偏微分笔记(一)

方程的导出及定解问题的提法

基本概念

一般形式: u ( x 1 , x 2 , ⋯   , x n ) ( n ≥ 2 ) u(x_1,x_2,\cdots,x_n)(n\ge 2) u(x1,x2,,xn)(n2)
F ( x 1 , ⋯   , x n , u , D u , D 2 u , ⋯   , D m u ) F(x_1,\cdots,x_n,u,Du,D^2u,\cdots,D^mu) F(x1,,xn,u,Du,D2u,,Dmu)
偏微分方程的阶:方程中实际所含未知函数的偏导数的最高阶数
偏 微 分 方 程 { 线 性 偏 微 分 方 程 非 线 性 偏 微 分 方 程 { 拟 线 性 偏 微 分 方 程 { 半 线 性 偏 微 分 方 程 一 般 拟 线 性 偏 微 分 方 程 完 全 非 线 性 偏 微 分 方 程 偏微分方程 \begin{cases} 线性偏微分方程\\ 非线性偏微分方程 \begin{cases} 拟线性偏微分方程 \begin{cases} 半线性偏微分方程\\\\ 一般拟线性偏微分方程 \end{cases} \\\\ 完全非线性偏微分方程 \end{cases} \end{cases} 线线线线线线
线性叠加原理:与常微分相同(齐次解(通解)与非齐次解(特解))

习题1.1中的偏微分方程( u = f ( x , y ) u=f(x,y) u=f(x,y)):

  • ∂ ∂ x u = 0 ⇒ u = g ( y ) \frac{\partial}{\partial x}u=0\Rightarrow u=g(y) xu=0u=g(y)
  • ∂ ∂ y u = 0 ⇒ u = h ( x ) \frac{\partial}{\partial y}u=0\Rightarrow u=h(x) yu=0u=h(x)

几个经典方程

没啥好写的。不如写写接下来会出现的符号或数学工具。

  • Laplace算子

  • 散度定理
    ∫ Ω ∑ i = 1 n ∂ P i ∂ x i d x 1 ⋯ d x n = ∫ Γ ∑ i = 1 n P i cos ⁡ ( ν , x i ) d S \int_{\Omega}\sum_{i=1}^n\frac{\partial P_i}{\partial x_i} dx_1\cdots dx_n =\int_{\Gamma}\sum_{i=1}^nP_i\cos(\nu,x_i)dS Ωi=1nxiPidx1dxn=Γi=1nPicos(ν,xi)dS

  • Fourier积分

定解问题

{ 泛 定 方 程 定 解 问 题 ∗ { 初 值 问 题 边 值 问 题 { 第 一 边 值 问 题 ( D i r i c h l e t 问 题 ) 第 二 边 值 问 题 ( N e u m a n n 问 题 ) 第 三 边 值 问 题 ( R o b i n 问 题 ) 初 边 值 问 题 ( 混 合 问 题 ) ∗ : 定 解 问 题 — — 泛 定 方 程 + 定 解 条 件 \begin{cases} 泛定方程\\ 定解问题^* \begin{cases} 初值问题\\ 边值问题 \begin{cases} 第一边值问题(Dirichlet问题)\\\\ 第二边值问题(Neumann问题)\\\\ 第三边值问题(Robin问题) \end{cases}\\ \\初边值问题(混合问题) \end{cases} \end{cases} \\ *:定解问题——泛定方程+定解条件 DirichletNeumannRobin:+

适定性:存在性(至少一个解),唯一性(至多一个解),稳定性(当已知的定解条件在某种意义下做微小的变动时,相应的定解问题的解也只做微小的变动)

二阶方程的特征理论与分类

二阶方程的特征

(1)两个自变量:

  • 一般形式:

a u x x + 2 b u x y + c u y y = F au_{xx}+{\color{red}{2b}}u_{xy}+cu_{yy}=F auxx+2buxy+cuyy=F

  • 特征方程: a d y 2 − 2 b d x d y + c d x 2 = 0 a{\sf dy^2}{\color{red}{-}}2b{\sf dxdy}+c{\sf dx^2}=0 ady22bdxdy+cdx2=0
    d y d x = b ± b 2 − a c a   ( a ≠ 0 ) \frac{dy}{dx}=\frac{b\pm \sqrt{b^2-ac}}{a}~(a\ne0) dxdy=ab±b2ac  (a=0)

  • 隐函数形式:与数学分析中一样,只要利用好隐函数形式和显函数之间的关系就行,举个例子,若 F ( x , y , z ) = 0 F(x,y,z)=0 F(x,y,z)=0,则可先计算出 F x , f y , F z F_x,f_y,F_z Fx,fy,Fz 那么有
    d y d x = − F x F y ,   d z d y = − F y F z ,   d z d x = − F x F z \frac{dy}{dx}=-\frac{F_x}{F_y},~ \frac{dz}{dy}=-\frac{F_y}{F_z},~ \frac{dz}{dx}=-\frac{F_x}{F_z} dxdy=FyFx, dydz=FzFy, dxdz=FzFx

(2)多个自变量:(可略过)

  • 一般形式:
    ∑ 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}^na_{ij}\frac{\partial^2u}{\partial x_i\partial x_j}+\sum_{i=1}^nb_i\frac{\partial u}{\partial x_i}+cu=f i,j=1naijxixj2u+i=1nbixiu+cu=f
    a i j , b i , c , f a_{ij},b_i,c,f aij,bi,c,f 为已知函数,并需要在 R n \R^n Rn一定区域满足可微性条件,设 S 是 R n \R^n Rn 一个曲面: G ( x 1 , ⋯   , x n ) = 0 G(x_1,\cdots,x_n)=0 G(x1,,xn)=0
    { u ∣ G = 0 = ϕ 0 ( x 1 , ⋯   , x n ) , ∂ u ∂ x 1 ∣ G = 0 = ϕ 1 ( x 1 , ⋯   , x n ) , ⋯   , ∂ u ∂ x n ∣ G = 0 = ϕ n ( x 1 , ⋯   , x n ) \begin{cases} u\vert_{G=0}=\phi_0(x_1,\cdots,x_n),\\\\ \frac{\partial u}{\partial x_1}\vert_{G=0}=\phi_1(x_1,\cdots,x_n),\cdots,\frac{\partial u}{\partial x_n}\vert_{G=0}=\phi_n(x_1,\cdots,x_n) \end{cases} uG=0=ϕ0(x1,,xn),x1uG=0=ϕ1(x1,,xn),,xnuG=0=ϕn(x1,,xn)

  • 特征曲面:
    ∑ i , j = 1 n a i j ∂ G ∂ x i ∂ G ∂ x j = 0 \sum_{i,j=1}^na_{ij}\frac{\partial G}{\partial x_i}\frac{\partial G}{\partial x_j}=0 i,j=1naijxiGxjG=0
    或:
    ∑ i , j = 1 n a i j α i α j = 0 \sum_{i,j=1}^na_{ij}\alpha_i\alpha_j=0 i,j=1naijαiαj=0

  • 想法:为啥大于两个变量的二阶方程特征需要 ∂ G ∂ x i \frac{\partial G}{\partial x_i} xiG 等也即在曲面上的信息,而两个变量时不用呢?实际上,都是有涉及到的。只不过两个变量时的相容性条件很好,决定是否为特征曲线的式子只需要到泛定方程的原始信息。

(3)在非特征曲线上给定初始条件,解可能是适定的。但若初始条件给在特征曲线上,则一般无解,若有解则解有无穷个,即不适定。

二阶方程的分类

(1)两个自变量: Ω ⊂ R 2 \Omega\subset \R^2 ΩR2 是一个区域
{ 双 曲 型 偏 微 分 方 程 Δ ( Ω ) > 0 抛 物 型 偏 微 分 方 程 Δ ( Ω ) = 0 椭 圆 型 偏 微 分 方 程 Δ ( Ω ) < 0 \begin{cases} 双曲型偏微分方程&\Delta(\Omega)>0\\ 抛物型偏微分方程&\Delta(\Omega)=0\\ 椭圆型偏微分方程&\Delta(\Omega)<0\\ \end{cases} Δ(Ω)>0Δ(Ω)=0Δ(Ω)<0
此外,还有混合型方程,退化双曲型方程,退化椭圆型方程(略过)

(2)多个自变量(n>2):仅考虑主部具有常系数的多个自变量的二阶线性偏微分方程
∑ i , j = 1 n a i j ∂ 2 u ∂ x i ∂ x j + ∑ i = 1 n b i ( x 1 , ⋯   , x n ) ∂ u ∂ x i + c ( x 1 , ⋯   , x n ) u = f ( x 1 , ⋯   , x n ) (#) \sum_{i,j=1}^na_{ij}\frac{\partial^2u}{\partial x_i\partial x_j}+\sum_{i=1}^nb_i(x_1,\cdots,x_n)\frac{\partial u}{\partial x_i}+c(x_1,\cdots,x_n)u=f(x_1,\cdots,x_n)\tag{\#} i,j=1naijxixj2u+i=1nbi(x1,,xn)xiu+c(x1,,xn)u=f(x1,,xn)(#)
由上一节知识,上面式子的特征方程为:
∑ i , j = 1 n a i j α i α j = 0 \sum_{i,j=1}^na_{ij}\alpha_i\alpha_j=0 i,j=1naijαiαj=0
称之为特征二次型,首先我们需要把这个特征二次型 标准化

最先考虑的方法是 配方法,其次才是 初等变换(行列同时),详情点击下面链接 ⬇️
(摘自 二次型化标准形的五种方法 )

将(#)化为标准型:
∑ i n λ i ∂ 2 u ∂ y i 2 + ∑ i = 1 n B i ( y 1 , ⋯   , y n ) ∂ u ∂ y i + C ( y 1 , ⋯   , y n ) u = F ( y 1 , ⋯   , y n ) \sum_{i}^n\lambda_i\frac{\partial^2u}{\partial y_i^2}+\sum_{i=1}^nB_i(y_1,\cdots,y_n)\frac{\partial u}{\partial y_i}+C(y_1,\cdots,y_n)u=F(y_1,\cdots,y_n) inλiyi22u+i=1nBi(y1,,yn)yiu+C(y1,,yn)u=F(y1,,yn)
得到如下分类:
{ λ i 全 不 为 0   { λ i   全 是 1 或 全 是 − 1            椭 圆 型 偏 微 分 方 程 λ i   不 全 是 1 且 不 全 是 − 1 { 1 个 为 1 , 其 余 为 − 1    双 曲 型 偏 微 分 方 程 1 个 为 − 1 , 其 余 为 1    双 曲 型 偏 微 分 方 程 1 或 − 1 的 个 数 超 过 1    超 双 曲 型 偏 微 分 方 程 λ i 有 一 个 为 0                                                抛 物 型 偏 微 分 方 程 λ i 至 少 两 个 为 0                                                ( 不 讨 论 ) \begin{cases} \lambda_i 全不为0~ \begin{cases} \lambda_i~全是1或全是-1 ~~~~~~~~~~椭圆型偏微分方程\\\\ \lambda_i~不全是1且不全是-1 \begin{cases} 1个为1,其余为-1~~双曲型偏微分方程\\\\ 1个为-1,其余为1~~双曲型偏微分方程\\\\ 1或-1的个数超过1 ~~超双曲型偏微分方程 \end{cases} \end{cases} \\\\ \lambda_i 有一个为0 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~抛物型偏微分方程 \\\\ \lambda_i 至少两个为0 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~(不讨论) \end{cases} λi0 λi 11          λi 11111  111  111  λi0                                              λi0                                              ()

二阶方程化为标准型(n=2)

(1)双曲型方程具有两种标准型,第一标准型 主部不含平方项,第二标准型恰好相反。两种标准型通过一个旋转变换产生联系。(不用记得哪个究竟是哪个标准型不好交叉项,因为利用特征曲线法化简出来的就是第一标准型,看结果就知道了)
a u x x + b u x y + c u y y ⟶ 特 征 曲 线 u ξ η ⟶ x ˉ = ξ + η ,   y ˉ = ξ − η u x ˉ x ˉ − u y ˉ y ˉ au_{xx}+bu_{xy}+cu_{yy}\overset{特征曲线}{\longrightarrow}u_{\xi\eta}\overset{\bar x=\xi+\eta,~\bar y=\xi-\eta}{\longrightarrow}u_{\bar x\bar x}-u_{\bar y\bar y} auxx+buxy+cuyy线uξηxˉ=ξ+η, yˉ=ξηuxˉxˉuyˉyˉ在这里插入图片描述
(2)抛物型偏微分方程只会得到一条特征曲线,进行变量替换时需要将其中一个进行直接替换,(4)中会体现这一点。

(3)主部常系数的二阶方程:如何快速定出一阶项的系数?

例题(p35. 1.(2))化下式为标准型:
u x x + 2 u x y + 2 u y y + 4 u y z + 5 u z z + 3 u x + u y = 0 u_{xx}+2u_{xy}+2u_{yy}+4u_{yz}+5u_{zz}+3u_{x}+u_y=0 uxx+2uxy+2uyy+4uyz+5uzz+3ux+uy=0
解: D = α 1 2 + 2 α 1 α 2 + 2 α 2 2 + 4 α 1 α 3 + 5 α 3 2 D=\alpha_1^2+2\alpha_1\alpha_2+2\alpha_2^2+4\alpha_1\alpha_3+5\alpha_3^2 D=α12+2α1α2+2α22+4α1α3+5α32,利用配方法,易得 D = ( α 1 + α 2 ) 2 + ( α 2 + 2 α 3 ) 2 + α 3 2 D=(\alpha_1+\alpha_2)^2+(\alpha_2+2\alpha_3)^2+\alpha_3^2 D=(α1+α2)2+(α2+2α3)2+α32,令
{ β 1 = α 1 + α 2 β 2 = α 2 + 2 α 3 β 3 = α 3 , 则 { α 1 = β 1 − β 2 + 2 β 3 α 2 = β 2 − 2 β 3 α 3 = β 3 \begin{cases} \beta_1=\alpha_1+\alpha_2\\ \beta_2=\alpha_2+2\alpha_3\\ \beta_3=\alpha_3 \end{cases},则 \begin{cases} \alpha_1=\beta_1-\beta_2+2\beta_3\\ \alpha_2=\beta_2-2\beta_3\\ \alpha_3=\beta_3 \end{cases} β1=α1+α2β2=α2+2α3β3=α3α1=β1β2+2β3α2=β22β3α3=β3
则新的一次项系数为
( 3 1 0 ) ( 1 − 1 2 0 1 − 2 0 0 1 ) = ( 3 − 2 4 ) \begin{pmatrix} 3&1&0 \end{pmatrix} \begin{pmatrix} 1&-1&2\\ 0&1&-2\\ 0&0&1 \end{pmatrix}=\begin{pmatrix} 3&-2&4 \end{pmatrix} (310)100110221=(324)
最终化为 u ξ ξ + u η η + u ζ ζ + 3 u ξ − 2 u η + 4 u ζ = 0 u_{\xi\xi}+u_{\eta\eta}+u_{\zeta\zeta}+3u_{\xi}-2u_{\eta}+4u_{\zeta}=0 uξξ+uηη+uζζ+3uξ2uη+4uζ=0

(4)主部非常系数求特征及标准型

本质上,我们解决如何求特征曲线——将常数项替换成新的变量!

例题(p34. 1.(3))化下式为标准型:
sin ⁡ 2 x u x x − 2 y sin ⁡ x u x y + y 2 u y y = 0 \sin^2xu_{xx}-2y\sin xu_{xy}+y^2u_{yy}=0 sin2xuxx2ysinxuxy+y2uyy=0
解: ∵ Δ = b 2 − a c = ( − y sin ⁡ x ) 2 − sin ⁡ 2 x ⋅ y 2 = 0 \because \Delta=b^2-ac=(-y\sin x)^2-\sin^2 x\cdot y^2=0 Δ=b2ac=(ysinx)2sin2xy2=0 ∴ 抛 物 型 偏 微 分 方 程 \therefore 抛物型偏微分方程
d y d x = b ± b 2 − a c a = − y sin ⁡ x ,    y = c e − ∫ d x sin ⁡ x = c sin ⁡ x 1 − cos ⁡ x \frac{dy}{dx}=\frac{b\pm \sqrt{b^2-ac}}{a}=\frac{-y}{\sin x} , ~~y=ce^{-\int\frac{dx}{\sin x}}=c\frac{\sin x}{1-\cos x} dxdy=ab±b2ac =sinxy,  y=cesinxdx=c1cosxsinx
进行变量替换,令
y = c sin ⁡ x 1 − cos ⁡ x ⇒ y = ξ sin ⁡ x 1 − cos ⁡ x ⇒ ξ = y ( 1 − cos ⁡ x ) sin ⁡ x y={\color{red}{c}}\frac{\sin x}{1-\cos x} \Rightarrow y={\color{red}{\xi}}\frac{\sin x}{1-\cos x} \Rightarrow {\color{red}{\xi}}=\frac{y(1-\cos x)}{\sin x}\\ y=c1cosxsinxy=ξ1cosxsinxξ=sinxy(1cosx)
所以,
{ ξ = y ( 1 − cos ⁡ x ) sin ⁡ x    η = y \begin{cases} \xi=\frac{y(1-\cos x)}{\sin x} ~~ \\\\ \eta=y \end{cases} ξ=sinxy(1cosx)  η=y
余下常规操作

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值