基于有限差分法的二维泊松方程求解与分析工具

资 源 简 介

本项目主要实现了使用有限差分法（Finite Difference Method, FDM）对二维泊松方程进行数值求解的功能。系统通过在矩形区域上建立均匀网格，利用中心差分格式将偏微分方程中的拉普拉斯算子离散化为代数形式，从而构建大型稀疏线性方程组。功能涵盖了从参数初始化、边界条件施加（支持Dirichlet边界）到利用矩阵左除算子高效完成方程组求解的完整流程。 项目内置了一个标准的验证案例，提供了特定的源项函数以及对应的解析精确解，使用户能够直观地观察到数值模拟的效果。程序不仅计算求解域内各点的数值解，

详 情 说 明

二维泊松方程数值求解与对比工具项目说明

项目介绍

本项目是一个用于数值求解二维泊松方程（Poisson Equation）的计算工具。泊松方程是物理学和工程学中极为重要的偏微分方程，广泛应用于静电场分布、稳态温度场计算以及流体力学等领域。

本项目通过经典的有限差分法（Finite Difference Method），将连续的偏微分方程转化为离散的线性方程组，并利用高效的矩阵运算获取数值解。为了验证计算的准确性，系统内置了标准解析案例，实现了数值近似解与理论精确解的实时对比与误差分析，不仅是一个实用的求解器，也是学习数值分析和计算数学的理想演示平台。

功能特性

1. 自动离散化建模：支持用户自定义矩形区域的几何尺寸及网格划分密度，自动计算空间步长。
2. 高效稀疏矩阵构建：利用五点中心差分格式构建拉普拉斯算子，并采用稀疏矩阵存储技术，大幅降低内存占用。
3. Dirichlet边界处理：支持施加Dirichlet边界条件，能够处理边界值非零的一般化情况。
4. 解析解实时校验：内置预设的源项函数与对应的解析解，能够自动评估数值计算的精度。
5. 多维度可视化展示：一键生成数值解曲面、精确解曲面以及绝对误差的空间分布热力图。
6. 误差量化分析：自动汇总并输出全域内的最大绝对误差，直观反映仿真精度。

系统要求

1. 环境需求：MATLAB (推荐 R2016b 及以上版本)。
2. 核心工具箱：无需额外工具箱，基于MATLAB标准矩阵运算库与绘图库即可运行。

程序实现逻辑

项目代码严格遵循数值仿真科学流程，主要包含以下核心步骤：

1. 参数初始化与网格生成 程序首先定义物理区域的长度（Lx, Ly）和网格节点数（Nx, Ny）。通过计算获取x和y方向的网格步长（hx, hy），并利用网格采样技术生成覆盖整个求解域的坐标矩阵，为后续函数求值提供基础。

2. 物理问题描述 定义源项函数 f(x,y) 和解析解函数 u_exact(x,y)。程序通过这些函数计算出右端项矩阵以及用于对比的真实场分布矩阵。默认案例采用正弦函数组合，确保边界处自然满足齐次条件，便于验证。

3. 线性方程组 (Ax = b) 的构建 这是程序的核心逻辑：

• 节点筛选：仅针对物理区域内部的节点进行未知数构建，总未知数个数为 (Nx-2) * (Ny-2)。
• 算子离散化：采用五点中心差分算子近似拉普拉斯算子。主对角线存储中心节点的系数，旁对角线存储上下左右相邻节点的贡献系数。
• 稀疏矩阵存储：利用 spdiags 函数构建大规模稀疏矩阵 A，避免了全矩阵带来的内存溢出风险。
• 边界耦合修正：通过循环逻辑修正稀疏矩阵中因向量拉伸产生的跨行逻辑错误，确保离散格式在物理空间上的正确映射。

4. 右端项向量处理与边界施加 将二维源项矩阵提取内部点后拉伸为一维向量 b。虽然示例案例边界为0，但代码中保留了处理 Dirichlet 非零边界的逻辑框架，即通过将已知边界值的贡献移至等式右侧来调整向量 b。

5. 矩阵求解与结果重组 利用 MATLAB 高效的列主元消去算子（反斜杠算子 ）直接求解稀疏方程组。求得的解向量根据坐标映射关系被重新填充回二维网格中，并手动补齐边界位置的已知值，形成完整的数值解矩阵。

6. 后处理与可视化 计算数值解与精确解的逐点差值。程序会开启一个多子图视窗，利用 surf 函数展示三维空间中的势能分布趋势，利用 pcolor 展示误差的空间拓扑特征。

关键算法与实现细节分析

1. 五点差分格式 代码实现了标准拉普拉斯算子的二阶中心差分近似。对于每个内部节点 (i, j)，其代数方程耦合了自身及周围四个邻居节点的数值。这种格式在保持二阶空间精度的同时，结构简单，计算效率高。

2. 索引映射机制 由于矩阵求解需要一维向量，而物理网格是二维的，程序通过 reshape(F_int', ...) 的方式实现了“按行优先”或“按列优先”的顺序映射。在结果还原阶段，通过对应的转置和重构操作，确保了数值解坐标与原始网格坐标的精确对齐。

3. 内存优化 程序在处理 50x50（2500个节点）及更高分辨率的网格时，并没有通过传统的 full 矩阵进行运算，而是构建了稀疏矩阵。这使得程序具备处理更大规模网格的能力，同时也显著提升了线性方程组的求解速度。

4. 误差度量 不仅提供了图形化的误差分布，还计算了全局最大绝对误差。这一指标是验证数值算法收敛性的关键参数，通过改变网格密度，用户可以观察到最大绝对误差随步长减小而显著下降的特性。