💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
⛳️赠与读者
👨💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎
💥1 概述
二维稳态热传导问题在工程和物理领域非常常见，它可以用偏微分方程来描述。对于一个具有指定边界温度的方形壁，我们通常遇到的偏微分方程是拉普拉斯方程的一个形式，即在没有内部热源的情况下：
在离散化处理后，这个问题可以转化为一组线性代数方程组，进而使用数值方法如高斯-塞德尔迭代法来求解各个节点的温度值。下面是采用高斯-塞德尔迭代法的基本步骤：
1.网格划分
首先，将方形壁划分为许多小矩形（即节点），形成一个网格。每个节点代表一个温度未知数。
2.建立方程组
对每个内部节点，应用中心差分近似得到的离散形式的拉普拉斯方程为：
3.构造迭代公式
高斯-塞德尔迭代法基于松弛技术，其迭代公式为：
4.初始猜测与收敛条件
选择一个合理的初始温度分布作为Ti(0)Ti(0)，开始迭代。迭代停止的条件通常是连续两次迭代间所有节点的温度变化小于某个预设的小值（即收敛精度）。
5.实施迭代
重复应用迭代公式，直到满足收敛条件为止。在每次迭代中，除了边界节点，其它所有节点的温度都会依据相邻节点的温度进行更新。
6.结果分析
当迭代结束时，所得的Ti(k)Ti(k)就是各个节点的近似温度值，可以用来分析方形壁内的温度分布情况。
高斯-塞德尔迭代法简单易行，但对于某些问题，特别是具有强导热性的材料或复杂边界条件时，可能需要较多的迭代次数才能收敛，甚至不收敛。在实际应用中，可能会考虑使用其他更高效的迭代算法，如雅可比迭代法或SOR（超松弛迭代法）。
以运行结果为准。
📚2 运行结果
部分代码：
subplot(3,1,1),contour(x,y,T),colormap
title('Temperature (Steady State)'),xlabel('x'),ylabel('y'),colorbar
subplot(3,1,2),pcolor(x,y,T),shading interp,
title('Temperature (Steady State)'),xlabel('x'),ylabel('y'),colorbar
subplot(3,1,3)
surf(T')
xlabel('x')
ylabel('y')
zlabel('T')
colorbar
🎉3参考文献
文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。
[1]李金洲.奇摄动分数阶Burgers方程[D].杭州电子科技大学,2022.
🌈4 Matlab代码实现
资料获取，更多粉丝福利，MATLAB|Simulink|Python资源获取
