经过修正后的有限元方程为
An∗mum=fn∗(n=1,2,…,N)应该指出,自有限元方法产生以来,人们已注意到有限元方程中的系数矩阵含有大量的零元素。矩阵{An∗m}中的任一行,如第n行元素An∗k,只有当它的列下标k和行下标n为同一个单元中的结点序号时,才可能是非零元素,否则都是零元素。因此只要序号编排适当,{An∗m}将可能是一个只在对角线附近有少量非零元素的带状稀疏矩阵,即只在对角线附近一定宽度的带状之内,才可能有非零元素。带状区域之外全是零元素。这样就可以采用带状矩阵的存储格式,压缩元素储存量。若方程所对应的算子是对称的,则所获得总体系数矩阵也是对称的,对于大型的对称稀疏矩阵,在矩阵元素的储存方式上还可作进一步改进,只需要将带宽区域内的元素储存起来就可以了。
由偏微分方程建立起来的有限元方程,可能是线性的或非线性的,也可能是定常的或非定常的。对于不同性质的问题,将得到不同性质的有限元方程,求解的方法也将是不同的,下面讨论有关有限元方程组求解的一些问题。
应用有限元法求解工程问题,很多属于线性微分方程问题,或者经过适当的处理可化为线性问题,相应地建立一个线性的有限元方程组,一般写为
Au=B (3.9.18)对于线性的方程组(3.9.18),根据系数矩阵和右端项的不同情况,通常在两种情况下有解,现分别加以讨论。
(1)非奇异的线性代数方程组
若线性代数方程组(3.9.18)的系数矩阵是非奇异的,即该矩阵的行列式A≠0,则方程组式(3.9.18)存在唯一解
u=A-1B (3.9.19)
求解线性代数方程组的方法很多,有各种消去法、迭代法等,可根据具体情况选用。
(2)齐次线性代数方程组
如果有限元方程的右端项全为零,则得齐次方程组
Au=0 (3.9.20)这时,如果系数矩阵A的行列式A≠0,则存在A的逆矩阵A-1,那么式(3.9.20)只有无意义的零解。只有当A=0时,式(3.9.20)才有非零解。齐次线性代数方程的求解通常都是针对下面典型的形式进行的
Au=λu (3.9.21)
可改写为
(A-λI)u=0
它的展开式为
该方程组存在非零解的条件是
这是关于λ的n次方程,称为特征方程。解方程组(3.9.23)可得到n个根λi(i=1,2,…,n),λi称为特征值。对于每一个特征值λi,由方程组(3.9.23)可求得相应的非零解u,称为特征向量。求解特征方程的方法很多,可根据具体问题选用一种合适的求解方法。
一般情况下,采用有限元法求解稳态问题,最后得到的线性方程组系数矩阵A是正定对称矩阵,这里介绍一种特别适合这种矩阵特点的直接解法——平方根法。
假设我们要解的方程组为
Au=b (3.9.24)(www.daowen.com)
其中,A为实对称正定矩阵,A=AT。
若A的某个三角形分解式为
A=LU (3.9.25)
式中,L为上三角矩阵;U为下三角矩阵。
根据矩阵乘积转置的运算法则,有
AT=LTUT
且
LU=LTUT
在上式等号两端同时左乘L-1及右乘L-T,有
UL-T=L-1UT (3.9.26)
其中,L-T为矩阵LT的逆,根据线性代数有关定理,上(下)三角矩阵的逆仍然是上(下)三角矩阵,上(下)三角矩阵与上(下)三角矩阵的乘积仍然是上(下)三角矩阵。这样,式(3.9.26)等号左边为上三角矩阵,等号右边为下三角矩阵,等号成立的条件必然是两边均为对角矩阵D,即
UL-T=L-1UT=D
由此,得
U=DLT
代入式(3.9.25),得
A=LDLT
令
则A的分解式可写作
对于对称正定的大型稀疏矩阵A,可采用一维变带宽储存方式。考虑到每行带宽不同,因此要增设一个数组K,专门用来存放矩阵A的对角元素在一维排列中的地址和长度。一维变带宽储存,总体存储量被紧缩,且在矩阵三角分解过程中,原来矩阵的存区与三角阵、对称阵存区可重叠,避免占用大量的中间工作单元,节约内存。结合一维变带宽储存的平方根法与迭代法相比,前者可减少计算的舍入误差,易于建立通用程序,可较准确地估计计算时间,算法过程明晰,是目前在计算机上解决有限元问题的最有效方法之一,但这种方法占用内存比迭代法稍大。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。