目录
前言
1.用差分法求解
显示差分
其他方程举例 ：
r是什么
2.PDETOOL
3.pdepe函数
示例：热方程
代码：
前言
在我们处理一些公式时，常常会有偏微分方程出现，所以我今天整理了一下求解偏微分方程的常用方法，希望有所帮助
在1979年复旦大学学者的一篇论文里，谈到了偏微分方程所需要的条件
即在下图中我们求解热传导方程
热以箭头方向传导，我们需要知道初始温度，以及边界温度（上下面的温度）我们以热传导方程
为例，
1.用差分法求解
显示差分
显式差分方法（Explicit Finite Difference Method）是一种常用的数值方法，用于求解偏微分方程。它基于将偏微分方程中的导数项转化为有限差分的形式，并使用离散化的网格来逼近连续的空间和时间域。
显式差分方法中，通过使用中心差分来近似空间导数项，并使用向前差分或向后差分来近似时间导数项。其中，向前差分是使用当前时间步的数据来近似时间导数，而向后差分是使用下一个时间步的数据来近似时间导数。
对于扩散方程的求解，显式差分方法可以使用如下的差分方程形式：
在matlab
u(k+1, i) =u(k, i) + r * (u(k, i-1) - 2 * u(k, i) + u(k, i+1))
默认=1
其中，u(k+1, i) 表示下一个时间步 t_{k+1} 和空间位置 x_i 处的值，u(k, i) 表示当前时间步 t_k 和空间位置 x_i 处的值，r 为时间步长和空间步长的比值。
-
k 表示时间步数索引，即第 k 个时间步。通常，时间步长为 dt，那么第 k 个时间步的时间值为 t_k = k * dt。
-
i 表示空间步数索引，即第 i 个空间步。通常，空间步长为 dx，那么第 i 个空间步的位置值为 x_i = i * dx。
显式差分方法的优点是简单易实现，但其稳定性需要满足一个数值稳定性条件，即 r 小于一个特定的临界值。当 r 超过该临界值时，数值解可能会出现不稳定和振荡现象。
clear
clc
close all
dx=0.05; %x方向的步长
dt=0.001; %t方向的步长
r=dt/(dx^2); %计算r的值
x=0:dx:1; %得到x的序列
t=0:dt:0.2; %得到t的序列
M=length(x)-1;
N=length(t)-1;
u=ones(N+1,M+1);
u(1,:)=100; %设置初值条件：u(x,0)=100
u(2:N+1,1)=0; %设置边界条件：u(0,t)=0
u(2:N+1,M+1)=0; %设置边界条件：u(1,t)=0
%根据差分方程，计算u的数值解
for k=1:N
for i=2:M
u(k+1,i)=(1-2*r)*u(k,i)+r*(u(k,i-1)+u(k,i+1));
end
end
[x,t]=meshgrid(x,t);
mesh(x,t,u) %绘制(x,t,u)的三维图
xlabel('x')
ylabel('t')
zlabel('\u(x,t)')
title('扩散方程的数值模拟')u(x,0)=100 1
u(0,t)=0 2
u(1,t)=0 3
是限制条件，具体解释一下就是，
1.在t=0时，函数u在空间位置 x 处的值为 100 ，即初始温度为100°
2.上下温度均为0，换句话说，u在 x = 0 处的边界条件被设定为 0，在 x = 1 处的边界条件被设定为 0
所以，这个意思就是温度在长方形中间部位温度达到最高，随后逐渐消散变为0
其他方程举例 ：
对于二维泊松方程：
差分方程：
对于一维对流-扩散方程：
差分方程：
matlab代码：
u(k+1, i) = u(k, i) - r * (v * (u(k, i+1) - u(k, i-1)) / (2*dx) - D * (u(k, i-1) - 2*u(k, i) + u(k, i+1)) / dx^2)
clc，clear
% 设置参数和网格
v = ...; % 对流速度
D = ...; % 扩散系数
dt = ...; % 时间步长
dx = ...; % 空间步长
x = x_min:dx:x_max; % 网格上的位置数组
t = 0:dt:t_max; % 网格上的时间数组
% 计算稳定性条件
r = (v * dt) / (2 * dx);
% 初始化数值解
u = zeros(length(t), length(x)); % 数值解的矩阵
u(1, :) = ...; % 初始条件设置
% 遍历时间步
for k = 1:length(t)-1
% 遍历空间步
for i = 2:length(x)-1
% 根据差分方程计算数值解
u(k+1, i) = u(k, i) - r * (v * (u(k, i+1) - u(k, i-1)) / (2*dx) - D * (u(k, i-1) - 2*u(k, i) + u(k, i+1)) / dx^2);
end
end
% 绘制数值解
mesh(x, t, u);
xlabel('x');
ylabel('t');
zlabel('u(x,t)');
title('一维对流-扩散方程的数值解');r是什么
在这个问题中，r 是一个常数，它代表时间步长和空间步长的比值。 使用该值可以控制数值方法的稳定性和精度。
具体而言，在扩散方程的数值求解中，使用显式差分方法时，我们使用差分近似来代替偏微分方程中的导数项。而差分近似的准确性和稳定性取决于时间步长和空间步长的选择。
常见的稳定性要求是在进行数值模拟时确保 r 值小于或等于0.5。这被称为CFL条件（Courant-Friedrichs-Lewy条件）。
r 的计算公式如下：
r = dt / (dx^2)
其中 dt 是时间步长（时间间隔），dx 是空间步长（空间间隔）。
通过计算 r 的值，我们可以选择合适的时间步长和空间步长，以控制数值方法的稳定性和精度。
2.PDETOOL
如果你是高手，自然也会使用pdetool这个工具，直接在命令行窗口调用，绘图然后输入条件，最后导出数据，由于过程太麻烦，我就不再说了，大家可以参看这位的文章
MATLAB 偏微分方程工具箱 pdetool 入门教程 - 知乎 (zhihu.com)
3.pdepe函数
这个函数时matlab自带的，也是matlab帮助中心所运用的
示例：热方程
尝试此示例
抛物型 PDE 的一个示例是一维热方程：
此方程描述 0≤x≤L 和 t≥0 的散热情况。目标是求解 u(x,t) 温度问题。温度最初是一个非零常量，因此初始条件是
u(x,0)=T0.
此外，左边界的温度为零，右边界的温度不为零，因此边界条件为
u(0,t)=0,
u(L,t)=1.
要在 MATLAB 中求解该方程，需要对方程、初始条件和边界条件编写代码，然后在调用求解器 pdepe 之前选择合适的解网格。
编写方程代码
在编写方程代码之前，您需要确保它的形式符合 pdepe 求解器的要求：
因此，系数的值如下：
-
m=0
-
c=1
-
f=∂u/∂x
-
s=0
m 的值作为参数传递给 pdepe，而其他系数编写为方程的一个函数，即
function [c,f,s] = heatpde(x,t,u,dudx) c = 1; f = dudx; s = 0; end
在这里默认k=1，我们可以加上k
function [c,f,s] = heatpde(x,t,u,dudx)
k = 0.663; % 热传导系数
c = 1;
f = k * dudx;
s = 0;
end
p,q值由上述边界条件得出
代码：
function [c,f,s] = heatpde(x,t,u,dudx)
c = 1;
f = dudx;
s = 0;
end
function u0 = heatic(x)
u0 = 0.5;%初始温度
end
function [pl,ql,pr,qr] = heatbc(xl,ul,xr,ur,t)
pl = ul;
ql = 0;
pr = ur - 1;
qr = 0;
end选择解网格
使用包含 20 个点的空间网格和包含 30 个点的时间网格。由于解快速达到稳态，t=0 附近的时间点间隔更近以将此行为捕获到输出中。
L = 1;
x = linspace(0,L,20);
t = [linspace(0,0.05,20), linspace(0.5,5,10)];求解方程
最后，使用对称性值 m、PDE 方程、初始条件、边界条件以及 x 和 t 的网格来求解方程。
m = 0;
sol = pdepe(m,@heatpde,@heatic,@heatbc,x,t);对解进行绘图
使用 imagesc 可视化解矩阵。文章来源：https://www.toymoban.com/news/detail-766754.html
colormap hot
imagesc(x,t,sol)
colorbar
xlabel('Distance x','interpreter','latex')
ylabel('Time t','interpreter','latex')
title('Heat Equation for $0 \le x \le 1$ and $0 \le t \le 5$','interpreter','latex')希望有所帮助！文章来源地址https://www.toymoban.com/news/detail-766754.html
到了这里，关于MATLAB求解偏微分方程【PDE和差分法】的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
