数学 旧 .com 迁移

偏微分方程:热方程 / 初值问题

从旧 .com 全量搬运的历史内容,来源路径:/math/课程/偏微分方程/chapters/热方程/初值问题/

迁移来源

初值问题 #

definition

一维热传导方程初值问题:

{uta2uxx=f(x,t),xR,t>0u(x,0)=φ(x),xR\begin{cases} u_t-a^2u_{xx}=f(x,t), & x\in\mathbb{R},t>0\\ u(x,0)=\varphi(x), & x\in\mathbb{R} \end{cases}

Fourier 变换 #

definition

f(x)L(,)f(x)\in L(-\infty,\infty), 那么积分

f^(λ)=12πf(x)eiλxdx\hat f(\lambda)=\frac{1}{\sqrt{2\pi}}\int_{-\infty}^\infty f(x)e^{-\text{i}\lambda x}\text{d} x

有意义, 称其为 ff 的 Fourier 变换, 记作 f^\hat f.

tip

f(x)L(,)C1(,)f(x)\in L(-\infty,\infty)\cap C^1(-\infty,\infty) 那么我们有

limN12πNNf^(λ)eiλxdλ=f(x)\lim\limits_{N\to\infty}\frac{1}{\sqrt{2\pi}}\int_{-N}^N \hat f(\lambda)e^{\text{i} \lambda x}\text{d} \lambda=f(x)

称上式为反演公式. 亦称左侧积分为 Fourier 逆变换, 记为 (f^(λ))(\hat f(\lambda))^\vee. 故反演公式可记为 (f^)=f(\hat{f})^\vee=f.

abstract
  • (线性性质) 若 fi(x)L(,),aiCf_i(x)\in L(-\infty,\infty),a_i\in\mathbb{C}, 则
(a1f1+a2f2)=a1f^1+a2f^2.(a_1f_1+a_2f_2)^\land=a_1\hat f_1+a_2\hat f_2.
  • (微商性质) 若 f(x),f(x)C(,)L(,)f(x),f'(x)\in C(-\infty,\infty)\cap L(-\infty,\infty), 则
(dfdx)=iλf^.\left(\dfrac{\text{d} f}{\text{d} x}\right)^\wedge=\text{i} \lambda\hat f.
  • (乘多项式) 若 f(x),xf(x)L(,)f(x),xf(x)\in L(-\infty,\infty), 则有
(xf(x))=iddλf^(λ).(xf(x))^\land=\text{i}\frac{\text{d}}{\text{d}\lambda}\hat f(\lambda).
  • f(x),,f(m)(x)C(,)L(,)f(x),\cdots,f^(m)(x)\in C(-\infty,\infty)\cap L(-\infty,\infty), 则
(dmfdxm)=(iλ)mf^(λ)\left(\frac{\text{d}^m f}{\text{d} x^m}\right)^\land=(\text{i}\lambda)^m\hat f(\lambda)

f(x),,xmf(x)L(,)f(x),\cdots,x^m f(x)\in L(-\infty,\infty), 则

(xmf(x))(λ)=imdmdλmf^(λ)(x^mf(x))^\wedge (\lambda)=\text{i}^m\frac{\text{d}^m}{\text{d}\lambda^m}\hat f(\lambda)
  • (平移性质) 若 f(x)L(,)f(x)\in L(-\infty,\infty), 则
(f(xa))(λ)=eiλaf^(λ)(f(x-a))^\land(\lambda)=e^{-\text{i}\lambda a}\hat f(\lambda)
  • (伸缩性质) 若 f(x)L(,)f(x)\in L(-\infty,\infty), 则
(f(kx))(λ)=1kf^(λk),k0(f(kx))^\land (\lambda)=\frac{1}{|k|}\hat f(\frac{\lambda}{k}),\quad k\neq 0
  • (对称性质) 若 f(x)L(,)f(x)\in L(-\infty,\infty), 则
(f(x))(λ)=f^(λ)=[f(x)](λ)(f(x))^\vee(-\lambda)=\hat f(-\lambda)=[f(-x)]^\land(\lambda)
  • (卷积性质) 若 f(x),g(x)L(,)f(x),g(x)\in L(-\infty,\infty), 则
fg(x)=f(xt)g(t)dtL(,)f*g(x)=\int_{-\infty}^\infty f(x-t)g(t)\text{d} t\in L(-\infty,\infty)

且有

(fg)(λ)=2πf^g^(f*g)^\land (\lambda)=\sqrt{2\pi}\hat f\hat g

下面看高维情形

definition

f(x)=f(x1,x2,,xn)L(Rn)f(\vec x)=f(x_1,x_2,\ldots,x_n)\in L(\mathbb{R}^n), 那么积分

1(2π)nRnf(x)eiλxdx=f^(λ)\frac{1}{(\sqrt{2\pi})^n}\int_{\mathbb{R}^n}f(\vec x)e^{-\text{i}\vec\lambda\cdot\vec x}\text{d} \vec x=\hat f(\vec \lambda)

有意义, 称为 f(x)f(\vec x) 的 Fourier 变换.

tip

f(x)C1(Rn)L(Rn)f(\vec x)\in C^1(\mathbb{R}^n)\cap L(\mathbb{R}^n), 则有

(f^(λ))(x)=1(2π)nlimNλNf^(λ)eiλxdλ=f(x)(\hat f(\lambda))^\vee (\vec x)=\frac{1}{(\sqrt{2\pi})^n}\lim\limits_{N\to\infty}\int_{|\vec\lambda|\leqslant N}\hat f(\vec\lambda)e^{\text{i}\vec\lambda\cdot\vec x}\text{d}\vec \lambda=f(\vec x)
abstract

之前关于一维 Fourier 变换的性质对多维仍成立, 且还有如下性质.

f(x)=f1(x1)f2(x2)fn(xn)f(\vec x)=f_1(x_1)f_2(x_2)\cdots f_n(x_n), 其中 fi(xi)L(,)f_i(x_i)\in L(-\infty,\infty), 则有

f^(λ)=i=1nf^i(λi).\hat f(\vec\lambda)=\prod\limits_{i=1}^n\hat f_i(\lambda_i).
example

对于函数 f(x)=eAx2f(\vec x)=e^{-A|\vec x|^2}.

f^(λ)=i=1n(eAxi2)=i=1n12Aeλi2/(4A)=1(2A)neλ2/(4A)\hat f(\vec \lambda)=\prod\limits_{i=1}^n(e^{-Ax_i^2})^\land =\prod\limits_{i=1}^n\frac{1}{\sqrt{2A}}e^{-\lambda_i^2/(4A)}=\frac{1}{(\sqrt{2A})^n}e^{-|\vec\lambda|^2/(4A)}

Poisson 公式 #

对于热传导方程的初值问题, 利用 Fourier 变换进行求解. 得到 Poisson 公式

u(x,t)=K(xξ,t)φ(ξ)dξ+0tdτK(xξ,tτ)f(ξ,τ)dξu(x,t)=\int_{-\infty}^\infty K(x-\xi,t)\varphi(\xi)\text{d} \xi+\int_{0}^t\text{d} \tau\int_{-\infty}^\infty K(x-\xi,t-\tau)f(\xi,\tau)\text{d}\xi

其中

K(x,t)={12aπtex2/(4a2t),t>0,0,t0.K(x,t)=\begin{cases} \dfrac{1}{2a\sqrt{\pi t}}e^{-x^2/(4a^2t)}, & t>0,\\ 0, & t\leqslant 0. \end{cases}

并称 Γ(x,t;ξ;τ)=K(xξ,tτ)\Gamma(x,t;\xi;\tau)=K(x-\xi,t-\tau) 为热传导方程的基本解.

广义函数 #

definition

C0(R)C_0^\infty(\mathbb{R}) 表示所有当 x|x| 充分大时恒等于零的无穷次连续可微函数 φ\varphi 的集合.

如果 φ(x)C0(R),φn(x)C0(R)\varphi(x)\in C_0^\infty(\mathbb{R}),\varphi_n(x)\in C_0^\infty(\mathbb{R})

  • (1) 存在 M>0M>0, 使得当 xM|x|\geqslant M 时, φ(x)φn(x)0\varphi(x)\equiv \varphi_n(x)\equiv 0.
  • (2)
limnmaxM,Mφn(x)φ(x)=0\lim\limits_{n\to\infty}\max\limits_{-M,M}|\varphi_n(x)-\varphi(x)|=0 limnmax[M,M]φn(k)(x)φ(k)(x)=0\lim\limits_{n\to\infty}\max\limits_{[-M,M]}|\varphi_n^{(k)}(x)-\varphi^{(k)}(x)|=0

则称 {φn}\{\varphi_n\} 收敛于 φ\varphi. 规定了上述收敛性的线性空间 C0(R)C_0^\infty(\mathbb{R}) 称为基本空间 D(R)\mathscr D(\mathbb{R}). φD(R)\varphi\in\mathscr D(\mathbb{R}) 称为试验函数.

definition

如果 f:D(R)Rf:\mathscr D(\mathbb{R})\to\mathbb{R} 是线性连续泛函, 则称 ff 是一个广义函数. 设 φD(R)\varphi\in\mathscr D(\mathbb{R}) 是一个试验函数, 用 f,φ\langle f,\varphi\rangle 表示它所对应的数值, 称为对偶积.

所有广义函数构成的集合记作 D(R)\mathscr D'(\mathbb{R}).

example

设广义函数 δ\delta 函数满足 δ,φ=φ(0)\langle \delta,\varphi\rangle=\varphi(0).

definition

若在任何有限区间 (a,b)(a,b) 上积分

abf(x)dx\int_a^b|f(x)|\text{d} x

存在, 则称 f(x)f(x)R\mathbb{R} 上的局部绝对可积函数.

Lloc(R)L_{loc}(\mathbb{R}) 表示所有局部可积函数的集合.

abstract

绝对可积函数 ff 是广义函数, 设

f,φ=f(x)φ(x)dx\langle f,\varphi\rangle=\int_{-\infty}^\infty f(x)\varphi(x)\text{d} x

从而 Lloc(R)D(R)L_{loc}(\mathbb{R})\subset\mathscr{D}'(\mathbb{R}).

definition

广义函数 ff 的微商 ff' 也是广义函数, 用下式定义

f,φ=f,φ,φD(R).\langle f',\varphi\rangle=-\langle f,\varphi'\rangle,\quad \forall \varphi\in\mathscr D(\mathbb{R}).

据此, 可继续定义 k 阶导数

f(k),φ=(1)kf,φ(k),φD(R)\langle f^{(k)},\varphi\rangle=(-1)^k\langle f,\varphi^{(k)}\rangle,\forall \varphi\in\mathscr D(\mathbb{R})
example
definition

广义函数 ff 的平移也是广义函数,

f(xξ),φ=f,φ(x+ξ)\langle f(x-\xi),\varphi\rangle=\langle f,\varphi(x+\xi)\rangle

特别的,

δ(xξ),φ=δ,φ(x+ξ)=φ(ξ)\langle\delta(x-\xi),\varphi\rangle=\langle\delta,\varphi(x+\xi)\rangle=\varphi(\xi)

基本解 #

definition

Q={(x,t):<x<,t>0}Q=\{(x,t):-\infty<x<\infty,t>0\}, 对任意 (ξ,τ)Q(\xi,\tau)\in Q, 如果函数 u(x,t)Lloc(Q)C(Q(ξ,τ))u(x,t)\in L_{loc}(Q)\cap C(\overline{Q}\setminus (\xi,\tau)) 且在广义函数的意义下满足方程与初始条件

{uta2uxx=δ(xξ,tτ),(x,t)Q,u(x,0)=0,<x<\begin{cases} u_t-a^2u_{xx}=\delta(x-\xi,t-\tau), & (x,t)\in Q,\\ u(x,0)=0, & -\infty<x<\infty \end{cases}

则称它为热传导方程的基本解, 记为 Γ(x,t;ξ,τ)\Gamma(x,t;\xi,\tau).

半无界问题 #

第一边值问题

question
{uta2uxx=f(x,t),0<x<,t>0u(0,t)=g(t),t>0,u(x,0)=φ(x),0x<.\begin{cases} u_t-a^2u_{xx}=f(x,t), & 0<x<\infty, t>0\\ u(0,t)=g(t), & t>0,\\ u(x,0)=\varphi(x), & 0\leqslant x<\infty. \end{cases}

g(t)0g(t)\equiv 0 时, 考虑奇延拓法, 则可得到

u(x,t)=\mint[0][Γ(xξ,t)Γ(x+ξ,t)]φ(ξ)dξ+\mint[0]tdτ\mint[0][Γ(xξ,tτ)Γ(x+ξ,tτ)]f(ξ,τ)dξ.\displaystyle\begin{aligned} \overline{u}(x,t)=&\mint[0]^\infty[\Gamma(x-\xi,t)-\Gamma(x+\xi,t)]\varphi(\xi)\text{d} \xi\\ &+\mint[0]^t\text{d}\tau\mint[0]^\infty [\Gamma(x-\xi,t-\tau)-\Gamma(x+\xi,t-\tau)]f(\xi,\tau)\text{d} \xi. \end{aligned}

其中

Γ(x,t)=12aπtex24a2t\Gamma(x,t)=\frac{1}{2a\sqrt{\pi t}}e^{-\frac{x^2}{4a^2 t}}

是基本解

则解

u(x,t)=u(x,t)x0u(x,t)=\overline{u}(x,t)\big|_{x\geqslant 0}

而当 g(t)0g(t)\neq 0 时, 设 u(x,t)=v(x,t)+g(t)u(x,t)=v(x,t)+g(t). 则 v(x,t)v(x,t) 满足条件.

第二边值问题

question
{uta2uxx=f(x,t),0<x<,t>0ux(0,t)=g(t),t>0,u(x,0)=φ(x),0x<.\begin{cases} u_t-a^2u_{xx}=f(x,t), & 0<x<\infty, t>0\\ u_x(0,t)=g(t), & t>0,\\ u(x,0)=\varphi(x), & 0\leqslant x<\infty. \end{cases}

g(t)0g(t)\equiv0 时, 考虑偶延拓.

u(x,t)=\mint[0][Γ(xξ,t)+Γ(x+ξ,t)]φ(ξ)dξ+\mint[0]tdτ\mint[0][Γ(xξ,tτ)+Γ(x+ξ,tτ)]f(ξ,τ)dξ.\begin{aligned} \overline{u}(x,t)=&\mint[0]^\infty[\Gamma(x-\xi,t)+\Gamma(x+\xi,t)]\varphi(\xi)\text{d} \xi\\ &+\mint[0]^t\text{d}\tau\mint[0]^\infty [\Gamma(x-\xi,t-\tau)+\Gamma(x+\xi,t-\tau)]f(\xi,\tau)\text{d} \xi. \end{aligned}

而当 g(t)0g(t)\neq 0 时, 设 u(x,t)=v(x,t)+xg(t)u(x,t)=v(x,t)+xg(t). 则 v(x,t)v(x,t) 满足条件.

question

题目 #

利用函数

ϕ(z)=2π0zeξ2dξ\phi(z)=\frac{2}{\sqrt{\pi}}\int_0^z e^{-\xi^2}\text{d} \xi

求解以下半无界问题:

  • (1) {uta2uxx=0,x>0,t>0u(x,0)=0,x0u(0,t)=U0,t>0\begin{cases} u_t-a^2u_{xx}=0, & x>0, t>0\\ u(x,0)=0, & x\geqslant 0\\ u(0,t)=U_0, & t>0 \end{cases}

讨论

评论

正在加载评论...