一步一步建立直观
先预测,再点“演示本步”核对右图。每一步都重设到指定情形,随后可以自由修改参数。
01选择在求导后仍保持形状的模式
正弦函数二次求导后仍是同一个正弦形状,只多了负的频率平方。于是试设温度为一个正弦模式乘以随时间变化的振幅,偏微分方程就变成振幅的常微分方程。右图蓝线与橙线分别承担一个模式,紫线是二者相加。
02把空间弯曲转成振幅衰减
频率为 的模式满足振幅变化率等于 倍当前振幅,所以衰减因子为 。观察同一时刻的两个振幅读数,就能把“尖细起伏消失得快”的图像翻译成定量关系。这里扩散系数取一,其他系数会相应改变时间尺度。
03叠加有效,是因为方程线性
加大高频频率后,紫线更快接近低频模式。能够逐个演化再相加,依赖热方程的线性。若把有限个模式进一步推广成无限傅里叶级数,还需说明级数与求导、取极限之间的交换条件;两个模式的图示不能自动完成这些分析论证。
4.3.1 寻找扩散时不改变形状的波¶
任意温度曲线难追踪,但正弦有一个特殊性质:对空间求两次导数,仍是自身乘一个负常数。若初始形状是 ,热方程只要求振幅随时间满足 ,所以振幅指数衰减,形状保持。
这与线性代数的特征方向相似。求二阶导是一个线性算子,正弦是它的特征模式;热演化在每个模式上只改变系数。对固定零温边界,频率还必须使正弦在两个端点都为零,因此允许的 不是任意数。
4.3.2 高频为什么先消失¶
频率增为三倍,二阶导倍率增为九倍,因此高频振幅衰减得更快。温度曲线上细小急促的起伏先被抹平,宽缓结构保留更久;“热让分布平滑”由此有了可计算的原因。
动画采用周期边界的一低一高两个模式:蓝色是低频,黄色是高频,白色是总和。先在暂停时预测哪部分会先消失,再推进时间,观察总曲线逐渐接近低频形状。这里的边界选择与正文零温杆示例不同,但模式衰减机制相同。
有限个模式相加可以直接利用线性性;无限级数则需要额外条件,才能交换求和、求导并恢复初值。把每个模式代回方程是必要检查,却还没有自动完成一般解理论。这一点将在傅里叶章节继续讨论。
定义 4.3.1 周期热方程的一个模式
在首尾相接的区间 上,取整数频率 ,考虑 。扩散系数归一化为一。
命题 4.3.1 正弦模式满足热方程
上述模式满足 ,且初值为 。有限个此类模式相加仍满足该方程。
证明 · 展开纸笔推导
对时间求导得到 ;对空间求两次导数得到同一个表达式。整数频率保证周期边界匹配。
对有限和可以逐项求导,故线性组合仍满足方程。推广到无限级数时,逐项求导需要额外收敛条件;有限叠加的验证不自动证明任意初值问题的解存在。
□
数学表述 4.3.1¶
找到形状在扩散中保持、只改变振幅的波形,再将一般初始数据组合成这些模式。高频因弯曲更强而衰减更快。
对 的零温边界,模式为 因正弦的二阶导数为频率平方的负倍数,代入后两边相等。
例 4.3.1 把概念用于具体计算
取 ,。第三模式的衰减指数是第一模式的九倍。
练习 4.3.1¶
初值仅为 ,同样参数下解是什么?
展开解答与检查
。
Lean 对照 4.3.1 命题、证明与适用边界
完整验证模式振幅的时间导数。空间正弦导数可由微积分模块组合;无限级数解与边界条件未形式化。
DifferentialEquations.heat_mode_decay
theorem heat_mode_decay (κ n t : ℝ) :
HasDerivAt (fun s : ℝ => Real.exp (-κ*n^2*s))
(-κ*n^2*Real.exp (-κ*n^2*t)) t := exponential_solution (-κ*n^2) t