1   l 2  G l1 .

 l 2  B  2  2E 
  
l  l2 
  
 .
 G l  1  G l  1  BG l

Таким образом, исключаются все нечетные уравнения вместе со


всеми нечетными неизвестными. Затем таким же образом можно
исключить через одно четные уравнения (оставив только кратные 4)
и т. д., каждый раз исключая половину имеющихся неизвестных. В
последнем уравнении останется только одно (среднее) неизвестное.
Затем в обратном порядке определяются все остальные неизвестные.
Минимальное число операций ~ MN log 2 N (в двумерном случае).

2.5.5. Спектральный метод дискретного преобразования Фурье

Рассмотрим идею метода на одномерном уравнении Пуассона:


2 
 .
x 2  0
Сначала также производится дискретизация области определения
x j  jx со значениями  i и искомыми  j . Затем производится
дискретное преобразование Фурье для плотностей заряда  j
N 1
 nk  
 i jnk  2
  jx e , где k , i  мнимая единица. Далее
j 1 N 1
находим образ  nk  через  nk  . В Фурьепреобразовании
производная заменяется умножением на ink, вторая производная 
 nk 
умножением на (n2k2), тогда  nk   nk 2  . Затем производится
  0
обратное преобразование Фурье:
1 N 1
 jx    nk  e ijnk .
N  1 n 1
Данный метод применим для расчета собственного поля объемных
зарядов при его нулевых значениях на границе. Возможно сразу
    nk 
найти Е   ; E  ; E nk   .
 0 ink 0

2.5.6. Итерационные методы


 
  квадратная
Пусть имеем уравнение A   f (1), где A
 
матрица,  и f  векторы. Если A  положительно определена и

ограничена и имеется другой вектор  ~ , зависящий от времени и
22

  
~ 
 d  
A ~ ~
lim   0.
удовлетворяющий уравнению B
dt
f (2), то t

Таким
 образом, решая уравнение (2) при t   будем иметь
~ 
 t    t  . Заменяя производную конечными разностями, будем
 n  n 1
B      f  A
  n 1
иметь:  (3). Если оператор B
 отсутствует, т. е.
 n 
  E , то такой итерационный метод называется явным, тогда
B
 f  A   (4). Здесь производная определяется только
  
 n   n 1   n 1
n
 
двумя соседними значениями  n и  n1 , такой итерационный метод
  
называется двухслойным. Если  n определяется как  n1 , так и  n2
, то метод называется трехслойным.
Сходимость и необходимое число итераций (шагов во времени)
определяется выбором  и B  . Наиболее простой итерационный
метод, когда B  E , а   const . Причем минимум итераций
2
достигается при  , где 1 и 2  минимальное и
1  2
максимальное собственные значения оператора A
 . Отметим, что
спектр собственных значений квадратной матрицы A   a ik 
определяется из условия:
a 11   a 12 ... a 1n
a 21 a 22   ... a 2n   E
  0.
det  det A
... ... ... ...
a n1 a n2 ... a nm  
В частности, для уравнения:
  k 1,l   k 1,l  2 k ,l   k ,l 1   k ,l 1  2 k ,l  k ,l
  f k ,l  ;
h 12 h 22  0
2 h 
2
2
4 4 h 4 4
1   2
 1 h 
sin
2l 
 0 ,  2   2
cos2   2  2 ;
2l 
 1 h  h1 h 2
l   размер области ячеек. При равномерной плоской сетке
 k 1,l   k 1,l   k ,l 1   k ,l 1  4 k ,l   f k ,l h 2 ;  
h2
и
4
 k ,l
 nk ,l   nk ,l1 
4

4

1 n 1
 k 1,l   nk 11,l   nk ,l11   nk ,l11  f k ,l h 2 ,
где  kl   k 1,l   k 1,l   k ,l 1   k ,l 1  4 k ,l  f k ,l h 2 ,
 k,l
 остаток.
4
Одновременно со значениями  k ,l во всех узлах
подсчитываются остатки. Процесс является сходящимся и
продолжается, пока все остатки не станут меньше определенной
величины. Для начала счета во всех узлах необходимо назначить
приближенные значения  k ,l . Новые значения можно определять
23

последовательно во всех узлах, а можно только в узле с наибольшим


остатком и в соседних вокруг него узлах, затем опять с наибольшим
остатком и т. д. Данный алгоритм хотя и прост, однако не является
оптимальным по числу арифметических действий и скорости
сходимости. Число операций здесь пропорционально числу узлов
MN и точности приближения начальных значений. Для
уменьшения погрешности начального приближения в  1 раз
2 MN 1
требуется число итераций n  2
ln

. Учитывая, что каждая

итерация «стоит» порядка 10MN арифметических операций, общее
M2N2 1
число операций ~ 20 ln , что является весьма большим
2 
значением при большом числе точек MN.
Для большего приближения начальных значений обычно
приводят ожидаемые эквипотенциали. Разработан целый ряд
алгоритмов, итерационных методов явных и неявных, трехслойных и
двухслойных, уменьшающих число действий.

Явная трехслойная схема:





 n 1   1   E
  A n
   
  n  1   1     f   1 ; , тогда
 .
 


 n 1  2 E   A 
n
    
  n 1  2 f  2 n   n 1  2  f  A
n

2
Оптимальные параметры  опт и  опт следующие:  опт 
1   2
;

1 
2
1  2
 опт  2 , где, как и в двухслойной явной схеме,
1 1 2
2 2
4 2 h 4 2 h 4 4
1   h2 sin
2l 
 0 ; 2  2 cos
   2 2.
2l  h1 h 2
 1    1h 
Первая итерация находится по двухслойной схеме простой итерации.
Общее число итераций для уменьшения погрешности начального
2 1 2 1
приближения в  1 раз: n    2 ln  MN ln . Трехслойная схема
1   
имеет меньшее число итераций, чем двухслойная явная схема, но
требует большей памяти для запоминания трех слоев и сильнее
зависит от неточностей задания параметров  1 и  2 .

Итерационный метод последовательной верхней релаксации

Пусть имеем уравнение


a  i 1, j  b i , j 1  c i  1, j  d  i , j  1  e i , j   f i , j .
24

Затем последовательно (построчно или по столбцам) вычисляются


новые значения: ~ n  1  a n  b n  c n 1  d n 1  f  .
 При этом в
i, j i 1, j i , j1 i 1, j i , j1 i, j
e
вычислениях используются два соседних старых и два уже новых
значения, что происходит автоматически при построчном переборе
значений  . Таким образом, метод верхней релаксации  неявный.
~n
Полученные значения  i , j можно уточнить:
n ~
 i , j   i , j   1     i , j , где 1    2  параметр релаксации. При
n n 1

~n
  1,  in, j   i , j  метод называется методом Зейделя. При 1 часть

старого значения учитывается при увеличении доли нового значения


для ускорения счета. Оптимальное значение  находится перед
2
каждой новой итерацией по формуле:  опт 
1 1 
; где

   in, j   in,j 1 
2

2 .

   in,j 1   in,j 2 
По мере приближения к истинному значению   1,   2 . Начинают
итерации обычно с   1 . В методе верней релаксации при
оптимальном значении параметра релаксации    опт число
1
итераций n~ MN ln

, что существенно меньше метода простой
итерации. По сравнению с явным трехслойным методом он более
прост и устойчив.

Метод переменных направлений

Еще одним простым и в то же время эффективным методом


является метод переменных направлений. Одна стандартная
итерация (переход  n в  n1 ) этого метода состоит из двух
«полуитераций»:
1. Сначала по известной  n находится промежуточная функция
 n1 2 из уравнения:
in,j 1 2  in, j

 2
h1

1 n 1 2
i1, j  2in,j 1 2  in11, j2 

1 n
h 22

i , j1  2in, j  in, j1  f . 
Для определения  in,1 2
j требуется применение метода прогонки по
каждой горизонтальной линии сетки (при фиксированном j).
2. Затем по известной  in,1 находится функция  in, j из уравнения
2
j

in, j 1  in, j 1 2

 2
h1

1 n 1 2
 1
 
i 1, j  2in, j 1 2  in11, j2  2 in, j11  2in, j 1  in, j 11  f
h2
25

(серией прогонок по вертикальным линиям сетки при


фиксированном i).
Оптимальное значение итерационного параметра при
h
равномерной сетке  опт  , что существенно больше, чем в методе
4
h2
простой итерации (  опт  ). Это снижает число итераций до
4
MN 1
значения n    ln .
2 
При итерационном параметре, изменяющемся на каждом шаге,
1 4 4 1 t
можно еще снизить число итераций: n    2
ln  ln ,
 
где 
1 t
,

t
  1   1   2   2    4 sin 2  h   
4 h
cos2  .
,  2 ,
  1   1   2   2  h 2l  h2 2l 
Параметры итерации определяются выражениями:
q k  r q k  r
 1  ;  k 1  ,
k
2
1  kP 1  kP
1  2 1    k
2k  1
k  1, 2, ... n   
где  k  , k 
n   , ,
2 k 2
1   1 k
 1 k

1 2 1 2
  1    ,
16  2 

t   1  1   2 r     2   1   2  P 1 P
P ;  ; qr  .
1
;
t   2  1  1 2 1  2 1

1 h2
При h1 = h2 = h, l1 = l2 = l будем иметь P = r = 0, q  ,
 4
 2h 2 2 h2 4
  2  ,  k  1   k  k , n     0,2 ln 1,27 N   ln  .
 4l 4N 2
2 4

Некоторые упрощения для уменьшения числа итераций

а) Метод итерации по областям

При сложной форме области определeния разбиваем ее на


компактные участки G1+G2+G3. Сначала решается задача в области
G1+G2 при произвольной границе с G3. Затем при известной границе
26

G1 решаем область G2+G3. Далее, уточнив границу G3, процесс


можно повторить.

б) Решение разностных уравнений на последовательности сеток

Сначала находится решение на более редкой сетке с большим


шагом. Решение интерполируется на узлы более мелкой сетки и
затем уточняется методом итераций.

в) Если диэлектрик не однороден,

решение ведется на каждой области, где   const , а затем решения с


учетом условий на границе сшиваются, после чего уточняются.

Аппроксимация граничных условий при несовпадении


границы с углами
  
1-го рода:  г р  g x, y ; 2-го рода:    g x, y ;
n гр

  
3-го рода:     x , y , z    g x, y, z .
 n  гр

 1 l 21   2 l 11  3 l 43   4 l 33
1  ; 3  .
l 21 l 43
Иногда применяют более точные аппроксимации с использованием
нескольких внутренних узлов:
l 21  l 25 l 21 
1   2   1   2     2  3   
l 51  l 21 l 23 
    
 l 221  1  5  2  .
 l 21 l 51 l 25 l 51 l 21 l 23 
При граничных условиях 2-го рода значение  на границе находим
через аппроксимацию производной на границе по внутренним узлам:
  30  41  2   x  ,
2
1
0 
2x 3
41   2  2x0
отсюда 0  .
3