一维无界的自由波动问题-达朗贝尔行波解

news/2024/5/19 14:21:36/文章来源:https://blog.csdn.net/m0_52555753/article/details/127227343

回顾

第一个例子

\small \mu(x,t)表示热能的扩散,在空间有不同的取值,随空间和时间而变化,左端是跟一个恒温为0的热源接触,我们表示为\small \mu(0,t)=0,这个叫恒温条件。右端我们跟一个绝热的材料接触,傅里叶发现了热传导规律\small q=\frac{dQ}{dt}=-KS\frac{\partial \mu}{\partial x},K叫做热传导系数,q叫做热流强度,绝热就是热流为0,我们可以表示为\small KS(\frac{\partial \mu}{\partial x})|_{x=l}=0右端绝热,绝热和波动问题中的自由端是相似的(一阶导数等于0),这个称为绝热条件,属于第二类非齐次边界条件

混合边界条件的例子

我们再举一个例子:

热扩散问题他的右端表面和环境的温度差\small (\mu-\mu_0),如果右端自然冷却(满足牛顿的冷却定律,温度差决定了热扩散的强度)从左端来看,\small \frac{dQ}{dt}=-KS(\frac{\partial \mu}{\partial x})|_{x=L}=-h(\mu-\mu_0)|_{x=L},热流强度和温度差成正比。我们可以得到\small \mu+(\frac{KS}{h})\mu_x| _{x=L} =\mu_0,即\small (\mu+c\mu_x)| _{x=L} =\mu_0,这个就是第三类非齐次边界条件

所以在不同的物理问题里面可以抽象出不同的初始条件和边界条件


自然边界条件

其他的边界条件可以称之为自然边界条件

衔接问题:衔接条件 ,电磁场在两种介质都满足相似的波动方程,但是边界上有一个衔接条件\small D_{1n}=D_{2n},\phi_1=\phi_2\small E_{1t}=E_{2t},B_{1n}=B_{2n},H_{1t}=H_{2t}

周期性条件:\small \mu(\rho,\phi,z)=\mu(\rho,\phi +2\pi,z)

特别把下面这种情况称为自然边界条件,这个场如果描述的是一个有能量的场,场在无穷远处应该趋于0,否则能量就会使无穷大,所以自然边界条件的意思是,在球坐标系或者距离趋于无穷,\small \mu|_{r->\infty}=有限值,例如\small R(r)=C_1r^l=d_lr^{-(l+1)}因为需要有有界,就可以确定\small C_1=0,趋于0的时候场也必须有限\small d_1=0,研究球外取前者的近似,球内取后者的近似


一维无界的自由波动问题

两端无界,振动向两边传播,,自由就是没有外加的强迫力,如果反射波还没有来得及传播到我研究的范围,所以可以看作是无界的解

我们首先列出齐次波动方程\small \mu_{tt}-a^2\mu_{xx}=0(f(x,t)=0)自由

只有初始条件,没有边界条件,这是一个哥西问题,但它的解称为达朗贝尔解,也叫做达朗贝尔行波解,因为描述的是传播中的波(和它相对应的是驻波),初始条件:\small \mu(x,0)=\phi(x),需要两个初始条件 \small \mu_t(x,0)=\psi(x),(-\infty <x <\infty),这个泛定方程,有一个达朗贝尔算符\small (\frac{\partial^2 }{\partial t^2}-a^2\frac{\partial^2 }{\partial x^2})\mu(x,t)=0,我们可以把这个算符在形式上分解为两个算符的乘积(这是一个广义的乘积,不是简单的平方,表示相应的作用),写成\small (\frac{\partial }{\partial t}+a\frac{\partial }{\partial x})(\frac{\partial }{\partial t}-a\frac{\partial }{\partial x})\mu(x,t)=0

就像二阶偏导数作用在\small \mu上,可以看成两次的叠加,看作\small \frac{\partial }{\partial x}\frac{\partial }{\partial x} \mu=\frac{\partial^2 }{\partial x^2}\mu我们把波动方程分解成这样的形式,有什么好处?

也就是我们想要做一个变量代换,变成另一个函数,想找到\small (x,t)->(\zeta,\eta),使得\small \frac{\partial^2 \mu}{\partial \zeta \partial \eta}=0

我们需要做一个线性变换,\small x=c_{11}\zeta+c_{12}\eta,t=c_{21}\zeta+c_{22}\eta,数学家已经证明,只需要一个线性变换,我们只需要确定这四个系数

\small \frac{\partial^2 \mu}{\partial \zeta \partial \eta}=0这个方程很好积分,我们首先对\small \eta积分\small \frac{\partial u}{\partial \eta}=c(\zeta)积分完以后一定是另一个变量的函数,

然后我们再对\small \zeta进行积分,就可以得到\small \mu(\zeta,\eta)=f_1(\zeta)+f_2(\eta),两个单纯的函数之和,就是这个方程的解

 我们下面只需要找到线性变换的四个系数,假如我们的偏微分方程,\small \mu_{tt}+a\mu_{tx}+b\mu_{xx}=0,这样的齐次二阶偏微分方程,线性的,怎么求解?也可以用类似的方法,我们只需要找到\small x=c_{11}\zeta+c_{12}\eta,t=c_{21}\zeta+c_{22}\eta,找到这样一个线性变换,把三项,变成只有交叉项的二阶偏微分方程,这样解就非常简单了\small \frac{\partial^2 \mu}{\partial \zeta \partial \eta}=0,加入我们找到线性变换,反过来我们就可知道\small \zeta=d_{11}x+d_{12}y,\eta=d_{21}x+d_{22}y,然后我们就可以代入最后方程的解,我们就可以知道\small \mu(x,y)=

所以我们不仅仅是学一个波动方程的解,而是掌握一大类二阶齐次微分方程的通解,这样的二阶偏微分方程我们就可以解决

形式上我们看成\small (x^2+axy+by^2=0)\mu=(x-c_1y)(x-c_2y)\mu=0,所以方程就简化为

\small (\frac{\partial }{\partial t}-c_1\frac{\partial }{\partial x})(\frac{\partial }{\partial t}-c_2\frac{\partial }{\partial x})\mu(x,t)=0,达朗贝尔算符就是一个双曲型的算符

我们用变量代换的方法,把双曲型的波动方程,改写成这样一个只有交叉项,二次的偏导数方程,最重要的是要掌握,在变量代换的情况下,有一种链式法则,我们要把\small \frac{\partial }{\partial t}+a\frac{\partial }{\partial x}变成\small \frac{\partial }{\partial \zeta},把\small \frac{\partial }{\partial t}-a\frac{\partial }{\partial x}变成\small \frac{\partial }{\partial \eta},我们希望\small \frac{\partial }{\partial \zeta}=\frac{\partial }{\partial t}\frac{\partial t}{\partial \zeta}+\frac{\partial }{\partial t}\frac{\partial t}{\partial \eta}=\frac{\partial }{\partial t}+a\frac{\partial }{\partial x},\small \frac{\partial }{\partial \eta}=\frac{\partial }{\partial t}\frac{\partial t}{\partial \eta}+\frac{\partial }{\partial t}\frac{\partial t}{\partial \eta}=\frac{\partial }{\partial t}-a\frac{\partial }{\partial x}

这些链式法则需要记住,要求\small \frac{\partial t}{\partial \zeta}=1,\frac{\partial x}{\partial \zeta}=a,\frac{\partial t}{\partial \eta}=1,\frac{\partial x}{\partial \eta}=-a,

所以我们得到\small c_{11}=a,c_{12}=-a,c_{21}=1,c_{22}=1

四个系数就求出来了,我们得到\small x=a(\zeta-\eta),y=\zeta+\eta

反过来我们可以求出\small \zeta=\frac{1}{2}(t+\frac{x}{a})=\frac{1}{2a}(x+at),\eta=\frac{1}{2}(t-\frac{x}{a})=\frac{1}{2a}(at-x),我们再把解给代入进来,我们就可以得到最后的解

\small \mu=f_1[\frac{1}{2a}(x+at)]+f_2(-\frac{1}{2a}(x-at))=F_1(x+at)+F_2(x-at)\small F_1,F_2需要两个初始条件来确定这两个系数

我们再来确定这两个系数的值

\small \mu(x,t)=F_1(x+at)+F_2(x-at),令\small t=0\small \mu(x,0)=F_1(x)+F_2(x)=\phi(x).......1

两边对t求导

再令\small t=0\small \mu_t(x,0)=aF_1^{`}(x)-aF_x^{`}(x)=\psi(x)......2

解这两个联立的方程求出\small F_1(x)=?,F_2(x)=?

从第二个式子,我们得到\small F_1(x)-F_2(x)=\frac{1}{a}\int_{x_0}^{x} \psi(\alpha) d\alpha+c......3

再把1,3联立起来,我们就可以求出

\small F_1(x)=\frac{1}{2}\phi(x)+\frac{1}{2}\int_{x_0}^{x} \psi(\alpha) d\alpha+\frac{c}{2}

\small F_2(x)=\frac{1}{2}\phi(x)-\frac{1}{2}\int_{x_0}^{x} \psi(\alpha) d\alpha-\frac{c}{2}

然后我们要求的解是\small \mu(x,t)=F_1(x+at)+F_2(x-at)

\small \mu(x,t)=\frac{1}{2}[\phi(x+at)+\phi(x-at)]+\frac{1}{2a}\int_{x-at}^{x+at} \psi(\alpha) d\alpha

这就是所谓的达朗贝尔解,也称为达朗贝尔行波解

初始的振动位移贡献是 \small \frac{1}{2}[\phi(x+at)+\phi(x-at)],表示沿着x正方向的一个行波和沿着x反方向的一个行波

初始的振动速度积分以后变成了位移变成了\small \Phi(x),两个相减,还是表示一个沿着x正方向的波和反方向的波,所有行波的速度是一定的,如果是纵波\small a=\sqrt{\frac{Y}{\rho}}可以代表不同频率的行波叠加,但每种不同频率的行波波速一样,在同一个媒质中,所以a是一定的,频率是不同的

我们学完傅里叶变换以后,我们可以变成不同频率的行波的叠加,如果是周期函数,就可以做傅里叶函数展开,非周期函数可以作傅里叶积分变换

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.luyixian.cn/news_show_20708.aspx

如若内容造成侵权/违法违规/事实不符,请联系dt猫网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Java学习笔记 --- 面向对象之多态

一、基本介绍 方法或对象具有多种形态&#xff0c;是面向对象的三大特征&#xff0c;多态是建立在封装和继承之上的 二、多态的具体体现 1、方法的多态&#xff1a; 重写和重载就体现多态 案例演示&#xff1a; package com.javase.poly_;public class PloyMethod {publi…

最新案例 | 昇思MindSpore携手信大网御推出中原AI反诈骗创新解决方案,为全民反诈筑牢防火墙

近日&#xff0c;河南信大网御科技有限公司的中原人工智能反诈骗创新解决方案与华为Atlas 800训练服务器和全场景AI框架昇思MindSpore完成兼容性测试。该方案基于昇腾AI基础软硬件平台&#xff0c;能够在短时间内对涉诈网址/APP进行识别&#xff0c;识别准确率高达99%。 据2021…

嵌入式开发为什么用C语言

有了解过嵌入式开发的人都会想要多去了解一些嵌入式方面的信息&#xff0c;那么既然是嵌入式开发肯定是要你会代码的&#xff0c;至于这些可能你还不是很了解&#xff0c;下面可以一起来了解下嵌入式开发为什么用C语言吧。 点击获取1V1嵌入式学习规划&#xff0c;现在还送100G精…

牛客网刷题-两个队列实现栈

✅作者简介&#xff1a;嵌入式入坑者&#xff0c;与大家一起加油&#xff0c;希望文章能够帮助各位&#xff01;&#xff01;&#xff01;&#xff01; &#x1f4c3;个人主页&#xff1a;rivencode的个人主页 &#x1f525;系列专栏&#xff1a;《牛客网刷题》 &#x1f4ac;推…

字节跳动测试岗面试挂在2面,我复盘总结了失败原因,决定再战一次

先说下我基本情况&#xff0c;本科不是计算机专业&#xff0c;现在是学通信&#xff0c;然后做图像处理&#xff0c;可能面试官看我不是科班出身没有问太多计算机相关的问题&#xff0c;因为第一次找工作&#xff0c;字节的游戏专场又是最早开始的&#xff0c;就投递了&#xf…

Chain of Responsibility(责任链模式)

责任链模式一、概述二、结构三、适用场景四、优缺点五、实例一、概述 描述&#xff1a;如组长不能处理的金额&#xff0c;需要向经理请求&#xff0c;经理不能请求的需要向老板请求&#xff0c;这样就现成了一条链&#xff0c;每个级别都能处理这金额。而不是直接组长向老板请…

LeetCode括号的分数(三种解法)

LeetCode括号的分数题目描述方法一&#xff1a;栈方法稍微优化方法二&#xff1a;递归方法三&#xff1a;计算每一部分的贡献率分析原因结语题目描述 这道题的题意还是比较好理解的&#xff0c;一个 &#xff08;&#xff09; 就是一分&#xff0c;外层再套有括号则分数翻倍。 …

【genius_platform软件平台开发】第七十四讲:IAP在线升级OTA原理

1. BootLoader知识 1.1 概述及其作用 BootLoader可以理解成是引导程序, 它的作用是启动正式的App应用程序.。换言之,BootLoader是一个程序, App也是一个程序, BootLoader程序是用于启动App程序的. 2. IAP知识 2.1 概述 IAP&#xff08;In-Application Programming&#xf…

python与Electron联合编程记录之六(Electron调试)

Pycharm调试Electron 程序的编写过程离不开调试&#xff0c;在刚开始编写Electron程序的时候我不懂怎么调试主进程&#xff0c;只会通过Chrome的Devtools调试渲染进程&#xff0c;所以程序编写过程非常苦恼。后来决定研究下怎么调试主进程&#xff0c;我使用的是Pycharm&#x…

WebDAV之葫芦儿·派盘 + Evermusic

Evermusic-iPhone或iPad的音乐播放器和下载器。音频均衡器,低音增强器,ID3标签编辑器,播放列表管理器。 支持最流行的音频格式:MP3,AAC,M4A,WAV,AIFF,M4R。有了这个程序,您可以创建自己的音乐流媒体服务。只需将您的音乐库移至云服务,然后直接从那里收听音乐。您现…

(附源码)计算机毕业设计SSM在线考试系统

项目运行 环境配置&#xff1a; Jdk1.8 Tomcat7.0 Mysql HBuilderX&#xff08;Webstorm也行&#xff09; Eclispe&#xff08;IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持&#xff09;。 项目技术&#xff1a; SSM mybatis Maven Vue 等等组成&#xff0c;B/S模式 M…

正则量词 属性方法 使用技巧

n {1,正无穷} \w 0-9A-z_ var reg /\w/g;var str abcdefg;正则匹配的两个原则 1.不会回头 匹配成功的就不会在匹配 2.贪婪模式 能匹配多就不会匹配少 n* {0,正无穷} \w 0-9A-z_ var reg /\w*/g;var str abcdefg;\d 0-9 var reg /\d*/g;var str abcdefg;## n&#xff1…

gorm中的关联操作详解

一对一 belong to 属于:可以理解为舔狗认为自己属于女神,而女神都不知道舔狗的存在 type Girl struct { Id int Name string } type Dog struct { Id int Name string GirlId int Girl Girl } 迁移 schema db.AutoMigrate(&Dog{}) //此时会将…

Linux从入门到入土②(系统管理)

文章目录系统管理Linux 中的进程和服务Service服务管理&#xff08;CentOS 6 版本-了解&#xff09;基本语法使用systemctl服务管理&#xff08;CentOS 7 版本-重点掌握&#xff09;基本语法使用chkconfig 设置后台服务的自启配置&#xff08;CentOS 6 版本&#xff09;基本语法…

mysql 关联查询连接条件

一、内连接 关键字&#xff1a;inner join on 语句&#xff1a;select * from a_table a inner join b_table b on a.a_id b.b_id; 说明&#xff1a;组合两个表中的记录&#xff0c;返回关联字段相符的记录&#xff0c;也就是返回两个表的交集&#xff08;阴影&#xff09;…

【数据结构】交换排序—冒泡排序、快速排序

目录 一、什么是交换排序&#xff1f; 二、冒泡排序 三、快速排序 &#x1f49f; 创作不易&#xff0c;不妨点赞&#x1f49a;评论❤️收藏&#x1f499;一下 一、什么是交换排序&#xff1f; 1.交换排序的基本思想是两两比较待排序记录的关键字&#xff0c;若两个记录的次…

python文件操作

今日内容概要文件操作 利用python代码的编写来读写文件1.文件的概念 2.文件的操作方式 3.文件读写模式 4.文件操作模式 5.文件诸多方法 6.文件内容修改 7.文件光标移动 文件操作 1.文件的概念就是操作系统暴露给用户操作硬盘的快捷方式eg:双击一个文件,其实是从硬盘将数据加载…

Argestes 和序列问题

一 问题描述 Argestes 有很多爱好,特别喜欢解决查询问题。有一天&#xff0c;Argestes 想出了这样的问题。给出一个由 N 个非负整数组成的序列&#xff0c;a [1]&#xff0c;a [2]&#xff0c;a[3] ... a [n]。然后对序列进行 M 个操作。操作可以是以下之一。 S X Y&#xff…

Vue 2.6.13 源码解析(三)

文章目录前言一、initState二、支线2.1.initProps2.1.1.initProps---defineReactive2.1.2.initProps---proxy2.1.3.initProps---dependArray2.2. initMethods2.2.1.initMethods----bind2.3.initData2.3.1.initData---observe2.3.2.1.initData---observe---Observer类2.4.initCo…

灵遁者哲理散文:尘归尘

尘归尘 ——灵遁者 最近想到了很多过去的事情&#xff0c;往往就是一瞬间的情景&#xff0c;然而只有我自己清楚&#xff0c;这些瞬间&#xff0c;我从未忘记&#xff0c;我甚至觉得&#xff0c;它们构成了我生命中的“沉默”和“深刻”。 比如这样一个瞬间&#xff0c;我和…