热方程与波动方程

热方程与波动方程

讲课内容

一、热方程的求解

热方程描述了物体内热量的分布随时间变化的过程，广泛应用于热传导问题。热方程的标准形式为：
$$\frac{\partial u}{\partial t}=\alpha {\nabla }^{2}u$$
其中，$u(x,t)$ 是温度分布，$\alpha$ 是热扩散系数，${\nabla }^2$ 是拉普拉斯算子。

1.1 一维热方程

一维热方程的标准形式为：
$$\frac{\partial u}{\partial t}=\alpha \frac{{\partial }^{2}u}{\partial x^2}$$
解决这个方程的方法通常是分离变量法，假设解可以写成空间部分与时间部分的乘积，即 $u(x,t)=X(x)T(t)$。

代入热方程后，可以得到两个独立的常微分方程：
$$\frac{T^{\prime }(t)}{T(t)}=\alpha \frac{X^{\prime \prime }(x)}{X(x)}=-\lambda$$
这是一个分离常数的标准形式。

例子： 求解以下一维热方程：
$$\frac{\partial u}{\partial t}=\alpha \frac{{\partial }^{2}u}{\partial x^2}$$
初始条件：$u(x,0)=\sin (\pi x)$，边界条件：$u(0,t)=0$，$u(1,t)=0$。

1. 使用分离变量法，假设解为 $u(x,t)=X(x)T(t)$。
2. 代入热方程，得到两个独立的常微分方程：
   $$X^{\prime \prime }(x)+\lambda X(x)=0,T^{\prime }(t)=-\alpha \lambda T(t)$$
3. 解得 $X(x)=\sin (n\pi x)$，其中 $\lambda =(n\pi {)}^2$。
4. 对时间部分，解得 $T(t)=e^{-\alpha (n\pi {)}^{2}t}$。
5. 总解为：
   $$u(x,t)=\sum _{n=1}^{\infty }{B}_n\sin (n\pi x)e^{-\alpha (n\pi {)}^{2}t}$$
6. 使用初始条件确定常数 $B_n$，最终得到解。

1.2 多维热方程

多维热方程是热方程的扩展，适用于描述二维或三维空间中温度的分布。它的标准形式为：
$$\frac{\partial u}{\partial t}=\alpha {\nabla }^{2}u$$
其中 ${\nabla }^2$ 是拉普拉斯算子，在二维空间中为：
$${\nabla }^{2}u=\frac{{\partial }^{2}u}{\partial x^2}+\frac{{\partial }^{2}u}{\partial y^2}$$
求解过程与一维热方程类似，可以通过分离变量法进行解答。

二、波动方程的求解

波动方程描述了波的传播，广泛应用于声学、光学、机械振动等领域。波动方程的标准形式为：
$$\frac{{\partial }^{2}u}{\partial t^2}=c^2{\nabla }^{2}u$$
其中，$u(x,t)$ 是位移，$c$ 是波速，${\nabla }^2$ 是拉普拉斯算子。

2.1 一维波动方程

一维波动方程的标准形式为：
$$\frac{{\partial }^{2}u}{\partial t^2}=c^2\frac{{\partial }^{2}u}{\partial x^2}$$
我们也可以使用分离变量法来求解。

假设解为 $u(x,t)=X(x)T(t)$，代入波动方程得到：
$$\frac{T^{\prime \prime }(t)}{T(t)}=c^2\frac{X^{\prime \prime }(x)}{X(x)}=-\lambda$$
解得空间部分 $X(x)=A\sin (kx)+B\cos (kx)$，时间部分 $T(t)=C\cos (\omega t)+D\sin (\omega t)$，其中 $\omega =ck$。

例子： 求解一维波动方程：
$$\frac{{\partial }^{2}u}{\partial t^2}=c^2\frac{{\partial }^{2}u}{\partial x^2}$$
初始条件：$u(x,0)=0$，$\frac{\partial u}{\partial t}(x,0)=\sin (\pi x)$，边界条件：$u(0,t)=0$，$u(1,t)=0$。

1. 假设解为 $u(x,t)=X(x)T(t)$。
2. 代入波动方程，得到两个常微分方程。
3. 解得空间部分 $X(x)=\sin (n\pi x)$，时间部分 $T(t)=\sin (n\pi ct)$。
4. 总解为：
   $$u(x,t)=\sum _{n=1}^{\infty }{B}_n\sin (n\pi x)\sin (n\pi ct)$$
5. 使用初始条件确定常数 $B_n$，最终得到解。

三、初值问题与边值问题

初值问题和边值问题是偏微分方程求解中的两个重要组成部分。初值问题涉及时间或空间的初始状态，而边值问题涉及边界上的条件。

3.1 初值问题

初值问题是指给定初始时刻（通常是 $t=0$）的状态，要求解方程在该时刻后的解。通常用于描述时间变化的问题，如热方程、波动方程等。

3.2 边值问题

边值问题是指给定某一时刻或空间上的边界条件，要求解方程在该边界条件下的解。边值问题通常出现在空间问题中，如拉普拉斯方程、静电场问题等。

3.3 经典的初值与边值问题

• 热方程： 给定初始温度分布和边界上的温度条件。
• 波动方程： 给定初始位移和初始速度，以及边界上的位移条件。
• 拉普拉斯方程： 给定静态场的边界条件。

课堂活动

活动 1：通过具体例子，计算热方程和波动方程的解，并讨论物理意义

任务：

1. 使用分离变量法求解一维热方程和波动方程，比较解的形式和物理意义。
2. 学生根据给定的初始条件和边界条件，计算并讨论解的变化。

例子：

• 热方程： 给定一个一维杆的初始温度分布和两端的边界条件，求解温度随时间的变化。
• 波动方程： 给定一个弦的初始位移和速度，求解其振动过程。

活动 2：让学生计算波动方程的解

任务：

1. 给定初始位移 $u(x,0)=\sin (\pi x)$，初始速度 $\frac{\partial u}{\partial t}(x,0)=0$，边界条件 $u(0,t)=0$，$u(1,t)=0$，让学生计算波动方程的解。
2. 让学生用分离变量法求解，并绘制结果图。

Python 代码实现示例

1. 解一维热方程

import numpy as np
import matplotlib.pyplot as plt

# 定义参数
L = 1  # 长度
T = 1  # 时间
Nx = 50  # 空间分割数
Nt = 100  # 时间分割数
alpha = 0.01  # 扩散系数
dx = L / (Nx - 1)  # 空间步长
dt = T / Nt  # 时间步长

# 初始化温度分布
u = np.zeros((Nx, Nt))
x = np.linspace(0, L, Nx)
u[:, 0] = np.sin(np.pi * x / L)  # 初始温度分布

# 使用显式差分法进行求解
for n in range(0, Nt - 1):
    for i in range(1, Nx - 1):
        u[i, n + 1] = u[i, n] + alpha * dt / dx**2 * (u[i + 1, n] - 2*u[i, n] + u[i - 1, n])

# 绘制结果
plt.imshow(u, extent=[0, T, 0, L], origin='lower', aspect='auto')
plt.colorbar(label='Temperature')
plt.xlabel('Time')
plt.ylabel('Position')
plt.title('Heat Equation Solution')
plt.show()

2. 解一维波动方程

# 波动方程的解
def wave_solution(x, t, L, c):
    return np.sin(np.pi * x / L) * np.cos(np.pi * c * t / L)

# 时间和空间网格
T = 1  # 总时间
Nx = 50  # 空间分割点数
Nt = 100  # 时间分割点数
x = np.linspace(0, 1, Nx)
t = np.linspace(0, T, Nt)
X, T_grid = np.meshgrid(x, t)

# 计算波动方程解
c = 1
U = wave_solution(X, T_grid, 1, c)

# 绘制结果
plt.imshow(U, extent=[0, T, 0, 1], origin='lower', aspect='auto')
plt.colorbar(label='Displacement')
plt.xlabel('Time')
plt.ylabel('Position')
plt.title('Wave Equation Solution')
plt.show()

总结

• 热方程描述了温度分布随时间变化的过程，常通过分离变量法求解，适用于热传导等问题。
• 波动方程描述了波的传播，常用分离变量法求解，适用于振动、声波传播等问题。
• 通过编程练习可以更好地理解这些方程的物理意义，并熟悉如何用数值方法求解这些经典的偏微分方程。