第 3 章：偏微分方程的数学特性

目前是一些简单的认识与概述，后续具体学习 PDE 数值解时会再做补充

PDE 分类

不同类型的 PDE 具有不同的信息传播方式，因此需要不同的初值、边界条件和数值方法。

决定其局部数学性质的是最高阶导数构成的主部。

例如二维二阶方程

Auxx+2Buxy+Cuyy+低阶项=0A u_{xx}+2B u_{xy}+C u_{yy} +\text{低阶项}=0

分类时只看

Auxx+2Buxy+CuyyA u_{xx}+2B u_{xy}+C u_{yy}

而不看低阶项。

因此即使方程中存在很复杂的一阶项、源项和非线性项，它们通常不改变 PDE 的基本类型。

二阶 PDE 的分类

对于

Auxx+2Buxy+Cuyy+⋯=0A u_{xx}+2B u_{xy}+C u_{yy}+\cdots=0
  • 双曲型：B2−AC>0B^2-AC>0
  • 抛物型：B2−AC=0B^2-AC=0
  • 椭圆型：B2−AC<0B^2-AC<0

为什么只看最高阶项

可以把 PDE 看成一个微分算子。

当观察尺度越来越小时，高阶导数对局部变化的控制最强，因此方程的局部传播性质、特征方向以及边值问题的基本性质主要由最高阶部分决定。

PDE 分类是在分类其主部（Principal Part）。

高维情况下如何理解 PDE 分类

二维中的判别式只是更一般理论的低维形式。

对于 nn 个自变量的二阶 PDE

∑i,j=1naij∂2u∂xi∂xj+⋯=0\sum_{i,j=1}^{n} a_{ij} \frac{\partial^2 u}{\partial x_i\partial x_j} +\cdots =0

可以把最高阶系数写成矩阵

A=(aij)A=(a_{ij})

并研究其特征值符号。

粗略地说：

  • 所有特征值同号：椭圆型；
  • 存在正、负两种特征值：双曲型；
  • 存在零特征值：可能为抛物型或退化型。

例如三维 Laplace 方程

uxx+uyy+uzz=0u_{xx}+u_{yy}+u_{zz}=0

对应主部矩阵

A=[100010001]A= \begin{bmatrix} 1&0&0\\ 0&1&0\\ 0&0&1 \end{bmatrix}

特征值全部为正，因此是椭圆型。

而三维波动方程

utt=c2(uxx+uyy+uzz)u_{tt} = c^2 \left( u_{xx}+u_{yy}+u_{zz} \right)

将 (x,y,z,t)(x,y,z,t) 一起视为自变量，其主部矩阵具有三个正特征值和一个负特征值，因此具有双曲性质。

特征线/面

在二维自变量空间中，一个特征对象是曲线：

ϕ(x,y)=0\phi(x,y)=0

因此称为特征线。

但这是低维情况下的特殊叫法。

若自变量为

(x,y,t)(x,y,t)

则特征对象一般为二维曲面：

ϕ(x,y,t)=0\phi(x,y,t)=0

若自变量为

(x,y,z,t)(x,y,z,t)

则特征对象为三维超曲面。

因此一般而言： n 维自变量空间对应 (n-1) 维特征超曲面

特征线的意义

对于一维一阶系统

Ut+A(U)Ux=0U_t+A(U)U_x=0 矩阵特征值=信息传播速度=特征线斜率\boxed{ \text{矩阵特征值} = \text{信息传播速度} = \text{特征线斜率} }

引入 左特征向量

设

liTA=λiliTl_i^T A=\lambda_i l_i^T

将

Ut+AUx=0U_t+A U_x=0

左乘 liTl_i^T：

liTUt+λiliTUx=0l_i^TU_t+\lambda_i l_i^TU_x=0

原本耦合的方程组因此可以沿不同特征方向被分解。

特征分解是在寻找系统中不同的独立传播模态。

这与线代中的特征值意义是吻合的。

高维一阶系统中的特征结构

这个还没完全搞懂含义，截取AI的解释

对于

Ut+AxUx+AyUy+AzUz=0U_t+ A_xU_x+ A_yU_y+ A_zU_z =0

已经没有唯一的一个“传播矩阵”。

若研究单位法向

n=(nx,ny,nz)\mathbf n=(n_x,n_y,n_z)

则构造方向矩阵

An=nxAx+nyAy+nzAz\boxed{ A_n= n_xA_x+n_yA_y+n_zA_z }

再研究 AnA_n 的特征值。

这相当于：

把高维系统沿某个局部法向投影成一维传播问题。

这也是有限体积法中每个网格面都可以局部调用一维 Riemann solver 的原因。

三类 PDE 的信息传播特征

双曲型

主要描述有限速度传播。

信息沿特征线或特征面传播。

例如，ut+aux=0u_t+a u_x=0，以及 Euler 方程。

常见流动形式：

  1. 稳态无黏超声速流动
  2. 非定常无黏流动

双曲型问题通常具有明确的信息传播方向。

抛物型

通常描述扩散，由梯度驱动。

例如：ut=αuxxu_t=\alpha u_{xx}

常见流动形式：

  1. 稳态边界层流动（薄粘性层 + 层外的无黏流动）
  2. “抛物化”粘性流动（低雷诺数，流线方向粘性项退化——PNS方程）
  3. 非定常热传导

信息没有像双曲型那样沿单一特征方向传播，而会不断向周围扩散。

椭圆型

例如：∇2u=0\nabla^2u=0

常见流动形式：

  1. 稳态亚声速无黏流动
  2. 不可压缩无黏流动

不存在明显的推进方向，整个区域具有全局耦合性质。

一个位置的边界变化可以影响整个计算区域。

完整可压缩 Navier-Stokes 方程同时包含：

  • 对流部分
  • 黏性扩散部分

其对流部分具有双曲性质；

黏性扩散部分具有抛物性质。

因此可以粗略理解为：

Navier-Stokes=双曲传播+抛物扩散\boxed{ \text{Navier-Stokes} = \text{双曲传播} + \text{抛物扩散} }

而忽略黏性后的 Euler 方程则主要表现为双曲型系统。

非定常转化解决稳态求解问题

很多稳态求解问题直接在空间上推进难以求解。

例如超声速/超高声速无黏流绕钝头体问题。

因为流场中不同的部分具有不同的 PDE 特性，上面的例子中欧拉方程就会在穿过声速线时特性发生突变，椭圆型和双曲型之间转变。

然而在引入独立时间变量后，虽然形式上是非定常求解，但时间推进法让 PDE 具有稳定的双曲性质。

适定问题

一个数学问题仅仅“写出了 PDE”还不够。

还需要问：

给定这些初值和边界条件以后，解是否真正能够被合理确定？

一个典型适定问题通常要求：

  1. 解存在；
  2. 解唯一；
  3. 解连续依赖于输入数据。

即：

存在性+唯一性+连续依赖性\boxed{ \text{存在性} + \text{唯一性} + \text{连续依赖性} }

第三条意味着：

初值或边界条件只有很小的变化时，解也不能突然产生巨大变化。

而为什么连续依赖性很重要

数值计算中永远存在：

  • 截断误差；
  • 舍入误差；
  • 边界条件误差；
  • 测量误差。

如果数学问题本身会把任意微小扰动无限放大，那么再好的数值方法也无法稳定地给出可信结果。

因此：

数值问题的可计算性首先依赖于连续问题本身是否适定。

边界条件与 PDE 性质匹配

PDE 的边界条件必须和方程类型以及信息传播方向相匹配。

例如：

  • 双曲型问题应在信息进入计算域的位置给条件；
  • 抛物型问题通常需要初值和空间边界条件；
  • 椭圆型问题主要依靠整个边界来确定解。

其中抛物型和双曲型均常见推进型求解。

如果条件给得太少，可能出现多解。

如果条件给得太多，可能根本无解。