下载文档原格式
偏微分方程的分类偏微分方程是数学中的一个重要分支，广泛应用于物理学、工程学、生物学等领域。
根据方程中未知函数的自变量的个数和方程中出现的最高阶导数的个数不同，可以将偏微分方程分为几类。
一、偏微分方程的分类1. 一阶偏微分方程：当方程中出现的最高阶导数为一阶导数时，我们称之为一阶偏微分方程。
一阶偏微分方程在物理学和工程学中有着广泛的应用，如热传导方程、波动方程等。
2. 二阶偏微分方程：当方程中出现的最高阶导数为二阶导数时，我们称之为二阶偏微分方程。
二阶偏微分方程是偏微分方程中最为常见的一种，例如泊松方程、亥姆霍兹方程等。
3. 高阶偏微分方程：除了一阶和二阶偏微分方程之外，还存在高阶偏微分方程，即方程中出现的最高阶导数大于二阶导数的情况。
高阶偏微分方程在某些特定的领域中有着重要的应用，如梁-爱因斯坦方程等。
4. 线性偏微分方程：线性偏微分方程是指方程中未知函数及其导数之间是线性关系的偏微分方程。
线性偏微分方程的性质相对容易研究，通常可以通过变量分离、特征线法等方法求解。
5. 非线性偏微分方程：非线性偏微分方程是指方程中未知函数及其导数之间是非线性关系的偏微分方程。
非线性偏微分方程的性质较为复杂，通常需要借助数值方法或者变换方法求解。
6. 椭圆型偏微分方程：椭圆型偏微分方程是指方程的二阶导数中的系数满足某些条件，使得方程在解析性质上类似于椭圆形的偏微分方程。
椭圆型偏微分方程在静电场、稳态热传导等问题中有着重要应用。
7. 抛物型偏微分方程：抛物型偏微分方程是指方程的二阶导数中的系数在某些条件下，使得方程在解析性质上类似于抛物线的偏微分方程。
抛物型偏微分方程在热传导、扩散等问题中有着广泛的应用。
8. 双曲型偏微分方程：双曲型偏微分方程是指方程的二阶导数中的系数在某些条件下，使得方程在解析性质上类似于双曲线的偏微分方程。
双曲型偏微分方程在波动传播、振动等问题中有着重要的应用。
二、结语偏微分方程的分类为我们理解和研究不同类型的偏微分方程提供了一定的指导。
数学物理方程及数值解 复习提要一、偏微分方程的建立 CH1 典型方程和定解条件 【内容提要】1. 方程的建立(步骤:确定物理量;微元法建立等式;化简得方程)主要方法：微元法； 泛定方程:(1) 波动方程(双曲型)：弦振动方程：222222(,)(,)(),()u x t u x t F a a txρ∂∂==∂∂张力单位长度弦质量 传输线方程：222222222221,00i a LCi a a t x t x νν∂∂∂∂-=-=∂∂∂=∂；， 电磁场方程:22222211,,H E H E t t εμεμ∂∂=∇=∇∂∂22222222221(),με标量函数形式:∂∂∂∂=++∂∂∂=∂u u u z a u a t x y (2) 热传导方程/扩散方程（抛物型）:ρ，其中22u Fa u f f t c ∂=∇+=∂ 导热杆（无热源）222u u a t x ∂∂=∂∂， 导热片（无热源）22222()u u u a t x y ∂∂∂=+∂∂∂ (3) 稳恒方程(椭圆型):Poisson 方程：，2u f ∇= Laplace 方程：，20u ∇=2.定解条件：初始条件及边界条件边界条件(1)第一类边界条件(Dirichlet 条件): 1(,)(,)D u M t f M t ∂=(2) 第二类边界条件(Neumann 条件):2Duf n ∂∂=∂ (3) 第三类边界条件(Robin 条件): 3()Duu f n σ∂∂+=∂ 3.定解问题的提法：⎧⎪⎧⎨⎨⎪⎩⎩偏微分方程(泛定方程)定解问题初始条件定解条件边界条件()Cauchy ⎧⎨⎩泛定方程(1)初始问题初始条件 ⎧⎨⎩泛定方程(2)边界问题(第一,二,三)边界条件⎧⎪⎨⎪⎩泛定方程(3)混合问题初始条件边界条件4.线性偏微分方程的基本性质（1）.线性迭加原理212,11,,,,,,,:nnij i ij i n i j i i j iL a b c a b c f x x x x x x ==∂∂=++∂∂∂∑∑其中是算子的函数111(1,2)(),nnni i ii ii i i i i i L u f in L c u c L u c f=====⇒==∑∑∑命题：21110(1,2),,()0,nnii i i i i i i i i i k j u Lu i c u c L c u x x ∞===∂==⇒=∂∂∑∑∑一致敛命收题：(2.) 齐次化原理（冲量原理）Duhamel 原理：设(,,)x t ωτ是方程22222,,(,)(,)0,(,),a x t t x x x f x x t ωτωτωττω⎧∂∂=-∞<<+∞>⎪∂∂⎪⎨∂⎪==-∞<<+∞⎪∂⎩的解，⇒0(,,)d ,()t x t u x t ωττ=⎰是方程22222(,),,0(,0)(,0)0,0,u u a f x t x t tx u x u x x t ⎧∂∂=+-∞<<+∞>⎪∂∂⎪⎨∂⎪==-∞<<+∞⎪∂⎩的解。
流体力学中的PDE问题引言流体力学是研究流体运动规律的学科，广泛应用于各个领域，如天气预报、空气动力学、地下水流动等。
在流体力学中，偏微分方程（Partial Differential Equation，简称PDE）是描述流体运动的基本方程之一。
本文将介绍流体力学中的PDE问题，包括其定义、分类以及求解方法。
PDE问题的定义PDE是包含未知函数及其偏导数的方程，其中未知函数是多个自变量的函数。
在流体力学中，PDE用于描述流体的运动、能量传递和质量守恒等现象。
PDE问题的求解可以揭示流体运动的规律，进而为工程应用提供理论依据。
PDE问题的分类根据方程的类型和性质，PDE问题可以分为椭圆型、双曲型和抛物型三类。
椭圆型方程椭圆型方程的典型例子是泊松方程和拉普拉斯方程。
椭圆型方程主要用于描述稳态问题，如流体的静压力分布。
求解椭圆型方程可以通过有限差分法、有限元法等数值方法进行。
双曲型方程双曲型方程的典型例子是一维线性对流方程和二维波动方程。
双曲型方程主要用于描述流体的波动、振荡等动态过程。
求解双曲型方程可以通过特征线法、有限体积法等数值方法进行。
抛物型方程抛物型方程的典型例子是热传导方程和扩散方程。
抛物型方程主要用于描述流体的传热、扩散等过程。
求解抛物型方程可以通过差分法、变分法等数值方法进行。
PDE问题的求解方法对于一般的PDE问题，解析解往往难以获得，因此需要采用数值方法求解。
常用的数值方法包括有限差分法、有限元法、有限体积法等。
有限差分法有限差分法是一种基于离散化的数值方法，通过将连续的空间和时间域离散化成有限个网格点，将偏导数用差分近似表示。
有限差分法的求解过程包括网格生成、边界条件处理、差分方程离散化和迭代求解等步骤。
有限元法有限元法是一种基于变分原理的数值方法，通过将求解域分割成有限个单元，并在每个单元上构建适当的插值函数，将原始方程转化为一个代数问题。
有限元法的求解过程包括网格划分、单元刚度矩阵的计算、组装全局刚度矩阵和求解线性方程组等步骤。
pde 方程抛物型偏微分方程及其应用引言：偏微分方程（Partial Differential Equation，简称PDE）是数学中的一个重要分支，它描述了自然界中的许多现象和规律。
本文将重点介绍一类常见的PDE方程——抛物型偏微分方程，以及它在物理、工程等领域中的应用。
一、抛物型偏微分方程的定义和特点抛物型偏微分方程是指具有一阶时间导数和二阶或更高阶空间导数的偏微分方程。
其一般形式可以表示为：∂u/∂t = a∂²u/∂x² + bu + c其中，u代表未知函数，t和x分别表示时间和空间变量，a、b和c 为常数。
抛物型偏微分方程具有以下特点：1. 方程中包含时间导数，因此描述的是随时间变化的系统或现象。
2. 方程中包含二阶或更高阶空间导数，因此描述的是具有扩散、传导等特性的系统或现象。
3. 方程中的系数a、b和c可以是常数，也可以是与时间和空间变量有关的函数。
二、抛物型偏微分方程的应用抛物型偏微分方程在物理、工程等领域中具有广泛的应用。
以下是其中几个典型的应用：1. 热传导方程热传导方程是抛物型偏微分方程的一个重要应用。
它描述了物体内部的温度分布随时间的变化规律。
热传导方程在热学、材料科学等领域中有广泛的应用，如研究材料的热稳定性、热传导性能等。
2. 扩散方程扩散方程也是抛物型偏微分方程的一种应用。
它描述了物质在空间中的扩散过程，如溶质在溶液中的扩散、气体的扩散等。
扩散方程在化学反应、生物学、环境工程等领域中有重要的应用价值。
3. 粘弹性流体方程粘弹性流体方程是一类描述粘弹性流体流动行为的抛物型偏微分方程。
它在流体力学、工程领域中有广泛的应用，如石油工程中的油藏模拟、地下水流动模拟等。
4. 扩散反应方程扩散反应方程是描述物质在扩散和反应过程中的变化规律的抛物型偏微分方程。
它在化学动力学、生物学等领域中有重要的应用，如描述化学反应速率、生物体内物质传输等。
三、抛物型偏微分方程的数值解法由于抛物型偏微分方程的解析解往往难以求得，因此需要采用数值方法进行求解。
二阶偏微分方程分类二阶偏微分方程是指含有两个独立变量的二阶偏导数的方程。
在数学中，它是一个重要的研究对象，具有广泛的应用领域，如物理学、工程学、生物学等。
本文将对二阶偏微分方程进行分类和介绍。
一、常系数二阶线性偏微分方程常系数二阶线性偏微分方程是指系数不随自变量变化而保持不变的二阶线性偏微分方程。
它们可以写成以下形式：$$\frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2} + a\frac{\partial u}{\partial x} + b\frac{\partial u}{\partial y} + cu = f(x,y)$$其中$a$、$b$、$c$为常数，$f(x,y)$为已知函数。
这类方程可以通过特征方程法求解。
二、非齐次线性偏微分方程非齐次线性偏微分方程是指右端项不为零的线性偏微分方程。
它们可以写成以下形式：$$\frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2} = f(x,y)$$其中$f(x,y)$为已知函数。
这类方程可以通过格林函数法求解。
三、椭圆型偏微分方程椭圆型偏微分方程是指二阶偏微分方程中的系数满足$b^2 - 4ac < 0$，即判别式小于零的方程。
它们可以写成以下形式：$$a\frac{\partial^2 u}{\partial x^2} + 2b\frac{\partial^2 u}{\partial x \partial y} + c\frac{\partial^2 u}{\partial y^2} = f(x,y)$$其中$a$、$b$、$c$为常数，$f(x,y)$为已知函数。
这类方程在物理学中有广泛的应用，如热传导方程和电场方程等。
四、双曲型偏微分方程双曲型偏微分方程是指二阶偏微分方程中的系数满足$b^2 - 4ac > 0$，即判别式大于零的方程。
抛物型对流扩散方程
抛物型对流扩散方程是水力学中一个重要的基本方程，它描述了液体中湍流运
动的数学表达形式。
抛物型对流扩散方程公式可由下式得到：
∂u∂t+u⋅∇u=−g⋅∇h+(∇⋅Δ)u-k∇2η,其中u是几何位移，t是时间，g是重力
加速度，h是重力场，Δ是拉普拉斯算子，k是拉格朗日运动等弦水动力系数，η
是密度。
抛物型对流扩散方程的应用很广泛，它可以用来分析流体的动态特性，并有助
于求解海洋涡场、各种湍流模式、源汇问题等。
举例来说，该方程可用来研究气候变化中河流流动物理过程，也可用来研究表面温带对于对流层等层结构、平流变化等关键过程中的影响。
此外，它还能够提供关于机械装置的流动特性的精确模拟。
抛物型对流扩散方程的求解不是一件容易的事情，它要求求解方法具有较高的
计算效率和求解准确度，尤其是人工网格的定义。
现阶段，多流变技术和网格技术均在快速发展，为使抛物型对流扩散方程能够尽可能反映实际环境中湍流流动特性，给求解方法提供更多可能。
总之，抛物型对流扩散方程是一个非常重要的基础性方程，它可以帮助我们深
入探究水力过程的机制，为水力学的研究和设计提供更为丰富的软件工具，从而满足现代水力学研究题目的需要。
一 热传导方程如果空间某物体内温度分布不均匀，内部将会产生热应力，当热应力过于集中时。
物体就会产生裂变，从而破坏物体的形状，工程技术上称此种现象为裂变。
当物体内点处的温度不同时，则热量就从温度较高的点处向温度较低的点处流动，这种现象就是热传导。
1初值问题一维热传导方程的初值问题是222(,),,0,(,0)(),.u ua f x t x t tx u x x x ϕ⎧∂∂-=-∞<<∞>⎪∂∂⎨⎪=-∞<<∞⎩应用Fourier 变换解初值问题，可得到(,)(,)()(,)(,)t u x t K x t d d K x t f d ξϕξξτξτξτξ∞∞-∞-∞=-+--⎰⎰⎰其中(,)K x t=22/(4),0,0,0.x a t t t ->⎪≤⎩若()(,)x C ϕ∈-∞∞且有界，(,)0f x t ≡时，(,)u x t 确定的函数确实是初值问题的有界解。
对于多维热传导方程的初值问题，我们同样可以用多维Fourier 变换求出它的解的表达式，以三维问题为例，我们有33(,,,)(,,,)(,,)(,,,)(,,,)RtRu x y z t K x y z t d d d d K x y z t f d d ξηζϕξηζξηζτξηζτξηζτξηζ=---+----⎰⎰⎰⎰⎰⎰⎰其中2222()/(4)23/21,0(4)(,,,)0,0.x y z a t e t a t K x y z t t π-++⎧>⎪=⎨⎪≤⎩2混合问题混合问题指由基本方程，初始条件和边界条件构成的问题。
实际上，很多物体的运动不仅依赖于初始条件，而且还受边界条件的影响，从而构成微分方程的混合问题。
有界杆的热传导问题2(,),0,0,(,0)(),0,(0,)(,)0,0.t xx u a u f x t x l t T u x x t l u t u l t t T ϕ⎧-=<<<≤⎪=≤≤⎨⎪==≤≤⎩初始条件是指开始时刻物体的分布情况，可表示为00(,,,)|(,,)t u x y z t x y z ϕ==边界条件有多种情，第一种情形，在物体边界上能够给定具体的温度分布的约束，即1|(,,)s u x y z ϕ=这种边界条件称为第一类边界条件。
数学学习中的常见偏微分方程和调和分析问题解析偏微分方程是数学中的一个重要分支，它在各个学科领域中都有广泛的应用。
而调和分析则是研究调和函数和调和函数的性质的数学分析学科。
本文将重点讨论数学学习中的常见偏微分方程和调和分析问题的解析方法。
一、常见偏微分方程的解析1. 抛物型偏微分方程抛物型偏微分方程是一类非常常见的偏微分方程，其形式通常为：∂u/∂t = a∇²u + b∇u + cu + f(x, t)其中，u表示未知函数，t表示时间，x表示空间坐标，a、b、c都是常数，f(x, t)是给定的函数。
抛物型方程可以用来描述热传导、扩散等过程。
常见的抛物型方程包括热方程和扩散方程。
2. 椭圆型偏微分方程椭圆型偏微分方程是另一类常见的偏微分方程，其形式通常为：∇·(α∇u) + β·∇u + γu = f(x)其中，u表示未知函数，x表示空间坐标，α、β、γ都是常数，f(x)是给定的函数。
椭圆型方程可以用来描述稳定状态下的物理现象，如静电场、气体静力学平衡等。
3. 双曲型偏微分方程双曲型偏微分方程是另一类常见的偏微分方程，其形式通常为：∂²u/∂t² = a∇²u + b∇u + cu + f(x, t)其中，u表示未知函数，t表示时间，x表示空间坐标，a、b、c都是常数，f(x, t)是给定的函数。
双曲型方程可以用来描述波动现象，如声波传播、电磁波传播等。
二、调和分析问题的解析调和函数是指满足拉普拉斯方程的函数。
调和函数在物理和工程领域中具有广泛的应用。
调和函数的性质有许多重要的解析结果，如下所示：1. 调和函数的均值性质调和函数具有平均值性质，即在某个区域内，调和函数的值等于它在该区域边界上的平均值。
这个性质在物理上有很多应用，例如根据均值性质可以推导出热力学中的平衡温度分布。
2. 调和函数的极值性质调和函数的极值性质指的是对于任何调和函数，其在区域的内部只能取得极小值或者极大值。
抛物型偏微分方程抛物型偏微分方程（Parabolic Partial Differential Equation）是数学分析中重要的一个分支，研究对象主要是关于时间和空间变量的二阶偏微分方程。
在物理、工程和经济等领域中，抛物型偏微分方程有着广泛的应用，比如热传导方程、扩散方程和波动方程等。
1. 定义和形式抛物型偏微分方程是指对于函数 u(x, t) 存在连续二阶偏导数，并满足形式如下的方程：∂u/∂t = a∇²u + bu + f(x, t)其中，a 是常数，∇²u 是 u 关于空间变量 x 的拉普拉斯算子，b 是各项异性系数，f(x, t) 是给定的源项函数。
该方程描述了函数 u 关于时间t 的演化过程，与空间变量 x 的变化有关，反映了物理现象在时间和空间上的动态发展。
2. 物理意义和应用抛物型偏微分方程在物理学领域中有着重要的应用。
其中，热传导方程是抛物型偏微分方程的典型例子，描述了物质内部温度分布随时间变化的规律。
热传导方程在热力学、材料科学和地球物理学等领域中具有广泛的应用，例如预测地球内部热流、分析塑料注塑过程中温度分布等。
此外，扩散方程也是抛物型偏微分方程的重要应用之一。
扩散过程描述了物质在空间中传播的方式，常用于研究化学反应、人口扩散和金融市场中的价格传播等问题。
波动方程则描述了波在空间中传播的规律，例如声波、电磁波和水波等。
3. 解法和数值模拟抛物型偏微分方程的解法可以通过变量分离、变换等方法获得解析解。
然而，在实际问题中，解析解往往难以求得，需要借助数值方法进行近似计算。
常用的数值方法包括有限差分法、有限元法和谱方法等。
有限差分法将方程离散化为差分格式，通过迭代求解差分方程组得到数值解。
有限元法则将求解区域划分为有限单元，通过构建矩阵方程来求解问题的数值解。
此外，谱方法基于傅里叶级数展开，通过选择适当的基函数将方程转化为代数方程组求解。
谱方法在高精度计算和边界层问题的处理上有一定优势。
偏微分方程组引言偏微分方程组是数学中的重要概念，广泛应用于物理、工程、金融等领域。
本文将介绍偏微分方程组的基本概念和解法，以及其在实际问题中的应用。
一、偏微分方程组的定义和分类偏微分方程组是包含多个未知函数及其偏导数的方程组。
其一般形式可以表示为：F(u1,u2,...,u n;∂u1∂x,∂u2∂x,...,∂u n∂x;∂u1∂y,∂u2∂y,...,∂u n∂y;...;∂n u1∂x n,∂n u2∂x n,...,∂n u n∂x n;...)=0其中u1,u2,...,u n是未知函数，x,y,...是自变量，∂u i∂x ,∂u i∂y,...,∂u i∂x n是偏导数。
常见的偏微分方程组包括椭圆型、双曲型和抛物型方程组。
具体分类和性质如下：1. 椭圆型方程组椭圆型方程组满足以下条件：在每个点上，所有特征值的实部都是非负的。
椭圆型方程组的特点是解的正则性较好，在边界上的条件较容易给出。
常见的椭圆型方程组有拉普拉斯方程、泊松方程等。
2. 双曲型方程组双曲型方程组满足以下条件：在每个点上，存在至少一个特征值的实部是正的，至少一个特征值的实部是负的。
双曲型方程组的特点是解的传播速度有限，存在波动解。
常见的双曲型方程组有波动方程、传热方程等。
3. 抛物型方程组抛物型方程组满足以下条件：在每个点上，所有特征值的实部都是非负的且至少有一个特征值的实部是为零。
抛物型方程组的特点是解的传播速度无穷大，并且存在各种稳定解。
常见的抛物型方程组有热传导方程、扩散方程等。
二、偏微分方程组的解法解偏微分方程组是一个复杂的问题，常用的解法有以下几种：1. 变量分离法变量分离法是一种基本的解偏微分方程组的方法。
通过假设解可以表示为各个变量的乘积形式，然后将方程组代入，并使得每个变量对应的方程都成立。
最终得到的解是原偏微分方程组的解。
2. 特征线法特征线法适用于特殊的偏微分方程组，其中每个方程可以写成特定形式。
该方法的基本思想是将偏微分方程组转化为常微分方程组，并通过求解常微分方程组得到原偏微分方程组的解。
偏微分方程基础知识偏微分方程是数学中重要的分支，涉及到数学物理、工程学和应用数学等领域。
本文将介绍偏微分方程的基础知识，包括定义、分类、解的求解方法以及一些经典的例子。
一、定义偏微分方程是包含未知函数及其各个偏导数的方程，其一般形式可以表示为：F(x, u, ∂u/∂x, ∂u/∂y, ∂^2u/∂x^2, ∂^2u/∂y^2, ...) = 0其中，u表示未知函数，x和y表示自变量，∂u/∂x和∂u/∂y表示偏导数。
偏微分方程可以是一阶的或高阶的，可以是线性的或非线性的。
二、分类根据方程的性质和特点，偏微分方程可以分为几个主要的分类：1. 抛物型方程：抛物型方程具有热传导、扩散等性质，常见的抛物型方程包括热传导方程和扩散方程。
2. 双曲型方程：双曲型方程具有波动、传播等性质，常见的双曲型方程包括波动方程和二维亥姆霍兹方程。
3. 椭圆型方程：椭圆型方程具有稳定、静态等性质，常见的椭圆型方程包括拉普拉斯方程和泊松方程。
三、解的求解方法解决偏微分方程的具体方法取决于方程的类型、边界条件和初值条件等因素。
以下是几种常见的解法：1. 分离变量法：适用于可分离变量的线性偏微分方程。
通过假设解为一系列函数的乘积形式，将偏微分方程化简为一系列常微分方程。
2. 特征线法：适用于一些特定的偏微分方程，如一阶线性偏微分方程和一些可变系数的二阶偏微分方程。
通过选取适当的特征线，将偏微分方程转化为常微分方程。
3. 变换法：通过引入适当的变量变换和新的坐标系，将原偏微分方程转化为更简单或标准形的方程，从而求解。
4. 数值方法：对于复杂的偏微分方程，常常需要使用数值方法进行求解，如有限差分法、有限元法和谱方法等。
四、经典的例子1. 热传导方程：描述热传导现象，一维热传导方程可以表示为∂u/∂t = α∂^2u/∂x^2，其中α为热扩散系数。
2. 波动方程：描述波动现象，一维波动方程可以表示为∂^2u/∂t^2 = c^2∂^2u/∂x^2，其中c为波速。
第七节 扩散问题的偏微分方程模型物质的扩散问题，在石油开采、环境污染、疾病流行、化学反应、新闻传播、煤矿瓦斯爆炸、农田墒情、水利工程、生态问题、房屋基建、神经传导、药物在人体内分布以及超导、液晶、燃烧等诸多自然科学与工程技术领域，十分普遍地存在着. 显然，对这些问题的研究是十分必要的，其中的数学含量极大. 事实上，凡与反应扩散有关的现象，大都能由线性或非线性抛物型偏微分方程作为数学模型来定量或定性地加以解决.ＭＣＭ的试题来自实际，是“真问题⊕数学建模⊕计算机处理”的“三合一”准科研性质的一种竞赛，对上述这种有普遍意义和数学含量高，必须用计算机处理才能得到数值解的扩散问题，当然成为试题的重要来源，例如，ＡＭＣＭ-90Ａ，就是这类试题；ＡＭＣＭ-90Ａ要研究治疗帕金森症的多巴胺（dopamine ）在人脑中的分布，此药液注射后在脑子里经历的是扩散衰减过程，可以由线性抛物型方程这一数学模型来刻划. ＡＭＣＭ-90Ａ要研究单层住宅混凝土地板中的温度变化，也属扩散（热传导）问题，其数学模型与ＡＭＣＭ-90Ａ一样，也是线性抛物型方程.本文交代扩散问题建模的思路以及如何推导出相应的抛物型方程，如何利用积分变换求解、如何确定方程与解的表达式中的参数等关键数学过程，且以ＡＭＣＭ-90Ａ题为例，显示一个较细致的分析、建模、求解过程.§1 抛物型方程的导出设(,,,)u x y z t 是t 时刻点(,,)x y z 处一种物质的浓度. 任取一个闭曲面S ，它所围的区域是Ω，由于扩散，从t 到t t +∆时刻这段时间内，通过S 流入Ω的质量为2221(cos cos cos )dSd t ttSu u u M a b c t x y zαβγ+∆∂∂∂=++∂∂∂⎰⎰⎰. 由高斯公式得2222221222()d d d d t ttu u u M a b c x y z t x y z +∆Ω∂∂∂=++∂∂∂⎰⎰⎰⎰. （1） 其中，222,,a b c 分别是沿,,x y z 方向的扩散系数. 由于衰减（例如吸收、代谢等），Ω内的质量减少为22d d d d t ttM k u x y z t +∆Ω=⎰⎰⎰⎰， （2） 其中2k 是衰减系数.由物质不灭定律，在Ω内由于扩散与衰减的合作用，积存于Ω内的质量为12M M -.换一种角度看，Ω内由于深度之变化引起的质量增加为3[(,,,)(,,,)]d d d d d d d . (3)t ttM u x y z t t u x y z t x y zux y z t t Ω+∆Ω=+∆-∂=∂⎰⎰⎰⎰⎰⎰⎰显然312M M M =-，即2222222222d d d d ()d d d d .t ttt ttux y z t t u u u a b c k u x y z t x y z+∆Ω+∆Ω∂∂∂∂∂=++-∂∂∂⎰⎰⎰⎰⎰⎰⎰⎰由,,t t ∆Ω之任意性得2222222222u u u u a b c k u t x y z∂∂∂∂=++-∂∂∂∂ （4） 方程（４）是常系数线性抛物型方程，它就是有衰减的扩散过程的数学模型，对于具体问题，尚需与相应的定解条件（初始条件与边界条件等）匹配才能求得确定情况下的解.§2 Ｄirac 函数物理学家Dirac 为了物理模型之需要，硬是引入了一个当时颇遭微词的，使得数学与物理学传统密切关系出现裂痕的“怪”函数：0,0,() ()1.,0,x x x dx x δδ+∞-∞≠⎧==⎨∞=⎩⎰ （5）它的背景是清晰的，以一条无穷长的杆子为例，沿杆建立了一维坐标系，点的坐标为x ，杆的线密度是()x ρ，在(,]x -∞段，杆子质量为()m x ，则有d ()(), ()d ().d x m x x x x m x xρρ-∞==⎰. （6）设此无穷长的杆子总质量为１，质量集中在0x x =点，则应有001,,()0,,x x m x x x >⎧=⎨<⎩ 或写成 0()()m x H x x =-，其中()H x 为1,0,()0,0,x H x x >⎧=⎨<⎩ 如果沿用（6）中的算法，则在质量集中分布的这种情形有00,,(),0.x x x x ρ≠⎧=⎨∞=⎩且0()d ()xx x H x x ρ-∞=-⎰，于是得()d 1.x x ρ+∞-∞=⎰. （7）但是，从传统数学观点看，若一个函数除某点处处为零，则不论哪种意义下的积分，都必定为零，（7）式岂能成立！但是，δ函数对于物理学而言是如此之有用，以致物理学家正当地拒绝放弃它. 尽管当时数学家们大都嘲笑这种函数，但Ｐ.Ａ.Ｍ.Ｄirac 及其追随者们在物理领域却收获颇丰，Dirac 于1933年获诺贝尔物理奖. 当然Dirac 也意识到()x δ不是一个通常的函数，至于找一种什么办法来阐明()x δ这一符号的合法性，那就是数学家的任务了. 1940年，法国数学家许瓦兹（L.Schwartz ）严格证明了应用()x δ的正确性，把δ函数置于坚实的数学基础上；1950年，L. Schwartz 获数学界最高奖Fields 奖.δ函数的重要性质有：1）0()d 1x x x δ+∞-∞-=⎰. （8）2）00()()d ()x x f x x f x δ+∞-∞-=⎰. （9）其中()(,)f x C ∈-∞+∞，即0()x x δ-摘出了()f x 在0x x =的值.3）00()()dH x x x x dxδ-=-. （10）4）()x δ的导数是存在的，不过要到积分号下去理解：00()()(),x x f x dx f x δ+∞-∞''-=-⎰ （11）()()00()()(1)().n n n x x f x dx f x δ+∞-∞-=-⎰（12）事实上，由于0()x x δ-在,+∞-∞处为零，则形式地用分部积分公式000()()()()d ()()d ,x x f x x x f x xx x f x x δδδ+∞+∞-∞-∞+∞-∞'---'=-⎰⎰其中，()(,)nf x C ∈-∞+∞，于是有（11）与（12）公式.5）对于()(,)x C ϕ∈-∞+∞，有000()()()()x x x x x x ϕδϕδ-=-. （13）6）1()() (0)||bx x b b δδ=≠. （14）7）000000(,,)()()()x x y y z z x x y y z z δδδδ---=---. （15）8）付立叶变换00[()].i x y y e λδ--= （16）[()] 1.x δ= （17）11221122[()()][()][()].C x x C x x C x x C x x δδδδ-+-=-+- （18）9）拉普拉斯变换00[(),[() 1.x x x e x δδδ--== （19）11221122[()]()][()[()].C x x C x x C x x C x x δδδδ-+-=-+- （20） 从上面的定义与性质看出，Delta 函数()x δ与一般可微函数还是有重大区别的，我们说它是“广义函数. ”§3 Cauchy 问题的解设扩散源在点000(,,)x y z 处，则此扩散问题满足Cauchy 问题2222222222000, (21)(,,,0)()()(). (22)u u u u a b c k u tx y z u x y z M x x y y z z δδδ⎧∂∂∂∂=++-⎪∂∂∂∂⎨⎪=---⎩对（21）（22）进行付立叶变换，且令123ˆ(,,), (,)[(,,,)]ut u x y z t λλλλλ==， 由于222222123222ˆˆˆ[], [], [],u u u uu u x y zλλλ∂∂∂=-=-=-∂∂∂ 102030000()[(,,,0)][()][()][()] ,i x y z u x y z M x x y y z z Me λλλδδδ-++=---= 故得常微分方程Cauchy 问题1020302222222123()ˆ()0,ˆ(0,).i x y z du a b c k udtu Meλλλλλλλ-++⎧++++=⎪⎨⎪=⎩ 得唯一解2222222123102030()()ˆ(,)a b c k t i x y z ut Me λλλλλλλ-+++-++=. （23）对（23）求逆变换1-，由于2122214[]a xa eλ---=， 2110221240[]()i x e aa ex x λλ----=-， 故得12222000222ˆ(,,,)[]()()()exp 444u x y z t u x x y y z z k t a t b t c t -=⎧⎫---=----⎨⎬⎩⎭2222000222()()().444x x y y z z k t a t b t c t ⎧⎫---=----⎨⎬⎩⎭（24） 如果认为经过了相当长时间后，扩散已经终止，物质分布处于平衡状态，则方程（4）中的0ut∂=∂，于是有线性椭圆型方程的边值问题 22222222220, (,,)(,,)(,,).D u u u a b c k u x y z D xy z u x y z x y z ϕ∂⎧∂∂∂++-=∈⎪∂∂∂⎨⎪=⎩也可以用付立叶变换求解. 当然，根据实际情况，还可以考虑第二边条件(,,)Dux y z n ∂∂=ψ∂或第三边条件[](,,)D uu x y z nαβρ∂∂+=∂等，其中D ∂是区域D 的边界，n 是外法线方向，,αβ是实常数.§4 参数估计在Cauchy 问题（21）（22）的解（23）中，有四个未知的参数,,,a b c k ，它们分别是扩散与衰减过程中的扩散系数与衰减系数的算术平方根. 至于点源的质量与位置000,(,,)M x y z 是已知的.设观测取样为：11112222(,,,), (,,,),,(,,,),n n n n x y z m x y z m x y z m取样时刻为1t =（不然设00, t t t τ=是取样时间，则（21）变成2200t xx yy U t a U t b U =++2200zz t c U t k U -，对τ而言，取样时间为１,而方程形状与（21）一致），把在(,,)i i i x y z 点观测到的物质密度i m 与公式（24）都取对数，令1t =，则2222000222()()()ln (,,,1)ln []444x x y y z z u x y z abc k a b c ---=--+++. （25） 令222000222()()()111,,,,,,444x x y y z z X Y Z a b c αβγ---====-=-=-2ln ln abc k ε=--，则（25）写成 ln (,,,1)W u x y z X Y Z αβγε==+++，（26） 而我们已观测得(,,,)1,2,,i i i i X Y Z W i n =的数据，用三元回归分析方法求出,,,αβγε的估计值如下：ˆˆˆˆ()W X Y Z εαβγ=-++， （27）其中11111111, , , ,n n n nk i i i k k k k W W X X Y Y Z Z n n n n ========∑∑∑∑ˆˆˆ,,αβγ满足方程组 111213102122232031323330ˆˆˆ,,ˆˆˆ,,ˆˆˆ,.l l l l l l l l l l l l αβγαβγαβγ⎧++=⎪⎪++=⎨⎪++=⎪⎩ 其中10201130122211223311112131123211()(), ()(),()(),(), (), (),()(), ()(),()(), n nk k k k k k nk k k nn nk k k k k k nnk k k k k k nk k k l W X W W l Y Y W W l Z Z W W l X X l Y Y l Z Z l X X Y Y l X X Z Z l Y Y Z Z l ==========--=--=--=-=-=-=--=--=--∑∑∑∑∑∑∑∑∑1231133223, , .l l l l l ===由ˆˆˆ,,αβγ可求得222,,a b c 的估计值，即222111ˆˆˆ, , ˆa b cαβγ=-=-=-. 又由于 2ln k abc ε=+- （28） 由（27）式可得ˆε，再把ˆˆˆ,,a b c 代入（28）得 2ˆˆˆˆˆln kabc ε=+- （29）至此得到参数2222,,,a b c k 的估计值2222ˆˆˆˆ,,,a b c k ，把它们代入（24）分别替代2222,,,a b c k ，则得不含未知参数的解(,,,)u x y z t 的近似表达式.§5 竞赛试题分析AMCM-90A 不可用本文的思路与方法加以解决；该试题由东华盛顿大学数学系Ｙves Nievergelt 提供，要求研究药物在脑中的分布，题文称：“研究脑功能失调的人员欲测试新的药物的效果，例如治疗帕金森症往脑部注射多巴胺（Dopamine ）的效果，为了精确估计药物影响到的脑部区域，它们必须估计注射后药物在脑内空间分布区域的大小和形状.“研究数据包括50个圆柱体组织样本的每个样本药物含量的测定值（如图6-1），每个圆柱体长0.76mm ，直径0.66mm ，这些互相平行的圆柱体样本的中心位于网格距为1m m ×0.76×m m ×1mm 的格点上，所以圆柱体互相间在底面上接触，侧面互不接触. 注射是在最高计数的那个圆柱体的中心附近进行的. 自然在圆柱体之间以及由圆柱体样本的覆盖的区域外也有药物.“试估计受到药物影响的区域中药物的分布. ”“一个单位表示一个闪烁微粒的计数，或多巴胺的4.753×10-18克分子量，例如表6-1指出位于后排当中那个圆柱体的含药量是28353个单位. ”后方垂直截面164442 1320 414 188 480 7022 14411 5158 352 2091 23027 28353 13138 681 789 21260 20921 11731 727 213 130337651715453前方垂直截面163 324 432 243166 712 1055 6098 1048 232 2137 15531 19742 4785 330 444 11431 14960 3182 301 29420611036 258188图6-1数学模型只是实际问题的近似，要建立数学模型，一般首先要对所研究的实际问题进行必要和允许的简化与假设，而且，不同的简化与假设，又可能导致不同的数学模型，例如[2]是抛物型方程模型，而[3]则是椭圆方程模型.假设：（1）注射前大脑中的多巴胺含量可以忽略不计.（2）大脑中多巴胺注射液经历着扩散与衰减的过程，且沿,,x y z 三个方向的扩散系数分别是常数，衰减使质量之减少与深度成正比.（3）注射点在后排中央那个圆柱中心，即注射点的坐标000(,,)x y z 已知，注射量有医疗记录可查，是已知的.（4）注射瞬间完成，可视为点源delta 函数. （5）取样也是瞬间完成，取样时间已知为1t =.（6）样本区域与整个大脑相比可以忽略，样本组织远离脑之边界，不受大脑边界面的影响.在以上假设之下，显然可以用本文前面讲过的思路来建模，于是得AMCM-90A 的数学模型为Cauchy 问题（21）（22），解的表达式为（24），且用三元回归分析来估出参数,,,a b c k ，于是可以求得任意位置任意时刻药物的深度.如果所给数据认为是在平衡状态测得的，药物注射进脑后，从高深度处向低深度处扩散，与扩散同时，一部分药物进入脑细胞被吸收固定，扩散系数与吸收系数都是常数，但过一段时间，所有药物都被脑细胞所固定，达到了平衡态. 在这种假设下，[3]给出了下述的分析、建模、求解过程.设(,,,)v x y z t 是t 时刻在(,,)x y z 点处游离的药物浓度，(,,,)w x y z t 是t 时刻(,,)x y z 点处吸收固定的药物浓度，(,,)u x y z 是达到平衡态时(,,)x y z 点处吸收固定的药物浓度. 又设游离药物在各方向上有相同的扩散系数k ，吸收系数为h ，于是有vk v hv t∂=∆-∂. （30）又whv t∂=∂，即吸收速度与游离的浓度成正比，代入（30）得 ()v k ww t h t t∂∂∂=∆-∂∂∂. （31） 对（31）关于t 从０到+∞积分得000t t t k v w w h+∞+∞+∞====∆-. （32）由于最后无游离药物，故(,,,)0v x y z +∞=，又开始时(0)t =无被吸收的药物，故(,,,0)0, (,,,0)0w x y z w x y z =∆=；平衡状态在t =+∞时达到，这时(,,)u x y z = (,,,)w x y z +∞，于是由（32）得(,,,0)ku u v x y z h-∆+=， （33）其中(,,,0)v x y z 是开始时的浓度分布，近似于注射点的点源脉冲函数. 把此注射点取为坐标原点(0,0,0)，则(,,,0)(,,),v x y z L x y z L δ=是注射量，于是2k h σ⎛⎫= ⎪⎝⎭记2(,,)u u L x y z σδ-∆+=， （34）作付立叶变换得22222222ˆˆ(),ˆ,1()s u u L Lus σξησξη+++==+++ 再作反变换得u σ-=-， （35）其中C 是可计算常数.如果考虑各向不同性，设,,x y z 方向上扩散系数分别为222,,a b c ，注射点在000(,,)x y z ，则222222000222()()()u u u a b c u L x x y y z z x y z δδδ⎛⎫∂∂∂-+++=--- ⎪∂∂∂⎝⎭， 于是解为(,,)u x y z =exp 1⎧⎪-⎨⎪⎩，（36） （36）中的D 可计算常数.用前面类似的方法可以进行参数估计.在建模过程中，点源函数的使用显然与实况有差别；尤其是认为扩散系数与吸收系数都是常数，对于人脑这种有复杂结构的区域，这种假设与实际不会完全符合；夜间与白天（睡与醒）对这些系数有无影响？脑中各点这些系数是否有变？除时间位置应考虑外，可能还与药液浓度有关. 如此看来，脑内药液分布的数学模型很可能不是常系数线性偏微分方程，而是函数系数的线性微分方程甚至是非线性偏微分方程. 这时，其解不再能用封闭公式来表达，求解过程会变得极为复杂，所以也可以考虑是否试用其他数学模型来解，例如在平衡态的假设下，用回归分析方法建立药液的模拟分布(,,)u f x y z =.对一个实际问题，其数学模型未必唯一，各模型间孰优孰劣，没有一般的判别法，须经实践来检验.参 考 文 献[1]叶其孝，大学生数学建模竞赛辅导教材，湖南教育出版社，1993.[2]Christopher, R. Malone, Gian Pauletto, James, I. Zoellick, Distribution of Dopamine in the Brain, The Journal of Under graduate Mathematics, and its Applications, vol. 12(1991), Special Issue: The 1991 Mathematical Contest in Modeling, pp. 211-223.[3]孙晓东，荆秦，梁俊，脑中药物分布的数学模型，数学的实践与认识，1991年No. 4，63-69. [4]中国科学院数理统计组，常用数理统计方法，科学出版社，19784.。
扩散方程是抛物型方程吗
扩散方程通常被认为是一种抛物型方程。
抛物型方程是偏微分
方程的一种，它描述了某些物理现象中的扩散过程。
在一维情况下，扩散方程通常采用形式为∂u/∂t = D∂^2u/∂x^2 的方程，其中
u 是待求函数，t 是时间，x 是空间变量，D 是扩散系数。
这个方
程描述了随时间和空间的变化而发生的扩散现象。
抛物型方程具有一些特征，其中包括在二阶导数项的协同作用下，通常存在一个与时间有关的项。
在扩散方程中，二阶空间导数
项和时间导数项的存在使得它们符合抛物型方程的定义。
这种类型
的方程通常涉及到初始条件和边界条件，因此在数学和物理上都具
有重要的意义。
此外，扩散方程还可以通过变换转化为标准的热传导方程，而
热传导方程也是典型的抛物型方程。
因此，从数学和物理的角度来看，扩散方程通常被认为是抛物型方程的一种特殊情况。
总的来说，扩散方程可以被视为抛物型方程，因为它们满足抛
物型方程的定义和特征，同时在数学和物理上也具有类似的性质和
行为。
