一般形式
D
(
x
,
y
,
.
.
.
,
u
,
∂
u
∂
x
.
.
.
∂
2
u
∂
x
2
,
∂
2
u
∂
x
∂
y
,
.
.
.
.
)
=
0
D(x,y,...,u, \frac {\partial u}{\partial x}...\frac {\partial ^2u}{\partial x^2},\frac {\partial^2 u}{\partial x \partial y},....)=0
D(x,y,...,u,∂x∂u...∂x2∂2u,∂x∂y∂2u,....)=0
自变量 x y
未知量 U
阶数 U的最高次偏导数是几阶导
次数 最高阶的是幂次
线性 各阶导数都是一次
拟线性 不是线性 但是最高阶都是一次
齐次 不带u及其导数的项为0
举例：
∂
u
∂
x
+
u
∂
u
∂
y
=
x
2
\frac {\partial u}{\partial x}+u\frac {\partial u}{\partial y}=x^2
∂x∂u+u∂y∂u=x2
二阶一次拟线性非齐次
二阶线性
Laplace方程
Δ
u
=
0
\Delta u=0
Δu=0
Poisson方程
Δ
u
=
f
(
x
,
y
)
\Delta u=f(x,y)
Δu=f(x,y)
热传导方程
Δ
u
=
u
t
\Delta u=u_t
Δu=ut
波动方程
Δ
u
=
u
t
t
\Delta u=u_{tt}
Δu=utt
任意二阶线性偏微分方程可以化为三类 elliptic（椭圆） parabolic（抛物）hyperbolic（双曲）
边界条件
Dirichlet：
u
=
g
,
o
n
Γ
N
u=g,on \Gamma_N
u=g,onΓN
Neumann:
∇
u
⋅
n
⃗
=
p
,
o
n
Γ
N
\nabla u·\vec{n}=p,on \Gamma_N
∇u⋅n=p,onΓN
Robin:
∇
u
⋅
n
⃗
+
r
u
=
q
,
o
n
Γ
N
\nabla u·\vec{n}+ru=q,on \Gamma_N
∇u⋅n+ru=q,onΓN
2089
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
