Numerische Strömungsmechanik

Technische Universitt Ilmenau
Fakultt fr Maschinenbau
FG Thermo- und Magnetofluiddynamik
Skript zur Vorlesung
Numerische Strmungsmechanik
Lehrbeauftragter: Dr. Thomas Boeck

Raum: M 401
E-Mail thomas.boeck@tu-ilmenau.de
Stand 6. August 2015
INHALTSVERZEICHNIS
Inhaltsverzeichnis
1 Einleitung
1.1
Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Ursprnge, Geschichte der CFD . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Verwendung von CFD . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4
Schritte einer CFD-Analyse . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5
Verwendete Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1
Finite-Differenzen-Methode . . . . . . . . . . . . . . . . . . . . . .
1.5.2
Finite-Volumen-Methode . . . . . . . . . . . . . . . . . . . . . . . .
1.5.3
Finite-Element-Methode . . . . . . . . . . . . . . . . . . . . . . . .
1.5.4
Spektralverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Grundgleichungen der Strmungsmechanik
2.1
Eulersche- und Lagrangesche Beschreibung . . . . . . . . . . . . . . . . . .
2.2
Divergenz des Geschwindigkeitfelds, materielles Volumen . . . . . . . . . .
2.3
Massenerhaltung fr Fluidelemente . . . . . . . . . . . . . . . . . . . . . .
2.4
Impulserhaltung fr Fluidelemente . . . . . . . . . . . . . . . . . . . . . .
2.5
Energieerhaltungsgleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.6
Randbedingungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Partielle Differentialgleichungen, Klassifizierung
13
3.1
korrekt gestelltes Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2
Skalare PDE 1. Ordnung mit zwei unabhngigen Variablen . . . . . . . . . 13
3.3
Skalare PDE 2. Ordnung mit zwei unabhngigen Variablen . . . . . . . . . 16
3.4
Hyperbolischer Fall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.5
Parabolischer Fall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.6
Elliptischer Fall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.7
Beispiel fr schlecht gestelltes Problem . . . . . . . . . . . . . . . . . . . . 23
Dr. Thomas Boeck
INHALTSVERZEICHNIS
3.8
II
Klassifikation bei mehr als zwei unabhngigen Variablen . . . . . . . . . . 25
4 Grundlegendes zu Finite-Differenzen-Verfahren
26
4.1
Rechengitter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.2
Differenzquotienten und Abbruchfehler . . . . . . . . . . . . . . . . . . . . 27
4.3
Approximation von PDEs . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.4
Modifizierte Gleichung, numerische Diffusion/Dispersion . . . . . . . . . . 34
4.5
Stabilitt von FDA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.6
Von-Neumann-Analyse in einer Raumdimension . . . . . . . . . . . . . . . 37
4.7
Crank-Nicolson-FDA der Wrmeleitungsgleichung . . . . . . . . . . . . . . 39
4.8
Methoden fr die eindimensionale Advektionsgleichung . . . . . . . . . . . 40
4.9
4.8.1
Beispiel Leapfrog-Verfahren . . . . . . . . . . . . . . . . . . . . . 41
4.8.2
Beispiel Lax-Wendroff-Verfahren
4.8.3
Beispiel MacCormack-Verfahren . . . . . . . . . . . . . . . . . . . 43
4.8.4
Stabilitt fr Burgers-Gleichung . . . . . . . . . . . . . . . . . . . . 44
. . . . . . . . . . . . . . . . . . 42
Verfahren fr zweidimensionale Diffusionsprobleme . . . . . . . . . . . . . 45

4.9.1
Alternative mit geringerem Aufwand = approximate factorization
46
4.9.2
Weitere Alternative = ADI (alternating directions implicit) . . . . . 47
4.10 Methoden fr elliptische Probleme . . . . . . . . . . . . . . . . . . . . . . . 48

5 Finite-Differenzen-Verfahren/Strmungsprobleme
55
5.1
Stromfunktions-Wirbelstrke-Formulierung . . . . . . . . . . . . . . . . . . 55
5.2
Rolle des Drucks in inkompressiblen Strmungen . . . . . . . . . . . . . . . 57
5.3
Projektionsverfahren fr zeitabhngige inkompressible Strmungen . . . . . 58
5.4
Iterative Lsung von stationren Strmungen
6 Finite-Volumen-Methode
. . . . . . . . . . . . . . . . 61
63
6.1
Integrale Form der Grundgleichungen . . . . . . . . . . . . . . . . . . . . . 63
6.2
globale Erhaltungseigenschaften . . . . . . . . . . . . . . . . . . . . . . . . 64
Dr. Thomas Boeck
INHALTSVERZEICHNIS
III
6.3
1D-Beispiel fr Finite-Volumen-Diskretisierung . . . . . . . . . . . . . . . . 66
6.4
2D-Beispiel fr Finite-Volumen-Diskretisierung . . . . . . . . . . . . . . . . 67
Dr. Thomas Boeck
1 EINLEITUNG
Einleitung
1.1
Grundlagen
Strmungsvorgnge werden durch Feldgren beschrieben, die von Ort und Zeit
abhngen Geschwindigkeit, Druck, Temperatur, . . .
diese Gren werden durch die Erhaltungsgleichungen der Kontinuumsmechanik
bestimmt Erhaltung von Masse, Impuls und Energie
diese Gleichungen sind nichtlineare partielle Differentialgleichungen, Ableitung nach
Ort und Zeit
analytische Lsungen nur in stark idealisierten Fllen mglich, z.B.: Rohrstrmung
fr die meisten realen Geometrien mssen die Gleichungen numerisch gelst werden Computational Fluid Dynamics (CFD) = Entwicklung und Anwendung von
numerischen Methoden zur Lsung der strmungsmechanischen Gleichungen am
Computer
Computerberechnung erfordert Umformulierung der partiellen Differentialgleichungen in ein System algebraischer Gleichungen = Diskretisierung
die kontinuierlichen Felder werden durch eine endliche Anzahl von Zahlenwerten
(z.B. auf einem Gitter) ersetzt
man muss sicherstellen, dass die Lsung der algebraischen Gleichung die tatschliche
Lsung der partiellen DGL approximiert
fr Simulation turbulenter Strmungen gibt es verschiedene Arten von Simulationen
direkte numerische Simulation (DNS)
alle Wirbelstrukturen der Strmung werden auf dem Rechengitter abgebildet
keine zustzlichen Annahmen/Terme in Erhaltungsgleichung notwendig
saubere aber extrem aufwendige Lsung
RANS-Simulation (Reynolds-averaged NavierStokes)
Lsung der zeitgemittelten Erhaltungsgleichungen fr das mittlere Strmungsfeld
Dr. Thomas Boeck
1 EINLEITUNG
Erhaltungsgleichungen enthalten Reynoldsschen Spannungstensor, der modelliert wird

fr praktische Anwendungen blich, Ergebnisse mit Vorsicht zu genieen
Large-Eddy-Simulation (LES) = Grobstruktursimulation Eddy = Wirbel
Erhaltungsgleichungen werden rumlich gefiltert
kleinskalige Strukturen mssen durch Schlieungsterm dargstellt werden
Entwicklung von Schlieungsmodellen gehrt auch zu CFD
Aufwand an Speicher + Rechenzeit DNS LES RANS
1.2
Ursprnge, Geschichte der CFD
erste berlegungen zur numerischen Wettervorhersage von Richardson in den 1920er

rasche Entwicklung nach 1945 durch Entwicklung von Computern und Bedarf im
Militrbereich
1950er 1960er Jahre 2D-Berechnungen
1970er Jahre 3D-Berechnungen
seit 1980er Jahre kommerzielle Programme
1.3
Verwendung von CFD
Produktentwicklung in der Industrie

Forschungswerkzeug fr Strmungsmechanik, Klimaforschung, Astrophysik, . . .
1.4
Schritte einer CFD-Analyse
Problemstellung/-definition (Geometrie, Gleichungen, Randbedingungen, . . . )

Diskretisierung, Rechengitter
Simulation
Analyse der Resultate, Reduktion der Informationsmenge, Visualisierung (colors
for directors)
Dr. Thomas Boeck
1 EINLEITUNG
1.5
Verwendete Methoden
numerische Verfahren sind auf Basis verschiedener Diskretisierungen mglich
1.5.1
Finite-Differenzen-Methode
rumliches Punktgitter
ersetzen der partiellen Ableitungen durch Differentialquotienten
u
ui+1 ui
x
xi+1 xi
1.5.2
i = 1, 2, 3, ...
Finite-Volumen-Methode
Zerlegung des Strmungsgebiets in Zellen

Verwendung integraler Formulierung der Erhaltungsgleichungen in jeder Zelle
auf komplexe Geometrien anwendbar, globale Erhaltungseigenschaften
1.5.3
Finite-Element-Methode
Gebietszerlegung in Zellen, Verwendung von Basisfunktion i , global definiert, aber

nur auf einem Element (und dessen Nachbarn) 6= 0
Verwendung einer integralen (schwcheren) Formulierung der Erhaltungsgleichungen
u=
n
X
ui , i (x)
i = 1, 2, 3, ...
i=1
Dr. Thomas Boeck
1 EINLEITUNG
1.5.4
Spektralverfahren
Reihenentwicklung in Basisfunktionen, die nicht auf Teilgebiete konzentriert sind,

z.B.: Fourier-Reihe
u=
n
X
uk eikx
k=1
beste Konvergenzeigenschaften (sehr genau)

nur auf einfache Geometrien anwendbar
Dr. Thomas Boeck
2 GRUNDGLEICHUNGEN DER STRMUNGSMECHANIK
Grundgleichungen der Strmungsmechanik
kontinuumsmechanische Beschreibung durch Feldgren

Konzept des Fluidelements, lokales thermodynamisches Gleichgewicht (Zustandsgleichung gilt lokal)
2.1
Eulersche- und Lagrangesche Beschreibung
Lagrangesche Beschreibung = Bewegung aller Fluidelemente erfasst
~x(t, ~x0 , t0 ) = Trajektoren

~u =
d~x
= Geschwindigkeit
dt
Eulersche Beschreibung = man verfolgt nicht die Bewegung der einzelnen Fluidelemente, sondern betrachtet nur die Eigenschaften, die an einem gegebenen Ort ~r und Zeit t
vorliegen.
~u(~r, t)
substantielle Ableitung liefert zeitliche nderung fr ein materielles Fluidelement, z.B.
der Dichte.
%(~r, t) %(~r + ~u dt, t + dt) = nderung der Dichte ber Zeitintervall dt

dt
D
1
(%) =
[%(~r + ~u dt, t + dt) %(~r, t)] = Dichtedifferenz fr dt 0
Dt
dt
mit %(~r + ~u dt, t + dt) = %(~r, t) + % ~u dt +
%
t
dt = Taylorreihe
D
%
(%) =
+ (~u ) %
Dt
t
Dr. Thomas Boeck
2.2
Divergenz des Geschwindigkeitfelds, materielles Volumen
Materielles Volumen besteht immer aus denselben Fluidelementen, die mit der Strmung
transportiert werden nicht ortsfest. Notation fr materielles Volumen = .
nderung von whrend eines infinitesimalen Zeitintervalls dt.
ds = Oberflchenelement mit Flchennomale ~n

= ds ~n ~u dt
~n ~u dt = Projektion auf Senkrechte ber ds
Gesamte nderung von im Zeitraum dt.

d =
~n ~u dt ds
Man schreibt auch
D
,
Dt
d Z
d Z
= ~u ~n ds
= ~n d
Gau dt
dt
s
da materielles Volumen betrachtet wird (substantielle Ableitung).
Betrachtung von Grenzfall 0

lim
Z
~u d = ~u
Man bezeichnet jetzt als , da 0 geht.

1 D
() = ~u
Dt
= relative Volumennderung eines infinitesimalen materiellen Volumens pro Zeit.
Dr. Thomas Boeck
2.3
Massenerhaltung fr Fluidelemente
Fluidelement hat Volumen und Masse m = %

D
(m) = 0 = Massenerhaltung
Dt
D
D
D
(% ) =
(%) + %
() = 0
Dt
Dt
|Dt{z }
~
u
D%
+ % ( ~u) = 0
Dt
%
+ (~u ) % + % ( ~u) = 0
t
%
+ (% ~u) = 0
t
Fr % = konst. gilt ~u = 0 (= Massenerhaltung fr inkompressible Strmung)
2.4
Impulserhaltung fr Fluidelemente
Ziel = Anwendung des Newtonschen Gesetz F = m a auf .

m = %
und
D
~u
a=
(~u) 6=
Dt
t
F = m a = %
D
(~u)
Dt
Welche Krfte wirken auf das Fluidelement?

Volumenkrfte werden durch Kraftdichte beschrieben
Schwerkraft = F~ = m ~g = % ~g
~
Lorentzkraft = F~ = ~j B
Oberflchenkrfte werden durch Spannungstensor beschrieben.

F~ = ~t A
~t= Spannungsvektor
hngt von Orientierung der Flche ab
Dr. Thomas Boeck
Man kann durch Betrachtung der Kraftbilanz auf einem Tetraeder zeigen, dass die Kraft
F~ auf eine Flche A, die nicht in einer der Koordinatenebenen liegt, durch F~ = ~n t F~
gegeben ist.
t = Doppelvektor (Tensor)
Resultierende Kraft von der Oberflche des wrfelfrmigen Fluidelements in x-Richtung.
Mittelpunkt bei x, y, z
Betrag der oberen Deckflche
= zx (x, y, z +
z
)
2
x y
Betrag der unteren Deckflche
= zx (x, y, z
z
)
2
x y
zx (x, y, z +
z
)
2
zx (x, y, z
z
)
2
x y =
zx
x y z
z | {z }
Analog fr die anderen Ebenen
xx
x y z
x | {z }
yx
x y z
y | {z }
Dr. Thomas Boeck
Kraftkomponenten in x-Richtung ist somit

Fx =
xx yx zx
+
+
x
y
z
Analog fr y- und z-Richtung
Einsetzen ins Newtonsche Gesetz F = m a, erhlt man fr die x-Richtung

D
(ux ) =
%
Dt
xx yx zx
+
+
x
y
z
In Vektorschreibweise erhlt man %
D
(~u)
Dt
+ % gx + weiter Volumenkrfte
= % ~g + = Impulsbilanz
|{z}
f~
Problem mit
Bestimmung von
hat einen geschwindigkeitsunabhngigen Anteil

Druck wirkt auch in ruhenden Flssigkeiten
Druck wirkt allseitig, hngt nicht von Orientierung ab (isotrop)
(0)
= p I
ij (0) = p ij
I = Einheitsmatrix
geschwindigkeitsabhngiger Anteil von hngt von Geschwindigkeitsgradienten ~u

ab
(I)
Einfachster Ansatz,
hngt linear von ~u ab. Der Spannungstensor erfllt ij = ji
(Symmetrie) aufgrund der Drehimpulserhaltung, auerdem resultieren Spannungen nur
aus Scherung.
ij
(I)
1
hngt nur vonSij =
2
ij (I) =
ui uj
+
xj
xi
ab (Scherratentensor)
ijkl Skl
u,l
Dr. Thomas Boeck
10
Aus Grnden der Isotropie verbleiben vom ijkl nur ein Beitrag.
ij (I) = 2 Sij
= dynamische Viskositt
Zusammengesetzt ergibt sich
ij = ij (0) + ij (I) = p ij + 2 Sij

= Materialgesetz fr inkompressible Newtonsche Fluide
Einsetzen in Impulsbilanz ergibt

X
D
%
(ui ) = fi +
ij
Dt
xj
j
D
(~u) = f~ + ~
%
Dt
X
mit
ij
xj
X
j
(p ij ) +
(2 Sij )
xj
xj
j
Getrennt auflsen ergibt

!
p
(p ij ) =
ij
xj
xj
j
X
j
p
=
= ( p)i
xi
X
X
(2 Sij ) =
(2 Sij ) =
xj
xj
xj
j
j
X
j
X
j
2 ui
xj 2
2 uj
xj xi
X
j
|
=
X uj
(2 Sij ) = 2 ui +
xj
xi j xj
|
=0
es folgt die Navier-Stokes-Gleichung %

ui uj
+
xj
xi
=j1
6= j 0
!!
{z
}
u
xi
mit =
{z
j
xj
mit 2 =
2
2
2
+
+
x2 y 2 z 2
~
u=0
D
(~u) = p + 2~u + f~
Dt
Dr. Thomas Boeck
2.5
11
Energieerhaltungsgleichung
Fr die Herleitung wendet man den ersten Hauptsatz der Thermodynamik auf ein Fluidelement an und bilanziert zu- bzw. abgefhrte Wrme und Arbeit durch Oberflchenund Vol-menspannungen. Primr erhlt man eine Gleichung fr Gesamtenergie = innere
Energie + kinetische Energie (genauer fr Energiedichten). Man zieht deshalb die reine
mechanische Energiegleichung fr die kinetische Energiedichte ab.
(e) = q + ( T ) + |
u}
{z ~
Dt

P
ui
=
q
T
e
ij
ij
X
ij
ui
ij
xj
= viskose Dissipation
xj
= volumetrische Heizung
= Wrmestromdichte
= Dichte der inneren Energie
fr inkompressible Fluide gilt e = cv %T , wobei die viskose Dissipation vernachlssigbar

klein ist.
cv %
D
(T ) = q + ( T )
Dt
= Wrmeleitfhigkeit, T = Temperatur
D
q
(T ) =
+
2 T
Dt
cv % cv %
D
T
(T ) =
+ (~u ) T = 2 T
Dt
t
= = Temperaturleitfhigkeit
cv %
ohne q
Dr. Thomas Boeck
2.6
12
Randbedingungen
Betrachten nur inkompressible Strmungen mit ~u = 0. Dadurch ist der Druck keine
unabhngige dynamische Gre und es werden nur Randbedingungen fr ~u bentigt.
an festen Wnden gilt ~u = ~uW and (Haftbedingungen (no-Slip))
an Grenzflchen zweier Fluide gilt ~u1 = ~u2 , sowie lokales Krftegleichgewicht, eine
Normalspannung und 2 Tangentialkrfte (Spannungen)
kinematische Randbedingungen Grenzflche wird durch Strmung transportiert
fr Temperatur an Wnden gelten Randbedingungen 1., 2. oder 3. Art
erster Art, Temperatur an Wand T = TW and
zweiter Art, Wrmestromdichte an Wand qW and = ~n T
dritter Art, Beschreibung des konvektiven Wrmebergangs von der Oberflche
eines Krpers an ein vorbeistrmendes Fluid qc = h (TW T )
fr Temperatur an Grenzflchen
gilt T
= T2 und Wrmestromdichte senkrecht zu

1
T
T
Grenzflche stetig 1 n = 2 n
1
Dr. Thomas Boeck
3 PARTIELLE DIFFERENTIALGLEICHUNGEN, KLASSIFIZIERUNG
3
3.1
13
Partielle Differentialgleichungen, Klassifizierung

korrekt gestelltes Problem
Gleichungen der Strmungsmechanik (Massen-, Impuls- und Energieerhaltung) sind partielle Differentialgleichungen (PDE = partial differential equation). Man braucht zur Lsung
der PDE noch zustzliche Bedingungen (Anfangs-/Randbedingungen). Dies ist analog zu
ge-whnlichen Differentialgleichungen.
z.B.:
df
d2 f
+b=0
+
a
dx2
dx
df
Anfangswertproblem: f, dx
an der Stelle x0 gegeben
Randwertproblem:
Intervall (x1 , x2 ) f (x1 ) = A, f (x2 ) = B
(x2 )
f (x1 ) = A, dfdx
=B
Frage: Wie sieht das fr PDE aus?

Man mchte ein korrekt gestelltes Problem erhalten. Korrekt gestellt heit, das eine Lsung existiert, diese eindeutig ist und stetig von den Rand-/Anfangswerten abhngt und
ggf. noch von weiteren Parametern. Dies fhrt zur Betrachtung sogenannter charakteristischen Kurven/Flchen. Erluterung anhand einfacher Beispiele.
3.2
Skalare PDE 1. Ordnung mit zwei unabhngigen Variablen
Beispiel fr eine solche PDE Betrachtung inkompressible 2D-Strmung in einem endlichen geschlossenen Gebiet.
u(x, y)
~u =
v(x, y)
wir wollen Stromlinien als Isolinien einer Funktion (x, y) darstellen

Dr. Thomas Boeck
14
Eigenschaften einer Stromlinie

d~r muss parallel zu ~u seind
d~r = Lnge der Stromlinie in x- und y-Richtung
dx = c u
dy
dx
=
u dy = v dx
u
v
dy = c v

dx +
dy (u v)
d = (x + dx, y + dy) (x, y) =

x
y
d u v = u
v dx + v
u dy
x
y
auf einer Stromline gilt u dy = v dx
d (u v) = u
+v
x
y
v dx
= konst. ist eine Stromlinie, wenn u
+v
= 0 gilt PDE
x
y
damit in dem Gebiet eindeutig bestimmt ist, muss man auf einer Kurve g(x, y) =
0 vorgeben, die alle Stromlinien genau einmal kreuzt
sie darf ein- und dieselbe Stromlinie nicht mehrfach schneiden oder tangieren
sei nun x0 (s), y0 (s) einer Kurve mit 0 (s) gegeben diese Kurve ist eine charakteristische Kurve, wenn nicht bestimmt ist
anschaulich ist klar, dass die Kurve dann eine Stromlinie tangiert
wir wollen zeigen, dass Ableitungen von nicht berechnet werden knnen, wenn
x0 (s), y0 (s) lokal eine Stromlinie bilden
0 (s)
x0 y0
=
+
s
x s
y s
u
gilt entlang der Kurve x0 (s), ys (0)
+v
=0
x
y
Dr. Thomas Boeck
2 Gleichungen fr 2 Unbekannte
dx0
ds
dy0
ds

,
x y
0 (s)
s
keine Lsung, wenn Determinante
15

dx0
ds

u
dy0

ds
=0
dx0
u
ds ||
dy0
v
ds
parallel zueinander auf Stromlinie
Stromlinien sind also die charakteristischen Kurven

solche Kurven beschreiben Transport von Informationen durch die PDE
Werte von drfen nicht auf charakteristischen Kurven gegeben werden
Bemerkung zur sogenannten Stromfunktion
Man kann fr inkompressible 2D-Strmungen eine Stromfunktion definieren. Die Isolinien dieser Stromfunktion sind Stromlinien.
u v
+
=0
x y
u
u=
+v
=0
x
y
und v =
y
x
uvvu=0
Zur Berechnung der Stromfunktion kann man z.B. so vorgehen

2 2
u v
+ 2 =
2
x
y
y x
Dr. Thomas Boeck
16
berlegungen lassen sich auf quasi lineare PDE verallgemeinern.

a(x, y, )
+ b(x, y, )
= c(x, y, )
x
y
b
(x,
y) sei eine Lsungsflche ber x,y-Ebene
b
F (x, y, ) = (x,
y)

b F

Die PDE kann auch so interpretiert werden
=0
Die Lsungsflche wird vom Vektor [a b c]T tangiert. Wenn man eine Kurve xe(s), ye(s),
e
(s)
hat, die tangential zu [a b c]T ist, dann liegt diese in der Lsungsflche.
e
xe
ye
=
=
a
b
c
= charakteristische Kurve
Startwerte drfen nicht uf diesen Kurven gegeben werden.
3.3
Skalare PDE 2. Ordnung mit zwei unabhngigen Variablen
Charakteristische Kurve
a
2
2
2
+
b
+
c
+d
+e
=f
2
2
x
x y
y
x
y
PDE enthlt 2. Ableitung, fr Lsungen bentigt man Daten auf einer Kurve, die eindeutige Berechnungen der zweiten Ableitung gestattet.
x0 (s), y0 (s), 0 (s),
0 (s) 0 (s)
,
y
{z }
| x
x (s)
| {z }
dx
2 dx0
2 dy0
=
+
ds
x2 ds
x y ds
sowie
y (s)
dy
2 dy0
2 dx0
=
+
ds
y 2 ds
x y ds
Dr. Thomas Boeck
17
Zusammen mit der PDE sind das 3 Gleichungen fr die zweite Ableitung von
2 2 2
,
,
x2 y 2 x y
dx0
ds
dy0
ds
dx0
ds
c
0
dy0
ds
2
2
x
2
x y
2

y 2
Das System ist nicht lsbar, wenn die Determinante = 0 ist

dy0
ds

dx0
ds
dx0
dy0
ds

ds
!2
dy0
ds
!2
dy0
dx0

b

dx0
ds
dy0

ds
dx0 dy0
b
+c
ds ds
= 0 f r erste Spalte
dx0
ds
!2
=0 :
dy0
b
+c=0
dx0
dx0
ds
!2
dy0
b
dx0
2a
c
b2
= 1/2
2
4a
a
Wenn gilt
1/2 sind reell und verschieden b2 4 a c > 0
1 = 2 b2 = 4 a c
(hyperbolisch)
(parabolisch)
1/2 sind konjugiert komplex b2 4 a c < 0
(elliptisch)
Bezeichnungen kommen von den Kegelschnitten
Dr. Thomas Boeck
Die Differentialgleichung fr
dy0
dx0
18
stellt wegen 1 6= 2 zwei verschiedene Lsungen dar.
y(x, c1 ) aus 1 und y(x, c2 ) aus 2 . c1 und c2 sind Parameter und knnen als neue
Koordinaten verwendet werden.
c1 = und c2 =
neue Koordinaten sind (x, y) und (x, y). Dies ist nur fr den hyperbolischen Fall
mglich, fr elliptischen und parabolischen Fall muss und anders festgelegt.
Veranschaulichung
1 , 2 = konstant
1 6= 2
Man transformiert durch Verwendung von (x, y) und (x, y) die PDE in die sogenannte
kanonische Form.
!
hyperbolisch:
parabolisch:
elliptisch:
2

= h1
,
, , ,
1. Art

!
2 2

2. Art
= h2
,
, , ,
2
2

2

= h3
,
, , ,
2
2 2

+
= h4
,
, , ,
2
2
Betrachten im Folgenden lineare PDEs in kanonischer Form mit konstanten Koeffizienten

zur Veranschaulichung.
Dr. Thomas Boeck
3.4
19
Hyperbolischer Fall
Es gilt, dass a und c konstant sind 1 , 2 sind konstant

dy
= 1 y 1 x =
dx
Charakteristiken zu 1
dy
= 2 y 2 x =
dx
Charakteristiken zu 2
2
= ...

Wenn man = 12 ( + ) und = 21 ( ) benutzt, erhlt man die 2. Art
2
2
2
2
= ...
Beispiel Wellengleichung:
2
2u
2 u
=
c
=0
0
t2
x2
t xe, x ye zum Vergleich
2u
2u
2u
+
b
+
c
= 0 = allgemeine Form der PDE
xe2
xe ye
ye2
a = 1, b = 0, c = c0 2 durch Vergleich mit allgemeiner Form einer PDE 2. Ordnung.

b2 4 a c > 0 (hyperbolisch) ddexey =
dx
dt
b
2a
b2
4 a2
c
a
= c0 = 1/2
= c0 = 1/2 , daraus ergeben sich y + c0 x = und y c0 x =
Transformation
u(, )
u u
=
+
t
t t
u
t
u
t
=
t
u
t
+
t
u
t
2
2

2 u

2 u
u
2
+
2
+
+
t
t
t
t
|{z}
|{z}
|{z}
|{z}
|{z}
|{z}
c0
c0
c0
c0
c0
c0
Dr. Thomas Boeck
20
Analog fr x, es verleibt dann:

R
2u
u
= 0
= G() u = F2 () + F1 ()

Allgemeine Lsung u = F1 () + F2 ()
Anfangswertproblem bei t = 0 sei u(x,t=0) = f (x);
u(x,t=0)
t
= g(x)
Ist vertrglich mit der PDE, weil t = 0 keine charakteristische Kurve ist.
u = F1 () + F2 () = f (x)
dF1 d dF2 d
u
=
+
= c0
t
d dt
d dt
dF1 dF2
d
d
= g(x)
==x
1 Zx
g( ) d A
F1 (x) F2 (x) =
c0 0
Auflsen nach F1 , F2

1
1 Zx
g( ) d A
F1 (x) =
f (x) +
2
c0 0

1
1 Zx
F2 (x) =
f (x)
g( ) d A
2
c0 0
Daraus ergibt sich die DAlembertsche Lsung

u(x, t) = F1 (x + c0 t) + F2 (x c0 t)
1 Z x+co t
1
= (f (x + c0 t) + f (x c0 t)) +
g( ) d
2
2 c0 xc0 t
u hngt nur von f und g im Intervall [x c0 t; x + c0 t]
= x + c0 t
= x c0 t
Diese Eigenschaft der charakteristischen Kurve (Begrenzung von Abhngigkeits- und Einflussbereichs) trifft auch im allgemeinen Fall zu.
Dr. Thomas Boeck
3.5
21
Parabolischer Fall
dy
b
=
= 1 = 2
dx
2a
Charakteristiken knnen nicht zur Definition neuer Koordinaten verwendet werden. Man
braucht noch andere Kurvenscharen z.B.:
dy
= 0 6= 2
dx
y 1 x =
y 0 x =
Ausgangsgleichung
2
2
= g(...)
Typischerweise ist hchste Ableitung in auf rechter Seite als linearer Term vorhanden.
2
=
+ ...
2
= Konstante
Beispiel Diffusionsgleichung
2
= 2
t
x
a = , b = 0, y t
dt
=0
dx
t = konstant = charakteristische Kurve
knnen nicht und

bei t > 0.
bei t = 0 vorgegeben, stattdessen t=0 + Randbedingungen
Dr. Thomas Boeck
3.6
22
Elliptischer Fall
dy
= c1 i c 2
dx
formal:
komplexe Charakteristiken machen keinen Sinn

= y 1 x = y c1 x + i c 2 x
= y 2 x = y c1 x i c 2 x
stattdessen:
= Re() und = Im()

= y c1 x
2u 2u
2 + 2 = ln(...)
= y c2 x
generische Form
Beispiel - Laplace-Gleichung
2u 2u
+
=0
x2 y 2
Anfangswertproblem ist nicht wohlgestellt (u,
u
y
bei y = 0)
Vorgabe von Randwerten auf geschlossenem Rand
Vorgabe von u auf Rand

u
Vorgabe von
auf Rand
n
Dirichlet-Problem
Neumann-Problem
nderung der Randwerte wirkt Global

Dr. Thomas Boeck
3.7
23
Beispiel fr schlecht gestelltes Problem

2 2
+
=0
x2
y 2
auf x-Achse vorzugeben

Versuchen ,
y
= 0 bei y = 0, (x, 0) =
(ak cos(k x))
y
k=0
Versuchen Lsung mit Trennung der Variablen

2
d2 f
=
g
x2
dx2
= f (x) g(y)
2
d2 g
=
f
y 2
dy 2
Ansatz

d2 f
d2 g
2 2

+
=
0
g
+
f
=
0
: (f g)
2
2
2
2

x
y
dx
dy
1 d2 f
1 d2 g
+
=0
f dx2 g dy 2
d2 f
f = cos(k x)
2 = k 2 f
dx
d2 g
2 = k2 g
g = Abk cosh(k y) + Bb k sinh(k y)
dy
cos(k x) Abk cosh(k y) + Bb k sinh(k y)
k=0
h
i
X
=
cos(k x) Abk k sinh(k y) + Bb k k cosh(k y)
y
k=0
fr y = 0 gilt
=0
y
0=
b k sinh(k 0) + B
b k cosh(k 0)
cos(k x)
A
k
k
k=0
0=
cos(k x) Bb k k
{z
=0
{z
=1
Bb k = 0
k=0
Dr. Thomas Boeck
24
eingesetzt ergibt
=
Abk cos(k x) cosh(k y)
k=0
fr y = 0 gilt
(x, 0) =
ak cos(k x)
Abk = ak
k=0
(x, y) =
ak cos(k x) cosh(k y)
k=0
Abschtzung Konvergenz, y 1
cosh(k y)
(x, y)
1 ky
e
2
1 X
ak ek y cos(k x)
2 k=0
Konvergenz der Reihe erfordert, dass |ak | ek y cos(k x) 0, mit k Diese Forderung
ist fr gengend Groe Werte von y im Allgemeinen nicht erfllt. Problem schlecht
gestellt, keine kontinuierliche Abhngigkeit von den Anfangswerten.
Dr. Thomas Boeck
3.8
25
Klassifikation bei mehr als zwei unabhngigen Variablen
Eine Klassifikation ist schwierig, Charakteristiken lassen sich formal als Hyperflchen einfhren aber Auswertung/Interpretation kompliziert. Man kann sich behelfen, in dem man
z.B. eine der unabhngigen Variablen als homogen annimmt.
Beispiel 2D-Wrmeleitung
T
=
t
2T
2T
+
x2
y 2
=0
t
= 0, bzw.
=0
parabolischer Fall
x
y
elliptischer Fall
Weitere Komplikationen, wenn Vektorfelder gesucht sind. Generell ist Unterscheidung

zwischen hyperbolischen/parabolischen und elliptischen Problemen wesentlich. Hyperbolische/parabolische Probleme sind durch Zeitintegration (time marching) zu lsen, elliptische Probleme erfordern globales Lsungsverfahren. Es gibt auch Situationen, wo eine
Ortskoordinate als zeitartige Variable auftritt, das ist z.B. bei den Gleichungen einer stationren Grenzschicht der Fall.
dp
2u
+v
= + + 2
x
y
dx
y
p(x) sei gegeben
Fr inkompressible reibungsbehaftete Strmungen liegt ein parabolisches Problem vor.

Druck spielt eine Sonderrolle
Diskussion der Grundlagen mittels Modellgleichungen fr die verschiedenen Typen.

lineare Advektionsgleichung
Wrmeleitungsgleichung
Laplace-Gleichung
+c
=0
t
x
2
=
t
x2
2
2

=0
x2 y 2
hyperbolischer Fall
parabolischer Fall
elliptischer Fall
Dr. Thomas Boeck
4 GRUNDLEGENDES ZU FINITE-DIFFERENZEN-VERFAHREN
26
Grundlegendes zu Finite-Differenzen-Verfahren
FDA Finite-Differenzen-Approximation
Wie erhlt man FDA aus einer PDE?
Welcher Fehler tritt dabei auf? (Genauigkeit)
4.1
Rechengitter
Betrachten ein Problem, dass durch Zeitschnittverfahren zu lsen ist. Dazu erfolgt eine
Unterteilung von x und t in Schichten, die Lsung ist dann am Punkt (xi , tn ) zu bestimmen.
tn = n t konstanter Zeitabschnitt t
quidistantes Gitter in t
tn tn1
Variabel mit n
Variabler Zeitabschnitt nicht quidistant
xi = i x quidistant in x
xi xi1
Variabel mit i, nicht gleichfrmig
Man erhlt auf diese Weise ein strukturiertes Gitter, bei mehreren Raumdimensionen sind
unstrukturierte/irregulre rumliche Gitter mglich. Fr FDV nicht blich.
Diskussionen erfolgen anhand der klassischen FDA mit strukturierten Gittern.

ni = (xi , tn ) = Lsungswerte
Dr. Thomas Boeck
4.2
27
Differenzquotienten und Abbruchfehler
Umwandlung der PDE zu FDA in dem man Ableitungen durch Differenzquotienten darstellt.
u
u(x + x) u(x)
= lim
x x0
x
u u(xi+1 ) u(xi )
=
x xi
xi+1 xi
Dabei wird x = xi+1 xi als gengend klein vorausgesetzt.
Frage: Welcher Fehler tritt dabei auf?
Taylorentwicklung Vorwrtsdifferenz

u
1 2 u
1 n u
2
u(x + x) = u(x) +
x +

(x)
+
...
+
(x)n
x x
2 x2 x
n! xn
mit x < < (x + x)

u
u(x + x) u(x)
1 2 u
=
+
x
x
x x 2 x2

u(xi+1 ) u(xi )
1 2 u
u
=
x
x xi
xi+1 xi
2 x2
|
{z
T.E. steht fr Truncation Error
Abbruchfehler T.E.
Taylorentwicklung Rckwrtsdifferenz

n
u
1 2 u
2
n 1 u
(x)
...
+
(1)
u(xi x) = u(xi )
x +

(x)n
x xi
2 x2 xi
n! xn
u(xi ) u(xi1 )
1 2 u
u
=
+
x
x xi
x
2 x2
|
{z
Abbruchfehler T.E.
Der Abbruchfehler ist der Betrag, der bei der Approximation der Ableitung durch finite
Differenzquotienten vernachlssigt wird. Gre des T.E. ist nicht bekannt, nur Verhalten
mit x. Fr Vorwrts- und Rckwrtsdifferenz ist der Abbruchfehler 0(x).
Das Symbol 0(h) bedeutet f (h) = 0(hn )
|f |
hn
< k fr h 0, k = Koeffizient
Dr. Thomas Boeck
28
Frage: Wie kann man den Abbruchfehler verkleinern?

Idee: Mehr Sttzstellen fr Approximation verwenden
Sttzstellen
xi1
xi
mit x = konst = xi xi1 unabhngig von i
xi+1
Taylorentwicklung ergibt

fr xi+1
1 2 u
u
x +
x2 + 0(x3 )
u(xi+1 ) = u(xi ) +
2

x xi
2 x xi
fr xi1
1 2 u
u
x +
u(xi1 ) = u(xi )
x2 + 0(x3 )
2

x xi
2 x xi
fr xi
u(xi ) = u(xi )
es gilt
u
u(xi+1 ) + u(xi ) + u(xi1 ) =

x xi
Einsetzen und Betrachtung der einzelnen Komponenten

0. Ableitung u(xi )
u(xi ) + u(xi ) + u(xi ) = 0

++ =0
u
1. Ableitung

x xi
u
u
u
x + 0 +
x =

x xi
x xi
x xi
x x = 1

u

x2
2. Ableitung
xi

u

x2
xi
1
(x)2 + 0 +
2
+ =0
Zusammengefasst ergibt dies =
Daraus ergibt sich
1
2 x
1
,
2 x

u

x2
(x)2 = 0
xi
1
= 0 und = 2 x
.
(u(xi+1 ) u(xi1 )) =
u

x xi
+ 0(x2 )
zentrale Differenz = Mittelwert von Vorwrts- und Rckwrtsdifferenz
Dr. Thomas Boeck
29
Frage: Was macht man fr hhere Ableitungen?

Beispiel
2u
u
v
=
2
x
x
x

vi+1 vi
v
=
+ 0(x)

x xi
x
2u
x2
v=
vi+1
u
ui+2 ui+1
=

=
+ 0(x)

x xi+1
x

ui+1 ui
u
=
+ 0(x)
vi =

x xi
x
einsetzen ergibt

v
1
=

x xi
x
ui+1 ui
ui+2 ui+1
+ 0(x)
+ 0(x)
x
x

+ 0(x)
v
1
=
(ui+2 2 ui+1 + ui ) + 0(x0 )
2

x xi
x
mit
0(x)
x
= 0(x0 ), x0 = 1, Abbruchfehler somit nicht verkleinerbar, zu pessimistisch

ui+2 2 ui+1 + ui
x2
kann jedoch auf Abbruchfehler untersucht werden
Ergebnis

ui+2 2 ui+1 + ui
2 u
=
+ 0(x)
2

x xi
x2
fr hhere Ableitungen sind mehr Zwischenschritte notwendig
Beispiel
u
= ... + 0(x4 )
4. Ableitung
x
5 Sttzstellen xi+2 xi+1 xi xi1
xi2
Taylorentwicklung and diesen Stellen

u1+2 = ui + ...

u
u(xi+2 ) + u(xi+1 ) + u(xi ) + u(xi1 ) + u(xi2 ) =
+ 0(x4 )
x xi

u
1
=
(u(xi+2 ) + 8 u(xi+1 ) 8 u(xi1 ) + u(xi2 ))
x xi
12 x
Dr. Thomas Boeck
30
Vorgehen fr hhere Ableitungen im Prinzip analog, man bentigt aber mehr Sttzstellen
z.B. 3 Stellen fr 2. Ableitung usw.

ui+1 2 ui + ui1
2 u
=
zentrale Differenz 2. Ableitung
+ 0(x2 )
2
2

x xi
x
Frage: Wie verhlt sich das bei gemischter Ableitung nach x und y?

u

x y
2
=
xi ,yj
u
y
1
x
y xi+1
|
{z

u

+ 0(x)
y xi
}
Vorwrtsdifferenz
uj+1 uj
u
=

y yj
y
(Vorwrtsdifferenz)
Vereinfachung u(xi , yj ) = ui,j

2 u
1
=

x y xi ,yj
x
ui+1,j+1 ui+1,j
ui,j+1 ui,j
y
y
+ 0(x, y)
Man kann auch Sttzstellen verwenden, die nur auf einer Seite von xi liegen, z.B. fr
Ableitungen am linken Gebietsrand fr hhere Auflsung.
u
1
=
(3 ui + 4 ui+1 ui+2 ) + 0(x2 )

x xi
2 x

u
1
=
(3 ui 4 ui1 + ui2 ) + 0(x2 )

x xi
2 x
Dr. Thomas Boeck
4.3
31
Approximation von PDEs
Wrmeleitungsgleichung als Beispiel

T
2T
=
+ f (x, t)
t
x2
mit quidistanten Gitter
xi = i x
tn = n t
T (xi , tn ) Tin
partielle Ableitung durch Differenzenquotienten ersetzen

Tin+1 Tin
T

=
t xi ,tn
t

(Vorwrtsdifferenz in Zeit)
n
n
2 Tin + Ti1
Ti+1
2 T

=
t2 xi ,tn
x2
(zentrale Differenz 2. Ordnung im Ort)
f (xi , tn ) = fin
einsetzen in PDE ergibt

n
n
Ti+1
2 Tin + Ti1
Tin+1 Tin
=
+ fin
2
t
x
= finite Differenzen Approximation (FDA)
wichtig: Ableitungen mssen immer an gleicher Stelle approximiert werden.

Abbruchfehler des Verfahrens kann wie gehabt mit Taylorentwicklung bestimmt werden,
man muss aber sowohl in x als auch in t entwickeln.
T (x x, t) = T (x, t)
T (x, t)
1 2 T (x, t)
1 3 T (x, t)
1
2
x +
x
x3 +
...
2
3
x
2
x
6
x
24
T (x, t + t) = T (x, t) +
T (x, t)
1 2 T (x, t) 2 1 3 T (x, t) 3
1
t +
t +
t +
...
2
3
t
2
t
6
t
24
Dr. Thomas Boeck
32
n
T n 2 Tin + Ti1
Tin+1 Tin
i+1
T.E. =
fin
t
x2
T (x, t) 1 2 T (x, t)
+
T.E. =
t
t
2
t2
T.E. =
2 T (x, t)
1 4 T (x, t)
+
x2 fin
x2
12
x4
2 T (x, t)
T (x, t)
1 2 T (x, t)
1 4 T (x, t)
n
f
+
t
x2
i
2
2
4
t
x
2
t
12
x
|
{z
}
=0 exakte Lsung
T.E. = 0(t) + 0(x2 )
FDA ist konsistent, wenn Abbruchfehler T.E. 0 geht, falls x 0, t 0

Konsistenz ist notwendig, damit Lsung der PDE korrekt approximiert wird
Konsistenz ist dafr jedoch im Allgemeinen nicht ausreichend
Die in der FDA verknpften Nachbarpunkte von xi , tn bilden den sogenannten Rechenstern (Stencil, finite-difference-molecule).
Die FDA (Vorwrtsdifferenz fr Zeit und zentrale Differenz fr Ort) heit auch FTCS
(forward in time, centered in space). FTCS ist ein sogenanntes explizites Verfahren, d.h.
man erhlt die Lsung auf Zeitebene (n+1) von Zeitebene (n) ohne ein Gleichungssystem
zu lsen.
Dr. Thomas Boeck
33
Gegenteil von explizit ist implizit, Gleichungssystem muss gelst werden.

Beispiel Rckwrtsdifferenz in Zeit t, Stelle xi , tn+1
2T
T
=
+ f (x, t)
t
x2
Tin+1 Tin
T

=
t xi ,tn
t
n+1
n+1
2 T
Ti+1
2 Tin+1 + Ti1

=
t2 xi ,tn
x2
Tin+1
|
2 t
n+1 t
n+1 t
Ti1
= Tin + fin+1 t
Ti+1
1+
2
2
2
x
x
x
| {z }
| {z }
{z
T sei gesucht zwischen x0 und xN , Randwerte von T bei x0 , xN seien bekannt T0n , TNn
1
0
0

0 0 1
T (x0 , tn+1 )
T n+1
n
n+1
T1 + f1n+1 t
T1
n
n+1
T2
T2 + f2n+1 t
n+1
T (xN , tN )
TN
Lsung durch Thomas-Algorithmus (spezielle Form der Gauschen Elimination)

implizites Verfahren ist aufwendiger, aber bessere Stabilittseigenschaften (greres
t mglich)
Dr. Thomas Boeck
4.4
34
Modifizierte Gleichung, numerische Diffusion/Dispersion
Wegen T.E. liefert FDA nicht die exakte Lsung der PDE. Man kann sich fragen, welche
PDE-Lsung an den Gitterpunkten exakt mit der FDA bereinstimmt. Diese PDE ist die
sogenannte modifizierte Gleichung.
Diskussion anhand der 1D-linearen Advektionsgleichung

u
u
+c
=0
t
x
Lsung u(x c t)
FDA mit 1st order upwind method (Aufwind-Methode 1. Ordnung)

un+1 uni
u

= i
t xi ,tn
t

uni uni1
u
=

x xi ,tn
x
un uni1
un+1
uni
i
+c i
=0
t
x
Frage: wie kommt man zur modifizierten Gleichung? (Taylorentwicklung und Differenzieren ber Kreuz)
un+1
= uni +
i
1 2u 2 1 3u 3
u
t +
t +
t + ...
t
2 t2
6 t3
uni1 = uni
1 2u
1 3u
u
2
x +
x
x3 + ...
x
2 x2
6 x3
einsetzen in FDA ergibt folgendes

I)
II)
u
c 3u
u
1 2u
1 3u 2
c 2u
x
x2 + ...
+c
=
t
t
+
...
+
2
3
2
3
t
x
2 t
6 t
2 x
6 x
2u
2u
1 3u
(I) 2 + c
=
t + ...
t
t
x t
2 t3
Dr. Thomas Boeck
35
2u
c 3u
2 u
III) c
(I) c
+c
t + ...
=
x
t x
x2
2 t2 x
II - III ergibt IV
2
c 3u
2u
1 3u
c 3u
c2 3 u
2 u
t
+
=
c
t
+
x
x + ...
t2
x2 2 t3
2 t2 x
2 t x2
2 x3
IV )
durch einsetzen von IV in I entsteht

u
u
t2
+c
=
t
x
2
V)
V I)
2 u t 3 u c 3 u
c
x + ...
+
x2
2 t3
2 x2 t
2
3u
3u
2 u
(IV
)
=
c
+ ...
t3
t
t3
x2 t
Durch einsetzen von Gleichung VI in V wird

Des Weiteren werden
3u
t2 x
und
3u
t x2
3u
t3
eliminiert.
durch die Gleichungen II und III eliminiert.
Am Ende resultiert aus V

u
c x
2 u c x2
3u
u
2
+c
=
(1 )
+
(3
1)
2
3
t
x
| 2 {z
} x
| 6
{z
} x
numerische Diffusion
3
numerische Dispersion
+ 0(t , x t , t x2 , x3 )
mit =
c t
x
Dr. Thomas Boeck
4.5
36
Stabilitt von FDA
Stabilittsbegriff im Sinne der numerischen Mathematik erfordert eine Norm zur Charakterisierung des Abstands zwischen numerischen Lsungen.
Maximum-Norm
||u|| = max {|uj |}
diskrete L2 -Norm
o<j<
||u||2 =
v
u
N
uX
u
t
(xj
uj 2 )
j=0
Stabilittsbegriff betrifft Anfangswertproblem, d.h. Zeitschrittverfahren.
Wir betrachten im Folgenden nur lineare Probleme

t u = L u
L = linear mit rumlicher Ableitung
L (u1 + u2 ) = L u1 + L u2
L ( u) = L u
Eine FDA der PDE t u = L u sei gegeben; u, v seien numerische Lsungen dieser FDA
fr verschiedene Anfangswerte u , v (Randwerte bleiben gleich).
FDA ist stabil fr n t < tmax , wenn es eine Konstante k gibt, so dass ||v n un ||
k ||u v + || gilt. Wobei die Konstante k unabhngig von u , v und vom "Verfeinerungsweg"(refinement path) t(x) ist.
Bemerkung
Aus praktischer Sicht kann man grob sagen, dass sich durch die FDA Rundungsfehler nicht
aufschaukeln drfen. Der mathematische Stabilittsbegriff ist aber unabhngig davon,
ob man die FDA nur mit einem Rundungsfehler lsen kann, oder nicht. Beweis der Stabilittseigenschaft im Allgemeinen schwierig oder nicht durchfhrbar. Fr einfache lineare
PDE mit konstanten Koeffizienten gibt es die sogenannte Von-Neumann-Stabilittsanalye.
Dr. Thomas Boeck
4.6
37
Von-Neumann-Analyse in einer Raumdimension

nj = unj vjn
= Abstand der Lsung u, v
unj , vjn erfllen FDA fr verschiedene Anfangswerten mit gleichen Randwerten. erfllt
FDA mit Randwerten = 0. kann per Fourier-Ansatz (*) dargestellt werden.
nj = n ei k xj
()
xj = j x
k = Wellenzahl
= zeitlicher Verstrkungsfaktor
ergibt sich durch Einsetzen in FDA

(k, x, t), Verfahren ist Stabil fr |(k, x, t) 0|
Bemerkung
ist streng eine Superposition von Fourier-Moden (*) mit verschiedenen k. Wegen Linearitt knnen Moden getrennt betrachtet werden.
Beispiel FTCS fr Wrmeleitungsgleichung (explizit)

T
2T
=
t
x2
Tjn nj
n
Tjn+1 Tjn
T n 2 Tjn + Tj1
= j+1
t
x2
n+1
nj
j
=
(n 2 nj + nj1 )
t
x2 j+1
Ansatz fr nj
n ei k xj

1
n i k xj i k x
i k x
=
e
e
2
+
e
t
x2
|
{z
}
Eulerformel
Eulerformel = ei = cos() i sin()

ei k x 2 + ei k x cos(k x) + i sin(k x) 2 + cos(k x) i sin(k x)
Dr. Thomas Boeck
38
durch Krzen erhlt man somit

=1+
2 t
(cos(k x) 1)
{z
}
x2 |
0
|| 1, diese Bedingung erfordert, dass 1
worst case
cos(k x) = 1
4 t
2
x2
4 t
1
x2
t
1
Stabilittsbedingung
2
x
2
=1
Einschrnkung der Zeitschrittweite t in Abhngigkeit von x, typisch fr explizite FDA.
Beispiel Rckwrtsdifferenz der Wrmeleitungsgleichung in der Zeit (implizit)

T
2T
=
t
x2
Tjn nj
n+1
Tjn+1 Tjn
T n+1 2 Tjn+1 + Tj1
= j+1
t
x2
2
1
=
(cos(k x) 1)
t
x2
1
=
1
t
1 + 2x
2 (1 cos(k x))
|
{z
Uneingeschrnkt stabil fr t beliebig
Vergleich explizite mit implizitem Verfahren

r=
t
x2
= (r, cos(k x))
Dr. Thomas Boeck
39
Frage: Was wre exaktes Resultat fr aus der PDE?

= A e t ei k x
einsetzen in PDE
(tn+1 )
2
= exakt = e k t
(tn )
2

= 2 k2
t
x
unabhngig von x
Zunehmende Abweichung zwischen exakt und aus FDA, wenn k x nicht klein genug
ist (und r ebenfalls).
4.7
Crank-Nicolson-FDA der Wrmeleitungsgleichung
T
2T
=
t
x2
i
Tin+1 Tin
h n+1
n
n+1
n
n+1
n
=
(T
+
T
)
2
(T
+
T
)
+
(T
+
T
)
i+1
i+1
i
i
i1
i1
t
2 x2
Fehleranalyse zeigt, dass die FDA einen T.E. 0(x2 , t2 ) besitzt. Lsung mittels einfachen
Gleichungssystems.
Dr. Thomas Boeck
4.8
40
Methoden fr die eindimensionale Advektionsgleichung

u
u
+c
=0
t
x
u = u(x c t)
c>0
tn = n t
xi = i x
explizites Verfahren
n n
ui ui1
n
n
= upwind
un+1
uni
ui+1 ui
i
= c
= downwind
x
n
n
ui+1 ui1
2 x
implizites Verfahren
= zentral
uni
un+1 un+1
un+1
i1
i
= c i+1
= zentral
t
2 x
upwind, downwind ebenfalls mglich
Von-Neumann-Analyse nj = unj vjn mit nj = n ei k xj

nach einsetzen in die verschiedenen FDA stellt man fest, dass
explizit
upwind
stabil fr || 1, falls 1
downwind
zentral
immer stabil
implizites Verfahren ist uneingeschrnkt stabil

ist die sogenannte Courant-Zahl bzw. auch CFL (Courant-Friedrich-Lewy)
Diese FDA sind auch mit hoher numerischer Dissipation behaftet (ungnstig), auerdem haben sie Phasenfehler.
Dr. Thomas Boeck
41
exakte Lsung der Fouriermode ist ei k (xc t)
k,exakt = ei k c x
k,F DA
k,exakt
= r ei
k,F DA 6= k,exakt
= Phasendifferenz bzw. -fehler
Verfahren zweiter Ordnung besser wegen geringeren Abbruchfehlers
4.8.1
Beispiel Leapfrog-Verfahren
zentrale Differenzen fr
u
u
und
an xi und tn
t
x
uni+1 uni1
un+1
un1
i
i
= c
2 t
2 x
T.E. ist 0(x2 , t2 )
Von-Neumann-Analyse liefert
|| =

1 2

sin(k x)
1
i sin(k

x)
instabil fr || > 1, wenn > 1, fr < 1 immer stabil

|k | 1, wenn 1 keine Dmpfung, nur Dispersion
Man sieht dies auch an der modifizierten Gleichung

u
u
c x2 2
3 u c x4
5u
+c
=
( 1) 3
(9 4 10 2 + 1) 5 + ...
t
x
6
x
120
x
(nur ungerade Ableitungen rechts)
Dr. Thomas Boeck
4.8.2
42
Beispiel Lax-Wendroff-Verfahren
Idee = Taylor-Entwicklung in der Zeit

u(x, t + t) = u(x, t) +
u
1 2u 2
t +
t
t
2 t2
|{z}
=c
2u
2 =
t
t
u
t
u
x
u
=
c
t
x
u(x, t + t) = u(x, t) c
= c
x
u
t
u
= c
c
x
x
= c2
2u
x2
u
1 2u
t + c2 2 t2
x
2 x
c
c2 t n
un+1
uni
i
=
(uni+1 uni1 ) +
(u 2 uni + uni1 )
t
2 x
2 x2 i+1
T.E. ist 0(x2 , t2 )
Lax-Wendroff ist stabilisierte Version des instabilen Zentralen-Differenzen-Verfahren

1.Ordnung. Lax-Wendroff ist stabil fr 1
modifizierte Gleichung fr Lax-Wendroff

u
u
c x2
3 u c x3
4u
+c
=
(1 2 ) 3
(1 2 ) 4
t
x
6
x
8
x
Dominierend ist der Dispersionsterm mit
3u
x3
Dr. Thomas Boeck
4.8.3
43
Beispiel MacCormack-Verfahren
basiert auf Prdiktor-Korrektor-Idee
u
1
un+1
uni
1 u
i
entspricht der Approximation bei t + t

+

=
t
2 t t
t t+t
2

{z
unbekannt
Prdiktor fr t + t, u*
un uni
ui uni
u
=
= c i+1
t t
t
x

ui (rechtsseitige Differenz)
Korrektor
ui ui1
u

=
c
t t+t
x

(linksseitige Differenz)
Zusammengefasst
1 ui uni
c
uni
un+1
i
=
(u ui1 )
t
2
t
x i

Prdiktorschritt
ui = uni (uni+1 uni )
Korrektorschritt
un+1
=
i
1 n
(ui ui ) (ui ui1 )

2
2
stabil fr 1 und T.E. ist 0(x2 , t2 )
Dr. Thomas Boeck
4.8.4
44
Stabilitt fr Burgers-Gleichung
u
u
2u
+u
= 2
t
x
x
(nichtlinear) Von-Neumann-Analyse nicht anwendbar
FDA sei z.B.:

F DA sei z.B. :
un uni1
un 2 uni + uni1
un+1
uni
i
+ uni i+1
= i+1
|{z}
t
2 x
Deltax2
=C
Konstante C fr Stabilittsanalyse eingefhrt

wenn nichtlinearer Term uni durch Konstante C ersetzt wird, dann ist Von-Neumann
Analyse mglich.
C 2 t 2
t
1
2
x
2
C = umax (heuristisches Vorgehen)
Fr nichtlineare Gleichungen wird hufig heuristische Stabilitt fr einzelne Terme separat

gefordert, z.B.: Advektionsterm und Diffusionsterm, man erwartet, dass das Verfahren
funktioniert.
Dr. Thomas Boeck
4.9
45
Verfahren fr zweidimensionale Diffusionsprobleme
2T
T
2T
=
+
t
x2
y 2
xi = i x, yj = j y
n
Ti,j
= T (x, y, t)
Stabilitt kann mit von-Neumann-Analyse untersucht werden.
Beispiel FTCS fr Wrmeleitungsgleichung (explizit)

2T
2T
T
=
+
t
x2
y 2
n+1
n
n
n
n
n
n
n
Ti,j
Ti,j
Ti+1,j
2 Ti,j
+ Ti1,j
Ti,j+1
2 Ti,j
+ Ti,j1
=
+
t
x2
y 2
"
ni,j
= e
i k x xi
i k y yj
1
1
+
stabil fr t
x2 y 2
1
2
Implizites Verfahren oder Crank-Nicolson-Verfahren fhren auf lineares Gleichungssystem

mit Nx Ny Unbekannten, sehr aufwendig zu berechnen (Nx Ny )3 Rechenschritte notwenig.
Dr. Thomas Boeck
4.9.1
46
Alternative mit geringerem Aufwand = approximate factorization
vereinfachte Schreibweise
n
n
n
Ti+1,j
2 Ti,j
+ Ti1,j
x2
n
n
n
Ti,j+1
2 Ti,j
+ Ti,j1
=
y 2
n
=
Lx Ti,j
I)
n
Ly Ti,j
II)
n+1
n
Ti,j = Ti,j
Ti,j
III)
implizite Methode
1
t
n+1
n+1
Ti,j = Lx Ti,j
+ Ly Ti,j
daraus ergibt sich
1
t
n
n
+ Ly Ti,j |t
+ Lx Ti,j + Ly Ti,j
Ti,j = Lx Ti,j
n
n
(1 t Lx t Ly ) Ti,j = t (Lx Ti,j
+ Ly Ti,j
)
{z
(1 t Lx ) (1 t Ly )
Fehler ist hierbei
ersetzen von
2 t2 Lx Ly Ti,j
d.h. T.E. ist 0(t2 )
(1 t Ly ) Ti,j = Tei,j
durch Faktorisierung erhlt man somit

n
n
(1 t Lx ) Tei,j = t (Lx Ti,j
+ Ly Ti,j
)
(1 t Ly ) Ti,j = Tei,j
1D-Problem in i
1D-Problem in j
Verfahren ist uneingeschrnkt stabil, Aufwand ist deutlich geringer.
Dr. Thomas Boeck
4.9.2
47
Weitere Alternative = ADI (alternating directions implicit)
Erklrung An 2D Diffusionsproblem auf Recheck

2T
T
2T
=
+
t
x2
y 2
1. Halbschritt
n
Tei,j
Ti,j
n
Tei,j Ti,j
t
2
2. Halbschritt
e
Ti+1,j
n
n
n
+ Ti,j1
2 Ti,j
2 Tei,j + Tei1,j Ti,j+1
2
2
x
y
{z
}
{z
implizit
explizit
n+1
Tei,j Ti,j
n+1
Ti,j
Tei,j
t
2
e
Ti+1,j
n+1
n+1
n+1
2 Ti,j
+ Ti,j1
2 Tei,j + Tei1,j Ti,j+1
2
2
x
y
{z
}
explizit
{z
implizit
daraus ergibt sich

t
1
Lx
2
t
1
Ly
2
Te
i,j
t
= 1+
Ly
2
n+1
Ti,j
t
Lx
= 1+
2
n
Ti,j
1D in x
Tei,j
1D in y
Abbruchfehler ist 0(t2 , x2 , y2 ), ist uneingeschrnkt stabil in 2D, gilt nicht in 3D,
dort nur approximate factorization ohne Einschrnkung stabil.
Dr. Thomas Boeck
4.10
48
Methoden fr elliptische Probleme
elliptisch bedeutet Gleichgewicht, keine zeitartige Variable
einfachstes Problem = 1D stationre Wrmeleitung
2u
=f
x2
xi = i x
x =
auf 0 < x < L

zentrale Differenzen
ui+1 2 ui +ui1
x2
L
N
= fi , lineares Gleichungssystem, tridiagonal
Lsung mit Thomas-Algorithmus, Aufwand dafr 0(N) Rechenoperationen
2D Problem = 2 u = f (Poisson-Gleichung)
zentrale Differenzen
ui+1,j 2 ui,j + ui1,j ui,j+1 2 ui,j + ui,j1

+
= fi,j
x2
y 2
Man erhlt wieder ein lineares Gleichungssystem. Die Struktur ist aber komplizierter als
im eindimensionalen Fall.
Betrachten rechteckiges Gebiet als Beispiel
0 i Nx
0 j Ny
L = j (Nx + 1) + i fr Nummerierung
L = ui,j , cL = fi,j
Fortlaufende Nummerierung der einzelnen Punkte, um lineares Gleichungssystem in blicher Weise zu erhalten.
Dr. Thomas Boeck
49
berfhrung der Gleichung fr zentrale Differenzen in L-Schreibweise

i, j
j (Nx + 1) + i = L
i + 1, j
j (Nx + 1) + i + 1 = L + 1
i 1, j
j (Nx + 1) + i 1 = L 1
i, j + 1
(j + 1) (Nx + 1) + i = L + Nx + 1
i, j 1
(j 1) (Nx + 1) + i = L Nx 1
aL,L L + aL,L+1 L+1 + aL,L1 L1 + aL,L+Nx +1 L+Nx +1 + aL,LNx 1 LNx 1 = cL

gilt nicht am Rand
Matrixschreibweise
A ~ = ~c
A = (aL,m )
~ = (L )
~c = (cL )
Koeffizientenvergleich ergibt
aL,L = 2
1
1
+
2
x
y 2
aL,L+1 = aL,L1 =
1
x2
aL,L+NX +1 = aL,LNx 1 =
1
y 2
aL,k = 0 = alle restlichen Werte (siehe Matrixschreibweise)
Struktur der Matrix (Bandmatrix, schwach besetzt (sparse)
Dr. Thomas Boeck
50
Fr solche Matrizen gibt es spezielle direkte Lsungsverfahren. Direkt heit, man erhlt
die exakte Lsung nach endlich vielen Rechenschritten, z.B.: Gausche Elimination.
Allgemeine direkte Verfahren, die die Bandstruktur nicht beachten, sind sehr aufwendig
und deswegen im Allgemeinen ungeeignet. Der Aufwand der Lsung geht mit 0(N3 )
N = Anzahl der Unbekannten
z.B.: Nx = Ny = 100 N = 104 0(N 3 ) = 1012 Rechenoperationen
Alternative zu direkten Verfahren = iterative Verfahren
Iterativ heit, keine exakte Lsung nach endlich vielen Rechenoperationen. Iterative Verfahren sind hufig vorteilhaft (schneller + weniger Speicherintensiv).
Idee fr Iteration
A=AB+B
A ~ = ~c
B ~ + (A B) ~ = ~c
B ~ n+1 = ~c + (B A) ~ n
n = Index der Itertion
Auflsung nach n+1 soll mglichst einfach sein, rasche Konvergenz ist erwnscht. Einfachste Wahl, B sei diagonaler Anteil von A, dies ist das Jacobi-Verfahren.
N
X
aL,j j = cL =
aL,L Ln+1
j=0
L1
X
aL,j jn
j=0
aL,j jn
j=L+1
Ln+1
N
X
L1
N
X
X
1
=
cL
aL,j jn
aL,j jn
aL,L
j=0
j=L+1
Verbesserte Variante, man nutzt die schon bekannten neuen Werte jn+1 auf der rechten
Seite. Dies ist das Gau-Seidel-Verfahren.
Ln+1 =
1
cL
aL,L
L1
X
aL,j jn+1
j=0
N
X
aL,j jn
j=L+1
Dr. Thomas Boeck
51
In der Matrixnotation A = D + L + U
D = diagonaler Anteil
L = untere Dreiecksmatrix
U = obere Dreiecksmatrix
Jacob-Verfahren B = D
D ~ n+1 = ~c (L + U ) ~ n
Gau-Seidel-Verfahren
D ~ n+1 = ~c L ~ n+1 U ~ n
Gau-Seidel-Verfahren mit Gewichtung (Diagonalanteil vom vorigen Schritt)

D ~ n+1 = (1 ) D ~ n + (~c L ~ n+1 U ~ n )
=Relaxationsparameter
< 1 = Unterrelaxation
< 1 = berrelaxation
Ziel ist es so zu whlen, dass Konvergenz mglich rasch erfolgt. (SOR successive overreaxation)
Konvergenzkriterien
n = ||~ n+1 ~ n || =
"N
X
# 12
(ln+1 ln )2
l=0
Falls n konvergiert, dann geht n 0. Abbruch der Iteration, wenn n < .

Frage: wie klein muss sein?
Dr. Thomas Boeck
52
weitere Mglichkeit Residuum

rn = ~c A ~ n
~c = A ~
rn = A ~ A ~ n = A (~ ~ n )
||rn || = ||A|| ||(~ ~ n )|| zur Definition der Matrixnorm, siehe lienare Algebra
Abbruch, wenn ||rn || < , keine Garantie fr ||~ ~ n || < Zielwert, aber trotzdem vorteilhaft, weil Zusammenhang zwischen rn und ~ ~ n .
Frage: Wann konvergiert die iterative Verfahren Jacobi, Gau-Seidel, SOR?

Hinreichend aber nicht zwingend notwendig ist Diagonaldominanz der Matrix A. DiagoP
naldominanz liegt vor, wenn |aL,L | N
j=1,j6=L |aL,j | fr alle L mit 1 L N .
Fr mindestens einen Wert von L muss auerdem streng > gelten.
Beispiel fr Konvergenzraten des Jacobi-Verfahrens

2 u = f
auf 0 < x < 1, 0 < y < 1
x = y
u = 0 am Rand
N x = 1 (quidistantes Gitter)
ui+1,j 2 ui,j + ui1,j ui,j+1 2 ui,j + ui,j1

+
= fi,j
x2
y 2
fr Jacobi gilt

4
1 (n)
(n+1)
(n)
(n)
(n)
u
+
u
+
(u
+
(u
+
(u
= fi,j
i,j
i+1,j
i1,j
i,j+1
i,j1
x2
x2
(n)
(n)
(exakt)
Fehler = ei,j = ui,j ui,j

(n)
(n)
(exakt)
ui,j = ei,j + ui,j
exakte Lsung erfllt die Gleichung
in Jacobi einsetzen
x = y
(n+1)
ei,j
1
4
(n)
(n)
(n)
(n)
ei+1,j + ei1,j + ei,j+1 + ei,j1
Dr. Thomas Boeck
53
Fehler kann in Fourier-Moden entwickelt werden

(n)
ei,j =
(n)
akx ,ky sin(kx xi ) sin(ky yj )
Sinusansatz wegen Randbedingung an u
kx ,ky
kx = , 2, ..., (N 1) = Wellenzahlen in x-Richtung

ky = , 2, ..., (N 1) = Wellenzahlen in y-Richtung
(n)
akx ,ky = Amplitude
(n)
(n+1)
Einsetzen der Fourierdarstellung ergibt Zusammenhang zwischen akx ,ky und akx ,ky
(n+1)
ei,j
1 X (n) sin(kx xi kx x) sin(ky yj ) + sin(kx xi + kx x) sin(ky yj )

a
=
4 kx ,ky kx ,ky +sin(kx xi ) sin(ky yj ky x) + sin(kx xi ) sin(ky yj + ky x)
mit sin( + ) = sin() cos() + cos() sin()

und sin( ) = sin() cos() cos() sin()
(n+1)
ei,j
(n+1)
ei,j
1 X (n)
a
[sin(kx xi ) sin(ky yj ) (2 cos(kx x) + 2 cos(ky x))]
4 kx ,ky kx ,ky
=
(n+1)
akx ,ky [sin(kx xi ) sin(ky yj ) ]
kx ,ky
Koeffizienten mssen gleich sein, weil Fourier-Moden linear unabhngig sind.

(n+1)
akx ,ky =
1
(n)
(cos(kx x) + cos(ky x)) akx ,ky
{z
}
2|
|| < 1, sonst Konvergenz
Dr. Thomas Boeck
54
Betragsmig grte Werte von bestimmen das Abklingen des Fehlers mit Iterationsindex n.
x =
1
N
kx x =
N 1
, ...,
N
N
betragsmig grte Werte von bei

max|| = cos

(n+1)

Konvergenzrate ei,j
1
2
ky = analog
und
N 1
N
(siehe Kosinusfunktion)
2

(n)
< max|| ei,j
asymptotisch (n )

(n)
ei,j
= max|| = 1
1
2
2
Frage: Wie lange dauert es, den Fehler um einen bestimmten Faktor zu verringern?
n = C
C<1
n ln() = ln(C)
n=
es gilt ln(1 + x) = x
ln()
1
2
2
ln()
ln(C)
= 2 N2
ln(C)
2
Mit steigenden N sehr rasche Zunahme der erforderlichen Iterationen

Problem langwellige Anteile
Verbesserung der Konvergenz durch Mehrgitterverfahren (Multigrid)
Dr. Thomas Boeck
5 FINITE-DIFFERENZEN-VERFAHREN/STRMUNGSPROBLEME
55
Finite-Differenzen-Verfahren/Strmungsprobleme
5.1
Stromfunktions-Wirbelstrke-Formulierung
inkompressible, reibungsbehaftete Strmung

Kontinuitt
Impulserhaltung
~u = 0
~u
1
+ (~u )u = p + 2~u
t
%
Problem = Druck und Inkompressibilittsbedingung
Ausweg fr 2D-Strmungen = Stromfunktion
ux uy
+
=0
x
y
Ansatz
2
2
=0
x y x y
ux =
und uy =
y
x
Wirbelstrke
~ = ~u =
uy
x
0
0
ux
y
~ = ~ez = (x uy y ux ) ~ez = 2
Rotation der Impulsbilanz um Druck zu eliminieren

x-Komponente
y-Komponente
u
u
+u
+v
t
x
v
v
+u
+v
t
x
u
1
=
y
%
v
1
=
y
%

p

+ 2 u ()
y
x

p
+ 2 v ()
x
y
(x-Komp.)
(y-Komp.) liefert
+u
+v
= 2
y
x
t
x
y
= Wirbeltransportgleichung mit = 2 , u = y und y = x
Fr werden Randbedingungen bentigt, ebenso fr .

Dr. Thomas Boeck
56
Beispiel - Lid-driven Cavity flow

ist konstant auf Rand
geschlossene Strmung im Rechengebiet
v = 0 = x = konstant
u = 0 = y = konstant
Diskretisierung auf quidistantem Gitter

1)
n+1
n
n
n
n
n
i,j
i,j
n i+1,j i1,j
n i,j+1 i,j1
= ui,j
vi,j
t
2 x
2 y
!
n
n
n
n
n
n
+ i1,j
+ i,j1
i,j
i,j
i+1,j
i,j+1
+
+
x2
y 2
2)
n+1
n+1
n+1
n+1
n+1
n+1
i+1,j
2 i,j
+ i1,j
i,j+1
2 i,j
+ i,j1
n+1
+
= i,j
2
2
x
y
3)
un+1
i,j =
n+1
n+1
i,j+1
i,j1
2 y
n+1
vi,j
=
n+1
n+1
i+1,j
i1,j
2 x
n+1
Man lst sukzessiv Gleichung 1, 2 und 3. Randwerte fr Gleichung 2 sind bekannt. i,j
am Rand fr Gleichung 1 ergibt sich aus Gleichung 3.
Dr. Thomas Boeck
5.2
57
Rolle des Drucks in inkompressiblen Strmungen

~u
1
1
+ (~u )~u = p + 2~u + f~
t
%
%
~u
Druck erfllt keine Evolutionsgleichung. Die Inkompressibilitt ~u stellt eine Nebenbedingung dar, die durch geeignete Wahl eines Drucks erfllt werden muss.
Bestimmungsgleichung fr Druck aus Divergenz der Impulsbilanz:

1
1
( ~u) + (~u )~u = 2 p + 2 ( ~u) + f~

t
%
%
2 p = f~ % (~u )~u = Poisson-Gleichung fr p
Elliptisches Problem fr p auch bei Verwendung expliziter Zeitschrittverfahren hoher

Aufwand
Problem:
Wie kombiniert man die Bestimmung des Drucks mit Zeitschrittverfahren fr die Geschwindigkeitskomponenten?
Bemerkung:
Bei kompressiblen Strmungen stellt sich das Problem nicht. In diesem Fall existiert Evolutionsgleichung fr Dichte und Temperatur T (Massen- und Energiegleichungen). Der
Druck p wird ber Zustandsgleichungen aus Dichte und Temperatur bestimmt.
Dr. Thomas Boeck
5.3
58
Projektionsverfahren fr zeitabhngige inkompressible Strmungen
Idee basiert auf Zerlegung (splitting) der rechten Seite der Impulsbilanz. Analogie zu ADI
bzw. Prdiktor-Korrektor-Idee.
Zeitschritt ~un ~un+1 in zwei Teilschritte zerlegt
1. Teilschritt
~u aus Impulsgleichung ohne p
2. Teilschritt
~un+1 aus ~u mittels p ohne restliche Terme der Impulsbilanz
p im zweiten Teilschritt so whlen, dass ~un+1 = 0 gilt.

p
~u
~ (~u, ~u) + 2~u
=
N
|
{z
}
t
%
~ (~u, ~u) = (ui ui )

N
xi
~
=F
1. Teilschritt
~u ~un
= F~ n
t
2. Teilschritt
~un+1 ~u
1
= pn+1
t
%
()
Addition beider Teilschritte gibt konsistente Approximation der Impulsgleichung.

~un+1 = 0
2 pn+1 =
() ergibt
%
~u
t
1
1
1
{z
~un+1}
~u = 2 pn+1
|
t
t
%
=0
()
Bestimmung von p erfordert Randbedingungen. Auf dem Strmungsrand gilt ~u ~n = 0.
Dr. Thomas Boeck
59
Anwenden auf (*) ergibt:

1
~un+1 ~u
n+1

=
~
n

p
~n

t
%
Rand
Rand

~|n {z
~un+1} ~n ~u =
=0
t
~n pn+1
% | {z }
n+1
= pn
%
pn+1
=
~n ~u
n
t
= Randbedingung fr (**)
pn+1 , aus pn+1 folgt ~un+1 aus ()
Rumliche Diskretisierung zweiter Ordnung erfordert sogenannte versetzte Gitter (staggered grid). Ansonsten Problem mit Entkopplung von Untergittern.
Erluterung des Entkopplungsproblems:

Verwenden zentrale Differenzen und u, v, p an ein und denselben Gitterpunkten.
t
x p
%
n+1
t pn+1
i+1,j pi1,j
= ui,j
%
2 x
un+1 = u
un+1
i,j
~un+1 = 0 =
t
y p
%
n+1
t pn+1
i,j+1 pi,j1
= vi,j
%
2 y
v n+1 = v
n+1
vi,j
n+1
n+1
un+1
v n+1 vi,j1
i+1,j ui1,j
+ i,j+1
2 x
2 y
Diskrete Form der Poisson-Gleichung wird dann

n+1
n+1
n+1
n+1
vi,j1
pn+1
pn+1
% ui+1,j ui1,j vi,j+1
i+2,j 2 pi,j + pi2,j
i,j+2 2 pi,j + pi,j2
+
=
+
(2 x)2
(2 y)2
t
2 x
2 y
"
= ( )
Druckwerte an i, i+2, i-2, j, j+2, j-2 sind verknpft mit Geschwindigkeitswerten bei i+1,
i-1, j+1, j-1 Entkopplung
Dr. Thomas Boeck
60
Das ist ein Problem, weil man stark oszillierende Geschwindigkeitsfelder haben kann, die
bei lokaler Auswertung eigentlich nicht inkompressibel sind. Diese werden durch Berechnung von pn+1 mittels (***) nicht korrigiert.
ui+1,j ui1,j = 0
vi,j+1
vi,j1
=0
Vermeidung des Problems bei versetzten Gittern.
zum Begriff Projektionsverfahren

Helmholtzsche Zerlegung eines Vektorfelds ~a auf Gebiet mit Randwerten ~a| = 0
~a = ~as +
(Zerlegung)
Wobei ~as divergenzfrei ist (solenoidal) und ~aS | = 0. Die Zerlegung in eine Summe aus
divergenzfreien Vektorfeld und einem Gradientenfeld ist eindeutig. Die Felder ~as bilden
einen linearen Raum (Vektorraum), die Felder ebenfalls. Beide Rume sind orthogonale Unterrume des linearen Raums aller Felder bezglich der L2-Norm.
Das heit:
Z
~aS d =
(~aS ) d
(~aS ) d =
~n ~aS dA = 0
a} d
| {z ~
=0
nach Gau
Dr. Thomas Boeck
61
Im Druckkorrekturschritt wird der divergenzbehaftete Anteil von ~u entfernt. Das entspricht genau einer Projektion auf den von den Feldern ~as aufgespannten Unterraum.
Formel ~un+1 = P (~u )
P = Projektionsabbildung
P = P 2 definiert Projektionsabbildung
5.4
Iterative Lsung von stationren Strmungen
Ziel Wollen stationre Lsung der Navier-Stokes-Gleichung finden

p
~ (~u, ~u) = 2~u
+N
%
~u = 0
text(Konti)
Iteration = sukzessive Verbesserung einer Nhrung ~um , pm

m
entspricht ~um ~u und pm p
Idee analog zum Projektionsverfahren, Verwendung der linearisierten Gleichung.

Schritt 1)
~um ~u , pm bleibt fix

pm
~ (~u, ~u) = 2~u
Impulsgleichung linearisiert
+N
%
()
kann nach ~u aufgelst werden
Schritt 2)
~um+1 = ~u + ~u0 , pm+1 = pm + p0
~u0 und p0 sind Korrekturen, hngen ber Impulsgleichung zusammen. ~u0 soll sichern, dass
~um+1 = 0 ist.
Dr. Thomas Boeck
62
setzen ~um+1 = ~u + ~u0 und pm+1 = pm + p0 in linearisierte Impulsgleichung (*) ein.
pm p0
~ (~um , ~u ) + N
~ (~um , ~u0 ) = 2~u + 2~u0
+
+N
%
%
(~u + ~u0 ) = 0
()
( )
Wenn man Gleichung (**) diskretisiert vorstellt, dann gibt es Betrge von ~u0 am Gitterpunkt und von Nachbarn (Rechenstern von 2 ). Vernachlssigen der Beitrge von
Nachbarpunkten.
p0
= C ~u0
%
(heuristisches Vorgehen)
Einsetzen in Gleichung (***) liefert ~u
1 p0
C %
C ist nicht dimensionslos
= 0, 2 p0 =
C
%
~u
( )
Brauchen Randbedingungen fr Gleichung (*) und (****)

Fr (*) erfllt ~u die Randbedingungen von ~u
1 p0
Fr (****) gilt ~n ~u = 0 = ~n ~u
C %
Fr Druck macht man Unterrelaxation
p0
C
= ~n ~u
n
%
pm+1 = pm + p0
<< 1
Das ist (vereinfacht) die Idee des SIMPLE-Algorithmus (semi-implicit method for pressurelinked equations)
Dr. Thomas Boeck
6 FINITE-VOLUMEN-METHODE
63
Finite-Volumen-Methode
Finite-Volumen-Verfahren werden in kommerziellen Codes hufig verwendet, weil sie fr

unstrukturierte Netze geeignet sind. Ein weiterer Vorteil ist, dass Finite-Volumen-Verfahren
bestimmte globale Erhaltungseigenschaften der PDE exakt sichern.
6.1
Integrale Form der Grundgleichungen
Bildet Ausgangspunkt fr Finite-Volumen-Verfahren (z.B.: Advektions-Diffusionsgleichung

fr Skalarfeld ).
+ ( ~|{z}
u
t
Advektion
) =
| {z }
|{z}
Diffusion
()
Quellterm
~u = Flussdichte aus Advektion von

= Flussdichte aus Diffusion von
Integration von (*) ber ein raumfestes Volumen liefert

Z
Z
dV =
dV
t
t
Gau
(~u ) dV
~n (~u ) dA
q dV
Z
Z
Z
dV =
~n ~u dA +
~n dA +
t
|
{z
} |
{z
}
konvektiver Fluss
diffusiver Fluss
q dV
()
{z
Quellen/Senken
Dr. Thomas Boeck
64
In dieser Form kann z.B. Massen- und Energiebilanz geschrieben werden

= %, = 0, q = 0
fr Massenbilanz
= % cp T, = , q = 0
fr Energiebilanz ( = Wrmeleitfhigkeit)
Impulsbilanz ist etwas schwieriger. Diffusionsterm ist komplizierter und es gibt Druck.
x-Komponente
Z
Z
Z
% ux dV =
~n ~u ux dA
p dA +
t
Z
|
(~n )x dA
{z
viskoser Spannungstensor
Man wendet die integrale Form (**) der Erhaltungsgleichung auf Zellen des Gitters/Netzes
an. Approximation von Integralen statt von Ableitungen wie bei Finite-DifferenzenVerfahren.
6.2
globale Erhaltungseigenschaften
am eindimensionalen Beispiel
= F~ + q gilt auf 0 x L
F~ =
F
x
Integration liefert
Z L
0
mit
Z L
Z L
F
dx =
dx +
q dx
t
0 x
0
Z L
0
ZL
dx
dx =
t
t | 0 {z }
()
und
Z L
0
F
dx = F (L) F (0)
x
=M
Die Gre M (Gesamtmenge von ) ist also zeitlich konstant. Eine Finite-VolumenDiskretisierung sichert, dass diese Eigenschaft auch fr die numerische Approximation
gilt. Betrachten dazu Zerlegung in Intervalle (finites Strecken) i .
Dr. Thomas Boeck
65
Finite-Volumen-Zerlegung (bzw. hier Intervall-Zerlegung, da 1D):
Mittelpunkt des des Intervalls i sei xi
Integrale Form
R
i
dx anwenden auf Differentialgleichung
dx = (i hi )
t i
t
Z
i
hi = xi+ 1 xi 1 = Lnge von i

2
i+ 21
F

dx = F
= F (xi+0,5 ) F (xi0,5 )
x
x 1
i 2
F (xi+0,5 ) und F (xi0,5 ) sind die numerischen Approximationen des Flusses F auf dem
rechten und linken Rand von i . F (xi+0,5 ) und F (xi0,5 ) mssen im Allgemeinen aus i
bestimmt werden, weil F zumeist von abhngt.
Fr Advektion z.B. F = u , fr Diffusion F = D
.
x
(i hi ) = F (xi+0,5 ) F (xi0,5 )
t
Bilden der Summe ber alle Integrale
X
i
mit
X
X
XZ
Z
dx =
F (xi+0,5 )
F (xi0,5 ) +
q dx
t i
i
i
i
i
X
i
Z
XZ
Z
dx =
dx =
dx
t i
t i i
t
X
F (xi+0,5 )
XZ
i
F (xi0,5 ) = F (L) F (0)
q dx =
q dx
dies ist quivalent zu (*)

Dr. Thomas Boeck
66
Die Werte F(L) und F(0) sind gerade die vorgegebenen Randwerte. Weil F (xi+0,5 ) =
F (xi0,5 ) fr i = 1, . . . , L gilt, gilt somit F(L) - F(0) = 0.
X
i
X
X
Z
dx =
F (xi+0,5 )
F (xi0,5 ) = 0
t i
i
i
L
Die Eigenschaft t
0 dx = 0 wird durch die rumliche Diskretisierung also erhalten.
Ursa-che ist, dass sich die Flussterme an den Rndern der Intervalle gegenseitig aufheben,
somit ist eine globale Erhaltung gewhrleistet, z.B. fr die Masse. nderungen nur durch
ueren Rand mglich, wo Randwerte vorgegeben sind. Das bertrgt sich auch auf den
zwei- und dreidimensionalen Fall.
6.3
1D-Beispiel fr Finite-Volumen-Diskretisierung
T
T
=
t
x
x
Rnder bei xi 1 und xi+ 1

2
x
T i+ 12
Z
T dx =

t i
x x 1
xi+ 1 xi 1 = x
2
Ti sei Mittelwert i
i 2
T n+1 Tin
x =
i
t
n
n
Tin Tin Ti1
Ti+1
x
x

Tin+1 Tin
n
n
T
2
T
+
T
= FTCS
=
i1
i+1
i
t
x2
Dr. Thomas Boeck
6.4
67
2D-Beispiel fr Finite-Volumen-Diskretisierung
i finite Flche
N = Nord, S = Sd, W = West, O = Ost
Fx Fy
= F~ =
+
t
x
y
Z
i
Z
i
dA =
i A i
t
dt
F~ dA =
Z
i
Ai = Flcheninhalt von i
~n F~ ds FN LN + FS LS + FW LW + FO LO
L = Kantenlnge der Rnder, F = Mittelwerte des Flusses F~ ~n auf den Randstcken
Wenn man sich nun benachbarte Zellen vorstellt und summiert, heben sich die Flussterme
an den inneren Rndern wieder auf.
4
d X
S S
W
W
O O
i Ai = F1N LN
1 + F1 L1 + F1 L1 + F1 L1
dt i=1
S S
W
W
O O
+ F2N LN
2 + F2 L2 + F2 L2 + F2 L2
S S
W
W
O O
+ F3N LN
3 + F3 L3 + F3 L3 + F3 L3
S S
W
W
O O
+ F4N LN
4 + F4 L4 + F4 L4 + F4 L4
S S
N N
O O
W W
O O
W W
Es gilt: F2S LS2 +F4N LN
4 = 0, F1 L1 +F3 L3 = 0, F3 L3 +F4 L4 = 0, F1 L1 +F2 L2 = 0
Es bleiben als nur die Randterme auen.

4
d X
W W
W W
S S
S S
O O
O O
N N
i Ai = F1N LN
1 + F2 L2 + F2 L2 + F4 L4 + F3 L3 + F4 L4 + F3 L3 + F4 L4
dt i=1
Fortsetzung bis zum ueren Rand mit F~ ~n = 0 liefert dann wieder
RL
t 0
dx = 0
Dr. Thomas Boeck

Sprache

Numerische Strömungsmechanik

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Numerische Strömungsmechanik

Hochgeladen von

Copyright:

Verfügbare Formate

Technische Universitt Ilmenau

FG Thermo- und Magnetofluiddynamik

Skript zur Vorlesung

Lehrbeauftragter: Dr. Thomas Boeck

Stand 6. August 2015

Ursprnge, Geschichte der CFD . . . . . . . . . . . . . . . . . . . . . . . .

Verwendung von CFD . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Schritte einer CFD-Analyse . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Grundgleichungen der Strmungsmechanik

Eulersche- und Lagrangesche Beschreibung . . . . . . . . . . . . . . . . . .

Divergenz des Geschwindigkeitfelds, materielles Volumen . . . . . . . . . .

3 Partielle Differentialgleichungen, Klassifizierung

korrekt gestelltes Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

Skalare PDE 1. Ordnung mit zwei unabhngigen Variablen . . . . . . . . . 13

Skalare PDE 2. Ordnung mit zwei unabhngigen Variablen . . . . . . . . . 16

Beispiel fr schlecht gestelltes Problem . . . . . . . . . . . . . . . . . . . . 23

Dr. Thomas Boeck

Klassifikation bei mehr als zwei unabhngigen Variablen . . . . . . . . . . 25

Differenzquotienten und Abbruchfehler . . . . . . . . . . . . . . . . . . . . 27

Approximation von PDEs . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

Modifizierte Gleichung, numerische Diffusion/Dispersion . . . . . . . . . . 34

Stabilitt von FDA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Von-Neumann-Analyse in einer Raumdimension . . . . . . . . . . . . . . . 37

Crank-Nicolson-FDA der Wrmeleitungsgleichung . . . . . . . . . . . . . . 39

Methoden fr die eindimensionale Advektionsgleichung . . . . . . . . . . . 40

Verfahren fr zweidimensionale Diffusionsprobleme . . . . . . . . . . . . . 45

Alternative mit geringerem Aufwand = approximate factorization

Weitere Alternative = ADI (alternating directions implicit) . . . . . 47

4.10 Methoden fr elliptische Probleme . . . . . . . . . . . . . . . . . . . . . . . 48

Rolle des Drucks in inkompressiblen Strmungen . . . . . . . . . . . . . . . 57

Projektionsverfahren fr zeitabhngige inkompressible Strmungen . . . . . 58

Iterative Lsung von stationren Strmungen

Integrale Form der Grundgleichungen . . . . . . . . . . . . . . . . . . . . . 63

Dr. Thomas Boeck

Dr. Thomas Boeck

Dr. Thomas Boeck

Erhaltungsgleichungen enthalten Reynoldsschen Spannungstensor, der modelliert wird

Ursprnge, Geschichte der CFD

erste berlegungen zur numerischen Wettervorhersage von Richardson in den 1920er

Verwendung von CFD

Produktentwicklung in der Industrie

Schritte einer CFD-Analyse

Problemstellung/-definition (Geometrie, Gleichungen, Randbedingungen, . . . )

Dr. Thomas Boeck

numerische Verfahren sind auf Basis verschiedener Diskretisierungen mglich

Zerlegung des Strmungsgebiets in Zellen

Gebietszerlegung in Zellen, Verwendung von Basisfunktion i , global definiert, aber

Dr. Thomas Boeck

Reihenentwicklung in Basisfunktionen, die nicht auf Teilgebiete konzentriert sind,

beste Konvergenzeigenschaften (sehr genau)

Dr. Thomas Boeck

2 GRUNDGLEICHUNGEN DER STRMUNGSMECHANIK

Grundgleichungen der Strmungsmechanik

kontinuumsmechanische Beschreibung durch Feldgren

Eulersche- und Lagrangesche Beschreibung

Lagrangesche Beschreibung = Bewegung aller Fluidelemente erfasst

~x(t, ~x0 , t0 ) = Trajektoren

%(~r, t) %(~r + ~u dt, t + dt) = nderung der Dichte ber Zeitintervall dt

mit %(~r + ~u dt, t + dt) = %(~r, t) + % ~u dt +

Dr. Thomas Boeck

2 GRUNDGLEICHUNGEN DER STRMUNGSMECHANIK

Divergenz des Geschwindigkeitfelds, materielles Volumen

ds = Oberflchenelement mit Flchennomale ~n