由于偏微分方程数值解的学科特性,事实上这里仅仅是对知识点进行碓彻式学习,并不能有进一步深化的理解,望读者周知。
方程类型
-
对流方程
k ⋅ ∂ u ∂ n = f ( n ) \boldsymbol{k}\cdot\frac{\partial u}{\partial\boldsymbol{n}}=f(\boldsymbol{n}) k⋅∂n∂u=f(n) -
扩散方程
∂ ∂ n ⋅ k ∘ ∂ ∂ n u + f ( n ) = ∂ u ∂ t \frac{\partial}{\partial\boldsymbol{n}}\cdot\boldsymbol{k}\circ\frac{\partial}{\partial\boldsymbol{n}}u+f(\boldsymbol{n})=\frac{\partial u}{\partial t} ∂n∂⋅k∘∂n∂u+f(n)=∂t∂u
常系数时
k ⋅ Δ u + f ( n ) = ∂ u ∂ t \boldsymbol{k}\cdot\Delta u+f(\boldsymbol{n})=\frac{\partial u}{\partial t} k⋅Δu+f(n)=∂t∂u -
波动方程
k ⋅ Δ u + f ( n ) = ∂ 2 u ∂ t 2 \boldsymbol{k}\cdot\Delta u+f(\boldsymbol{n})=\frac{\partial^2 u}{\partial t^2} k⋅Δu+f(n)=∂t2∂2u -
Poisson方程
− Δ u = f ( n ) -\Delta u=f(\boldsymbol{n}) −Δu=f(n)
事实上,我们了解方程模样的目的通常是,能够快速准确地判断出这些方程属于椭圆型、双曲型以及抛物型这三种方程类型的哪一种类型。下面我们将给出判则。
方程类型判则
对于二阶偏微分方程,有
a
∂
2
u
∂
x
2
+
2
b
∂
2
u
∂
x
∂
y
+
c
∂
2
u
∂
y
2
+
R
=
0
a\frac{\partial^2 u}{\partial x^2}+2b\frac{\partial^2 u}{\partial x\partial y}+c\frac{\partial^2 u}{\partial y^2}+R=0
a∂x2∂2u+2b∂x∂y∂2u+c∂y2∂2u+R=0其中
R
R
R为可能的一阶导数项或者常数项。此时有如下判断标准
b
2
−
a
c
>
0
⇔
椭圆型
b
2
−
a
c
<
0
⇔
双曲型
b
2
−
a
c
=
0
⇔
抛物型
b^2-ac>0\Leftrightarrow 椭圆型\\ b^2-ac<0\Leftrightarrow 双曲型\\ b^2-ac=0\Leftrightarrow 抛物型
b2−ac>0⇔椭圆型b2−ac<0⇔双曲型b2−ac=0⇔抛物型对于一阶偏微分方程组,其一般形式如下:
∂
u
∂
y
−
A
(
x
,
y
,
u
)
∂
u
∂
x
+
h
(
x
,
y
,
u
)
=
0
\frac{\partial u}{\partial y}-A(x,y,u)\frac{\partial u}{\partial x}+h(x,y,u)=0
∂y∂u−A(x,y,u)∂x∂u+h(x,y,u)=0此时只需要判断
A
(
x
,
y
,
u
)
A(x,y,u)
A(x,y,u)的特征向量。
A
(
x
,
y
,
u
)
没有特征向量
⇔
椭圆型
A
(
x
,
y
,
u
)
有
p
个线性无关的特征向量
⇔
双曲型
A
(
x
,
y
,
u
)
有
n
个线性无关的特征向量
⇔
椭圆型
\begin{align} A(x,y,u)没有特征向量&\Leftrightarrow 椭圆型\\ A(x,y,u)有p个线性无关的特征向量&\Leftrightarrow 双曲型\\ A(x,y,u)有n个线性无关的特征向量&\Leftrightarrow 椭圆型\\ \end{align}
A(x,y,u)没有特征向量A(x,y,u)有p个线性无关的特征向量A(x,y,u)有n个线性无关的特征向量⇔椭圆型⇔双曲型⇔椭圆型
方程的衡量指标
我们说一个方程,实际上无异于就是从方程的维数、方程的阶数、方程的类型。方程的维数,实际上就是
n
\boldsymbol{n}
n的维数,我们特指PDE中包含的空间的维数;方程的阶数,就是方程中最高导数项对应的阶数。方程的类型已经在先前给出了,通过这些,我们就可以使用下述格式描述一个PDE。
X
阶
Y
维的
Z
方程
X阶Y维的Z方程
X阶Y维的Z方程其中
X
X
X代表方程阶数,
Y
Y
Y代表方程维数,
Z
Z
Z代表方程类型。