高等数学 / 系统课时
用傅里叶方法求热传导响应
用傅里叶方法求热传导响应
本节用一维无限长杆的热传导模型演示傅里叶方法:先利用空间方向无界这一条件做傅里叶变换,把二阶偏微分算子化成代数因子,再求解频域常微分方程,最后逆变换得到温度随时间扩散的解析表达式。
学习目标
- 判断无限域热传导问题为什么适合使用傅里叶变换
- 掌握空间二阶导数在傅里叶域中的代数化过程
- 从频域解恢复时域空间响应,并解释扩散宽度与时间的关系
从热方程识别傅里叶结构
考虑无限长均匀介质中的一维热传导方程:
其中 是温度, 是热扩散率。取最典型的初始条件:在 时,热量集中在原点,理想化为单位脉冲 。
这个问题适合对空间变量 做傅里叶变换,因为空间范围是整个实轴,而且微分算子在傅里叶域中会变成乘法。定义
则二阶空间导数满足
原来的偏微分方程因此变成

在频域中求解
对于每一个固定的空间频率 ,频域方程只是一个一阶常微分方程。由初始条件 可知 ,因此
这个结果已经揭示扩散的本质:高频分量对应较大的 ,衰减因子 会让它们更快消失,所以温度分布会不断变平、变宽。热传导在频域中表现为一个随时间增强的低通滤波过程。
逆变换得到温度分布
对 做逆傅里叶变换:
利用高斯积分可得
这就是一维热方程的基本解。它始终保持高斯形状,但峰值会随时间下降,分布宽度按 增长。扩散率 越大,热量向外摊开的速度越快。
用数值采样检查解析结果
下面用 Python 在 、 时计算解析温度,并用梯形积分检查总热量近似保持为 1。
import math
alpha = 0.5
t = 1.0
left, right = -10.0, 10.0
n = 20001
dx = (right - left) / (n - 1)
def u(x):
return 1 / math.sqrt(4 * math.pi * alpha * t) * math.exp(
-(x * x) / (4 * alpha * t)
)
# 用梯形积分检查总热量是否近似守恒
total_heat = 0.5 * (u(left) + u(right))
for i in range(1, n - 1):
total_heat += u(left + i * dx)
total_heat *= dx
print(f"u(0,1) = {u(0):.6f}")
print(f"integral = {total_heat:.6f}")预期输出
u(0,1) = 0.398942
integral = 1.000000积分值接近 1,说明解析解保持了单位总热量;中心温度随时间下降,则对应热量从原点向两侧扩散。实际数值可能因浮点精度和积分区间略有差异。
什么时候优先选傅里叶方法
当空间方向是无限域、周期域,或者边界条件能自然展开成正交频率模式时,傅里叶方法通常非常直接。它最有价值的地方,是把空间微分变成频率变量上的乘法,从而把偏微分方程降成一族简单的常微分方程。
如果问题存在有限区间上的固定边界,通常应改用傅里叶级数或特征函数展开;如果主要困难来自时间初值和阶跃、脉冲等外部激励,拉普拉斯变换往往更合适。选择变换方法时,应先看变量范围与边界条件,而不是先看方程名称。