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:

∂u∂t=α∂2u∂x2,−∞<x<∞, t>0\frac{\partial u}{\partial t}=\alpha\frac{\partial^2 u}{\partial x^2},\qquad -\infty<x<\infty,\ t>0

其中 u(x,t)u(x,t) 是温度,α>0\alpha>0 是热扩散率。取最典型的初始条件:在 t=0t=0 时,热量集中在原点,理想化为单位脉冲 u(x,0)=δ(x)u(x,0)=\delta(x)。

这个问题适合对空间变量 xx 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

u^(k,t)=∫−∞∞u(x,t)e−ikx dx\hat u(k,t)=\int_{-\infty}^{\infty}u(x,t)e^{-ikx}\,dx

则二阶空间导数满足

F{∂2u∂x2}=−k2u^(k,t)\mathcal{F}\left\{\frac{\partial^2u}{\partial x^2}\right\}=-k^2\hat u(k,t)

原来的偏微分方程因此变成

∂u^∂t=−αk2u^\frac{\partial \hat u}{\partial t}=-\alpha k^2\hat u

热方程从空间域变换到频域再逆变换的流程

在频域中求解

对于每一个固定的空间频率 kk,频域方程只是一个一阶常微分方程。由初始条件 u(x,0)=δ(x)u(x,0)=\delta(x) 可知 u^(k,0)=1\hat u(k,0)=1,因此

u^(k,t)=e−αk2t\hat u(k,t)=e^{-\alpha k^2t}

这个结果已经揭示扩散的本质:高频分量对应较大的 ∣k∣|k|,衰减因子 e−αk2te^{-\alpha k^2t} 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 u^(k,t)\hat u(k,t) 做逆傅里叶变换:

u(x,t)=12π∫−∞∞e−αk2teikx dku(x,t)=\frac{1}{2\pi}\int_{-\infty}^{\infty}e^{-\alpha k^2t}e^{ikx}\,dk

利用高斯积分可得

u(x,t)=14παtexp⁡(−x24αt)u(x,t)=\frac{1}{\sqrt{4\pi\alpha t}}\exp\left(-\frac{x^2}{4\alpha t}\right)

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 t\sqrt{t} 增长。扩散率 α\alpha 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 t=1t=1、α=0.5\alpha=0.5 时计算解析温度,并用梯形积分检查总热量近似保持为 1。

python
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

text
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。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用傅里叶方法求热传导响应

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通