title: 数学物理方程复习
date: 2020-07-04 17:36:28
tags: [数学物理方程, 课程复习]
目录
基本概念
偏微分方程
关于多元未知函数 u ( x 1 , ⋯ , x n ) u\left(x_{1}, \cdots, x_{n}\right) u(x1,⋯,xn)及其偏导数的关系式:
F ( x 1 , ⋯ , x n , u , D u , D 2 u , ⋯ , D m u ) = 0 F\left(x_{1}, \cdots, x_{n}, u, D u, D^{2} u, \cdots, D^{m} u\right)=0 F(x1,⋯,xn,u,Du,D2u,⋯,Dmu)=0
- 偏微分方程的阶数:未知函数偏导数最高阶数。
- 线性偏微分方程:未知函数和未知函数的各阶偏导都是线性的。
∑ ∣ α ∣ ≤ m c α ( x ) D α u = f ( x ) \sum_{|\alpha| \leq m} c_{\alpha}(x) D^{\alpha} u=f(x) ∣α∣≤m∑cα(x)Dαu=f(x)- 其中 c α ( x ) ( ∣ α ∣ ≤ m ) c_{\alpha}(x)(|\alpha| \leq m) cα(x)(∣α∣≤m)和 f ( x ) f \left ( x \right ) f(x)都是不依赖于 u u u和它的各阶偏导。
- 自由项:线性偏微分方程中不含 u u u及其偏导数的项。
- 齐次方程:自由项为0
- 非线性偏微分方程
- 拟线性偏微分方程:在非线性偏微分方程中,关于未知函数的所有最高阶偏导数都是线性的。
∑ ∣ α ∣ = m c α ( D m − 1 u , ⋯ , D u , u , x ) D α u + c ( D m − 1 u , ⋯ , D u , u , x ) = 0 \sum_{|\alpha|=m} c_{\alpha}\left(D^{m-1} u, \cdots, D u, u, x\right) D^{\alpha} u+c\left(D^{m-1} u, \cdots, D u, u, x\right)=0 ∣α∣=m∑cα(Dm−1u,⋯,Du,u,x)Dαu+c(Dm−1u,⋯,Du,u,x)=0 - 主部:在拟线性偏微分方程中,由最高阶偏导数组成的部分。
- 半线性:主部的系数都是常数或是自变量的已知函数.
∑ ∣ α ∣ = m c α ( x ) D α u + c ( D m − 1 u , ⋯ , D u , u , x ) = 0 \sum_{|\alpha|=m} c_{\alpha}(x) D^{\alpha} u+c\left(D^{m-1} u, \cdots, D u, u, x\right)=0 ∣α∣=m∑cα(x)Dαu+c(Dm−1u,⋯,Du,u,x)=0
- 拟线性偏微分方程:在非线性偏微分方程中,关于未知函数的所有最高阶偏导数都是线性的。
经典方程
我们这门课程主要讲的就是三类基本方程。
- 弦振动方程。
- 热传导方程。
- Laplace方程。
定解问题
- 泛定方程:描绘普通规律的方程称为泛定方程。
- 定解条件:初始条件(Cauchy问题)和边界条件
- 三类典型边界条件:
- 第一边界问题(Dirichlet问题)
u ∣ Γ = φ ( x , y , z , t ) \left.u\right|_{\Gamma}=\varphi(x, y, z, t) u∣Γ=φ(x,y,z,t) - 第二边界问题(Neumann问题)
∂ u ∂ v ∣ Γ = φ ( x , y , z , t ) \left.\frac{\partial u}{\partial v}\right|_{\Gamma}=\varphi(x, y, z, t) ∂v∂u∣∣∣∣Γ=φ(x,y,z,t) - 第三边界问题(Robin问题)
( ∂ u ∂ v + σ u ) ∣ Γ = φ ( x , y , z , t ) \left.\left(\frac{\partial u}{\partial v}+\sigma u\right)\right|_{\Gamma}=\varphi(x, y, z, t) (∂v∂u+σu)∣∣∣∣Γ=φ(x,y,z,t)
- 第一边界问题(Dirichlet问题)
- 适定性:满足下面三个条件的定解问题,称为适定的。
- 存在性:至少存在一个解
- 唯一性:至多存在一个解
- 稳定性:定解条件微小变动的情况下,解也只做微小变动。
二阶方程的特征理论和分类
二阶方程的特征
考虑一般的二阶线性方程:
∑ i , j = 1 n a i j ∂ 2 u ∂ x i ∂ x j + ∑ i = 1 n b i ∂ u ∂ x i + c u = f \sum_{i, j=1}^{n} a_{i j} \frac{\partial^{2} u}{\partial x_{i} \partial x_{j}}+\sum_{i=1}^{n} b_{i} \frac{\partial u}{\partial x_{i}}+c u=f i,j=1∑naij∂xi∂xj∂2u+i=1∑nbi∂xi∂u+cu=f
其中 a i j a_{ij} aij, b i b_i bi, c c c, f f f 为 x 1 , ⋯ , x n x_{1}, \cdots, x_{n} x1,⋯,xn的已知函数,且在 R n R^n Rn内连续可微, a i j = a j i a_{ij} = a_{ji} aij=aji.
特征曲面和特征方程
假设 S S S是R^n空间的一个曲面。
S : G ( x 1 , x 2 , ⋯ , x n ) = 0 S: G\left(x_{1}, x_{2}, \cdots, x_{n}\right)=0 S:G(x1,x2,⋯,xn)=0
若:
∑ i , j = 1 n a i j ∂ G ∂ x i ∂ G ∂ x j = 0 \sum_{i, j=1}^{n} a_{i j} \frac{\partial G}{\partial x_{i}} \frac{\partial G}{\partial x_{j}}=0 i,j=1∑naij∂xi∂G∂xj∂G=0
称 S S S为特征曲面。
称:
∑ i , j = 1 n a i j α i α j = 0 \sum_{i, j=1}^{n} a_{i j} \alpha_{i} \alpha_{j}=0 i,j=1∑naijαiαj=0
为偏微分方程的特征方程。
特征方程在点 P ( x 1 0 , ⋯ , x n 0 ) P\left(x_{1}^{0}, \cdots, x_{n}^{0}\right) P(x10,⋯,xn0)处的解 l ( α 1 , ⋯ , α n ) l\left(\alpha_{1}, \cdots, \alpha_{n}\right) l(α1,⋯,αn)为偏微分方程在点 P P P处的特征方向。
两个自变量的情形
两个自变量的二阶拟线性偏微分方程的一般形式
a u x x + 2 b u x y + c u y y = F a u_{x x}+2 b u_{x y}+c u_{y y}=F auxx+2buxy+cuyy=F
假设 Γ \Gamma Γ是平面 x o y xoy xoy上的一条曲线。
当 Γ : x = φ ( t ) , y = ψ ( t ) \Gamma: x=\varphi(t), \quad y=\psi(t) Γ:x=φ(t),y=ψ(t)时,若
Δ = a ψ ′ 2 − 2 b φ ′ ψ ′ + c φ ′ 2 = 0 \Delta=a \psi^{\prime 2}-2 b \varphi^{\prime} \psi^{\prime}+c \varphi^{\prime 2} = 0 Δ=aψ′2−2bφ′ψ′+cφ′2=0
- b b b前面为什么是负号:看笔记,是根据一个三元 ( U x x , U x y , U y y ) (U_{xx}, U_{xy}, U_{yy}) (Uxx,Uxy,Uyy)线性方程组行列式为0得出的特征方程。
称 Γ \Gamma Γ为特征曲线。
a d y 2 − 2 b d x d y + c d x 2 = 0 a \mathrm{d} y^{2}-2 b \mathrm{d} x \mathrm{d} y+c \mathrm{d} x^{2}=0 ady2−2bdxdy+cdx2=0
为偏微分方程的特征方程。
当 Γ : y = ψ ( x ) \Gamma: y=\psi(x) Γ:y=ψ(x)时 ( a ≠ 0 ) (a \neq 0) (a=0),有
d y d x = b ± b 2 − a c a \frac{\mathrm{d} y}{\mathrm{d} x}=\frac{b \pm \sqrt{b^{2}-a c}}{a} dxdy=ab±b2−ac
当 Γ : φ ( x , y ) = 0 \Gamma: \varphi(x, y)=0 Γ:φ(x,y)=0时,特征方程为
a φ x 2 + 2 b φ x φ y + c φ y 2 = 0 a \varphi_{x}^{2}+2 b \varphi_{x} \varphi_{y}+c \varphi_{y}^{2}=0 aφx2+2bφxφy+cφy2=0
这是因为
φ x d x + φ y d y = 0 \varphi_{x} dx + \varphi_{y} dy=0 φxdx+φydy=0
对 Γ : φ ( x , y ) = 0 \Gamma: \varphi(x, y)=0 Γ:φ(x,y)=0两边微分的结果。这与多个自变量的情形的定义是一致的。
二阶方程的分类
两个自变量的情形
考虑以下线性偏微分方程
a u x x + 2 b u x y + c u y y + d u x + e u y + g u = f a u_{x x}+2 b u_{x y}+c u_{y y}+d u_{x}+e u_{y}+g u=f auxx+2buxy+cuyy+dux+euy+gu=f
其中 a , b , c , d , e , g , f 是 x , y a, b, c, d, e, g, f 是x,y a,b,c,d,e,g,f是x,y的已知函数。
做变量变换
{ ξ = φ ( x , y ) η = ψ ( x , y ) \left\{\begin{array}{l} \xi=\varphi(x, y) \\ \eta=\psi(x, y) \end{array}\right. {
ξ=φ(x,y)η=ψ(x,y)
方程可转换为
A ∂ 2 u ∂ ξ 2 + 2 B ∂ 2 u ∂ ξ ∂ η + C ∂ 2 u ∂ η 2 + D ∂ u ∂ ξ + E ∂ u ∂ η + G u = F A \frac{\partial^{2} u}{\partial \xi^{2}}+2 B \frac{\partial^{2} u}{\partial \xi \partial \eta}+C \frac{\partial^{2} u}{\partial \eta^{2}}+D \frac{\partial u}{\partial \xi}+E \frac{\partial u}{\partial \eta}+G u=F A∂ξ2∂2u+2B∂ξ∂η∂2u+C∂η2∂2u+D∂ξ∂u+E∂η∂u+Gu=F
二阶偏导
∂ 2 u ∂ x 2 = ∂ 2 u ∂ ξ 2 ( ∂ ξ ∂ x ) 2 + 2 ∂ 2 u ∂ x ∂ η ∂ x + ∂ 2 u ∂ n 2 ( ∂ η ∂ x ) 2 + ∂ 2 ξ ∂ x 2 + ∂ 2 η ∂ x 2 ∂ 2 u ∂ x ∂ y = ∂ 2 ∂ ε 2 ∂ ξ ∂ x ∂ ξ ∂ y + ∂ 2 u ∂ ξ ∂ n ( ∂ ξ ∂ x ∂ η ∂ y + ∂ ξ ∂ y ∂ η ∂ x ) + ∂ 2 ∂ x 2 ∂ η ∂ x ∂ η ∂ y + ∂ u ∂ x ∂ y + ∂ 2 ξ ∂ x ∂ y ∂ 2 u ∂ y 2 = ∂ 2 u ∂ ξ 2 ( ∂ ξ ∂ y ) 2 + 2 ∂ 2 η ∂ ξ ( η ) ∂ ξ ∂ y ∂ η ∂ y + ∂ 2 u ∂ n 2 ( ∂ η ∂ y ) 2 + ∂ 2 ξ ∂ y 2 + ∂ 2 η ∂ y 2 \begin{array}{c} \frac{\partial^{2} u}{\partial x^{2}}=\frac{\partial^{2} u}{\partial \xi^{2}}\left(\frac{\partial \xi}{\partial x}\right)^{2}+2 \frac{\partial^{2} u}{\partial x} \frac{\partial \eta}{\partial x}+\frac{\partial^{2} u}{\partial n^{2}}\left(\frac{\partial \eta}{\partial x}\right)^{2}+\frac{\partial^{2} \xi}{\partial x^{2}}+\frac{\partial^{2} \eta}{\partial x^{2}} \\ \frac{\partial^{2} u}{\partial x \partial y}=\frac{\partial^{2}}{\partial \varepsilon^{2}} \frac{\partial \xi}{\partial x} \frac{\partial \xi}{\partial y}+\frac{\partial^{2} u}{\partial \xi \partial n}\left(\frac{\partial \xi}{\partial x} \frac{\partial \eta}{\partial y}+\frac{\partial \xi}{\partial y} \frac{\partial \eta}{\partial x}\right)+\frac{\partial^{2}}{\partial x^{2}} \frac{\partial \eta}{\partial x} \frac{\partial \eta}{\partial y}+\frac{\partial u}{\partial x \partial y}+\frac{\partial^{2} \xi}{\partial x \partial y} \\ \frac{\partial^{2} u}{\partial y^{2}}=\frac{\partial^{2} u}{\partial \xi^{2}}\left(\frac{\partial \xi}{\partial y}\right)^{2}+2 \frac{\partial^{2} \eta}{\partial \xi(\eta)} \frac{\partial \xi}{\partial y} \frac{\partial \eta}{\partial y}+\frac{\partial^{2} u}{\partial n^{2}}\left(\frac{\partial \eta}{\partial y}\right)^{2}+\frac{\partial^{2} \xi}{\partial y^{2}}+\frac{\partial^{2} \eta}{\partial y^{2}} \end{array} ∂x2∂2u=∂ξ2∂2u(∂x∂ξ)2+2∂x∂2u∂x∂η+∂n2∂2u(∂x∂η)2+∂x2∂2ξ+∂x2∂2η∂x∂y∂2u=∂ε2∂2∂x∂ξ∂y∂ξ+∂ξ∂n∂2u(∂x∂ξ∂y∂η+∂y∂ξ∂x∂η)+∂x2∂2∂x∂η∂y∂η+∂x∂y∂u+∂x∂y∂2ξ∂y2∂2u=