Wednesday, August 15, 2012

如果擴散係數 D 依賴於濃度 c（或第二種情況下的機率密度 P），則我們得到非線性擴散方程。

如果擴散係數 D 依賴於濃度 c（或第二種情況下的機率密度 P），則我們得到非線性擴散方程。

熱傳導方程式
维基百科，自由的百科全书
跳转到： 导航, 搜索
跳过字词转换说明
熱傳導方程式（或稱熱方程）是一個重要的偏微分方程，它描述一個區域內的溫度如何隨時間變化。

目录

[隐藏]

[编辑] 物理動機

一維熱方程圖解 (觀看動畫版)
熱傳導在三維的等方向均勻介質裡的傳播可用以下方程式表達：
{\partial u\over \partial t} = k \left({\partial^2 u\over \partial x^2 } + {\partial^2 u\over \partial y^2 } + {\partial^2 u\over \partial z^2 }\right) = k ( u_{xx} + u_{yy} + u_{zz} ) \quad
其中：
  • u =u(t, x, y, z) 表溫度，它是時間變數 t 與 空間變數 (x,y,z) 的函數。
  • {\partial u}/{\partial t}是空間中一點的溫度對時間的變化率。
  • u_{xx}, u_{yy} 與 u_{zz} 溫度對三個空間座標軸的二次導數。
  • k 決定於材料的熱傳導率、密度與熱容。
熱方程是傅立葉冷卻律的一個推論（詳見條目熱傳導）。
如果考慮的介質不是整個空間，則為了得到方程的唯一解，必須指定 u 的邊界條件。如果介質是整個空間，為了得到唯一性，必須假定解的增長速度有個指數型的上界，此假定吻合實驗結果。
熱方程的解具有將初始溫度平滑化的特質，這代表熱從高溫處向低溫處傳播。一般而言，許多不同的初始狀態會趨向同一個穩態（熱平衡）。因此我們很難從現存的熱分佈反解初始狀態，即使對極短的時間間隔也一樣。
熱方程也是拋物線偏微分方程最簡單的例子。
利用拉普拉斯算子，熱方程可推廣為下述形式
u_t = k \Delta u, \quad
其中的 \Delta 是對空間變數的拉普拉斯算子。
熱方程支配熱傳導及其它擴散過程，諸如粒子擴散或神經細胞的動作電位。熱方程也可以作為某些金融現象的模型，諸如布莱克-斯科尔斯模型與 Ornstein-Uhlenbeck 過程。熱方程及其非線性的推廣型式也被應用於影像分析。量子力學中的薛丁格方程雖然有類似熱方程的數學式（但時間參數為純虛數），本質卻不是擴散問題，解的定性行為也完全不同。
就技術上來說，熱方程違背狹義相對論，因為它的解表達了一個擾動可以在瞬間傳播至空間各處。擾動在前方光錐外的影響通常可忽略不計，但是若要為熱傳導推出一個合理的速度，則須轉而考慮一個雙曲線型偏微分方程。

[编辑] 以傅立葉級數解熱方程

在理想狀態下一根棍子的熱傳導，配上均勻的邊界條件。
以下解法首先由約瑟夫·傅立葉在他於1822年出版的著作 Théorie analytique de la chaleur（中譯：解析熱學）給出。先考慮只有一個空間變數的熱方程，這可以當作棍子的熱傳導之模型。方程式如下：
(1) \ u_t = k u_{xx} \quad
其中 u = u(t, x) 是t 和 x 的雙變數函數。
  • x 是空間變數，所以 x ∈ [0,L]，其中 L 表示棍子長度。
  • t 是時間變數，所以 t ≥ 0。
假設下述初始條件

(2) \ u(0,x) = f(x) \quad \forall x \in [0,L] \quad
其中函數 f 是給定的。再配合下述邊界條件
(3) \ u(t,0) = 0 = u(t,L) \quad \forall t > 0 \quad .
讓我們試著找一個非恆等於零的解，使之滿足邊界條件 (3) 並具備以下形式：
(4) \ u(t,x) = X(x) T(t). \quad
這套技術稱作分離變數法。現在將 u 代回方程式 (1)，
\frac{T'(t)}{kT(t)} = \frac{X''(x)}{X(x)}. \quad
由於等式右邊只依賴 x，而左邊只依賴 t，兩邊都等於某個常數 − λ，於是：
(5) \ T'(t) = - \lambda kT(t) \quad
(6) \ X''(x) = - \lambda X(x). \quad
以下將證明 (6) 沒有 λ ≤ 0 的解：
假設 λ < 0，則存在實數 B、C 使得
X(x) = B e^{\sqrt{-\lambda} \, x} + C e^{-\sqrt{-\lambda} \, x}.
從 (3) 得到
X(0) = 0 = X(L). \quad
於是有 B = 0 = C，這蘊含 u 恆等於零。

假設 λ = 0，則存在實數 B、C 使得
X(x) = Bx + C. \quad
仿上述辦法可從等式 (3) 推出 u 恆等於零。

因此必然有 λ > 0，此時存在實數 A、B、C 使得
T(t) = A e^{-\lambda k t} \quad
X(x) = B \sin(\sqrt{\lambda} \, x) + C \cos(\sqrt{\lambda} \, x).
從等式 (3) 可知 C = 0，因此存在正整數 n 使得
\sqrt{\lambda} = n \frac{\pi}{L}.

由此得到熱方程形如 (4) 的解。
一般而言，滿足 (1) 與 (3) 的解相加後仍是滿足 (1) 與 (3) 的解。事實上可以證明滿足 (1)、(2)、(3) 的解由下述公式給出：
u(t,x) = \sum_{n = 1}^{+\infty} D_n \left(\sin \frac{n\pi x}{L}\right) e^{-\frac{n^2 \pi^2 kt}{L^2}}
其中
D_n = \frac{2}{L} \int_0^L f(x) \sin \frac{n\pi x}{L} \, dx.

[编辑] 推廣求解技巧

上面採用的方法可以推廣到許多不同方程。想法是：在適當的函數空間上，算子 u \mapsto u_{xx} 可以用它的特徵向量表示。這就自然地導向線性自伴算子的譜理論。
考慮線性算子 Δ u = ux x，以下函數序列
e_n(x) = \sqrt{\frac{2}{L}}\sin \frac{n\pi x}{L}
（n ≥ 1）是 Δ 的特徵向量。誠然：
\Delta e_n = -\frac{n^2 \pi^2}{L^2} e_n.
此外，任何滿足邊界條件 f(0)=f(L)=0 的 Δ 的特徵向量都是某個 en。令 L2(0, L) 表 [0, L] 上全體平方可積函數的向量空間。這些函數 en 構成 L2(0, L) 的一組正交歸一基。更明白地說：
\langle e_n, e_m \rangle = \int_0^L e_n(x) e_m(x) dx = \left\{ \begin{matrix} 0 & n \neq m \\ 1 & m = n\end{matrix}\right.
最後，序列 {en}n ∈ N 張出 L2(0, L) 的一個稠密的線性子空間。這就表明我們實際上已將算子 Δ 對角化。

[编辑] 非均勻不等向介質中的熱傳導

一般而言，熱傳導的研究奠基於以下幾個原理。首先注意到熱流是能量流的一種形式，因此可以談論單位時間內流進空間中一塊區域的熱量。
  • 單位時間內流入區域 V 的熱量由一個依賴於時間的量 qt(V) 給出。假設 q 有個密度 Q(t,x)，於是
q_t(V) = \int_V Q(t,x)\,d x \quad
  • 熱流是個依賴於時間的向量函數 H(x)，其刻劃如下：單位時間內流經一個面積為 dS 而單位法向量為 n 的無窮小曲面元素的熱量是
\mathbf{H}(x) \cdot \mathbf{n}(x) \, dS
因此單位時間內進入 V 的熱流量也由以下的面積分給出
q_t(V)= - \int_{\partial V} \mathbf{H}(x) \cdot \mathbf{n}(x) \, dS
其中 n(x) 是在 x 點的向外單位法向量。
\mathbf{H}(x) = -\mathbf{A}(x) \cdot \nabla u (x)
其中 A(x) 是個 3 × 3 實對稱正定矩陣。
利用格林定理可將之前的面積分轉成一個體積分
q_t(V) = - \int_{\partial V} \mathbf{H}(x) \cdot \mathbf{n}(x) \, dS
= \int_{\partial V} \mathbf{A}(x) \cdot \nabla u (x) \cdot \mathbf{n}(x) \, dS
= \int_V \sum_{i, j} \partial_{x_i} a_{i j}(x) \partial_{x_j} u (t,x)\,dx
  • 溫度在 x 點對時間的改變率與流進 x 点所在的無窮小区域的熱量成正比，此比例常數與時間無關，而可能與空間有關，寫作 κ (x)。
\partial_t u(t,x) = \kappa(x) Q(t,x)\,
將以上所有等式合併，便獲得支配熱流的一般公式。
\partial_t u(t,x) = \kappa(x) \sum_{i, j} \partial_{x_i} a_{i j}(x) \partial_{x_j} u (t,x)
註記：
  • 係數 κ(x) 是該材料在 x 點的密度和比熱的积的倒数。
  • 在等方向性介質的情況，矩陣 A 只是個純量，等於材料的導熱率。
  • 在非等向的情況， A不一定是純量，我們鮮少能明確寫出熱方程的解。然而通常可考慮相應的抽象柯西問題，證明它是適定的，並（或）導出若干定性結果（諸如初始值保持正性、無窮傳播速度、收斂至平衡態或一些平滑化性質）。這些論證通常有賴於單參數半群理論：舉例來說，如果 A 是個對稱矩陣，那麼由
Au(x):=\sum_{i, j} \partial_{x_i} a_{i j}(x) \partial_{x_j} u (x)
定義的橢圓算子是自伴而且耗散的，因此由譜定理導出它生成一個單參數半群。

[编辑] 粒子擴散

[编辑] 粒子擴散方程

在粒子擴散的模性中，我們考慮的方程涉及
  • 在大量粒子集體擴散的情況：粒子的體積濃度，記作 c。
或者
不同情況下的方程式：
c_t = D \Delta c, \quad
或者
P_t = D \Delta P. \quad
c 與 P 都是位置與時間的函數。D 是擴散係數，它控制擴散速度，通常以公尺/秒為單位。
如果擴散係數 D 依賴於濃度 c（或第二種情況下的機率密度 P），則我們得到非線性擴散方程。
單一粒子在粒子擴散方程下的隨機軌跡是個布朗運動。
如果一個粒子在時間 t=0 時置於 \vec R = \vec 0，則相應的機率密度函數具有以下形式：
P(\vec R,t) = G(\vec R,t) = \frac{1}{(4 \pi D t)^{3/2}} e^{-\frac {\vec R^2}{4 D t}}
它與機率密度函數的各分量 R_x、R_y和R_z 的關係是：
P(\vec R,t) = \frac{1}{(4 \pi D t)^{3/2}} e^{-\frac {R_x^2+R_y^2+R_z^2}{4 D t}} = P(R_x,t)P(R_y,t)P(R_z,t)
隨機變數 R_x, R_y, R_z 服從平均數為 0、變異數為 2\,D\,t 的正態分佈。在三維的情形，隨機向量 \vec R 服從平均數為 \vec 0、變異數為 6\,D\,t 的正態分佈。
在 t=0 時，上述P(\vec R, t) 的表示式帶有奇點。對應於粒子處在原點之初始條件，其機率密度函數是在原點的狄拉克δ函數，記為 \delta (\vec R)（三維的推廣是 \delta (\vec R) = \delta (R_x) \delta (R_y) \delta (R_z)）；擴散方程對此初始值的解也稱作格林函數。

[编辑] 擴散方程的歷史源流

粒子擴散方程首先由 Adolf Fick 於1855年導得。

[编辑] 以格林函數解擴散方程

格林函數是擴散方程在粒子位置已知時的解（數學家稱之為擴散方程的基本解）。當粒子初始位置在原點 \vec 0 時，相應的格林函數記作 G(\vec R, t) （t>0）；根據擴散方程對平移的對稱性，對一般的已知初始位置\vec R^0，相應的格林函數是 G(\vec R - \vec R^0, t)。
對於一般的初始條件，擴散方程的解可以透過積分分解為一族格林函數的疊加。
舉例來說，設 t=0 時有一大群粒子，根據濃度分佈的初始值 c(\vec R, 0) 分佈於空間中。擴散方程的解將告訴我們濃度分佈如何隨時間演化。
跟任何（廣義）函數一樣，濃度分佈的初始值可以透過積分表為狄拉克δ函數的疊加：
c(\vec R, t=0) = \int c(\vec R^0,t=0) \delta(\vec R - \vec R^0) dR_x^0\,dR_y^0\,dR_z^0
擴散方程是線性的，因此在之後的任一時刻 t，濃度分佈變為：
c(\vec R, t) = \int c(\vec R^0,t=0) G(\vec R - \vec R^0,t) dR_x^0\,dR_y^0\,dR_z^0
在粒子擴散的情形，我們可以將狄拉克δ函數對應的初始條件理解為粒子落在一個已知位置。一般而言，任何擴散過程的解都有這種表法，包括熱傳導或動量的擴散；後者關係到流體的黏性現象。

[编辑] 一維格林函數解列表

以下以簡寫 BC 代表邊界條件，IC 代表初始條件。
\begin{cases} u_{t}=ku_{xx} & -\infty<x<\infty,\,0<t<\infty \\ u(x,0)=g(x) & IC \end{cases}
u(x,t)=\frac{1}{\sqrt{4\pi kt}} \int_{-\infty}^{\infty} \exp\left(-\frac{(x-y)^2}{4kt}\right)g(y)\,dy

\begin{cases} u_{t}=ku_{xx} & \, 0\le x<\infty, \, 0<t<\infty \\ u(x,0)=g(x) & IC \\ u(0,t)=0 & BC \end{cases}
u(x,t)=\frac{1}{\sqrt{4\pi kt}} \int_{0}^{\infty} \left(\exp\left(-\frac{(x-y)^2}{4kt}\right)-\exp\left(-\frac{(x+y)^2}{4kt}\right)\right) g(y)\,dy

\begin{cases} u_{t}=ku_{xx} & \, 0\le x<\infty, \, 0<t<\infty \\ u(x,0)=g(x) & IC \\ u_{x}(0,t)=0 & BC \end{cases}
u(x,t)=\frac{1}{\sqrt{4\pi kt}} \int_{0}^{\infty} \left(\exp\left(-\frac{(x-y)^2}{4kt}\right)+\exp\left(-\frac{(x+y)^2}{4kt}\right)\right) g(y)\,dy

\begin{cases} u_{t}=ku_{xx}+f & -\infty<x<\infty,\,0<t<\infty \\ u(x,0)=0 & IC \end{cases}
u(x,t)=\int_{0}^{t}\int_{-\infty}^{\infty} \frac{1}{\sqrt{4\pi k(t-s)}} \exp\left(-\frac{(x-y)^2}{4k(t-s)}\right)f(s)\,dyds

\begin{cases} u_{t}=ku_{xx}+f(x,t) & 0\le x<\infty,\,0<t<\infty \\ u(x,0)=0 & IC \\ u(0,t)=0 & BC \end{cases}
u(x,t)=\int_{0}^{t}\int_{0}^{\infty} \frac{1}{\sqrt{4\pi k(t-s)}} \left(\exp\left(-\frac{(x-y)^2}{4k(t-s)}\right)-\exp\left(-\frac{(x+y)^2}{4k(t-s)}\right)\right) f(y,s)\,dyds

\begin{cases} u_{t}=ku_{xx} & 0\le x<\infty,\,0<t<\infty \\ u(x,0)=0 & IC \\ u(0,t)=h(t) & BC \end{cases}
u(x,t)=\int_{0}^{t} \frac{x}{\sqrt{4\pi k(t-s)^3}} \exp\left(-\frac{x^2}{4k(t-s)}\right)h(s)\,ds
（可能的問題：根據上解，u(0)=0）
\begin{cases} u_{t}=ku_{xx}+f & -\infty<x<\infty,\,0<t<\infty \\ u(x,0)=g(x) & IC\end{cases}
\quad{u=w+v}
\begin{cases} v_{t}=kv_{xx}+f, \, w_{t}=kw_{xx} \, & -\infty<x<\infty,\,0<t<\infty \\ v(x,0)=0,\, w(x,0)=g(x) \, & IC\end{cases}

\begin{cases} u_{t}=ku_{xx}+f & 0\le x<\infty,\,0<t<\infty \\ u(x,0)=g(x) & IC \\ u(0,t)=h(t) & BC\end{cases}
\quad{u=w+v+r}
\begin{cases} v_{t}=kv_{xx}+f, \, w_{t}=kw_{xx}, \, r_{t}=kr_{xx} \, & 0\le x<\infty,\,0<t<\infty \\ v(x,0)=0, \; w(x,0)=g(x), \; r(x,0)=0 & IC \\ v(0,t)=0, \; w(0,t)=0, \; r(0,t)=h(t) & BC \end{cases}

[编辑] 應用

熱方程在許多現象的數學模型中出現，而且常在金融數學中作為期權的模型出現。著名的布莱克-斯科尔斯模型中的差分方程可以轉成熱方程，並從此導出較簡單的解。許多簡單期權的延伸模型沒有解析解，因此必須以數值方法計算模型給出的定價。熱方程可以用 Crank-Nicolson 法有效地求數值解，此方法也可用於許多無解析解的模型（詳見文獻 Wilmott，1995）。
熱方程在流形上的推廣是處理阿蒂亞-辛格指標定理的主要工具之一，由此也導向熱方程在黎曼幾何中的許多深入應用
Posted by at

No comments:

Post a Comment

Subscribe to: Post Comments (Atom)