Python数值和偏微分方程解
Python数值分析
线性方程组
使用numpy.linalg.solve求解以下方程式
4 x 1 + 3 x 2 − 5 x 3 = 2 − 2 x 1 − 4 x 2 + 5 x 3 = 5 8 x 1 + 8 x 2 = − 3 \begin{aligned}4 x_{1}+3 x_{2}-5 x_{3} &=2 \\-2 x_{1}-4 x_{2}+5 x_{3} &=5 \\8 x_{1}+8 x_{2} &=-3\end{aligned} 4x1+3x2−5x3−2x1−4x2+5x38x1+8x2=2=5=−3
import numpy as np
A = np.array([[4, 3, -5],
[-2, -4, 5],
[8, 8, 0]])
y = np.array([2, 5, -3])
x = np.linalg.solve(A, y)
print(x)
输出：
[ 2.20833333 -2.58333333 -0.18333333]
手工计算得出的结果与上述方法相同。 在后台，求解器实际上是在进行LU分解以获得结果。 您可以检查该函数的帮助，它需要输入矩阵为正方形且为全秩，即所有行（或等效地，列）必须线性独立。
片段14
尝试使用矩阵求逆法求解上述方程
A_inv = np.linalg.inv(A)
x = np.dot(A_inv, y)
print(x)
输出：
[ 2.20833333 -2.58333333 -0.18333333]
我们还可以使用scipy包获得用于LU分解的 L L L和 U U U矩阵
片段15
获取上述矩阵A的 L L L和 U U U
from scipy.linalg import lu
P, L, U = lu(A)
print('P:\n', P)
print('L:\n', L)
print('U:\n', U)
print('LU:\n',np.dot(L, U))
输出：
P:
[[0. 0. 1.]
[0. 1. 0.]
[1. 0. 0.]]
L:
[[ 1. 0. 0. ]
[-0.25 1. 0. ]
[ 0.5 0.5 1. ]]
U:
[[ 8. 8. 0. ]
[ 0. -2. 5. ]
[ 0. 0. -7.5]]
LU:
[[ 8. 8. 0.]
[-2. -4. 5.]
[ 4. 3. -5.]]
我们可以看到我们得到的 L L L和 U U U与我们在上述中手工得到的有所不同。 您还将看到LU函数返回的置换矩阵 P P P。 此置换矩阵记录了我们如何更改方程式的顺序，以简化计算目的（例如，如果第一行中的第一个元素为零，则它不能成为枢轴方程，因为您不能将其他行中的第一个元素转换为 零。因此，我们需要切换方程式的顺序以获得新的枢轴方程式）。 如果将 P P P与 A A A相乘，您会发现此置换矩阵会逆转这种情况下方程的顺序。
将 P P P和 A A A相乘，看看置换矩阵对 A A A有什么影响
print(np.dot(P, A))
输出：
[[ 8. 8. 0.]
[-2. -4. 5.]
[ 4. 3. -5.]]
插值和曲线拟合 | 方程根 | 微分 | 积分 | 初始值问题 | 两边值问题 | 对称矩阵特征值问题 | 优化
Python解偏微分方程
求解泊松方程
数学问题公式化：
− ∇ 2 u ( x ) = f ( x ) , x in Ω , ( 1 ) -\nabla^{2} u(\boldsymbol{x})=f(\boldsymbol{x}), \quad \boldsymbol{x} \text { in } \Omega,\qquad(1) −∇2u(x)=f(x),x in Ω,(1)
u ( x ) = u D ( x ) , x on ∂ Ω , ( 2 ) u(\boldsymbol{x})=u_{\mathrm{D}}(\boldsymbol{x}), \quad \boldsymbol{x} \text { on } \partial \Omega,\qquad(2) u(x)=uD(x),x on ∂Ω,(2)
其中， u = u ( x ) u=u(\boldsymbol{x}) u=u(x) 为未知函数， f = f ( x ) f=f(\boldsymbol{x}) f=f(x) 为规定函数， ∇ 2 \nabla^{2} ∇2 为拉普拉斯算子（常写为 ∇ \nabla ∇）， Ω \Omega Ω 为空间域， ∂ Ω \partial \Omega ∂Ω 为 Ω \Omega Ω的边界。 泊松问题，包括偏微分方程 − ∇ 2 u = f -\nabla^{2} u=f −∇2u=f 和 ∂ Ω \partial \Omega ∂Ω 上的边界条件 u = u D u=u_{\mathrm{D}} u=uD，是边界值问题的一个例子，在开始使用 FEniCS 解决它之前必须精确说明。
在坐标为 x 和 y 的二维空间中，我们可以写出泊松方程为
− ∂ 2 u ∂ x 2 − ∂ 2 u ∂ y 2 = f ( x , y ) , ( 3 ) -\frac{\partial^{2} u}{\partial x^{2}}-\frac{\partial^{2} u}{\partial y^{2}}=f(x, y),\qquad(3) −∂x2∂2u−∂y2∂2u=f(x,y),(3)
未知数 u \boldsymbol{u} u 现在是两个变量的函数， u = u ( x , y ) u=u(x, y) u=u(x,y)，在二维域 Ω \Omega Ω 上定义。
泊松方程出现在许多物理环境中，包括热传导、静电、物质扩散、弹性杆的扭曲、无粘性流体流动和水波。 此外，该方程出现在更复杂的偏微分方程系统的数值分裂策略中，尤其是 Navier-Stokes 方程。
求解边界值问题（例如 FEniCS 中的泊松方程）包括以下步骤：
有限元变分公式
基于有限元方法，它是 PDE 数值解的通用且高效的数学机器。 有限元方法的起点是以变分形式表示的偏微分方程。
将 PDE 转化为变分问题的基本方法是将 PDE 乘以函数 v v v，在域 Ω \Omega Ω 上对所得方程进行积分，并通过具有二阶导数的部分项进行积分。 乘以 PDE 的函数 v v v 称为测试函数。 要逼近的未知函数 u u u 称为试验函数。 术语试验和测试功能也用于程序。 试验和测试函数属于某些所谓的函数空间，这些函数空间指定了函数的属性
在本例中，我们首先将泊松方程乘以测试函数 v v v 并在 Ω \Omega Ω 上积分：
− ∫ Ω ( ∇ 2 u ) v d x = ∫ Ω f v d x , ( 4 ) -\int_{\Omega}\left(\nabla^{2} u\right) v \mathrm{~d} x=\int_{\Omega} f v \mathrm{~d} x,\qquad(4) −∫Ω(∇2u)v dx=∫Ωfv dx,(4)
我们在这里让 dx 表示域 Ω 上积分的微分元素。 我们稍后将让 ds 表示在 Ω 边界上积分的微分元素。
当我们推导出变分公式时，一个常见的规则是我们尽量保持 u u u 和 v v v 的导数的阶数尽可能小。 在这里，我们有 u u u 的二阶空间导数，可以通过应用部分积分技术将其转换为 u u u 和 v v v 的一阶导数。 公式是这样写的
− ∫ Ω ( ∇ 2 u ) v d x = ∫ Ω ∇ u ⋅ ∇ v d x − ∫ ∂ Ω ∂ u ∂ n v d s , ( 5 ) -\int_{\Omega}\left(\nabla^{2} u\right) v \mathrm{~d} x=\int_{\Omega} \nabla u \cdot \nabla v \mathrm{~d} x-\int_{\partial \Omega} \frac{\partial u}{\partial n} v \mathrm{~d} s,\qquad(5) −∫Ω(∇2u)v dx=∫Ω∇u⋅∇v dx−∫∂Ω∂n∂uv ds,(5)
其中 ∂ u ∂ n = ∇ u ⋅ n \frac{\partial u}{\partial n}=\nabla u \cdot n ∂n∂u=∇u⋅n 是 u u u 在边界外法线方向 n n n 上的导数。
变分公式的另一个特点是测试函数 v v v 需要在解 u u u 已知的边界部分消失。 在当前问题中，这意味着整个边界 ∂ Ω \partial \Omega ∂Ω 上的 v = 0 v=0 v=0。 因此，等式（5）右边的第二项消失了。 从等式（4）和（5）可以得出
∫ Ω ∇ u ⋅ ∇ v d x = ∫ Ω f v d x , ( 6 ) \int_{\Omega} \nabla u \cdot \nabla v \mathrm{~d} x=\int_{\Omega} f v \mathrm{~d} x,\qquad(6) ∫Ω∇u⋅∇v dx=∫Ωfv dx,(6)
抽象有限元变分公式
事实证明，为变分问题引入以下规范符号是很方便的：找到 u ∈ V u \in V u∈V 使得
a ( u , v ) = L ( v ) ∀ v ∈ V ^ , ( 9 ) a(u, v)=L(v) \quad \forall v \in \hat{V},\qquad(9) a(u,v)=L(v)∀v∈V^,(9)
对于泊松方程，我们有：
a ( u , v ) = ∫ Ω ∇ u ⋅ ∇ v d x , ( 10 ) a(u, v)=\int_{\Omega} \nabla u \cdot \nabla v \mathrm{~d} x,\qquad(10) a(u,v)=∫Ω∇u⋅∇v dx,(10)
L ( v ) = ∫ Ω f v d x , ( 11 ) L(v)=\int_{\Omega} f v \mathrm{~d} x,\qquad(11) L(v)=∫Ωfv dx,(11)
实现代码（Python）
# Create mesh and define function space
mesh = UnitSquareMesh(8, 8)
V = FunctionSpace(mesh, ’P’, 1)
# Define boundary condition
u_D = Expression(’1 + x[0]*x[0] + 2*x[1]*x[1]’, degree=2)
def boundary(x, on_boundary):
return on_boundary
bc = DirichletBC(V, u_D, boundary)
# Define variational problem
u = TrialFunction(V)
v = TestFunction(V)
f = Constant(-6.0)
a = dot(grad(u), grad(v))*dx
L = f*v*dx
# Compute solution
u = Function(V)
solve(a == L, u, bc)
# Plot solution and mesh
plot(u)
plot(mesh)
# Save solution to file in VTK format
vtkfile = File(’poisson/solution.pvd’)
vtkfile << u
# Compute error in L2 norm
error_L2 = errornorm(u_D, u, ’L2’)
# Compute maximum error at vertices
vertex_values_u_D = u_D.compute_vertex_values(mesh)
vertex_values_u = u.compute_vertex_values(mesh)
import numpy as np
error_max = np.max(np.abs(vertex_values_u_D - vertex_values_u))
# Print errors
print(’error_L2 =’, error_L2)
print(’error_max =’, error_max)
# Hold plot
interactive()
有限元求解器库 | 子域和边界条件 | 改进泊松求解器
源代码
详情参阅 - 亚图跨际