2

§ 20. Диффузное отражение ................................................................... 56

§ 21. Суммарное описание алгоритма ................................................... 58
§ 22. Практическое задание ................................................................... 59

Г л а в а 6. Уравнение Больцмана в присутствии внешних сил ....... 63

ОГЛАВЛЕНИЕ
Предисловие ................................................................................................. 5
Г л а в а 1. Основные понятия и определения........................................ 7
§ 1. Сетки. Сеточные функции .............................................................. 7
§ 2. Разностная аппроксимация дифференциальных операторов....... 9
§ 3. Практическое занятие .................................................................... 12
Г л а в а 2. Численное решение уравнения переноса .......................... 15
§ 4. Уравнение переноса ....................................................................... 15
§ 5. Шаблоны. Явные и неявные схемы .............................................. 17
§ 6. Сходимость. Устойчивость. Условие Куранта ............................ 19
§ 7. Спектральный признак .................................................................. 21
§ 8. Практическое занятие .................................................................... 23
§ 23. Расщепление сложного уравнения ............................................... 63
§ 24. Проблема граничных условий в скоростном пространстве ....... 65
§ 25. Случай пространственной симметрии ......................................... 66
§ 26. Практическое задание ................................................................... 67
Заключение ................................................................................................. 69
Приложения................................................................................................ 70
§ 27. К главе 2.......................................................................................... 70
§ 28. К главе 4.......................................................................................... 72
§ 29. К главе 6.......................................................................................... 77
Литература ................................................................................................. 80

Г л а в а 3. Разностные схемы второго порядка точности ................. 25

§ 9. Явная четырехточечная схема Лакса–Вендроффа ...................... 25
§ 10. Неявная шеститочечная схема. Метод прогонки ........................ 27
§ 11. Трёхслойная разностная схема ..................................................... 30
§ 12. Практическое занятие .................................................................... 31

Г л а в а 4. Монотонные схемы. TVD-схемы ........................................ 32

§ 13. Паразитические осцилляции. Понятие монотонности схемы.... 32
§ 14. Полная вариация. TVD-схемы ...................................................... 37
§ 15. Примеры ограничителей. Практический вид TVD-схем ............ 43
§ 16. Практическое занятие .................................................................... 45

Г л а в а 5. Кинетическое уравнение бесстолкновительного газа .... 47

§ 17. Закон сохранения вещества. Консервативные схемы ................. 47
§ 18. Проблема граничных точек для TVD-схем ................................. 50
§ 19. Функция распределения ................................................................ 54

3 4

ПРЕДИСЛОВИЕ
Широкое внедрение численных методов на основе использования
быстродействующих вычислительных машин вызвало большой про-
гресс в решении задач математической физики вообще и газовой дина-
мики в частности. В отличие от аналитических, численные методы ха-
рактеризуются большей универсальностью и применимы для исследо-
вания широкого класса явлений, позволяя «вычислять» решение с за-
данной степенью точности.
Разумеется, не следует думать, что численные методы целиком вы-
теснят традиционные аналитические способы решения. Точные реше-
ния, полученные для некоторых упрощенных предельных вариантов
исходной задачи, позволяют полнее представить механизм изучаемого
решения, его зависимость от характерных параметров. Кроме всего
прочего, это также дает возможность лучше отработать численный ал-
горитм. Наконец, точные решения используются как тесты при отладке
программ, а также для контроля точности расчетов. Численные и анали-
тические методы должны разумным образом сочетаться при исследова-
нии задач. И всё же, несмотря на все оговорки, численные методы в ус-
ловиях нынешнего стремительного развития вычислительных техноло-
гий являются наиболее эффективным и перспективным средством ис-
следования задач в большинстве областей математической физики.
Среди всевозможных численных методов наиболее разработанным
представляется метод конечных разностей. Сущность его состоит в сле-
дующем. В рассматриваемой области пространства вместо непрерывной
среды, состояние которой описывается функциями непрерывного аргу-
мента, вводится ее дискретный аналог. Эта дискретная модель описыва-
ется функциями дискретного аргумента, которые определены на конеч-
ном числе точек на сетке. Дифференциальные уравнения, т.е. законы, в
соответствии с которыми эволюционирует непрерывная среда, заменя-
ются (аппроксимируются) соответствующими алгебраическими конеч-
но-разностными соотношениями – разностной схемой.
Получающаяся разностная схема «близка» к исходной системе диф-
ференциальных уравнений лишь асимптотически при неограниченном
измельчении шагов сетки. При конечных шагах сетки, используемых на
5 6
практике, дискретная модель среды, описываемая разностными уравне-
ниями, может заметно отличаться от непрерывной среды. Это различие
зачастую порождает в расчетах паразитические эффекты разностного
происхождения, снижающие или вовсе уничтожающие ценность чис-
ленного решения. Поэтому важно строить такие схемы, которые сохра-
няли бы свои «хорошие» качества на сетках, применяемых в реальных
расчетах (так называемых «грубых» сетках). Это составляет основную
задачу вычислительной математики – раздела математики, посвященно-
го теоретическому обоснованию применимости и точности численных
методов, а также их непосредственной разработке.
Данный курс представляет собой пособие, ориентированное прежде
всего на практическую подготовку учащегося. Поэтому численные ме-
тоды представлены здесь в основном по отношению к одному из про-
стейших дифференциальных уравнений в частных производных – ли-
нейному уравнению переноса, актуальному в динамике разреженных
газов. Стоит отметить, что это оправдано с методологической точки
зрения: уравнение переноса – одно из основополагающих уравнений
гидродинамики, и численные способы его решения хорошо изучены и
разработаны. В результате, не вдаваясь подробно в весь инструментарий
современной вычислительной математики, учащийся легко освоит ее
основные идеи и важнейшие практические методики, составляющие
«кухню» численных методов.
Несмотря на практическую нацеленность курса, в пособии также
подробно освещены важнейшие теоретические принципы, теоремы и
определения вычислительной математики. Для большей простоты вос-
приятия доказательства (если они имеются) всех теорем и лемм сведены
в отдельное приложение к курсу.
Авторы надеются, что данное пособие послужит не только хорошим
вводным курсом для начинающих студентов, но также удобным под-
спорьем для сотрудников, использующих численные методы, но не за-
нимающихся вычислительной математикой профессионально.
При создании начальных глав активно использовался материал по-
собия «Разностные методы решения задач газовой механики»
А.А. Самарский, Ю.П. Попов [1].

ГЛАВА 1
ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ
§ 1. Сетки. Сеточные функции
Исходным пунктом при построении разностной схемы является за-
мена области непрерывного изменения аргумента некоторым множест-
вом точек, лежащих в этой области. Это множество есть область опре-
деления функций дискретного аргумента, оно называется разностной
сеткой.
Соответственно функции дискретного аргумента, определенные на
этой сетке, носят название сеточных (разностных) функций.
Для одномерной задачи простейшим примером пространственной
разностной сетки является равномерное разбиение отрезка [0, L] на N
равных частей, длина которых есть h = L / N . Такая сетка называется
равномерной разностной сеткой. Точки деления xi отрезка, число ко-
торых в данном случае составляет N + 1 , называют узлами сетки. Рас-
стояние между узлами xi +1 − xi = h есть шаг сетки (по пространству).
Разностная сетка обозначается следующим образом:
ωh = {xi = ih, i = 0,1,…, N } . (1.1)
Наряду с узлами, которые называют целыми точками, часто рас-
сматривают так называемые полуцелые точки xi +1/ 2 = xi + h / 2 . Множе-
ство полуцелых точек также можно использовать в качестве области
определения сеточных функций. Более подробно мы поговорим об этом
в главе 5 о консервативных разностных схемах.
Вопрос о рациональном выборе сетки заслуживает отдельного вни-
мания. С одной стороны, количество узлов сетки желательно брать
большим, т.е. пользоваться мелкими, подробными сетками. Точнее, пе-
редавая при этом область изменения дискретного аргумента, мы интуи-
тивно рассчитываем лучше аппроксимировать непрерывное решение
сеточными функциями. С другой стороны, ограниченность вычисли-
тельных мощностей заставляет обращаться к сеткам со сравнительно
7 8
небольшим количеством узлов. В таком случае зачастую при выборе
сеток используют неравномерные сетки. Если имеется априорная ин-
формация о решении, например, известно расположение некоторых
особенностей, для разрешения которых необходима мелкая сетка, то
естественно, не увеличивая общего числа узлов, сгустить сетку в окре-
стности особенностей; в области гладкости решения сетку можно сде-
лать более редкой. Однако такой прием не универсален – достаточно
обратится к случаю, когда особенность решения перемещается по сетке,
причем закон ее движения, как это чаще всего бывает на практике, не-
известен*. Поэтому исследователю приходится идти на компромисс ме-
жду скоростью и точностью вычислений.
Иногда, для общности, мы будем вводить определения и формули-
ровки, верные для произвольных сеток. Но по большей части, простоты
ради, мы будем иметь дело с равномерными сетками. Аналогично сетке
в пространстве можно определить сетку по временной переменной:
ωτ = {t j t j +1 − t j = τ j , j = 0,1, 2,…} , (1.2)
где τ j – шаг сетки по времени, в общем случае зависящий от номера
шага. Однако в основном используются равномерные временные сетки,
характеризующиеся только временным шагом τ .
Произведение сеток
ω = ωh × ωτ = {( xi , t j ) x = ih, i = 0,1,… , N ; t j = jτ , j = 1, 2,…} (1.3)
дает пространственно-временную разностную сетку для численного
решения одномерной нестационарной задачи. Набор узлов при фикси-
рованном j называется j -м временным слоем. Значение сеточной
функции y в некотором узле сетки ( xi , t j ) мы будем обозначать че-
рез yij .
В дальнейшем, начиная с главы 2, будем иметь дело именно с таки-
ми функциями, определенными на пространственно-временной сетке.
Однако в главе 1, которая носит ознакомительный характер, мы просто-
ты ради, дадим формулировки для функций одной переменной. Это не
создаст проблем в будущем – просто переопределим все формулы раз-
ностных производных, введенные для одномерных пространственных
сеток, по отношению к произвольному временному слою.
*
Существует специфический подход, связанный с алгоритмическим поис-
ком особенностей и автоматическим сгущением возле них сеток, однако его
освещение выходит за рамки данного курса.
 Разностная задача строится с целью нахождения сеточной функции При определении разностной производной вместо отношения беско-
y = { yi } , близкой к непрерывному решению u ( x) соответствующей нечно малых ограничиваются отношением конечных разностей. Для
дифференциальной задачи (говорят, что y аппроксимирует u ). Возни- аппроксимации производной можно использовать одно из следующих
соотношений:
кает вопрос: как судить о степени близости этих функций, принадлежа-
щих к разным функциональным пространствам? Обычно поступают y − yi
y x = i +1 , (2.2)
следующим образом. Рассмотрим значения u ( x) в узлах сетки, что дает h
некоторую сеточную функцию uh = {u ( xi )} , являющуюся, как говорят, y − yi −1
yx = i . (2.3)
h
проекцией решения u ( x) на пространство сеточных функций. Близость
Здесь нижняя индексация в левой части обозначает операцию взятия
функций y и u характеризуют погрешностью численного решения разностной производной. Выражения (2.2), (2.3) называют односторон-
∆ = y − uh , (1.4) ними разностными производными, (2.2) – правая производная, (2.3) –
левая. Помимо этих соотношений используют также центральную про-
где – некоторая норма в пространстве сеточных функций (сама раз- изводную:
ностная функция y − uh называется ошибкой вычисления). Широко ис- y − yi −1
y x = i +1 . (2.4)
пользуются следующие нормы: 2h
N
Аналогично определяется разностная производная по времени (в уз-
y = ∑ yi hi (октаэдрическая), (1.5)
i =0
ле xi ):
N yij +1 − yij
y = ∑y h 2
(сферическая), (1.6) yt = . (2.5)
i =0
i i τ
Вторая разностная производная определяется следующим образом:
y = max yi (кубическая). (1.7)
0≤i ≤ N 1  y − yi yi − yi−1  yi+1 + yi−1 − 2 yi
y xx =  i+1 − = . (2.6)
Названия легко понять, если рассмотреть задаваемые фигуры при фик- h h h  h2
сированном значении нормы в трёхмерном пространстве N = 3 . Сфери-
Заменяя дифференциальный оператор L некоторым разностным
ческую норму часто именуют также евклидовой.
О близости решений разностной дифференциальной задачи можно оператором Lh , мы допускаем ошибку – погрешность аппроксимации,
говорить в том случае, когда величина погрешности неограниченно от величины которой будет зависеть точность решения разностной за-
уменьшается при дроблении сетки. дачи.
Определение 1.1. Погрешностью аппроксимации дифференциально-
го оператора L разностным оператором Lh называют разностную
§ 2. Разностная аппроксимация дифференциальных функцию
операторов ψ = Lh uh − ( Lu ) h , (2.7)
Основной момент в постановке разностной задачи состоит в перехо- где u – точное решение соответствующей дифференциальной задачи.
де от дифференциальных уравнений, описывающих эволюцию сплош- Выясним величину погрешности аппроксимации для случая первых
ной среды, к соответствующим соотношениям для сеточных функций. производных. Применив разложение в ряд Тейлора, получим
Напомним определение производной непрерывной функции: ∂u h 2 ∂ 2u
u ( x + s) − u ( x) u ( xi ±1 ) = u ( xi ± h) = u ( xi ) ± h ( xi ) + ( xi ) + O(h3 ) .
u '( x) = lim . (2.1) ∂x 2 ∂x 2
s →0 s

9 10
 Исходя из определений (2.2) – (2.4), получим в каждом конкретном вредна. Остановимся на одном способе построения неравномерных се-
случае следующие выражения: ток. Пусть hi +1 = qhi , т.е. укрупнение ( q > 1 ) или дробление ( q < 1 ) сет-
∂u h ∂ 2u ки осуществляются по закону геометрической прогрессии со знаменате-
ψ = (uh ) x − ( xi ) = ( xi ) + O(h 2 ) = O (h) для (2.2),
∂x 2 ∂x 2 лем q. Тогда погрешность аппроксимации в приведенном выше примере
∂u h ∂ 2u равна
ψ = (uh ) x − ( xi ) = − ( xi ) + O(h 2 ) = O (h) для (2.3), q −1 ∂ 2u
∂x 2 ∂x 2 ψ = hi −1 2 ( xi ) + O (h 2 ) .
∂u 2 ∂x
ψ = (uh ) x − ( xi ) = O(h 2 ) для (2.4). Видно, что если q не сильно отличается от единицы, то и локальная
∂x
Аналогично можно вычислить ошибку аппроксимации и для разно- погрешность будет невелика. Подобные сетки широко используются на
стной производной по времени. Из приведенных выражений видно, что практике. Обычно берут 1 − q ≤ 0.05 .
ошибка аппроксимации в данном случае неограниченно уменьшается с
уменьшением шага.
Определение 1.2. Говорят, что разностный оператор Lh аппрок- § 3. Практическое занятие
симирует дифференциальный оператор L в точке xi , если для по- Решение ОДУ первого порядка
грешности аппроксимации имеет место Пусть у нас есть задача Коши для обыкновенного дифференциально-
ψ i = O (h n ) , го уравнения (ОДУ):
причем n > 0 . В таком случае n – порядок аппроксимации.  ∂u
 = G ( x, u ),
Порядок аппроксимации в первых двух случаях первый, в  ∂x (3.1)
последнем – второй. u ( x0 ) = U 0 .

Как видно из структуры приведенных выше формул, величина по-
Введём сетку ωh = {xi = x0 + ih, i = 0,..., N } , где h – шаг сетки. В ка-
грешности аппроксимации представляет собой произведение шага сет-
ки, взятого в некоторой положительной степени, на соответствующую честве примера простейшей разностной схемы, аппроксимирующей
производную от решения. Поэтому на грубых сетках или сильно ме- (3.1), приведём следующую схему (метод Эйлера):
няющихся решениях величина погрешности аппроксимации может  un +1 − un
 = G ( xn , yn ), n = 0,1, 2,..., N − 1,
стать не малой, так что само понятие аппроксимации теряет смысл.  h (3.2)
Вычисляя погрешность аппроксимации, мы предполагали, что сетка u = U .
 0 0
является равномерной. В противном случае вычисление погрешности
Если разностная схема обладает свойством устойчивости, под кото-
аппроксимации приводит к некоторым осложнениям. Проиллюстрируем
рым подразумевают непрерывную зависимость решения разностной
это случаем центральной производной:
задачи от входных условий, то решение (3.2) сходится к (3.1): неогра-
u −u ∂u h 2 − hi2−1 ∂ 2u ниченно стремится к нему при уменьшении шага сетки (четкое опреде-
ψ = i+1 i−1 − ( xi ) = i ( xi ) + O (h 2 ) =
hi + hi −1 ∂x 2(hi + hi −1 ) ∂x 2 ление устойчивости и сходимости будет дано в следующей главе). Мы
hi − hi ∂ 2u не станем подробно останавливаться на устойчивости метода Эйлера и
= ( xi ) + O (h 2 ) = O(h). будем априори считать его устойчивым.
2 ∂x 2
Заметим, что в (3.2) используется правая производная (2.2), которая
Иначе говоря, порядок аппроксимации для центральной производ- имеет погрешность аппроксимации первого порядка точности, как след-
ной, равный двум на равномерной сетке, на неравномерной сетке пони- ствие, метод Эйлера представляет собой метод первого порядка точно-
жается до первого. Таким образом, сильная неравномерность сетки, ко- сти.
гда соседние интервалы резко отличаются друг от друга по величине,

11 12
 Пример. Рассматривается задача Коши:  un +1 − un −1
 = G ( xn , yn ), n = 1, 2,..., N − 1,
 y ' = ay + bx, a = const, b = const, 2h
 (3.3) 
 y (0) = 1. u0 = U 0 , (3.7)
Ее точное решение есть u = u + hG ( x , y ).
 1 0 0 0
 b  b b 
y = 1 + 2  e ax − x − 2 . (3.4)
 a  a a Убедиться, что разностная схема (3.7) имеет второй порядок точно-
Положим, нас интересует решение на отрезке [0, 2] . Введём сетку сти.
2. С помощью метода Эйлера вычислить и исследовать на сходи-
2
ωh = {xi = hi, i = 0,..., N } , где h = . Запишем в соответствии с (3.2) мость нижеприведенные задачи Коши. То же самое проделать с помо-
N щью разностной схемы на основе центральной производной:
следующую разностную схему:
а) xy '− 2 y = 2 x 4 , y(1) = 2, [1, 2] → y = x 2 + x 4 ,
 yi +1 − yi
 = ayi + bxi , 2
б) y '+ xy = x, y (0) = 0, [0, 2] → y = 1 − e− x /2
,
 h (3.5)
 y0 = 1. в) y = x( y '− x cos x), y (1) = sin1, [1,10] → y = x sin x ,

2
После элементарного преобразования получим г) y ' = 2 x( x 2 + y), y (0) = 0, [0, 2] → y = e x − x 2 − 1 ,
 yi+1 = (1 + ah) yi + bhxi , 2
д) y ' = y + x 2 , y (0) = −1, [0,3] → y = e− x − x 2 − 2 x − 2 .
 (3.6)
 y0 = 1.
Осталось создать одномерный массив размера N + 1 , преобразовать
его в соответствии с (3.6) и вывести результаты графически. Найденное
решение нужно проверить на сходимость. Для этого создается дополни-
тельный массив такой же длины N + 1 , который заполняется значения-
ми точного решения (3.4) в узлах сетки. После чего, к разнице массивов
N
применяется норма. Например, y = ∑y h
i =0
2
i i . Программа должна со-

держать три входных переменных: a , b и N . Выходными данными

программы является график численного решения и значение ошибки.
Следует также вывести график точного решения. Изменяя N , мы
должны увидеть изменение погрешности. Для данной схемы первого
порядка аппроксимации погрешность должна линейно зависеть от шага
(
∆ = O N −1 . )
Дело в том, что для устойчивых схем порядок погрешности схемы
равен порядку ошибки аппроксимации дифференциального оператора.
Задание
1. Выполнить вышеприведенный пример, используя разностную
схему на основе центральной производной:

13 14
 области и соответственно ввести на ее границах граничные условия.
Пусть, к примеру, эта область – отрезок [a, b] . Как следует из теории
решения дифференциальных уравнений, в случае ξ > 0 для решения
уравнения переноса необходимо задать граничное условие в x = a (при
ξ < 0 граничное условие задается в x = b ). В газовой динамике гранич-
ГЛАВА 2
ные условия имеют вид
f ( a , t ) = g (t ) . (4.5)
ЧИСЛЕННОЕ РЕШЕНИЕ УРАВНЕНИЯ Аналитическое решение задачи (4.1) – (4.2) и (4.5) есть
ПЕРЕНОСА   x−a 
g  t −  , a ≤ x ≤ a + ξ t,
f ( x, t ) =   ξ  (4.6)
§ 4. Уравнение переноса ϕ ( x − ξ t ), a + ξ t < x ≤ b.

В нашем курсе мы будем иметь дело с дифференциальными уравне- Кажется, что в численных методах всё также нет нужды: если гра-
ниями в частных производных. Напомним, что дифференциальным ничное условие g (t ) известно, решение находится с помощью (4.6). В
уравнением в частных производных называется уравнение, связываю-
щее между собой каким-либо способом частные производные функции действительности, проблематика решения (4.1) – (4.2) и (4.5) возникает
в динамике разреженных газов (на практическое приложение к которо-
от нескольких переменных. Мы подробно изучим простейшее диффе-
му и ориентируется этот курс) при решении кинетического уравнения
ренциальное уравнение в частных производных – линейное однородное
Больцмана, которое в одномерном случае и в отсутствие столкновений
уравнение переноса:
между молекулами газа принимает вид уравнения переноса:
∂f ∂f
+ξ = 0. (4.1) ∂f ∂f
∂t ∂x +ξ = 0.
∂t ∂x
Здесь функция f ( x, t ) является функцией от двух переменных x и t ,
Его отличие от уравнения переноса заключается в том, что здесь
ξ – параметр уравнения. Для этого уравнения рассматривается задача f = f (t , x, ξ ) – функция, зависящая уже от трёх переменных (скорость
Коши: при t = 0, решение удовлетворяет некоторому начальному усло- ξ стала одной из переменной, в то время как в (4.1) она была парамет-
вию:
ром). Это так называемая функция распределения, представляющая со-
f ( x, 0) = ϕ ( x) . (4.2)
бой плотность газа в ( x, ξ ) -пространстве. Для неё граничное условие
Решение задачи (4.1) – (4.2) представляет собой волну:
аналогично (4.5), но более сложно:
f ( x, t ) = ϕ ( x − ξ t ) , (4.3)
f (a, t , ξ ) = G ( f (a, t , ξ < 0)) ,
распространяющуюся со скоростью ξ . В этом легко убедиться, подста-
где G – некоторый, в общем случае интегральный, функционал от
вив (4.3) в (4.1) – (4.2). функции распределения при отрицательных скоростях. Иначе говоря,
В соответствии с (4.3) для решения уравнения переноса можно запи-
чтобы найти граничное условие g (t ) для какой-либо заданной положи-
сать следующее свойство:
f ( x, t ) = f ( x − ξ (t − t0 ), t0 ) . (4.4) тельной скорости (которое мы могли бы подставить в (4.6), чтобы полу-
чить решение для этой скорости), необходимо знать значения функции
Решение легко найдено аналитически, и формально привлечение распределения в этой точке при всех отрицательных скоростях. Однако
численных методов не требуется. Однако (4.3) найдено в предположе- для этого в свою очередь нужно знать граничное условие для каждой
нии, что начальное условие и само решение определены на всей число-
отрицательной скорости в x = b . Но для этого требуются значения
вой оси. Ситуация усложняется, если решать задачу в ограниченной
функции распределения в этой точке для всех положительных скоро-
15 16
стей, для чего необходимо знать их граничные условия в x = a и т.д.
Итак, кинетическое уравнение в общем случае не решается аналитиче-
ски и требует привлечения вычислительных методов. Изучение разно-
стных схем, аппроксимирующих уравнение переноса, позволит легко
освоить основы вычислительных методов и впоследствии (глава 5) при-
менить их к кинетическому уравнению.
§ 5. Шаблоны. Явные и неявные схемы
В главе 1 мы видели, что один и тот же дифференциальный оператор
можно аппроксимировать различными разностными операторами. Как
следствие, существует ещё большее множество комбинационных вари-
антов аппроксимации дифференциального уравнения в частных произ-
водных. Приведём простейший из них:
f i j +1 − f i j f j − f i −j1
+ξ i = 0. (5.1)
τ h
Получившееся уравнение называется разностной схемой. Участ-
вующий в этой записи набор узлов называется
i, j + 1
шаблоном. В данном случае схема связывает значе-
ние решения в трёх точках, которые образуют кон-
фигурацию «левый уголок» (рис. 2.1). Погрешность
аппроксимации уравнения (4.1) разностным урав-
нением (5.1) имеет первый порядок по времени и i − 1, j i, j
пространству O(τ + h) . На основе центральной
Рис. 2.1
производной можно построить разностное уравне-
ние, которое имеет более высокий порядок точности по пространству:
f i j +1 − f i j f j − f i −j1
+ ξ i +1 = 0. (5.2)
τ 2h
Оно имеет порядок точности O(τ + h2 ) . Однако, как мы увидим
дальше, эта схема неустойчива и, как следствие, нефункциональна. По-
этому для дальнейшего рассмотрения возьмём схему «левый уголок».
Введём равномерную сетку ωh = {xi = ih, i = 0,..., N } . Делая элементар-
ные преобразования разностного уравнения (5.1) и аппроксимируя на-
чальное условие (4.2), получим, что задача Коши (4.1) – (4.2) аппрокси-
мируется разностной задачей:
17
 j +1  ξτ  j ξτ j
 fi = 1 − fi + f i −1 , i = 1, 2,..., N ,
h 
  h (5.3)
 f 0 = ϕ (x ) = ϕ .
 i i i
Итак, как видно из (5.3), дифференциальная задача в частных произ-
водных свелась к алгоритму, основанному на простейших арифметиче-
ских операциях, выполняемых над одномерным массивом f i . Однако из
(5.3) неясно, как вычислять значение функции в нулевом узле. Для этого
требуется разностное граничное условие. Оно получается путём ап-
проксимации граничного условия (4.5). Сейчас остановимся на самом
простом граничном условии:
f0j = 0 . (5.4)
Поясним физический смысл (5.4). Пусть начальное условие пред-
ставляет собой «пакет»: функция ϕ ( x) принимает ненулевые значения в
конечной области пространства. Иначе говоря, имеется сгусток газа,
локализованный в некоторой области. Как видно из аналитического ре-
шения (4.3), этот пакет будет распространяться со скоростью ξ , не ме-
няя своей формы. При положительной скорости, когда пакет уходит
вправо, f 0 = 0 всё время. Как будет показано ниже, схема «левый уго-
лок» применима только при положительных значениях скорости (при
отрицательных скоростях применяется схема «правый уголок»). Итак,
для такого типа начальных условий граничное условие (5.4) будет верно
отображать физическую реальность.
До сих пор для разностной аппроксимации пространственной произ-
водной мы использовали значения с предыдущего (нижнего) временно-
го слоя. Разностные уравнения, построенные по такому принципу, на-
зываются явными. Очевидно, при записи разностных уравнений можно
пользоваться и «верхним» временным слоем. Например, «неявный ле-
вый уголок»:
f i j +1 − f i j f j +1 − f i −j1+1
+ξ i = 0. (5.5)
τ h
Разностное уравнение (5.5) называется неявным – здесь на верхнем
слое оказывается «завязанными» несколько различных неизвестных
величин, и получить явную формулу, аналогичную (5.3), для их выра-
жения только через значения функции на j -м слое не удаётся. В общем
случае это приводит к необходимости решать систему линейных урав-
нений. Однако в данном случае, несмотря на то что схема формально
является неявной, она легко разрешается явным образом. Пусть значе-
18
ния сеточной функции на j -м слое известны, а значение f0j +1 опреде- условий. Выразим это математически. Пусть требуется найти решение
ляется из граничного условия (например, из условия, аналогичного ус- u ( x, t ) дифференциальной задачи:
ловию (5.4)). «Прикладывая» шаблон к узлу i = 1 , мы по известным зна-  ∂u
чениям f0j +1 и f1 j вычисляем с помощью уравнения (5.5) значение  ∂t = Lu + f ( x, t ),

f1 j + γ f 0 j +1 ξτ ly = µ (t ), (6.1)
f1 j +1 = , где γ = . u ( x, 0) = u ( x).
1+ γ h  0

Последовательно передвигая шаблон, найдём всю цепочку значений 

fi j +1 по формуле
fi j + γ f i −j1+1 ξτ
f i j +1 = , где γ = .  yt = Lh y + ϕ ,
1+ γ h 
Подобные алгоритмы называют схемами бегущего счета. Методы
решения неявных разностных уравнений представляет большой само-
стоятельный вопрос. Мы поговорим более подробно о способах реше-
ния неявных уравнений в следующей главе.
§ 6. Сходимость. Устойчивость. Условие Куранта
Пусть y – сеточная функция, являющаяся решением разностной за-
дачи, а uh – проекция в пространство сеточных функций решения соот-
ветствующей дифференциальной задачи.
Определение 2.1. Если в некоторой сеточной норме для любого
фиксированного t = t j0 = j0τ имеет место условие
h → 0, τ → 0, y j0 − uhj0 → 0 ,
то говорят, что решение разностной задачи сходится к решению
дифференциальной задачи (разностная схема сходится). Если при этом
∀ j , y − uh = O (h n1 + τ n2 ) ,
то говорят, что разностная схема имеет порядок точности n1 по
пространству и n2 по времени.
Сходимость считается первейшим критерием качества схемы, обес-
печивающим правильное воспроизведение искомого решения на сетке.
К сожалению, это свойство схемы, как правило, трудно проверить тео-
ретически, особенно для нелинейных задач. Обычно для доказательства
сходимости проверяют другое свойство схемы, называемое устойчиво-
стью. Как мы уже говорили в главе 1, под устойчивостью подразуме-
вают непрерывную зависимость решения разностной задачи от входных
19
Оператор l определяет граничные условия. Задача аппроксимирует-
ся разностной схемой:
lh y = ν , (6.2)
 0
 y = ϑ0 .
Здесь ν , ϑ0 , ϕ – входные условия задачи, определяющие граничные и
начальные условия, и неоднородность уравнения соответственно.
Определение 2.2. Говорят, что схема (6.2) устойчива по входным
условиям, если существуют такие C1 > 0 , C2 > 0 , C3 > 0 , что при
достаточно малых h и τ для произвольного выбора входных условий
справедливо неравенство
yɶ − y ≤ C1 νɶ − ν + C2 ϑɶ0 − ϑ0 + C3 ϕɶ − ϕ , (6.3)
где yɶ и y – решения разностной задачи (6.1) с входными данными соот-
ветственно νɶ, ϑɶ , ϕɶ и ν , ϑ , ϕ .
0 0
Неравенство
yɶ − y ≤ C ϑɶ0 − ϑ0
при ν = νɶ, ϕ = ϕɶ означает устойчивость по начальным данным. В об-
щей теории устойчивости доказывается, что для линейных задач схемы,
устойчивые по начальным данным, устойчивы и по правой части:
yɶ − y ≤ C ϕɶ − ϕ
(при ϑ0 = ϑɶ0 , ϕ = ϕɶ ). Кроме того, обычно граничные условия тривиаль-
ны и удовлетворяют устойчивости по граничным условиям. Поэтому в
дальнейшем мы ограничимся исследованием устойчивости разностных
схем по начальным данным.
Теорема 2.1 (Лакса–Рябенького). Из устойчивости и аппроксима-
ции схемы вытекает ее сходимость.
20
 Доказательство теоремы приводится в приложении.
Проверка аппроксимации разностной схемы достаточно проста и
сводится фактически к разложению решения в ряд Тейлора, поэтому
основной интерес и основную трудность представляет исследование
устойчивости схем.
Для гиперболических дифференциальных уравнений (частным слу-
чаем которых выступает линейное уравнение переноса) Курантом была
доказана следующая
Теорема 2.2 (Курант). Необходимым условием того, что явная схе-
ма, аппроксимирующая (4.1) – (4.2), будет устойчивой, выступает сле-
дующее условие для временного шага:
h вием устойчивости, однако его часто используют как практическое дос-
τ = min i . (6.4)
0≤i ≤ N ξ
Условие (6.4) называется условием Куранта.
Доказательство теоремы опускается.
Следует подчеркнуть, что теорема Куранта задает лишь необходи-
мое условие того, что схема будет устойчивой, не обещая такового. К
примеру, схема (5.2) даже при удовлетворении условия Куранта неус-
тойчива, поскольку является абсолютно неустойчивой. Она расходится
при любом соотношении пространственных и временных шагов (упр. 3
главы 2). Можно записать достаточное условие устойчивости для слу-
чая линейных разностных схем.
Теорема 2.3 (принцип максимума). Если для произвольной разно-
стной функции y j , которую некоторая линейная схема переводит в
y j +1 , справедливо неравенство вида
y j +1 ≤ (1 + Cτ ) y j , (6.5)
где C не зависит от шага интегрирования по времени τ , то схема ус-
тойчива по начальным данным.
Более частный случай (6.5) при C = 0 называют иногда строгим
принципом максимума.
§ 7. Спектральный признак
Теорема Куранта зачастую дает слишком общее необходимое усло-
вие устойчивости. В случае, если оператор Lh линеен, дополнительное
исследование устойчивости можно осуществить с помощью спектраль-
ного признака, который для уравнения с постоянными коэффициентами
21
состоит в следующем. В (6.2) приравниваем ϕ = 0 , убираем граничные
условия и ищем его частные решения следующего вида:
ykj = λ j eiωk .* (7.1)
Теорема 2.4 (спектральный признак). Для устойчивости по на-
чальным данным линейной схемы необходимо выполнение следующего
неравенства
λ (ω ) ≤ 1 + Cτ , 0 < ω < 2π , (7.2)
где C не зависит от шага интегрирования по времени τ .
Доказательство теоремы приводится в приложении.
Строго говоря, спектральный признак является необходимым усло-
таточное условие устойчивости.
Рассмотрим применение спектрального признака на «левом уголке».
Подставив (7.1) в (5.1), после тривиальных преобразований получим
λ −1 1 − e − iω
+ξ = 0,
τ h
или
λ (ω ) = 1 − γ + γ e−iω = 1 − γ + γ cos ω − iγ sin ω, где γ = ξτ / h .
В результате получим, что
2
λ (ω ) = (1 − γ + γ cos ω ) 2 + γ 2 sin 2 ω = 1 − 4γ (1 − γ ) sin 2 (ω / 2) .
Из этого выражения нетрудно получить, что λ ≤ 1 только при
0 < γ ≤ 1 , т.е. если число Куранта γ = ξτ / h лежит вне этого интервала,
схема является неустойчивой. Итак, из спектрального признака мы по-
лучили необходимое условие устойчивости:
0 < γ ≤1. (7.3)
Условие (7.3) является более строгим, чем соответствующее условие
Куранта, поскольку ограничивает скорость ξ положительными значе-
ниями.
*
В данном выражении верхний индекс означает разное для левой и правой
частей. В левой части он в соответствии с принятыми ранее обозначениями ин-
дексирует временной слой, а в правой части в соответствии с принятыми в ал-
гебре обозначениями показывает степень. Кроме того, при обозначении индекса
узлов мы сменили привычное i на k, чтобы не спутать с мнимой единицей в
правой части.
22
 Аналогичным образом можно показать, что схема «правый уголок»: e − x / 2 − e −9/ 2 , x ∈ [−3,3],
2

f i j +1 − f i j f j − fi j f ( x, 0) = 
+ ξ i +1 =0 (7.4) 
0, x ∈ (−∞,3) ∪ (3, ∞).
τ h
ξτ Проделать всё то же самое, что и в первой задаче.
устойчива при −1 ≤ <0. По итогам выполнения двух задач проанализировать влияние на по-
h грешность вычисления резких изменений функции в пространстве.
С помощью принципа максимума нетрудно доказать, что для данных
схем спектральный признак является и достаточным условием. III. Схема с центральной разностью
С помощью спектрального признака можно показать, что схема «не- С помощью спектрального признака исследовать на устойчивость
явный левый уголок» при ξ > 0 является безусловно устойчивой. Она схему с центральной разностью. Доказать, что она абсолютно неустой-
устойчива при любом соотношении шагов по пространству и времени. чива.

§ 8. Практическое занятие
I. «Прямоугольный импульс»
1. Вычислить с помощью «левого уголка» решение уравнения пере-
носа (4.1) со следующим начальным условием:
1, x ∈ [−3,3],
f ( x, 0) = 
0, x ∈ (−∞,3) ∪ (3, ∞).
Следует «обрезать» действительную ось, введя сетку на достаточно
большом, но конечном отрезке. Практично будет взять отрезок
[−20, 20] . Сетка в таком случае имеет следующий вид:
ωh = {xi = 20(i − n) / n, i = 0,..., 2n}
Граничное условие (5.4). Решение разумно искать на временах, не
больших, чем tкр = 17 / ξ (пока «прямоугольный импульс» не «коснул-
ся» границы), иначе решение «уйдет».
Отобразить графически вычисленное решение. Для наглядности по-
казать на том же графике точное решение, строящееся в соответствии с
(4.3). Используя точное решение, необходимо исследовать погрешность
вычисления в зависимости от
− числа Куранта (исследовать схему на сходимость),
− шага по пространству (определить порядок сходимости).
Итогом задания должны быть графики вычисленного и точного ре-
шений.
2. Проделать то же самое для схемы «неявный левый уголок».
II. «Колокол»
Начальное условие:

23 24
 ∂f ∂f
( xi , t j +1/2 ) + ξ ( xi , t j +1/2 ) = 0 .
∂t ∂x
Применяя правило «середины отрезка» как по отношению к времен-
ной производной, так и пространственной производной, получим
f ( xi , t j +1 ) − f ( xi , t j ) f ( xi +1/2 , t j +1/2 ) − f ( xi −1/2 , t j +1/2 )
ГЛАВА 3 +ξ = O (h 2 + τ 2 ). (9.2)
τ h
Здесь xi +1/2 = xi + h / 2 . Преобразовав в соответствии с (4.4) выражения
РАЗНОСТНЫЕ СХЕМЫ ВТОРОГО ПОРЯДКА f ( xi±1/2 , t j +1/2 ) = f ( xi±1/2 − ξτ / 2, t j ) ,
ТОЧНОСТИ перепишем (9.2):
С помощью спектрального признака нетрудно доказать, что явная f ( xi , t j +1 ) − f ( xi , t j ) f ( xi +1/ 2 − ξτ 2, t j )
схема (5.2) с центральной производной – абсолютно неустойчива (упр. 3 +ξ −
τ h
(9.3)
главы 2). Кроме того, она имеет первый порядок точности по временно- f ( xi −1/ 2 − ξτ 2 , t j ) 2 2
му шагу O(τ + h2 ) , что с учётом условия Куранта, линейно связываю- −ξ = O(h + τ ).
h
щего шаг по времени с шагом по пространству, делает схему фактиче- Запишем разложение решения в ряд Тейлора по пространственной
ски первого порядка точности. Однако можно модифицировать схему переменной:
таким образом, чтобы она стала устойчивой и с точностью порядка
± h − ξτ
O(τ 2 + h2 ) . Ниже мы проведём модификацию тремя различными спосо- f ( xi ±1/2 − ξτ / 2, t j ) = f ( xi + ,t j ) =
2
бами, записав три разностные схемы. 2
∂f ± h − ξτ 1 ∂ 2 f  ± h − ξτ 
= f ( xi , t j ) + ( xi , t j ) + ( xi , t j )  + O ( h3 + τ 3 ) =
∂x 2 2 ∂x 2  2 
§ 9. Явная четырехточечная схема Лакса–Вендроффа
f ( xi +1 , t j ) − f ( xi −1 , t j ) ± h − ξτ
Выпишем для начала правило «середины отрезка» для производной = f ( xi , t j ) + +
2h 2
произвольной функции ϕ ( y ) , которое будет применяться нами далее:
f ( xi +1 , t j ) + f ( xi −1 , t j ) − 2 f ( xi , t j )  ± h − ξτ 2
+  + O(h3 + τ 3 ).
2 
ϕ ( y0 + ∆ / 2) − ϕ ( y0 − ∆ / 2) 2h 2
ϕ '( y0 ) = + O(∆ 2 ) . (9.1) 
∆
Подставляя последние выражения в (9.3), нетрудно получить оконча-
Его легко получить, разложив функцию ϕ ( y ) в ряд Тейлора около точ- тельное соотношение для значений точного решения уравнения перено-
ки y0 : са в узлах сетки:
1 f ( xi , t j +1 ) − f ( xi , t j ) f ( xi +1 , t j ) − f ( xi −1 , t j )
ϕ ( y ) = ϕ ( y0 ) + ϕ '( y0 )( y − y0 ) + ϕ ''( y0 )( y − y0 ) 2 + O (( y − y0 )3 ) . +ξ −
2 τ 2h
(9.4)
Подставив в него y1,2 = y0 ± ∆ / 2 , вычтя одно уравнение из другого и τξ 2 f ( xi +1 , t j ) + f ( xi −1 , t j ) − 2 f ( xi , t j ) 2 2
− = O ( h + τ ).
разделив полученное выражение на ∆ , придём к (9.1). На основе этого 2 h2
правила получается выражение для центральной производной (1.3). Аппроксимируем уравнение (9.4) для того, чтобы получить разност-
Перейдём к непосредственному построению схемы. Введя обозначе- ную схему. Для этого мы должны: а) отбросить малые члены в уравне-
ние для полуцелого временного слоя t j +1/2 = t j + τ / 2 , запишем уравне- нии и б) заменить проекцию точного решения f ( xi , t j ) разностной
ние переноса для точки ( xi , t j +1/2 ) : функцией fi j . Получающаяся явная четырехточечная схема имеет вид

25 26
 f i j +1 − f i j
f i +j1 − f i −j1 τξ 2 f i +j1 + f i −j1 − 2 f i j ∂f f ( xi , t j +1 ) − f ( xi , t j )
+ξ − = 0, i = 1,..., N − 1 . (9.5) ( xi , t j +1/2 ) = + O (τ 2 ) .
τ 2h 2 h2 ∂t τ
Поскольку мы отбросили члены второго порядка малости, порядок С другой стороны, если разложить в ряд Тейлора по t возле точки
точности схемы O(τ 2 + h2 ) . Схема (9.5) устойчива при ξτ / h ≤ 1 (это t j +1/2 пространственную производную, легко получить, что
можно проверить с помощью спектрального признака). Пусть ξ > 0 , ∂f 1  ∂f ∂f 
( xi , t j +1/2 ) =  ( xi , t j ) + ( xi , t j +1 )  + O (τ 2 ) .
тогда в соответствии с (4.5) для левой стороны отрезка имеется гранич- ∂x 2  ∂x ∂x 
ное условие Подставив оба равенства в уравнение переноса, получим
f (0, t ) = g (t ) , f ( xi , t j +1 ) − f ( xi , t j ) ξ  ∂f ∂f 
которое при аппроксимации позволяет вычислить +  ( xi , t j ) + ( xi , t j +1 )  + O (τ 2 ) = 0 .
τ 2  ∂x ∂x 
f 0 j +1 = g (t j +1 ) . Запишем разностную схему, аппроксимировав пространственные
В таком случае для вычисления f Nj +1 требуется доопределить (9.5) производные со вторым порядком:
«левым уголком»: f i j +1 − f i j ξ  f i +j 1 − f i −j 1 f i +j 1+1 − f i −j 1+1 
+  +  = 0, i = 1, 2,..., N − 1. (10.1)
f Nj +1 − f Nj f j − f Nj−1 τ 2  2h 2h 
+ξ N = 0. (9.6)
τ h Полученная схема носит название неявная шеститочечная схема
Аналогично, если ξ < 0 , граничное условие задает значение f Nj +1 , а (см. рис. 3.1). Она имеет порядок точности O(τ 2 + h2 ) и устойчива при
значение f0j +1 определяется правым уголком. Применение на границе любых соотношениях между шагами сетки h и τ . Аналогично (9.6) для
схем первого порядка понижает степень точности вычисления лишь вычисления одной из граничных точек можно использовать неявные
локально и не понижает общую точность. схемы первого порядка. Например «неявный левый уголок»:
В заключение приведём уравнение (9.5), преобразованное для прак- f Nj +1 − f Nj f j +1 − f Nj−+11
+ξ N = 0. (10.2)
тического применения: τ h
γ γ Как мы уже упоминали ранее, использование неявных разностных
f i j +1 = (1 + γ ) fi −j1 + (1 − γ 2 ) fi j − (1 − γ ) f i +j1 ,
2 2 (9.7) схем приводит к необходимости решать системы алгебраических урав-
i = 1, 2,..., N − 1, γ = ξτ / h. нений. Важным частным случаем являются
системы так называемых «трёхточечных» i − 1, j + 1 i + 1, j + 1
разностных уравнений, которые связывают
§ 10. Неявная шеститочечная схема. Метод прогонки неизвестные значения сеточных функций в
трёх соседних узлах сетки. Именно таким
Следующий способ решить проблему устойчивости схемы с цен-
является уравнение (10.1). Решать такие
тральной разностью – записать ее в неявном виде: i − 1, j i, j i + 1, j
системы позволяет известный метод про-
f i j +1 − f i j f j +1 − f i −j1+1 гонки, который мы здесь кратко изложим.
+ ξ i +1 = 0. Рис. 3.1
τ 2h
В отличие от явной схемы эта схема устойчива при любом соотно- Метод прогонки
шении пространственных и временных шагов. Однако она также имеет Система трёхточечных линейных уравнений для сеточной функции
первый порядок точности по времени. Модифицируем ее, чтобы полу- y = { y0 , y1 ,..., yN } в общем случае может быть записана в виде
чить точность O(τ 2 + h2 ) . В соответствии с правилом середины отрезка Ai yi −1 + Bi yi + Ci yi +1 = Di , i = 1, 2,..., N − 1 . (10.3)

27 28
 Граничные условия для достаточно широкого класса задач могут ( α N и β N уже вычислены в ходе прямой прогонки). После несложных
быть приведены к форме преобразований получим
y0 = λ1 y1 + ν 1 , yN = λ2 y N −1 + ν 2 . (10.4) y N = (ν 2 + λ2 β N ) / (1 − λ2α N ) . (10.8)
К примеру, в граничном условии, аналогичном (10.2), Проиллюстрируем метод прогонки на примере шеститочечной неяв-
ξτ h ной схемы (10.1). Приведём ее к виду (10.3):
λ2 = , ν2 = yɶ N
h + ξτ h + ξτ γ γ γ
− fi −j 1+1 + fi j +1 + f i +j 1+1 = fi j −
( f i +j 1 − fi −j 1 ),
(волной обозначено, что yɶ N взято из предыдущего временного слоя). 4 4 4 (10.9)
Решение задачи (10.3) – (10.4) в методе прогонки ищется в виде i = 1, 2,..., N − 1, γ = ξτ / h.
yi = α i +1 yi +1 + β i +1 , i = 0,1,..., N − 1 , (10.5) Здесь искомой разностной функцией выступает функции распреде-
где α i , βi (i = 1, 2,..., N ) – неизвестные пока коэффициенты прогонки. ления на верхнем временном слое f j +1 , в свою очередь коэффициенты в
Исключая с помощью (10.5) из (10.3) последовательно значения yi −1 и (10.3) принимают значения
yi , приходим к равенству γ γ γ
Ai = − , Bi = 1, Ci = , Di = f i j − ( f i +j 1 − f i −j1 ) .
[α i +1 ( Aiα i + Bi ) + Ci ] yi +1 + ( Aiα i + Bi ) β i +1 + Ai β i − Di = 0. 4 4 4
Граничные условия возьмём тривиальными:
Это равенство, а следовательно, и уравнение (10.3), из которого оно по-
f0j = 0, f Nj = 0
лучено, автоматически удовлетворяются, если коэффициенты при yi (а с
(считаем, что решение не доходит до границ). В результате
ними и свободная часть) будут тождественно равны нулю:
1
α i +1 ( Aiα i + Bi ) + Ci = 0, ( Aiα i + Bi ) βi +1 + Ai βi − Di = 0 . α1 = 0, β1 = 0, α i +1 = ,
αi − 4 / γ
Из двух последних равенств следуют рекуррентные формулы для ко- (10.10)
эффициентов прогонки: βi + 4 Di / γ
βi +1 = − , i = 1, 2,..., N − 1.
α i+1 = −Ci / ( Aiα i + Bi ), αi − 4 / γ
βi +1 = ( Di − Ai β i ) / ( Aiα i + Bi ), (10.6) После чего применяем (10.5), начиная с f Nj +1 = 0 .
i = 1, 2,..., N − 1.
Чтобы вычислить по этим формулам значения α i и β i во всех узлах § 11. Трёхслойная разностная схема
сетки, т.е., как говорят, выполнить прямую прогонку, нужно знать зна-
чения α1 и β1 . Эти числа определяются с помощью левого краевого Используя разностный оператор центральной производной по вре-
мени
условия (10.4):
y j +1 − yij −1
α1 = λ1 , β1 = ν 1 . (10.7) yt = i , (11.1)
2τ
Обратная прогонка проводится по формуле (10.5). По найденным
имеющий второй порядок аппроксимации, приведём ещё одну разност-
значениям α i , β i определяются искомые значения сеточной функции
ную схему второго порядка для уравнения переноса:
yi , i = N − 1, N − 2,..., 0 . Исходное значение y N , с которого начинается f i j +1 − f i j −1 f j − f i −j 1
обратная прогонка, определяется на основании совместного решения + ξ i +1 = 0, i = 1, 2,..., N − 1 . (11.2)
2τ 2h
правого краевого условия в (10.4) и соотношения (10.5), записанного в
точке i = N : Схема имеет порядок точности O(h2 + τ 2 ) и устойчива при любых
y N −1 = α N yN + β N соотношениях между шагами сетки h и τ . Схемы, связывающие по-

29 30
добно (11.2) значения решения на трёх временных слоях, называются
трёхслойными.

§ 12. Практическое занятие

Применить к практическому заданию главы 2 («прямоугольный им-
пульс», «колокол») три приведенные схемы: Лакса–Вендроффа, неяв-
ную шеститочечную и трёхслойную.
1. Убедиться, что для гладкого решения (начальное условие «коло-
кол») все три схемы имеют второй порядок точности.
2. Убедиться, что шеститочечная и трёхслойная схемы безусловно
устойчивы.
3. Убедиться, что наличие разрывов в решении дает большое число
паразитических волн.
4. Исследовать порядок ошибки вычисления гладкого решения при
большом количестве узлов. Для наглядности отобразите на графике
ошибку вычисления. Объясните полученный результат.
ГЛАВА 4
МОНОТОННЫЕ СХЕМЫ. TVD-СХЕМЫ
§ 13. Паразитические осцилляции. Понятие
монотонности схемы
Выполнив практическое задание предыдущей главы, мы могли убе-
диться, что многие разностные схемы дают осцилляции даже в тех слу-
чаях, когда их в решении быть не должно. Поэтому такие осцилляции
численных решений называют ложными или паразитическими. Пример
ложных осцилляций можно увидеть на рис. 4.1, где изображено реше-
ние (начальное условие «прямоугольный импульс»), вычисленное с по-
мощью неявной шеститочечной схемы.
Нетрудно заметить, что паразитические осцилляции появляются при
наличии резких градиентов в точном решении. Причина этого в том, что
величина погрешности аппроксимации уравнения переноса при резких
1.4

1.2

0.8

0.6

0.4

0.2

-0.2

-0.4
-20 -15 -10 -5 0 5 10 15 20

Рис. 4.1

31 32
изменениях функции распределения может стать немалой, в результате
чего само понятие аппроксимации теряет смысл (см. главу 1).
В связи с этим мы приходим к понятию «живучести» схемы (в анг-
лийской литературе robust) – способности схемы адекватно отображать
поведение точного решения даже в такой жесткой постановке задачи
(при наличии сильных градиентов в точном решении). Критериями аде-
кватности выступает в том числе сохранение для численного решения
Они оба неотрицательны при 0 < ξτ / h ≤ 1 , т.е. если схема «левый
уголок» устойчива, то она и монотонна. Это наглядно видно при выпол-
нении задания главы 2: «прямоугольный импульс», вычисленный с по-
мощью «левого уголка», получается без ложных осцилляций (рис. 4.2).
1

ряда важнейших свойств, которыми обладает или может обладать точ-

ное решение. 0.8
Первейшим таким свойством является свойство монотонности. На-
помним, что точное решение задачи (4.1) – (4.2) есть волна 0.6
f ( x, t ) = ϕ ( x − ξ t ) , откуда следует, что если начальная функция ϕ ( x)
монотонная, то и точное решение f ( x, t ) будет монотонной функцией. 0.4

Разумно требовать, чтобы и разностное решение обладало этим свойст-

вом. Представим разностную схему в виде 0.2

y j +1 = Sy j . (13.1)
Разностный оператор S называют оператором шага. 0

Определение 4.1. Разностная схема называется монотонной, если -20 -15 -10 -5 0 5 10 15 20
оператор шага переводит монотонную сеточную функцию y j в моно-
тонную сеточную функцию y j +1 с тем же направлением роста значе- Рис. 4.2

ний. Однако схемы первого порядка «размывают» решение со временем.

Свойство монотонности важно тем, что удовлетворяющая ему раз- Этот факт легко объясняется аппроксимационной (или схемной) вязко-
ностная схема не дает развиться паразитным осцилляциям, очевидно, стью. Нетрудно показать, что
нарушающим монотонность разностной функции. f i j +1 − f i j f j − f i −j1 ξh
+ξ i = ft + ξ f x − (1 − γ ) f xx + O (τ 2 + h 2 ) .
Теорема 4.1 (Годунов). Пусть дана разностная схема, которую τ h 2
можно представить в виде Таким образом, с точностью до членов второго порядка аппроксимиру-
p2
ется уравнение
yij +1 = ∑α k yij+k , (13.2) f t + ξ f x = α f xx , α > 0 ,
k =− p1

где p1 ≥ 0, p2 ≥ 0, p1 + p2 > 0 . Разностная схема (13.2) монотонна то-
гда и только тогда, когда все коэффициенты α k неотрицательны.
Доказательство теоремы приводится в приложении.
Можно привести ряд схем первого порядка точности, которые при
определенном ограничении на число Куранта удовлетворяют (13.2) и
являются монотонными. К примеру, легко видеть, что в схеме «левый
уголок», записанной в виде (5.3), коэффициенты имеют вид
ξτ ξτ
α 0 = 1 − , α −1 = .
h h
33
где α = O(h) выступает аналогом коэффициента теплопроводности
(или дуффузии). А, как известно, в отличие от уравнения переноса,
уравнение теплопроводности сглаживает решение со временем. Термин
вязкость по отношению к разностной схеме возникает из физического
смысла коэффициента при второй производной по координате в уравне-
нии Навье–Стокса.
Сложнее обстоит дело в случае разностных схем второго и более вы-
соких порядков аппроксимации.
34
 Теорема 4.2 (Годунов). Среди линейных схем, аппроксимирующих 1 3 5
уравнение переноса с порядком точности n > 1 , нет схемы, удовлетво- мерами , , ,…, а сами слои занумерованы целыми номерами 0, 1,
2 2 2
ряющей условию монотонности. 2,… Величину f ( x, t ) будем предполагать внутри каждого слоя линей-
Тем не менее на гладких решениях схемы высоких порядков аппрок-
ной:
симации имеют преимущество по точности по сравнению со схемами
первого порядка, позволяя получать приемлемые результаты даже на f ( x, t j ) = f i j + σ i j ( x − xi ) , (13.3)
грубых пространственных сетках (на которых и решается большинство где
реальных задач). В связи с этим был предложен ряд приемов монотони- 1 h
зации разностных схем высоких порядков аппроксимации: ( xi−1/ 2 + xi+1/2 ) = xi−1/2 + .
xi =
2 2
− введение членов с искусственной вязкостью, Выполним последовательно интегрирование для каждого слоя по
− применение различных операторов сглаживания или осреднения. пространству и временному шагу:
t j +1 x +1/2
 ∂f ∂f 
∫ ∫
1.2
 ∂t + ξ ∂x  dxdt = 0,
tj xi −1/ 2  
1
t j +1

0.8 (
h f i j +1 − f i j + ξ ) ∫ ( f (x i +1/2 , t ) − f ( xi −1/2 , t ) ) dt = 0.
tj

0.6 Теперь перенесем вдоль характеристик значение f ( x, t ) и используем

(13.3):
0.4 t j +1

0.2
( )
h f i j +1 − f i j + ξ ∫ ( f (x i +1/ 2 )
− ξ (t − t j ), t j ) − f ( xi −1/ 2 − ξ (t − t j ), t j ) dt = 0,
tj

t j +1
0  h 
( )
h fi j +1 − f i j + ξ ∫  f i
j
( )
− f i −j1 + σ i j − σ i j−1  − ξ (t − t j )   dt = 0.
 2 
-0.2 tj
-20 -15 -10 -5 0 5 10 15 20
В итоге получаем конечное выражение для fi j +1 :
Рис. 4.3 γ
К примеру, решение той же самой задачи с «прямоугольным им-
( )
f i j +1 = f i j − γ f i j − f i −j1 − (1 − γ ) h σ i j − σ i −j 1 .
2
(13.4) ( )
пульсом», вычисленное с помощью четырехточечной схемы Лакса– В иностранной литературе этот трёхшажный алгоритм называется
Вендроффа, имеет более приемлемый вид (рис. 4.3). REA (reconstruct-evolve-average).
Следует отметить, что эти приемы не обеспечивают наличие моно- Сразу заметим, что схема первого порядка соответствует нулевому
тонности, а лишь уменьшают амплитуду паразитических осцилляций. наклону функции внутри слоя:
Можно наглядно продемонстрировать причины нарушения моно- σ ij = 0.
тонности схемы, приводящие к столь печальным последствиям. Для
Впервые монотонную схему с такой кусочно-константной аппрок-
этого используем метод кусочно-линейной реконструкции. Представим
симацией описал в своей работе Годунов ещё в 1959 году, за что и по-
себе, что пространство, процессы в котором мы предполагаем рассчи-
лучил широкую известность за рубежом.
тывать, разделёно на ряд слоёв при помощи точек с «полуцелыми» но-
При использовании схемы Лакса–Вендроффа, для которой справед-
ливо

35 36
 ∞
f i +j1 − f i j
σ ij = , TV( y ) = ∑ yi − yi −1 < ∞ . (14.1)
h −∞
паразитические осцилляции формируются, как показано на рис. 4.4. Он является разностным аналогом функционала, определенного на
Выходом в этой ситуации является введение определённых условий, непрерывных функциях (в том случае, если значение функционала на
ограничивающих значения угла наклона. Легко видеть, например, что этих функциях ограничено):
простые ограничения ∞
∂u
 j f i +j1 − f i j TV(u ( x)) = ∫ dx < ∞ , (14.2)
σ ≤ 2 , −∞ ∂x
 i h который также называется полной вариацией.
 j j
(13.5)
σ j ≤ 2 f i − f i −1 Определение 4.3. Назовем разностную схему TVD-схемой, если для


i
h неё выполняется TVD-условие:
для монотонной функции и тождество σ ij = 0 для экстремумов обеспе- ∀ y j : TV( y j +1 ) ≤ TV( y j ) . (14.3)
чивают свойство монотонности разностной схемы. В следующем пара- Пусть имеется схема вида
графе будет дан формальный вывод необходимых условий. yij +1 = yij + H ( yij− p1 ,..., yij ,..., yij+ p2 ), p1 ≥ 0, p2 ≥ 0, p1 + p2 > 0, (14.4)

fi j +1 где H – разностный оператор, в общем случае нелинейный. Иначе го-

fi j
перенос
Рис. 4.4
§ 14. Полная вариация. TVD-схемы
При решении различных физических задач, зачастую, требуется
полная монотонность схемы. Например, когда решение должно обла-
дать свойством неотрицательности. Функция распределения в (4.1), по
сути, представляет собой плотность газа, т.е. физическую величину, по
определению не принимающую отрицательных значений. Но наличие
паразитических осцилляций может привести к тому, что численное ре-
шение будет иметь и отрицательные значения (см. рис. 4.3), что в ряде
ситуаций совершенно неприемлемо.
Для создания монотонных схем высокого порядка точности Амирам
Хартен (Amiram Harten) предложил интересный класс разностных схем,
которые были названы TVD-схемами (Total Variation Diminishing
Scheme). Кратко опишем их.
Определение 4.2. Полной вариацией разностной функции y называ-
ют функционал
воря, пусть новое значение разностной функции в каком-либо узле
можно вычислить через старые значения в ограниченном числе сосед-
них узлов.*
Хартеном была доказана следующая теорема, которая устанавливает
связь между TVD- и монотонными схемами.
Теорема 4.3 (Хартен). TVD-схема вида (14.4) является монотонной.
Доказательство теоремы приводится в приложении.
Перепишем схему (14.4) в виде
yij +1 = yij − Ci ( yij − yij−1 ) + Di ( yij+1 − yij ) . (14.5)
Здесь
Ci = C ( yij− p1 ,..., yij ,..., yij+ p2 ), Di = D( yij− p1 ,..., yij ,..., yij+ p2 ) . (14.6)
Теорема 4.4 (Хартен). Если для коэффициентов (14.6) неравенства
Ci ≥ 0, Di ≥ 0, Ci +1 + Di ≤ 1 (14.7)
справедливы для всех узлов и при любых разностных функциях, то (14.5)
является TVD-схемой.
Доказательство теоремы приводится в приложении.
*
К примеру, схема «неявный левый уголок» не удовлетворяет этому усло-
вию: для вычисления нового значения решения в каком-либо узле требуются
старые значения во всех узлах, находящихся слева.

37 38
 Опираясь на эту теорему, начнем непосредственное построение
TVD-схемы второго порядка точности для уравнения переноса. Выпи- xi +1/2 − ξτ ξ >0
шем соотношение (9.3): xi −1 xi +2
xi xi +1
f ( xi , t j +1 ) − f ( xi , t j ) f ( xi +1/2 − ξτ / 2, t j )
+ξ −
τ h
f ( xi −1/2 − ξτ / 2, t j )
ξ <0
xi +1/2 − ξτ
−ξ = O(h 2 + τ 2 ).
h
xi −1 xi xi +1 xi +2
Аппроксимируем его, перейдя к разностной схеме. Для этого мы
должны:
− отбросить малые члены в уравнении, Рис. 4.5
− заменить проекцию точного решения разностной функцией fi j ,
Введём дополнительные ограничения на вид α , вытекающие из ли-
− заменить значение точного решения в точках вида нейности уравнения переноса. В соответствии с теоремой 4.2, для того
1 i, ξ > 0, чтобы схема (14.8) – (14.9) удовлетворяла TVD-условию, она должна
xi +1/ 2 − ξτ / 2 = xk + sgn(ξ )(1 − γ )h, γ = ξτ / h , k = 
2 i + 1, ξ < 0 быть нелинейной, т.е. в общем случае для произвольных чисел C1 , C2 и
ɶ j разностных функций y и w
некоторой комбинацией f i +1/2 значений разностной функции в соседних
(C1 y + C2 w) j +1 ≠ C1 y j +1 + C2 w j +1 .
с xi +1/2 − ξτ / 2 узлах:
Но в силу того, что изначальное уравнение переноса линейно, потре-
f i j +1 − f i j fɶ j − fɶi −j1/2 буем для схемы (14.8) – (14.9) выполнение ограниченного свойства ли-
+ ξ i +1/2 =0. (14.8)
τ h нейности:
Комбинацию fɶi +j1/2 мы будем искать в виде (Cf ) j +1 = Cf j +1 , ( f + C ) j +1 = f j +1 + C. (14.11)
1 В таком случае можно говорить о квазилинейной схеме. Нетрудно
fɶi +j 1/ 2 = f k j + sgn(ξ )(1 − γ )α ( f k j−1 , f k j , f k j+1 )( f i +j 1 − f i j ) (14.9) заметить, что из (14.11) сразу же вытекают условия для оператора α :
2
и α – неизвестный пока разностный оператор, вид которого нам пред- α (Cf k j−1 , Cf k j , Cf k j+1 ) = α ( f k j−1 , f k j , f k j+1 ),
(14.12)
стоит выяснить. Выбор числа k обусловлен тем, что при ξ < 0 сосед- α ( f k −j 1 + C , f k j + C , f k j+1 + C ) = α ( f k j−1 , f k j , f k j+1 ).
ними узлами для точки xi +1/2 − ξτ / 2 уже является тройка узлов Введём новую разностную функцию:
xi , xi +1 , xi +2 (см. рис. 4.5). Из самого вида (14.9) нетрудно понять, что  f i j − fi −j1
 j j
, ξ > 0,
оператор α – некоторый коэффициент, с которым мы берем правую j  f i +1 − f i
разностную производную, когда восстанавливаем значение решения в θi +1/2 =  j j
(14.13)
 f i +2 − f i +1 , ξ < 0.
точках xi +1/2 − ξτ / 2 .  fi +j1 − fi j

Лемма 4.1. Для того чтобы схема (14.8) – (14.9) аппроксимировала
уравнение переноса со вторым порядком точности, разностный опе- Условия (14.12) эквивалентны тому, что α можно представить как
ратор α должен удовлетворять условию функцию одной переменной:
∀ i, ∀ f ( x, t ) : α ( f ( xi −1 , t j ), f ( xi , t j ), f ( xi +1 , t j )) = 1 + O(h) . (14.10) α ( f k j−1 , f k j , f k j+1 ) = φ (θi +j 1/2 ), (14.14)
Доказательство леммы приводится в приложении. которая называется ограничителем (в английской литературе limiter).

39 40
 Перепишем (14.10) по отношению к оператору φ (мы возьмём, для  f j − Ci ( f i j − fi −j1 ), ξ > 0,

примера, случай ξ > 0 , для противоположного случая все выводы ана- f i j +1 =  i j j j

 f i + Di ( fi +1 − f i ), ξ < 0,
логичны):
где
 f ( xi , t j ) − f ( xi −1 , t j ) 
φ   φ (θi −j 1/2 ) 
 f ( xi +1 , t j ) − f ( xi , t j ) 
= 1 + O ( h) . γ
 Di = γ + (1 − γ )  − φ (θi +j 1/2 )  ,
   2 j
 θi −1/2 
Пусть f '( xi , t j ) ≠ 0 , тогда для гладкой функции 
 γ  φ (θi +1/2 )
j

f ( xi , t j ) − f ( xi −1 , t j ) f '( xi , t j ) − (1 / 2) f ''( xi , t j )h + O (h 2 ) Ci = γ + 2 (1 − γ )  θ j − φ (θi −j 1/2 )  .
= =   i +1/2 
f ( xi +1 , t j ) − f ( xi , t j ) f '( xi , t j ) + (1 / 2) f ''( xi , t j )h + O(h 2 ) Здесь мы использовали (14.13) – определение θ . Далее мы рассмотрим
f ''( xi , t j ) случай ξ > 0 , поскольку для противоположного случая все рассуждения
=1− h + O( h 2 )
f '( xi , t j ) аналогичны. Итак,
(здесь штрихами обозначены пространственные производные), и (14.10) f i j +1 = f i j − Ci ( f i j − f i −j1 ),
принимает вид γ  φ (θi +j 1/2 )  (14.17)
φ (1 + Ah) = 1 + O (h). (14.15) Ci = γ +
(1 − γ )  j
− φ (θi −j 1/2 )  .
2  θi +1/2 
Здесь A = f ''( xi , t j ) / f '( xi , t j ) . Иначе говоря, если φ (1) = 1 и в окрестно- В соответствии с теоремой 4.4 схема (14.17) будет TVD-схемой, если
сти точки θ = 1 не терпит разрывов первого рода, то схема (14.8) – для произвольной разностной функции и любого узла выполняется не-
(14.9) имеет второй порядок точности на гладком решении. Однако в равенство
окрестностях точек экстремума решения (для которых f '( x, t j ) = 0 ) 0 ≤ Ci ≤ 1 . (14.18)
точность локально понижается до первого порядка. В формулах (14.5) – (14.7), составляющих формулировку теоремы,
Из теоремы 4.4 можно вывести такие ограничения на оператор φ , мы взяли частный случай Di = 0 .
при которых схема (14.8) – (14.9) будет удовлетворять TVD-условию. После несложных выкладок из (14.17), (14.18) и условия Куранта
Выпишем схему в соответствии с (14.14) и подставим (14.9) в (14.8): 0 ≤ γ ≤ 1 можно получить неравенство
γ φ (θi +j 1/2 )
f i j +1 = fi j − sgn(ξ )γ ( f k j − f k j−1 ) − (1 − γ ) × 2
− ≤
2
− φ (θi −j 1/2 ) ≤ . (14.19)
2 (14.16) 1− γ j
θi+1/2 γ
(
× φ (θ j
i +1/ 2 )( f j
i +1
j
− f i ) − φ (θ j
i −1/ 2
j j
)( f i − f ) .
i −1 ) Далее потребуем от ограничителя свойство неотрицательности для
Для наглядности запишем (14.16) подробно, выписав k : областей, где функция монотонна:
 j γ φ (θ ) ≥ 0, θ ≥ 0 . (14.20)
j j
 fi − γ ( f i − f i −1 ) − 2 (1 − γ ) × Смысл этого требования легко понять, рассматривая кусочно-линейную
 реконструкцию, описанную в предыдущем параграфе. Условие равенст-
 ( )
× φ (θ i +j 1/ 2 )( f i +j 1 − f i j ) − φ (θ i −j 1/ 2 )( f i j − fi −j 1 ) , ξ > 0, ва знаков
f i j +1 = 
 f j + γ ( f j − f j ) − γ (1 − γ ) × ( ) (
sgn σ i j = sgn f i +j1 − f i j ≡ sgn f i j − f i −j1 )
 i i +1 i
2 гарантирует правильный наклон по отношению к производной функции.

 × φ (θ ( j
i +1/ 2 )( )
f i +j 1 − f i j ) − φ (θ i −j 1/ 2 )( f i j − fi −j 1 ) , ξ < 0. Есть также и другая интерпретация этого требования. Поскольку
наша цель – улучшить схему первого порядка, то нам необходимо
Или
41 42
уменьшать коэффициент схемной вязкости (см. §13), т.е. вводить так φ superbee
называемые антидуффузионные потоки. Отрицательное значение огра- Второй
ничителя лишь усилит размытие решения. порядок MC
В случае экстремума θ < 0 можно также корректировать угол на-
van Leer
клона, однако это не даст выигрыша в точности для исследуемых нами
схем второго порядка (схем с кусочно-линейной реконструкцией), по-
minmod
скольку в точках экстремума функция аппроксимируется параболой, а
не прямой. Отрицательным последствием такой корректировки, соглас-
но (14.19), является сужение области для θ ≥ 0 , где справедливо усло- θ
вие TVD. Таким образом, положим
φ (θ ) = 0, θ < 0 . (14.21) Рис. 4.6
j j
Теперь, используя условие независимости φ (θ i +1/2 ) и φ (θ i −1/2 ) , можно minmod: φ (θ ) = max [ 0, min(1, θ ) ] ,
легко записать искомое нами TVD-условие:
 1 + θ 

 MC: φ (θ ) = max  0, min  2θ , , 2  ,
φ (θ ) = 0, θ < 0,  2 
 (15.1)
 2θ superbee: φ (θ ) = max [ 0, min(2θ ,1), min(θ , 2)] ,
φ (θ ) ≤ , θ ≥ 0, (14.22)
θ+θ
 γ
van Leer: φ (θ ) = .
 2 1+ θ
0 ≤ φ (θ ) ≤ .
 1 − γ На рис. 4.6 изображена так называемая диаграмма Свеби (Sweby), на
Часто это условие сужают требованием φ (θ , γ ) = φ (θ ) , тогда следует которой графически показаны эти ограничители. Серым цветом выде-
лена область, где справедливо условие TVD. После несложных преобра-
переписать (14.22) следующим образом:
зований с учётом (14.13) схема (14.8) – (14.9) приобретает вид
φ (θ ) = 0, θ < 0,
 f i j +1 − fi j fɶ j − fɶi −j1/2
φ (θ ) ≤ 2θ , θ ≥ 0, (14.23) + ξ i +1/2 = 0,
0 ≤ φ (θ ) ≤ 2.
τ h
  j 1− γ j
(15.2)
В заключение отметим, что TVD-схема сохраняет в том числе неот-  f i + 2 ∆f i , ξ > 0,
ɶf j
рицательность решения. Это сразу видно, если переписать (14.17): i +1/2 = 
 f j − 1 − γ ∆f j , ξ < 0.
fi j +1 = (1 − Ci ) fi j + Ci fi −j1 .  i +1 i +1
2
Ввиду (14.18) все коэффициенты неотрицательны. Если для любых уз- Для всех ограничителей справедливо
лов fi j ≥ 0 , то и fi j +1 ≥ 0 . j
∆f i = 0, ( fi +j1 − fi j )( f i j − f i −j1 ) ≤ 0,
а для ( fi+j1 − fi j )( fi j − fi−j1 ) > 0 :
§ 15. Примеры ограничителей. Практический вид а) в случае minmod* limiter:
TVD-схем
*
Ниже представлены распространенные ограничители, удовлетво- Minmod limiter назван по одноимённой функции, которая возвращает ми-
нимум абсолютных значений своих аргументов.
ряющие условиям (14.15) и (14.23):

43 44
 ( )
j
∆f i = min f i +j 1 − f i j , f i j − f i −j1 sgn( fi +j 1 − f i j );
б) в случае MС (monotonized central-difference) limiter:
j  fj −fj  порядок точности ограничителя (15.7).
∆f i = min  i +1 i −1 ,2 f i +j 1 − fi j ,2 f i j − f i −j 1  sgn( f i +j 1 − f i j );
 2 
 
в) в случае superbee limiter:
j
( (
∆f i = max min 2 f i +j 1 − fi j , f i j − f i −j 1 ,
(
min f i +j 1 − f i j ,2 f i j − f i −j1
г) в случае van Leer limiter:
j ( f i +j1 − fi j )( f i j − f i −j1 )
∆f i = 2
fi +j1 − f i −j1
Кроме того, в предположении φ = φ (θ , γ ) можно, во-первых, исполь-
зовать расширенное условие TVD (14.22), а во-вторых, построить схему
третьего порядка точности как по времени, так и по координате:
  2θ (γ + 1)θ + (2 − γ ) 2  
φ (θ ) = max  0, min  , ,  . (15.7)
  γ 3 1 − γ 
Третий порядок справедлив на протяжении всего центрального от-
резка, а при γ = 0.5 этот ограничитель превращается в MC limiter.
Граничные условия для TVD-схем более сложны, чем для обычных
схем второго порядка. К примеру, как видно из самой структуры огра-
ничителей, при ξ > 0 схему (15.2) нельзя применить к трем точкам:
i = 0,1, N (в случае ξ < 0 к i = 0, N − 1, N ). В следующей главе мы рас-
скажем, как в таком случае вычислять в этих точках значение решения
на новом временном слое. Пока же ограничимся простым граничным
условием вида (5.4), приравнивая их значения к нулю.
§ 16. Практическое занятие
Применить к практическому заданию главы 2 («прямоугольный им-
пульс», «колокол») схему (15.2) при всех трёх приведенных ограничи-
телях.
45
1. Убедиться, что для гладкого решения (начальное условие «коло-
(15.3)
кол») все описанные ограничители дают второй порядок точности.
2. Показать аналитически и проверить экспериментально третий
(15.4) 3. Убедиться, что наличие разрывов в решении (начальное условие
«прямоугольный импульс») не дает паразитических волн для TVD-схем.
4. Выяснить, какой из приведенных ограничителей дает более адек-
ватное (менее «размазанное») численное решение в случае разрывов в
)
(15.5)
решении (начальное условие «прямоугольный импульс»).
При анализе сходимости численного решения к разрывному уже
)) ;
нельзя говорить о порядке аппроксимации, поскольку невозможно ис-
пользовать ряды Тейлора. Поэтому необходимо прибегать к экспери-
ментальным оценкам порядка сходимости. И тут важным моментом
становится правильный выбор нормы.
Например, при использовании кубической нормы (1.7) погрешность
. (15.6) не будет зависеть ни от мелкости разностной сетки, ни от вида ограни-
чителя, а примет значение около половины высоты «прямоугольного
импульса». Для евклидовой нормы (1.6) зависимость есть, но слабая, из-
за того что значения функции в узлах входит квадратично, в результате
чего основной вклад в погрешность всё равно делают максимальные
значения ошибки вычисления. Поэтому лучшим выбором является ок-
таэдрическая норма (1.5).
5. Показать, что в октаэдрической норме порядок сходимости схем
первого порядка к разрывному решению равен 1/2, а ограничитель su-
perbee позволяет достигнуть максимального порядка, равного 1, при
этом не «размывая» решение со временем.
Кроме того, полезно визуально сравнить решения всех описанных
схем, объединив все графики с аналитическим решением, и проследить
зависимость расплытия от времени и числа Куранта.
46
 собой плотность вещества, и (17.1), таким образом, выражает обыч-
ный закон сохранения массы.*
Разностный метод, очевидно, применим только к ограниченной об-
ласти, например, к некоторому отрезку [a, b] . Для него закон сохране-
ния вещества (17.1) принимает вид
ГЛАВА 5 ∂M ( t )
+ F (b, t ) − F ( a, t ) = 0 . (17.2)
∂t
КИНЕТИЧЕСКОЕ УРАВНЕНИЕ Здесь введены обозначения для массы вещества
b
БЕССТОЛКНОВИТЕЛЬНОГО ГАЗА M (t ) = ∫ f ( x, t )dx (17.3)
a

§ 17. Закон сохранения вещества. Консервативные и потока массы

F ( x, t ) = ξ f ( x, t ) . (17.4)
схемы
Итак, перед нами стоит задача описать класс схем второго порядка
Разностная схема должна отражать основные свойства непрерывной точности, для которых имеется разностный аналог (17.2) – (17.4). Мы
среды, поэтому естественно требовать, чтобы в схеме выполнялись раз- сделаем это так: сначала определим вид разностного закона сохранения,
ностные аналоги законов сохранения. Разностные схемы, обладающие а затем установим вид схем, которые ему удовлетворяют.
этим свойством, называются консервативными. Нас прежде всего будет Произведём разбиение отрезка [a, b] на совокупность N малых от-
интересовать консервативность по веществу. Стоит дополнительно от-
резков – ячеек:
метить, что для широкого класса задач условие консервативности схемы
по веществу является необходимым условием сходимости схемы. I i = [ si −1/ 2 , si +1/ 2 ]; i = 1,..., N ,
Легко заметить, что для решения уравнения переноса выполняется s1/ 2 = a, sN +1/ 2 = b, ∆si = si +1/ 2 − si −1/ 2 .
следующее условие: его интеграл по всему пространству (о котором, С учётом этих обозначений перепишем (17.3) в виде
разумеется, имеет смысл говорить, если он ограничен) не зависит от N
времени: M (t ) = ∑ mi (t ) , (17.5)
∞ i =1
M = ∫
−∞
f ( x, t )dx = const < ∞ . (17.1) где mi – масса вещества в i -й ячейке:
si +1/2
Действительно, проинтегрируем (4.1) по пространству: mi (t ) = ∫ f ( x, t )dx . (17.6)
∂ 
∞ ∞ ∞
∂f ∂f si −1/ 2
∫−∞ ∂t dx + ξ ∫−∞ ∂x ∂t  −∞∫ f ( x, t )dx  + ξ ( f (∞, t ) − f (−∞, t )) = 0 .
dx =  Введём разностную сетку (в общем случае неравномерную):
Из ограниченности функционала (17.1) следует, что *
Отметим, что условие, аналогичное (17.1), возникает для широкого класса
ξ ( f (∞, t ) = f (−∞, t )) = 0 и, как следствие, дифференциальных уравнений в том случае, если им можно придать дивергент-
∂  ный вид:
∞

 ∫ f ( x, t )dx  = 0 , ∂f ∂G ( f , x )
∂t  −∞  + = 0,
∂t ∂x
что в свою очередь означает независимость интеграла от времени. Ус- где функция G удовлетворяет условию
ловие (17.1) не случайно: уравнение переноса возникает при решении G ( f = 0, x ) = 0 .
задач газо- или гидродинамики, в которых функция f ( x, t ) представляет

47 48
 ωh = {xi +1 = xi + hi , i = 1,..., N } , Действительно, используя правило «середины отрезка», на основе
такую, что в каждой ячейке лежит только один узел. По временной пе- (17.2) можно записать:
ременной введём стандартную равномерную сетку с временным шагом M (t j +1 ) − M (t j )
+ F (b, t j +1/2 ) − F (a, t j +1/2 ) = O (τ 2 ) .
τ . Поскольку численное решение ищется со вторым порядком точно- τ
сти, разумно требовать, чтобы закон сохранения также аппроксими- С другой стороны, ошибка аппроксимации массы, – очевидно, не-
ровался разностным аналогом со вторым порядком точности. Иначе прерывная функция от времени и
говоря, искомая разностная масса должна аппроксимировать (17.5) со M (t j +1 ) − M (t j ) M j +1 + O(t j +1 , ∆s 2 ) − M j − O(t j , ∆s 2 )
вторым порядком точности. = =
Задав узлы сетки посередине ячеек τ τ
xi = ( si +1/2 + si −1/2 ) / 2 , (17.7) M j +1 − M j ∂ M j +1 − M j
= + O (t j , ∆s 2 ) = + O (∆s 2 ).
можно записать следующий разностный аналог массы: τ ∂t τ
N Подставив это в предыдущее выражение, получим
M j = ∑ fi j ∆si , (17.8) M j +1 − M j
i =1 + F (b, t j +1/2 ) − F (a, t j +1/2 ) = O (τ 2 ) + O(∆s 2 ) ,
аппроксимирующий (17.5) со вторым порядком точности. τ
Действительно, используя разложение Тейлора возле что в свою очередь приводит к (17.10) – (17.11).
Легко видеть, что (17.10) выполняется для схем, которые можно
xi = ( si +1/2 + si −1/2 ) / 2 , легко показать, что
представить в виде
m(t j ) = f ( xi , t j )∆si + O (∆si 3 ) . f i j +1 − f i j Fi +j 1/ 2 − Fi −j 1/ 2
Разностное решение аппроксимирует точное со вторым порядком + = 0, i = 1, 2,..., N (17.12)
τ ∆si
точности, поэтому
Чтобы в этом убедиться, достаточно умножить (17.12) на ∆si и про-
m(t j ) = [ f i j + O(∆si 2 )]∆si + O (∆si 3 ) = f i j ∆si + O (∆si 3 ) . (17.9)
суммировать уравнение по i . Здесь Fi+j1/2 – разностные потоки, аппрок-
Подставив (17.9) в (17.5), получим
N N симирующие (17.4) на границах ячеек si +1/2 , которые получаются из зна-
M (t j ) = ∑ [ f i j ∆si + O (∆si 3 )] = M j + ∑ O (∆si 3 ) = M j + O(∆si 2 ) . чений разностного решения при непосредственном построении схемы.
i =1 i =1
К примеру, в случае равномерной сетки
Здесь мы использовали достаточно очевидное утверждение, что
N ωh = {xi = a + h(i − 1 / 2), i = 1,..., N }, h = (b − a) / N (17.13)
∑ O ( ∆s
i =1
i
3
) = O(∆s 2 ) , где ∆s – некоторый средний размер ячеек. для TVD-схем (если i не являются граничными точками):
Для разностной массы (17.8) можно записать разностный аналог за- F j = ξ fɶ j ,
i +1/2 i +1/2 (17.14)
кона сохранения вещества: где fɶi +j1/2 , напоминаем, получаются с помощью ограничителей.
M j +1 − M j
+ FNj +1/ 2 − F1/j2 = 0, (17.10)
τ
§ 18. Проблема граничных точек для TVD-схем
причем для разностных граничных потоков должны быть верны сле-
дующие равенства: Итак, TVD-схемы, описанные в предыдущей главе, являются кон-
 F1/2j = F (a, t j +1/2 ) + O (∆s 2 + τ 2 ), сервативными. Однако формулы (15.2) позволяют вычислить разност-
 j 2 2
(17.11) ные потоки (17.14) не для всех i . К примеру, для положительных ско-
 FN +1/2 = F (b, t j +1/2 ) + O (∆s + τ ).

49 50
ростей ξ > 0 на сетке (17.13) с помощью (15.2) нельзя вычислить fɶ1/2j , На рис. 5.1 сплошной линией показано точное решение, точками –
разностное решение и пунктирной линией – наклон экстраполяции.
fɶ j и fɶ j . Необходимо доопределить схему.
3/2 N +1/2 Виртуальный узел изображен крестиком. Из рисунка ясно, что операция
1. Значение fɶ1/2j найти легко. В главе 2 говорилось, что для того, зануления повышает точность аппроксимации.
чтобы аналитически найти решение уравнения переноса в ограниченной Подставляя (18.2) в выбранный из (15.3) – (15.6) ограничитель, най-
области, необходимо задать граничное условие для одной из сторон дём fɶNj+1/2 . Легко показать, что получающееся при этом FNj+1/2 удовле-
области, как, например, (4.5): творяет условию (17.11). Рассмотрим 2 f Nj − f Nj−1 > 0 :
f ( a , t ) = g (t ) .
F (b, t j +1/ 2 ) = ξ f ( xN + h / 2, t j +1/ 2 ) = ξ f ( xN + (1 − γ )h / 2, t j ) =
ɶ j
В таком случае f получается аппроксимацией этого граничного
1/2 h ∂f
условия: ( xN , t j ) + O (h 2 ) =
= ξ f ( xN , t j ) + ξ (1 − γ )
2 ∂x
fɶ1/2j = g (t j +1/2 ) . (18.1) h f Nj − f Nj −1
Мы взяли такую аппроксимацию, чтобы (18.1) удовлетворяло (17.11). = ξ f Nj + ξ (1 − γ ) + O(h 2 ) = FNj +1/ 2 + O(h 2 ).
2 h
При выводе использовалось свойство точного решения (4.4), а также то,
f ( x, t )
что для любого ограничителя fɶNj+1/2 = f Nj + (1 − γ )( f Nj − f Nj−1 ) / 2 при
2 f Nj − f Nj−1 > 0 . В случае 2 f Nj − f Nj−1 < 0 аппроксимация более точная и
f Nj−1
(17.11) выполняется ещё точнее.
f Nj 3. Значение fɶ3/2j можно также найти с помощью (15.2), введя «вир-
f Nj+1 туальный» узел x0 (напоминаем, что сетка (17.13) определена для
i = 1, 2,..., N ) со значением разностной функции в нём, получающейся
xN − 2 xN −1 xN xN +1
путём экстраполяции граничного условия:
2 f Nj − f Nj−1 f 0 j = g (t j ) − ( f1 j − g (t j )) = 2 g (t j ) − f1 j .
Рис. 5.1
И окончательно, учитывая свойство неотрицательности решения:
f 0 j = max[0, 2 g (t j ) − f1 j ] . (18.3)
2. Значение fɶNj+1/2 можно найти с помощью (15.2), введя «виртуаль-
Подставляя (18.3) в выбранный из (15.3) – (15.6) ограничитель, най-
ный» узел xN +1 со значением разностной функции в нём, получающейся
дём fɶ3/2j .
путём экстраполяции:
Приведём все те же выводы для ξ < 0 . В таком случае нужно дооп-
f Nj+1 = f Nj + ( f Nj − f Nj−1 ) = 2 f Nj − f Nj−1 .
ределить fɶ j , fɶ j
1/2 N −1/2 и fɶ j . Пусть аналитическое граничное условие
N +1/2
По сути, мы восстанавливаем разностную функцию в узле xN +1 , если
для x = b :
бы он у нас был. Однако может случиться, что при этом f Nj+1 < 0 . По-
f (b, t ) = gɶ (t ) ,
скольку решение должно удовлетворять условию неотрицательности,
тогда
следует искусственно приравнять f Nj+1 к нулю:
fɶNj+1/2 = gɶ (t j +1/2 ) . (18.4)
f Nj+1 = max[0, 2 f Nj − f Nj−1 ] . (18.2)
Аналогично вводятся виртуальный узел x0 со значением разностной
функции в нём:
51 52
 f 0j = max[0, 2 f1 j − f 2j ] , (18.5) Запишем (17.12) для узла x1 :
используя которое, можно получить fɶ1/2j , и виртуальный узел xN +1 : f1 j +1 = f1 j − γ f3/2j + γ f1/2j = f1 j − γ f 3/2j + γ g (t j +1/2 ) ≥
f Nj+1 = max[0, 2 gɶ (t j ) − f Nj ] , (18.6)  1− γ 
≥ f1 j − γ f 3/2j = f1 j − γ  f1 j + j
φ (θ3/2 )( f 2 j − f1 j )  =
ɶ j
необходимый для f N −1/2 .  2 
В завершении этого параграфа следует сказать несколько слов о вве-  j
1 − γ φ (θ3/2 ) j 
= f1 j − γ  f1 j + j
( f1 − f 0 j )  ≥
денном в предыдущей главе свойстве монотонности схемы. Оно вводи-  2 θ3/2 
лось в предположении, что мы решаем задачу (4.1) – (4.2), т.е. решение
ищется на всей числовой оси и, следовательно, без граничного условия.*  j
1 − γ φ (θ3/2 ) j
≥ f1 j − γ  f1 j + f =
В случае задачи (4.1), (4.2) и (4.5) (уравнение переноса в ограничен-  2 θ3/2 1 
j

ном пространстве) монотонность решения, очевидно, может нарушать-

 1 − γ φ (θ3/2j
)
ся. Это видно из аналитического решения (4.6): если начальное условие = f1 j 1 − γ − γ ≥
j
ϕ ( x) – монотонная функция, а граничное условие g (t ) – осциллирую-  2 θ 3/2 
щая функция от времени, рано или поздно решение станет осцилли-  1− γ 2 
рующей в пространстве функцией – произойдет нарушение монотонно- = f1 j  1 − γ − γ  = 0.
 2 γ
сти.
Но условие монотонности схемы требовалось для того, чтобы ис- Мы использовали условия TVD (14.22) и неотрицательности решения.
ключить паразитические осцилляции и не допускать отрицательные
значения решения. Схема (15.2) с левым граничным потоком, заданным § 19. Функция распределения
в (18.1), хотя и не является в общем случае монотонной, однако всё же
исключает паразитические осцилляции вдали от границ. Действительно, В первом параграфе этой главы мы договорились о следующей фи-
(15.2) является схемой вида (14.4): новые значения в каком-либо узле зической интерпретации уравнения переноса: его решение f ( x, t ) пред-
вычисляются через старые значения в ограниченном числе соседних ставляет собой плотность газа, молекулы которого перемещаются в
узлов, поэтому во всех узлах, кроме x1 , x2 и xN (в случае ξ > 0 ), схема пространстве со скоростью ξ . Разумеется, в одной и той же области
«не чувствует» граничных условий и по-прежнему не допускает парази- пространства могут находиться группы молекул с разными скоростями
тических осцилляций. (скажем больше: как правило, только так и бывает). В таком случае по-
Последнее, что необходимо выяснить, – сохранение условия неотри- ведение газа описывается функцией распределения f ( x, ξ , t ) , представ-
цательности решения в узле x1 . Действительно, эволюция решения в ляющей собой меру распределенности газа не только в обычном, но и в
остальных узлах x2 ,..., xN задается непосредственно схемой (15.2) на скоростном пространстве. Эволюция функции распределения определя-
сетке, доопределенной виртуальными узлами, с неотрицательными зна- ется кинетическим уравнением Больцмана, в одномерном случае при-
чениями решения в них. В предыдущей главе доказывалось, что в таком нимающим вид
случае решение в этих узлах сохраняет неотрицательность на верхнем ∂f ∂f
+ξ = J( f ) . (19.1)
временном слое. Покажем, что и f1 j +1 ≥ 0 . ∂t ∂x
Оно состоит из уравнения переноса и нелинейного интегрального
функционала J ( f ) , описывающего столкновение молекул с разными
*
В доказательстве теоремы 4.3 показано, как интерпретировать такую зада-
скоростями, – так называемого интеграла столкновений, описание ко-
чу в случае конечной сетки: из всех начальных условий рассматриваются только
функции, константные в некотором количестве узлов, соседних с граничными.
торого выходит за рамки данного курса. Здесь ограничимся случаем
отсутствия столкновений между молекулами, когда J ( f ) = 0. В таком

53 54
случае (19.1) редуцируется до уравнения переноса, которое описывает
так называемые свободномолекулярные течения или бесстолкновитель-
ный газ. Физически такая ситуация реализуется в сильно разреженных
газах, когда средняя длина пробега молекул много больше характерных
размеров исследуемой системы – радиуса цилиндрической трубки, че-
рез которую течет газ, расстояния между двумя пластинами, между ко-
торыми он находится, и т.д. Тогда можно считать, что молекулы прак-
тически не сталкиваются друг с другом и движение групп молекул с
разными скоростями происходит независимо в соответствии с уравне-
нием переноса.
На конечно-разностном языке это означает, что мы вводим некото-
рую сетку в пространстве скоростей (в общем случае с произвольным
шагом):
ωξ = {ξα +1 = ξα + ∆ξα , α = 1,..., Nξ } .
После чего отдельно для каждой скорости численно решается свое
уравнение переноса
∂fα ∂f
+ ξα α = 0
∂t ∂x
где ξкв2 = kT / m (здесь m – масса молекулы газа, k – константа Больц-
мана, T – температура газа). Выбрав ξ cut ≈ (4 − 5)ξ кв , мы, по сути, пол-
ностью опишем поведение газа, поскольку молекулы с большими ско-
ростями практически не встречаются.
Дальше мы будем пользоваться равномерной сеткой
ωξ = {ξα = −ξcut + ∆ξ (α − 1 / 2), α = 1,..., Nξ }, (19.2)
где ∆ξ = 2ξcut / Nξ – шаг скоростной сетки. Количество скоростных уз-
лов Nξ следует брать четным, чтобы не было узла с ξα = 0 (для этой
скорости функция распределения не меняется и фактически выпадает из
расчетов).
В заключение скажем о практическом применении функции распре-
деления. Зная ее, можно вычислить все макроскопические характери-
стики газа. В газовой динамике пользуются функцией распределения,
приведенной на массу молекулы, т.е. ее физическая интерпретация –
концентрация молекул, а не плотность газа.
Итак, концентрация газа:
∞

со своим начальным условием n ( x, t ) = ∫ f ( x, ξ , t )dξ , (19.3)

fα ( x, 0) = ϕα ( x) −∞

в соответствии с теми методами и техниками, которые были описаны его макроскопическая скорость (средняя скорость всех молекул):
∞
ранее. В практическом плане это приводит к тому, что если раньше вы- 1
числения производились над одномерным массивом f i , обновлявшемся
ξ = ∫ ξ f ( x, ξ , t )dξ ,
n( x, t ) −∞
(19.4)

на каждом временном слое, то теперь необходимо обрабатывать уже температура газа в какой-либо точке:
∞
двухмерный массив fi ,α . m
n( x, t )k ∫0
T ( x, t ) = (ξ − ξ ) 2 f ( x, ξ , t )d ξ . (19.5)
Взаимодействие разных скоростей происходит только на границе в
том случае, если газ ограничен стенками в пределах исследуемой облас- Переход к разностным аналогам элементарен: интегрирование заме-
ти (см. §20). няется на суммирование по скоростям,– d ξ на ∆ξ .
В дальнейшем мы будем иметь дело не со всем пространством ско-
ростей, а с симметричным относительно нуля отрезком [−ξ cut , ξ cut ] , где
ξ cut – некоторая выбранная скорость обрезания. Это обусловлено тем, § 20. Диффузное отражение
что получающаяся в реальных расчетах функция распределения быстро В подавляющем большинстве задач газовой динамики на распро-
затухает с увеличением скорости, поскольку, как правило, она так или странение газа в пространстве накладываются определенные ограниче-
иначе напоминает распределение Максвелла для равномерно распреде- ния: он не может проникнуть за стенки сосуда, поверхность обтекаемо-
ленного газа: го тела и т.д. Это, очевидно, приводит к тому, что все молекулы, нале-
 ξ2  тающие на препятствующую поверхность, должны так или иначе вер-
f ∝ exp  − 2  , нуться обратно. Мы не рассматриваем случай наличия абсорбции (по-
 2ξ кв  глощения) газа на поверхности.
55 56
 Иначе говоря, потоки молекул, падающих на поверхность и возвра- Nξ / 2

щающихся от неё, равны. В одномерном случае поверхностью выступа- ∑ ξβ fɶ1/j2, β

β
=1  mξα2  Nξ
ет какая-либо граница (например, x = a ), и для неё равенство потоков fɶ1/j2,α = exp − , α = + 1,..., Nξ . (20.5)
выглядит следующим образом:
Nξ
 mξ β 2
 2kTст  2
∞ 0 ∑ ξ β exp  − 2kT 
β = Nξ / 2 +1  ст 
∫ ξ f (a , ξ , t )dξ =
0
∫ξ
−∞
f (a , ξ , t )d ξ . (20.1)
Легко увидеть, что (20.5) с точностью до членов второго порядка
Распределение отраженных молекул по скоростям зависит, очевид- совпадет с (18.1) (напомним, что fɶi+j1/2 = f ( xi , t j +1/2 ) + O(h2 + τ 2 ) , см. гла-
но, от свойств поверхности. Например, в случае зеркального отражения ву 4), а значит, также удовлетворяет (17.11).
молекулы меняют только знак своих скоростей, не меняя их значений.
Условие зеркального отражения возможно только при очень гладких Чтобы получить gα (t j ) для (18.3) вместо fɶ1/2,
j
β , стоящего в (20.5),

поверхностях, поэтому обычно используют так называемое диффузное необходимо поставить

отражение: все отраженные от стенки молекулы имеют максвеллов- j
f1/2, j j
β = ( f 0, β + f1, β ) / 2 . (20.6)
ское распределение с температурой, равной температуре стенки в точке
Напомним, что для отрицательных скоростей мы имеем значение функ-
отражения:
ции распределения в виртуальном узле x0 , получаемое с помощью
 mξ 2 
f (a , ξ , t ) = h(t ) exp  − , ξ > 0 , (20.2) формулы (18.5).
 2kTст 
где Tст – температура стенки, а коэффициент h(t ) получается из усло- § 21. Суммарное описание алгоритма
вия равенства потоков (20.1), для чего, очевидно, необходимо знать
функцию распределения для отрицательных скоростей в этой точке. В заключение выпишем логическое резюме описанных выше мето-
Произведём дискретизацию по скоростному пространству. Условия дик. В случае диффузного отражения на границах решение кинетиче-
(20.1) – (20.2) примут вид ского уравнения находится по следующей схеме.
 mξα2  Nξ I. Строятся сетки (17.13) и (19.2) в обычном и скоростном про-
fα (a , t ) = h(t ) exp  − , + 1 < α ≤ Nξ , (20.3) странствах соответственно, на них строится двумерная (не считая вре-
 2kTст  2
менной переменной) разностная функция распределения fi ,α .
где коэффициент h(t ) имеет вид
Nξ /2 II. Выбирается временной шаг на основе максимальной скорости
∑
β
ξβ
=1
fβ (a , t ) τ = h / ξ cut , чтобы условие Куранта (см. главу 2) соблюдалось для всех
h (t ) = . (20.4) скоростей.
Nξ
 mξ β2 
∑ ξ β exp  − 2kT  III. Путём аппроксимации задается разностное начальное условие
β = Nξ /2 +1  ст 
f i ,0α = ϕi ,α .
При суммировании мы поменяли обозначение индекса скорости для
того, чтобы обозначить, что это индекс суммирования, и не путать его с IV. Для каждой скорости отдельно (т.е. при фиксированном скорост-
фиксированным индексом α . Итак, мы нашли вид функции gα (t ) , не- ном индексе) ищется эволюция разностной функции распределения на
обходимый в граничном условии (18.1) и (18.3). Однако мы не обладаем основе схемы (15.2), которая доопределяется в следующем порядке.
знанием точных функций fβ (x , t ) , поэтому необходимо сделать оконча- V. Для положительных скоростей с помощью (18.2) восстанавлива-
тельный переход к разностным функциям: ется значения разностной функции распределения в виртуальном узле

57 58
xN +1 , что даёт нам fɶNj+1/2,α , α > Nξ / 2 . Для отрицательных скоростей с Будем считать, что исследуемая область пространства – отрезок
[0, L] . На границах примем диффузное отражение. Для стенки x = 0
помощью (18.5) получаем функцию распределения в виртуальном узле
возьмём температуру T1 и T2 – для второй стенки x = L . Для опреде-
x0 для вычисления fɶ1/2,j
α , α ≤ Nξ / 2 .
ленности считаем, что T1 > T2 . Скорость обрезания положим:
VI. Значения fɶ1/2,
j
α , α ≤ Nξ / 2 подставляются в (20.5), после чего на- kT1
ξ cut = 4.8ξ1 = 4.8 , (22.1)
ходятся fɶ1/2,
j ɶj
α , α > Nξ / 2 . Аналогично получаются f N +1/2,α , α ≤ Nξ / 2 с
m
где ξ1 – среднеквадратичная скорость для T1 . Скорость обрезания, оче-
помощью найденных ранее вычисленных значений fɶ j , α > N /2.
N +1/2,α ξ
видно, нужно выбирать, ориентируясь на максимальную температуру.
Считаем, что сначала между стенками находится однородный газ с
VII. Путём подстановки (20.6) в (20.5) вместо fɶ1/2,
j
α , α ≤ Nξ / 2 с точ- максвелловским распределением с температурой холодной стенки и с
ностью до членов второго порядка находится gα (t j ), α > Nξ / 2 . Под- некоторой концентрацией n0 :
ставляя далее его в (18.3), придём к f 0,α , α > Nξ / 2 , что позволяет вы-  mξ 2  ∞
−1
 mξ 2  
числить fɶ3/j 2,α , α > Nξ / 2 . Аналогично с помощью (18.6) находится
f (ξ , t ) = C exp  −  , C = n0  ∫ exp  −  d ξ  .
 2kT2   −∞  2kT2  
fɶ j , α ≤ N /2.
N −1/ 2,α ξ
Начальное условие для разностной функции получается соответст-
вующей аппроксимацией:
VIII. Вычисление прекращается в нужный нам момент времени. −1
 mξ 2  n  ξ  mξ 2  
N

f = C exp  − α  , C = 0  ∑ exp  − α   .
0
(22.2)
∆ξ  α =1 
i ,α
 2kT2   2kT2  
§ 22. Практическое задание
Следующий важный момент – переход к безразмерной скорости. По-
Задача о термосе смотрим внимательно на схему (15.2), граничные (20.5) и начальные
условия (22.2). Всюду требуется не само значение скорости, а ее отно-
Ставится задача переноса тепла между двумя бесконечно большими
пластинами с разной температурой T1 и T2 в случае, если столкновения шение к ξ1 : в числе Куранта
между молекулами газа отсутствуют. Пластины находятся на расстоя- ξατ ξα h 1  ξα 
= =  ,
нии L друг от друга. Это неплохая модель теплопроводности обычно- h h 5ξ1 5  ξ1 
го термоса. Напомним факт, известный из курса общей физики: тепло-
в граничных и начальных условиях
проводность газа не зависит от его разреженности до тех пор, пока дли-
на пробега молекул λ не станет сравнимой с характерными размерами  mξ 2   1  ξ 2 
exp  − α  = exp  −  α   ,
системы. Поэтому при производстве термоса воздух между его стенка-  2kT1   2  ξ1  
ми откачивают так, чтобы λ была много больше расстояния между  
стенками термоса, т.е. столкновения молекул практически отсутствуют.  mξα 
2
 mξα T1 
2  T1  ξα  
2

С другой стороны, в некотором приближении можно считать, что раз- exp  −  = exp  −  = exp  −   .
 2kT2   2kT1 T2   2T2  ξ1  
мер самих стенок термоса много больше расстояния между ними, и их  
можно считать бесконечно большими. Поэтому при вычислениях будет удобней использовать безразмер-
Формально эта задача трёхмерна. В действительности же начальные ные скорости, выбрав за единицу скорости ξ1 , т.е. всюду заменить
и граничные условия не зависят от двух поперечных переменных, и за- ξα / ξ1 → ξα . Учитывая квазилинейность схемы, разумно перейти к без-
дача редуцируется до одномерной.

59 60
размерной функции распределения, разделив начальное условие (22.2) Входные данные программы – температуры T1 и T2 . Конечный итог
на C. В конце расчетов ее надо умножать обратно на C. выполнения задания – графики концентрации, температуры и значение
Конечным результатом вычислений на некотором временном шаге потока. Исследуйте зависимость теплового потока от разницы темпера-
j0 является некоторая установившаяся функция распределения, на ос- тур стенок.
нове которой нужно посчитать установившееся распределение концен- Для оценки правильности полученных результатов приведём точное
трации, температуры газа и поток теплопередачи. В соответствии с распределение температуры в установившееся режиме:*
формулой (19.3) разностный аналог для концентрации газа T ( x) = T1T2 . (22.6)
−1
 Nξ   Nξ  T  В завершение следует подчеркнуть важность консервативности схе-
ni = n0  ∑ f i ,αj0   ∑ exp  −ξα2 1   (22.3)
 2T2   мы (15.2) для задач такого типа. Действительно, неконсервативные схе-
 α =1   α =1 
мы дают некоторые колебания разностной массы δ M на каждом вре-
и с формулой (19.5) разностный аналог для температуры газа менном шаге. Из линейности (по крайней мере, квазилинейности) схе-
−1 −1
mξ12  ξ 2 j0   ξ j0   Nξ 2 j0   Nξ j0 
N N
мы очевидно, что величина δ M пропорциональна массе газа:
Ti =  ∑ α i ,α   ∑ i ,α 
ξ f f = T  ∑ ξα f i ,α   ∑ f i ,α  . (22.4)
k  α =1
1 δ M ∼ M . А это в свою очередь означает, что разностная масса M (а с
  α =1   α =1   α =1 
ней и характерное значение разностной функции) будет экспоненциаль-
Сразу учтено, что в установившемся режиме у газа нет макроскопиче-
но меняться во времени и решение достаточно быстро (по сравнению со
ской скорости.
временами, требуемыми для того, чтобы режим стал установившимся)
В непрерывном случае поток тепла равен
∞
перестанет как-либо соответствовать действительности. В таком случае
m говорят, что решение разваливается.
q ( x, t ) = ∫ ξ 3 f ( x, ξ , t ) d ξ ,
2 0
его разностный аналог
−1
kn T ξ  ξ
N
  Nξ  2 T 
qi = 0 1 1  ∑ ξα3 fi ,jα0
  ∑ exp  −ξα 1   . (22.5)
2  α =1   α =1  2T2  
Узел i возьмите произвольным – в установившемся режиме поток
не зависит от координаты. Во всех трёх формулах используются без-
размерные скорости и функции распределения, переход к обычным
единицам совершен.
Шаг j0 , на котором вычисления прекращаются, определяется сле-
дующим образом. Считаем, что установившийся режим наступает, ко- *
Простейшая практическая рекомендация к выполнению задания. В отличие
гда относительное изменение за один временной шаг какой-либо макро- от предыдущих заданий программа к этой задаче может потребовать некоторое
скопической величины становится меньше некоторого заданного значе- вычислительное время, поэтому временной цикл должен быть оптимизирован
ния δ . Возьмём в качестве таких величин концентрацию и температуру:  mξα 
2

 Ti j0 − Ti j0 −1 nij0 − nij0 −1  по вычислениям. Например, неразумно вычислять массив exp  −  или

N ⋅ max  , <δ .  2kTст 
 Ti j0 nij0  Nξ
 mξ β2 
 
число ∑ ξ β exp  −
 2kT  каждый временной шаг. Их значения подсчиты-
Значение δ устанавливается из опыта, разумно брать δ = 10−6 − 10−7 . β = Nξ / 2 +1  ст 
Итак, если раньше мы использовали цикл с заданным количеством ите- ваются до временного цикла, а затем вызываются из оперативной памяти.
раций, то теперь выполняется цикл с условием.
61 62
 схемы, аппроксимирующей со вторым порядком точности дифферен-
циальное уравнение
∂u
+ Pu = 0 (23.4)
∂t
на временной сетке с шагом τ , а S1 – оператор шага некоторой схе-
ГЛАВА 6 мы, аппроксимирующей со вторым порядком точности дифференци-
альное уравнение
УРАВНЕНИЕ БОЛЬЦМАНА В ПРИСУТСТВИИ ∂u
+ Lu = 0 (23.5)
ВНЕШНИХ СИЛ ∂t
на временной сетке с шагом τ / 2 . В таком случае схема с оператором
шага
§ 23. Расщепление сложного уравнения S = S1 S2 S1 (23.6)
В том случае, если на газ действуют внешние силы, одномерное ки- аппроксимирует уравнение (23.3) со вторым порядком точности.
нетическое уравнение Больцмана (без интеграла столкновений) прини- Доказательство теоремы приводится в приложении.
мает следующий вид: Применительно к случаю уравнения (23.1) это дает схему вида
∂f ∂f F ( x) ∂f f i ,(1)
α − f i ,α
j
fɶ j − fɶi −j1/2,α
+ξ + =0. (23.1) + ξα i +1/2,α = 0,
∂t ∂x m ∂ξ τ /2 h
Здесь F ( x) – сила, действующая на одну молекулу газа, m – масса f i ,(2) (1)
F ( xi ) fɶi ,α +1/2 − fɶi ,α −1/2
(1) (1)
α − f i ,α
одной молекулы. Введём разностные сетки (17.13), (19.2) и сетку по + = 0, (23.7)
τ m ∆ξ
временной переменной с шагом τ . По аналогии со схемой (15.2) для
разностной аппроксимации (23.1) можно записать f i ,αj +1 − f i ,(2)
α fɶ (2) − fɶi −(2)
+ ξα i +1/2,α 1/2,α
= 0,
f i ,αj +1 − fi ,αj +1 fɶ j − fɶi −j1/2,α F ( xi ) fɶi ,αj +1/2 − fɶi ,αj −1/2 τ /2 h
+ ξα i +1/2,α + = 0 , (23.2) где значения в полуцелых точках получаются так, как это делается в
τ h m ∆ξ
схеме (15.2). Каждое из уравнений в цепочке аналогично схеме (15.2), и
где значения в полуцелых точках получаются так, как это делается в проблем теоретического плана не возникает. Поясним, почему мы по-
схеме (15.2). ставили скоростное разностное уравнение посередине: из симметрично-
Однако необходимо поднять вопрос теоретического обоснования сти (23.3) относительно перестановки операторов L и P ясно, что за
схемы (23.2): условия ее устойчивости, монотонности, неотрицательно- оператор P можно принять любой из дифференциальных операторов в
сти ее решения и т.д. В принципе эта работа не сложна, но проще (а за- (23.1). Этот вопрос касается экономии времени вычислений. Простоты
частую и выгоднее – с точки зрения экономии вычислений) расщепить ради считаем, что сила F = const . Из (23.7) ясно, что для того, чтобы
(23.2) на цепочку более простых схем.
любая из схем была устойчивой, временной шаг нужно взять равным
Теорема 6.1. Пусть имеется дифференциальное уравнение в част-
ных производных вида  2h m∆ξ  2h  N 2mξ cut 2 
τ = min  ,  = min 
 Nξ FL 
1, . (23.8)
∂u  ξ cut F  ξ cut  
+ Lu + Pu = 0 , (23.3)
∂t Дальше мы будем рассматривать только случай
где L и P – некоторые линейные дифференциальные операторы, в об- L

∫ F ( x)dx << mξ
2
щем случае некоммутативные. Пусть S 2 – оператор шага некоторой cut /2 (23.9)
0

63 64
(объяснение этому дано ниже), который при F = const принимает вид тановим, при каких полях выполняется это условие. Из курса общей
2
FL << mξcut / 2, физики известно, что в равновесии функция распределения газа, нахо-
дящегося в поле сил, имеет вид
поэтому при Nξ ∼ N выбор τ идет за счет первого пространственного
 mξ 2 U ( x)   mξ 2 1 
члена: f равн ( x, ξ ) ∼ exp  −
 2kT
+
kT 
 = exp − +
 2kT kT
∫ F ( x)dx  .

(24.2)
τ = 2h / ξ cut . (23.10)
Но это значит, что если бы мы поставили в середине пространственное Здесь T – температура газа, U ( x) – потенциальная энергия внешних
уравнение, то шаг τ пришлось бы выбирать вдвое меньшим: сил (мы предполагаем, что они потенциальны). Даже если газ не нахо-
τ = h / ξ cut . дится в равновесии, на (24.2) можно ориентироваться оценочно. Но из
В результате, чтобы узнать решение в какой-либо момент времени, (24.2) сразу следует (23.9) как условие того, что в любой точке при
потребовалось бы выполнить вдвое больше временных шагов и, следо- ξ ≈ ξ cut функция распределения практически равна нулю. Причем ус-
вательно, затратить вдвое больше вычислительных ресурсов. ловие (23.9) необязательно должно быть жестким, достаточно, чтобы
Для случая пространственно неоднородного F ( x) рассуждения ана- 2
mξcut / 2 превосходило интеграл силы по пространству только в два-три
логичны. Требуется только, чтобы интеграл силы по пространству не во раза.
много раз отличался от Fmax L , где Fmax – максимальное значение силы В соответствии с (24.1) во втором уравнении цепочки (23.7)
на отрезке [0, L] . ∀ i : fɶi ,1/ 2 = fɶi , Nξ +1/ 2 = 0 . (24.3)
Кроме того, следует приравнять к нулю значения разностной функ-
§ 24. Проблема граничных условий в скоростном ции распределения в виртуальных скоростных узлах:
пространстве ∀ i : f i ,0 = fi , Nξ +1 = 0 , (24.4)

Для каждого из уравнений цепочки (23.7) требуются граничные ус-
ловия. Граничные условия пространственного уравнения были подроб-
но освещены в предыдущей главе, поэтому здесь мы рассмотрим только
граничные условия скоростного уравнения. Основная проблема этого
вопроса заключается в том, что для граничных условий в скоростном
пространстве нет физических обоснований: обрезание скоростного про-
странства было искусственным. Это не приводило к серьезному нару-
шению физической картины, поскольку ξ cut выбиралось таким, чтобы
значение функции распределения при таких скоростях было пренебре-
жимо малым.
Руководствуясь соображениями такого рода, сделаем следующее фи-
зическое приближение: задача ищется в предположении, что
f ( x, ξ , t ) = 0, ξ ≥ ξ cut . (24.1)
Нам не важно, какими физическими причинами обусловлено такое ог-
раничение, главное, что точное решение такой задачи практически пол-
ностью соответствует точному решению истинной задачи без (24.1) при
условии, что функция распределения близка к нулю возле ξ ≈ ξ cut . Ус-
необходимые для того, чтобы найти fi ,3/2 или f i , Nξ −1/2 (в зависимости от
знака силы).
§ 25. Случай пространственной симметрии
Во многих задачах может присутствовать пространственная симмет-
рия. Ради удобства поместим начало координат в середину рассматри-
ваемого отрезка. Пусть сила F ( x) , начальные и граничные условия об-
ладают следующей симметрией:
F (− x) = − F ( x), ϕ (− x, −ξ ) = ϕ ( x, ξ ), T1 = T2 . (25.1)
В таком случае решение в любой момент времени также обладает опре-
деленной симметрией:
f (− x, −ξ , t ) = f ( x, ξ , t ) . (25.2)
Действительно, дифференциальная задача (23.1), (25.1) инвариантна
к инверсии координат x и ξ , как следствие, инвариантно и ее решение.
Из (25.2) сразу же следует то, что нам нет смысла просчитывать весь
отрезок [− L 2, L 2] , достаточно просчитать решение на одной его по-

65 66
ловине, например [0, L 2] , и восстановить по ней решение на другой, Получите графики концентрации и температуры. При T1 = T2 срав-
т.е. при одной и той же дискретизации пространства нужно совершить ните распределение концентрации с законом Больцмана:
вдвое меньше вычислений. Из (25.2) ясно, что при нахождении решения  gx 
на отрезке [0, L 2] граничное условие в точке x = 0 – это условие зер- n( x) ∼ exp  − 2  .
 ξ0 
кального отражения:
f (0, −ξ , t ) = f (0, ξ , t ) . (25.3) II. Решение кинетического уравнения в поле сил
гармонического осциллятора
В соответствии с (25.2) при нахождении fɶ 1/2,α
j
и fɶ
3/2,α
j
с помощью
Ищем решение (23.1) на отрезке [− L 2, L 2] в случае гармоническо-
схемы (15.2) в виртуальных узлах x0 и x−1 , которые для этого необхо-
го осциллятора:
димы, значения решения принимаются равными: F ( x) = − χ x . (26.3)
f 0,jα = f1,jNξ +1−α , f −j1,α = f 2,jNξ +1−α . (25.4) Когда температуры на границах равны и начальное условие – максвел-
лоское распределение, возникает симметрия (25.1), и решение ищется в
соответствии с тем, как это было описано в предыдущем параграфе.
§ 26. Практическое задание В безразмерных единицах (26.3) имеет вид
I. Решение кинетического уравнения в поле тяжести χ L2
F = 2 x2 .
Граничные условия при x = 0 и x = L , как в задании к предыдущей ξ0
главе: диффузное отражение с температурой T1 и T2 . Единица скорости
Соответственно χ и L выбираются такими, чтобы F была не больше
ξ 0 = max(ξ1 , ξ 2 ) , 1–2.
где ξ1 , ξ1 – среднеквадратичные скорости при этих температурах. Получите график концентрации. Сравните распределение концен-
В безразмерных единицах трации с точным:
ξ = ξ / ξ0 , x = x / L, t = tξ0 / L (26.1)  χ x2 
n( x) ∼ exp  − 2  .
уравнение (23.1) принимает вид  2ξ 0 
∂f ∂f ∂f F ( x) L
+ξ + F ( x) = 0, F ( x) = . (26.2)
∂t ∂x ∂ξ mξ 02
Скорость обрезания
ξcut = 5 .
Начальное условие – максвелловское распределение при одной из тем-
ператур.
Численное решение происходит в этих единицах, переход к обыч-
ным единицам осуществляется в конце расчетов. Безразмерная сила в
случае силы тяжести имеет вид
gL
F= 2 .
ξ0
Длина L выбирается такой, чтобы F была не больше 1–2, чтобы вы-
полнялось (23.9).

67 68
 ЗАКЛЮЧЕНИЕ ПРИЛОЖЕНИЯ
Данное пособие можно считать кратким экскурсом в конечно-
разностные методы, применяемые для решения левой части сложного § 27. К главе 2
интегро-дифференциального кинетического уравнения Больцмана [3]. В
общем случае, это уравнение переноса под действием внешних сил. Бы- Теорема 2.1. Из устойчивости и аппроксимации схемы вытекает ее
ли рассмотрены простейшие одномерные задачи с равномерными пря- сходимость.
моугольными сетками. Но даже при их решении мы столкнулись со Для начала напомним два свойства нормы, которые мы будем ис-
множеством различных проблем. Во-первых, разностная схема должна пользовать в дальнейшем:
обладать кроме сходимости еще двумя важными свойствами. Консерва- ∀ y : ay = a y ,
тивность по всем интегралам движения уберегает численное решение от ∀ y, ∀ x : x + y ≤ x + y .
"разваливания" со временем. Монотонность в свою очередь исключает
возникновение паразитических нефизичных решений. Во-вторых, огра- Перепишем разностную задачу (6.2) в следующем виде:
ниченность вычислительных ресурсов заставляет нас искать схемы вы-  L 'h y = yt − Lh y = ϕ ,
сокого порядка точности. Для этого они должны быть нелинейны (со- 
lh y = ν , (27.1)
гласно теореме Годунова), и в самом простом случае их можно постро-  0
ить только на пятиточечном шаблоне. Кроме того, для таких разностных  y = ϑ0 .
схем нетривиально выписать граничные условия. Эти проблемы реше- Рассмотрим выражения
ны в рамках TVD-схем, подробнее о которых можно прочесть в [4]. φ1 = L 'h uh − L 'h y = L 'h uh − ϕ ,
Описанная методика на прямоугольных сетках хорошо подходит для
решения в том числе многомерных задач, поскольку уравнение перено-
φ2 = lh uh − lh y = lh uh − ν , (27.2)
0
са легко расщепляется по перпендикулярным направлениям. Однако для φ3 = u ( x, 0)h − y = u ( x, 0) h − ϑ0 .
моделирования сложных геометрий приходится прибегать к неравно- Выразим отсюда
мерным и даже неструктурным координатным сеткам, использование  L 'h uh = ϕ + φ1 ,
которых в значительной степени затрудняет написание схем даже вто- 
рого порядка точности. И всё же в отличие от классических методов lh uh = ν + φ2 , (27.3)
решения задач гидрогазодинимики на основе уравнений Эйлера и На- u ( x, 0) = ϑ + φ .
 h 0 3
вье–Стокса, где приходится иметь дело с вектором макропараметров, в Это означает, что uh является решением разностной задачи при но-
кинетической теории эволюционирует скалярная функция распределе-
ния, что немалым образом упрощает конечно-разностную аппроксима- вых входных данных ϕɶ = ϕ + φ1 , νɶ = ν + φ2 , ϑɶ0 = ϑ0 + φ3 , отвечающих за
цию дифференциальной части уравнения Больцмана. Поэтому следует неоднородность, граничные и начальные условия соответственно. В
сказать, что наибольшую трудность представляет именно вычисление силу определения устойчивости (6.3), исходя из (27.1), имеем
нелинейного пятимерного интеграла столкновений, а эта задача уже
uh − y ≤ C1 νɶ − ν + C2 ϑɶ0 − ϑ0 + C3 ϕɶ − ϕ =
выходит за рамки "Введения в численные методы в динимике разре- (27.4)
женных газов". = C1 φ1 + C2 φ2 + C3 φ3 .

69 70
 С другой стороны, добавим к правой стороне первых двух равенств в можно переписать: w j ≤ C θ = C w0 . Поскольку функции y, yɶ в
(27.2) слагаемые ( f − L ' u ) h , ( µ − lu ) h , которые тождественно равны
(27.7) взяты произвольными, функция w также произвольна. Осталось
нулю (см. (6.1)), а в третьем учтем, что u ( x, 0) h = (u0 ) h . Получим, что лишь сменить обозначения и получить (27.8).
φ1 = L 'h uh − ϕ + ( f − L ' u )h = ( f h − ϕ ) + ( L 'h uh − ( L ' u )h ), Запишем (27.6):
φ2 = lh uh − ν + ( µ − lu )h = ( µh − ν ) + (lh uh − (lu ) h ), (27.5) y j +1 ≤ (1 + Cτ ) y j ≤ eCτ y j . (27.9)
φ3 = (u0 ) h − ϑ0 . Последовательно применяя (27.9), получим, в итоге, неравенство вида
С учётом этого условие устойчивости (27.4) приобретает вид (27.8):
uh − y ≤ C1 φ1 + C2 φ2 + C3 φ3 = y j ≤ Cɶ y 0 , где Cɶ = eCt0 , t0 = τ j .
= C1 ( f h − ϕ ) + ( L 'h uh − ( L ' u ) h ) + Теорема 2.3 (спектральный признак). Для устойчивости по на-
чальным данным линейной схемы необходимо выполнение следующего
+C2 ( µh − ν ) + (lh uh − (lu ) h ) + C3 (u0 ) h − ϑ0 ≤ неравенства:
≤ C1 f h − ϕ + C1 L 'h uh − ( L ' u ) h + λ (ω ) ≤ 1 + Cτ , 0 < ω < 2π .
+C2 µ h − ν + C2 lh uh − (lu ) h + C3 (u0 ) h − ϑ0 . Доказательство элементарно. Действительно, по определению ус-
тойчивости нам достаточно найти одну функцию, не удовлетворяющую
Таким образом, при аппроксимации, когда каждый из слагаемых в
(27.7) (или в нашем случае эквивалентного ему (27.8)), чтобы схема бы-
последнем неравенстве стремится к нулю, имеется сходимость схемы
ла неустойчивой. Ищем такие функции в виде (7.1). Пусть
uh − y → 0 .
λ (ω ) = 1 + q ,
Теорема 2.4 (принцип максимума). Если для произвольной разно-
где q > 0 . Используем октаэдрическую норму yi = max yi :
стной функции y j , которую некоторая линейная схема переводит в 1≤i ≤ N
j j iω k j j
y j +1
, справедливо неравенство вида y k =λ e = λ = (1 + q ) .
y j +1 ≤ (1 + Cτ ) y j , (27.6) Взяв временной шаг достаточно малым, можно сделать норму сколь
угодно большой, что нарушает (27.8) – условие устойчивости по на-
где C не зависит от шага интегрирования по времени τ , то схема ус- чальным данным для линейных разностных схем.
тойчива по начальным данным.
Вначале заметим, что в случае линейных операторов Lh и lh в (6.2)
условие устойчивости по начальным данным, которое ранее формули- § 28. К главе 4
ровалось следующим образом: Теорема 4.1. Разностная схема
∃C < ∞, ∀ϑɶ , ∀ϑ : yɶ − y ≤ C ϑɶ − ϑ (27.7) p2
0 0 0 0
yij +1 = ∑α k yij+k (28.1)
(где yɶ , y – решение (6.1) с соответствующими начальными условиями), k =− p1

можно записать так: монотонна тогда и только тогда, когда все коэффициенты α k неот-
∃C < ∞ , ∀ y , ∀ j : y j ≤ C y 0 . (27.8) рицательны.
Докажем достаточность условия. Пусть для определенности на ниж-
Действительно, разностная задача (6.2) при новом начальном усло- нем слое разностная функция является неубывающей. Запишем условие
вии θ = ϑɶ0 − ϑ0 в силу указанной линейности разностных операторов неубывания функции в виде
будет иметь соответствующее решение: w = yɶ − y . С учётом этого (27.7) ∀ i : yij+1 − yij ≥ 0 .

71 72
Отсюда и из неотрицательности α k легко следует, что и функция на C1 , i ≤ i1 ,
новом временном слое является неубывающей: 
yi = φi , i1 < i < i2 ,
p2
C , i ≥ i .
∀ i : yij++11 − yij +1 = ∑α k ( yij+ k +1 − yij+ k ) ≥ 0 , (28.2)  2 2
k =− p1 В результате полная вариация сводится к
поскольку каждое из слагаемых функций неотрицательно. ∞ q2

Необходимость легко доказывается простым примером. Пусть один TV( y ) = ∑ yi − yi −1 = ∑ yi − yi −1 ,

−∞ i = q1
из коэффициентов является отрицательным: α k0 < 0 . Возьмём в качест-
где q1 ≤ i1 + 1, q2 ≥ i2 . Возьмём узлы q1 , q2 такими, чтобы после узлов
ве неубывающей функции ступенчатую функцию
i1 , i2 имелось достаточное количество точек, на которых функция y
0, i < s + 1,
yij =  постоянна. После чего обрежем сетку, определив узлы: q1 = 1 , q2 = N .
1, i ≥ s + 1.
Окончательно полная вариация – это функционал
В таком случае N
yij+1 − yij = δ i ,s , TV( y ) = ∑ yi − yi −1 ,
i =1
где δ i ,k – символ Кронекера: определенный на разностных функциях, константных в некотором ко-
1, i = k , личестве узлов, соседних с граничными.
δ i ,k =  Итак, рассмотрим для определенности неубывающую функцию на
0, i ≠ k .
нижнем временном слое:
Подставив это выражение в (28.2), получим
p2 p2 ∀ i : yij − yij−1 ≥ 0 .
yij++11 − yij +1 = ∑ α k ( yij+k +1 − yij+ k ) = ∑αδ k i + k ,s = α s −i . Отсюда сразу следует, что
k =− p1 k =− p1
∀ i : yij − yij−1 = yij − yij−1 .
Взяв i0 = s − k0 , получим, что
В результате для полной вариации получаем
yi0j ++11 − yi0j +1 = α s −i0 = α k0 < 0 , N N
TV( y j ) = ∑ yij − yij−1 = ∑ yij − yij−1 = y Nj − y0j . (28.3)
т.е. условие неубывания нарушено в узле i0 = s − k0 , и схема в общем i =1 i =1
случае не является монотонной. Поскольку схема удовлетворяет TVD-условию, то
Теорема 4.3. TVD-схема вида (14.4) является монотонной. TV( y j +1 ) ≤ TV( y j ) = yNj − y0j . (28.4)
Определение 4.2 неявно подразумевает, что мы имеем дело с беско-
Для того чтобы схема (14.4) удовлетворяла TVD-условию, на опера-
нечной сеткой. Перед доказательством теоремы разберемся с понятием
тор H должно быть наложено условие
полной вариации в случае, когда количество узлов ограничено. В силу
того, что полная вариация по определению – величина ограниченная, ∀ a : H (a,..., a,..., a ) = 0 , (28.5)
очевидно, что функционал полной вариации определен на функциях, где a – произвольное число. Это условие необходимо для того, чтобы в
которые стремятся к ограниченным пределам: случае постоянной начальной функции разностное решение y j также
lim yi = C1 < ∞, lim yi = C2 < ∞ . было постоянным, а это в свою очередь необходимо для того, чтобы
i→−∞ i→∞
В этом классе разностных функций ограничимся рассмотрением схема была TVD. Но у границ функция y j является константой в неко-
функций, представляющих собой константу начиная с некоторых узлов: тором количестве точек, и, таким образом:
y0j +1 = y0j , yNj +1 = yNj . (28.6)

73 74
Объединив (28.4) и (28.6), получим TV( y j +1 ) ≤ TV( y j ) .
TV( y j +1 ) ≤ yNj +1 − y0j +1 . (28.7) Лемма 4.1. Для того чтобы схема (14.8) – (14.9) аппроксимировала
С другой стороны, если в каком-то узле i0 имеется нарушение моно- уравнение переноса со вторым порядком точности, разностный опе-
тонности: ратор α должен удовлетворять условию
y ji0+1 − yi0j +−11 < 0 , ∀ i, ∀ f ( x, t ) : α ( f ( xi −1 , t j ), f ( xi , t j ), f ( xi +1 , t j ) ) = 1 + O(h) . (28.9)
то очевидно, что Введём для краткости написания следующие обозначения:
N N ∂f ∂2 f
∑(y j +1
− yij−+11 ) < ∑ yij +1 − yij−+11 , f ( xi , t j ) = Fi , ( xi , t j ) = Fi ′, ( xi , t j ) = Fi ′′,
i =1
i
i =1
∂x ∂x 2
Или, что то же самое, α ( f ( xi−1 , t j ), f ( xi , t j ), f ( xi +1 , t j )) = α i .
yNj +1 − y0j +1 < TV( y j +1 ) . Для аппроксимации (9.3) со вторым порядком точности должно вы-
j +1 полняться соотношение
Но это невозможно в силу (28.7). Итак, y также монотонна, причем
f ( xi +1/ 2 − ξτ / 2, t j ) − f ( xi −1/ 2 − ξτ / 2, t j )
TV( y ) = y − y0j +1 ,
j +1 j +1
N
=
h
т.е. полная вариация не изменилась. f ( xk , t j ) − f ( xk −1 , t j ) sgn(ξ )
Теорема 4.4 (Хартен). Если для коэффициентов (14.6) неравенства = + (1 − γ ) × (28.10)
Ci ≥ 0, Di ≥ 0, Ci +1 + Di ≤ 1 (28.8) h 2h
справедливы для всех узлов и при любых разностных функциях, то схема { ( ) ( )}
× α k f ( xi +1 , t j ) − f ( xi , t j ) −α k −1 f ( xi , t j ) − f ( xi −1 , t j ) + O (h 2 ).
(14.5) является TVD-схемой. Тогда при замене проекции точного решения на разностную функцию
Заметим, что мы допустим ошибку второго порядка малости. Запишем разложение в
yij++11 − yij +1 = (1 − Ci+1 − Di )( yij+1 − yij ) + Di+1 ( yij+2 − yij+1 ) + Ci ( yij − yij−1 ). ряд Тейлора:
Отсюда в соответствии с правилом для модуля суммы и с учётом (28.8): f ( xi +1/ 2 − ξτ / 2, t j ) = f ( xi + h / 2 − ξτ / 2, t j ) =
yij++11 − yij +1 ≤ (1 − Ci +1 − Di )( yij+1 − yij ) + Di +1 ( yij+ 2 − yij+1 ) + Ci ( yij − yij−1 ) = h h
= f ( xk + sgn(ξ ) − ξτ / 2, t j ) = f ( xk + sgn(ξ ) (1 − γ ), t j ) = (28.11)
= (1 − Ci +1 − Di ) y j j
− yi + Di +1 y j
−yj
+ Ci yi − yj j
. 2 2
i +1 i+2 i +1 i −1
h h2
Просуммировав по узлам, получим = Fi + sgn(ξ )(1 − γ ) Fi ′+ (1 − γ ) 2 Fi ′′.
∞ 2 8
TV( y j +1 ) = ∑ yij++11 − yij +1 ≤ Несущественный в данном случае временной индекс опущен. Подста-
i =−∞
вив (28.11) в (28.10), после несложных преобразований получим
∞ ∞ ∞
1
≤ ∑ (1 − C i +1 − Di ) yij+1 − yij + ∑D i +1 yij+ 2 − yij+1 + ∑C i yij − yij−1 = Fk′ − Fk′−1 + sgn(ξ )(1 − γ )h( Fk′′ − Fk′′−1 ) =
i =−∞ i =−∞ i =−∞ 4
∞
(28.12)
1
= (1 − Ci +1 − Di + Ci +1 + Di ) ∑ yij+1 − yij = TV( y j ). = (α k ( Fi +1 − Fi ) − α k −1 ( Fi − Fi −1) ) + O (h 2 ).
i =−∞ h
Здесь мы учли, что поскольку суммирование идет от −∞ до +∞ , то Применив «правило середины отрезка» по отношению ко второй
индекс суммирования в определении полной вариации можно произ- пространственной производной точного решения:
вольно сдвигать. h h2 ∂3 f
Таким образом, для схемы (14.5) выполняется TVD-условие: sgn(ξ )(1 − γ )( Fk′′ − Fk′′−1 ) = sgn(ξ )(1 − γ ) 3 ( xk +1/ 2 , t j ) = O(h 2 ) ,
4 4 ∂x

75 76
упростим (28.12) до S = S1 S2 S1 (29.4)
1 аппроксимирует уравнение (29.1) со вторым порядком точности.
Fk′ − Fk′−1 = (α k ( Fi +1 − Fi ) − α k −1 ( Fi − Fi −1) ) + O(h 2 ) . (28.13)
h Запишем определение оператора эволюции точного решения урав-
Заново разложим решение в ряд Тейлора, а также его производную: нения (29.1) за время τ :
 h2 u( x, t j +1 ) = SL+ Pu ( x, t j ) . (29.5)
 Fi ±1 = Fi ± Fi ′h + Fi ′′+ O(h3 ),
 2 Здесь x обозначает все остальные переменные, от которых зависит u .
 2 2
Запишем уравнение (29.1) в другой форме:
 Fk′−1 = Fk′ − Fk′′h + O(h ) = Fk′ − Fi ′′h + O (h ).
Подставив эти соотношения в (28.13), получим после несложных вы- ∂
= −( L + P ) . (29.6)
кладок: ∂t
h Применим разложение Тейлора по временной переменной, исполь-
(α k − α k −1 ) Fi ′ + (α k + α k −1 − 2) Fi ′′= O(h 2 ) . (28.14) зуя (29.6):
2
Отсюда ∂u τ 2 ∂ 2u
u ( x, t j +1 ) = u ( x, t j ) + τ ( x, t j ) + ( x, t j ) + O (τ 3 ) =
h ∂t 2 ∂t 2
(α k − α k −1 ) Fi ′ + (α k + α k −1 − 2) Fi ′′= O(h 2 ) ,
2 = SɶL+ P u ( x, t j ) + O(τ 3 ),
или где
α k = 1 + O ( h) . 2
τ
SɶL+ P = 1 − τ ( L + P) + ( L + P) 2 ,
2
§ 29. К главе 6 откуда
Теорема 6.1. Пусть имеется дифференциальное уравнение в част- S L+ P = SɶL+ P + O (τ 3 ) .
(29.7)
ных производных вида ɶ
Попытаемся придать более удобную форму оператору S L+ P . Введём
∂u оператор
+ Lu + Pu = 0 , (29.1)
∂t τ τ2 2
где L и P – некоторые линейные дифференциальные операторы, в об- SɶL /2 = 1 − L + L ,
2 8
щем случае некоммутативные. Пусть S 2 – оператор шага некоторой используя который, можно записать:
схемы, аппроксимирующей со вторым порядком точности дифферен- SɶL+ P = SɶL /2 SɶP SɶL /2 + O (τ 3 ) . (29.8)
циальное уравнение
∂u Действительно,
+ Pu = 0 (29.2) 2
τ 2
τ L2 + P 2 + LP + LP .
∂t SɶL+ P = 1 − τ ( L + P) + ( L + P ) 2 = 1 − τ ( L + P) +
2 2
( )
на временной сетке с шагом τ , а S1 – оператор шага некоторой схе-
С другой стороны,
мы, аппроксимирующей со вторым порядком точности дифференци-
альное уравнение  τ τ 2  τ 2  τ τ2 
SɶL / 2 SɶP SɶL / 2 =  1 − L + L2  1 − τ P + P 2  1 − L + L2  =
∂u  2 8  2  2 8 
+ Lu = 0 (29.3)
∂t τ 2 ( L2 + P 2 + LP + LP ) + O (τ 3 ).
на временной сетке с шагом τ / 2 . В таком случае схема с оператором = 1 − τ ( L + P) +
2
шага Используя (29.7), перепишем (29.8):

77 78
 SɶL+ P = SɶL /2 SɶP SɶL /2 + O (τ 3 ) , (29.9)
ɶ
где S P – оператор эволюции решения (29.2) за время τ , S L /2 – оператор ɶ
эволюции решения (29.3) за время τ 2 . Используя определение опера-
тора эволюции (29.5), запишем
u ( xi , t j +1 ) = S L /2 S P S L/2 u ( xi , t j ) + O (τ 3 ) . (29.10) Литература
Применяя (29.10) с нулевого момента времени j -е количество раз, 1. Самарский А.А., Попов Ю.П. Разностные методы решения задач
можно записать: газовой механики. — М.: Физматлит, 1992. — 424 с.
u ( xi , t j ) = ( S L /2 S P S L /2 ) j u ( xi ,0 ) + O ( τ 2 ) . (29.11) 2. Рябенький В.С. Введение в вычислительную математику. — М.:
Физматлит, 2000. — 296 с.
Мы использовали утверждение, что
3. Коган М.Н. Динамика разреженного газа. — М.: Наука, 1967. —
j t 440 с.
∑ Ok (τ 3 ) = jO(τ 3 ) = j O (τ 3 ) = t j O(τ 2 ) = O(τ 2 ) .
k =1 τ 4. Randall J. Leveque. Finite volume methods for hyperbolic prob-
Пусть для уравнений (29.3) и (29.4) имеются соответствующие схе- lems. — Cambridge: Cambridge University Press, 2002. — 558 p.
мы второго порядка точности. В таком случае для их операторов шагов 5. Ландау Л.Д., Лифшиц Е.М. Теоретическая физика. Т. 10 / Лиф-
верны следующие соотношения: шиц Е. М., Питаевский Л. П. Физическая кинетика. — М.: Физматлит,
SL /2 = S1 + O(h3 + τ 3 ), SP = S2 + O(h3 + τ 3 ) . 2002. — 536 с.
Дело в том, что когда мы переходим от самой схемы к ее оператору ша-
га, то нам приходится производить умножение на τ , и ошибка аппрок-
симации схемы O(h2 + τ 2 ) заменяется на O(h3 + τ 3 ) . В соответствии с
этим перепишем (29.11):
u ( xi , t j ) = ( S1S 2 S1 ) j u ( xi ,0 ) + O( τ 2 + h 2 ) .
Разностное начальное условие аппроксимируется со вторым поряд-
ком точности, поэтому
u ( xi , t j ) = ( S1 S2 S1 ) j ( y 0 + O( τ 2 + h 2 )) + O( τ 2 + h 2 ) =
= ( S1 S 2 S1 ) j y 0 + O( τ 2 + h 2 ) = y j + O( τ 2 + h 2 ),
т.е. схема с оператором шага (29.4) аппроксимирует (29.1) со вторым
порядком точности.

79 80