5.1 非线性方程：激波与孤子

5.1 非线性方程：激波与孤子

抽掉线性拐杖的第一站是确定性非线性。同一条无黏伯格斯方程会给出两种截然相反的戏剧：一方是特征线交叉、解在有限时间内长出间断的"激波戏"，需要熵条件从无穷多弱解里挑出物理的那一个；另一方是 KdV 方程里非线性与色散精确平衡、孤子保持形状永远奔跑的"守恒戏"。两种戏剧共用一套分析武器——特征线、守恒律、弱解——正好把第二、三、四章的家底全部压上战场。

叠加失效之后的第一现场

无黏伯格斯方程 u_t + u·u_x = 0。它的特征线不再是直线族平行的简单场面：沿特征线 u 保持常数，而特征线的斜率 dt/dx = 1/u——u 大的地方跑得快。设初始速度分布某处高、前方低，快前锋追慢后卫，特征线必然交叉。交叉意味着同一点被两个不同的 u 值要求——经典解在交叉时刻 t 死亡*，t* = −1/min(φ'(x))，初始剖面越陡死得越快。

物理世界并不因数学死亡而停止：气体照样压缩成激波，交通照样拥堵成波。数学的响应是两步。第一步换语义：把方程写成守恒形式 u_t + (u²/2)_x = 0，在弱解意义下继续成立——2.4 节的扩容语言派上用场。第二步筛真伪：弱解立刻多到无穷（任何分段光滑、跳跃处满足跳跃条件的曲线都是），必须靠熵条件挑出物理的那一个。熵条件一句话：信息只能进入激波、不能从激波里凭空冒出——数学形式是特征线必须"汇入"间断而不能从间断"长出"。它筛选出的唯一弱解叫熵解，正是物理观测到的那个。

跳跃处弱解必须满足兰金–雨贡纽条件：激波速度 s = (f(u_R) − f(u_L))/(u_R − u_L)——通量差的商。对伯格斯方程（f = u²/2），s = (u_L + u_R)/2，激波以两侧状态的平均速度推进。这条公式是下一节数值实验的解析标尺。

图解：特征线交叉与激波诞生

特征线交叉与熵解示意

非线性的建设性一面：孤子

叠加失效不总是灾难。KdV 方程 u_t + 6u·u_x + u_xxx = 0 里，非线性项想把波形挤陡，三阶色散项想把波形摊宽，两者在特定形状下精确抵消：解 u(x,t) = (c/2)·sech²(√c·(x − c·t)/2)——高度决定速度的孤立波，速度越快越高越窄。1834 年斯科特·罗素在运河上追了一匹马距离的"平移不变形水峰"，1965 年被数值实验（Zabusky 与 Kruskal）正名为孤子。

孤子最惊人的性质是对撞后的复原：两个不同速度的孤子迎面相遇，非线性相互作用一场，结束后各自以原速原形穿出，唯一的痕迹是相位（位置）漂移——快孤子向前挪、慢孤子向后挪。线性波叠加的"穿而不损"来自互不干扰；孤子的"穿而不损"来自可积系统的隐藏守恒律（KdV 有无穷多个守恒量）——两者形似神异，正是线性与非线性世界的分界碑。孤子随后在光纤通信（光孤子传输）、浅水动力学、非线性晶格中接连现形。

数值实验：两条标尺同时验收

把 4.4 的守恒格式请回来，对无黏伯格斯方程做双重验收：激波位置对兰金–雨贡纽解析预言，波形对黏性正则化（真实物理总有黏性，v·u_xx 小黏性给出厚度随 v 减小的光滑激波，v 趋于零时收敛到熵解——这是熵条件的藏身处）。

import numpy as np

x = np.linspace(0, 1, 801); dx = x[1]-x[0]; dt = 0.5*dx
# 黎曼初值：左态 1 右态 0。解析激波速度 s = 0.5
uL, uR = 1.0, 0.0
s_exact = 0.5*(uL + uR)

def godunov_step(u, dt, dx):
    # Godunov 通量：界面左右态直接比较（伯格斯情形）
    fl = 0.5*u[:-1]**2; fr = 0.5*u[1:]**2
    flux = np.where(u[:-1] >= u[1:],
                    np.maximum(fl, fr),                      # 激波情形取大者
                    np.where(u[:-1] > 0, fl,
                             np.where(u[1:] < 0, fr, 0.0)))  # 稀疏波情形
    u_new = u.copy(); u_new[1:-1] = u[1:-1] - dt*(flux[1:] - flux[:-1])/dx
    return u_new

u = np.where(x < 0.4, uL, uR)
for n in range(400):                                          # 推进到 t = 0.2
    u = godunov_step(u, dt, dx)

jump = 0.4 + s_exact*0.2                                       # 解析激波位置
num = x[np.argmin(np.abs(u - 0.5))]                            # 数值激波位置
print("解析激波位置:", round(jump, 4), "  数值激波位置:", round(num, 4))
print("左态保持:", round(u[np.argmax(x<0.35)], 4), " 右态保持:", round(u[np.argmax(x>0.55)], 4))
​

读数：数值激波位置与解析预言偏差在一个网格步长内，两侧状态分毫未动——守恒格式加熵条件的组合在非线性世界依然精确兑现承诺。若换回 4.4 的非守恒写法重跑同题，激波位置会停在错误处：线性问题时无伤大雅的"等价变形"，在弱解世界是换了一条方程。黏性版本只需把步进改成在右端加 v·u_xx 项后取小 v——光滑激波出现，厚度随 v 缩小，熵解作为极限浮现。

一个民用现场：路上的"激波"

激波不只属于超音速翼面，早高峰的高架桥上天天上演。把车流密度 ρ（每公里车数）当守恒量：车既不凭空出现也不消失，守恒律 ρ_t + q(ρ)_x = 0 成立，通量 q(ρ) = ρ·v(ρ) 是密度乘车速，而车速随密度下降（车距越小越开不快，比如线性模型 v = 1 − ρ/ρ_max）。这条交通流模型是伯格斯方程的近亲：密度高的波向后传播——这正是"堵车波"从车流尾部向上游蔓延的机理，追尾事故多发段的成因之一。

用兰金–雨贡纽条件可以直接算堵车波速度：s = (q(ρ_R) − q(ρ_L))/(ρ_R − ρ_L)。取上游满密度 ρ_L = ρ_max、下游半密度 ρ_R = ρ_max/2 的情形，线性模型给出 s = −v_max/2——堵车波以自由流速一半的速度向上游跑。绿灯亮起后"起步波"向后传播的速度、匝道汇入点的密度跳跃走向，都能用同一条公式估算。交通工程师用它排信号灯周期、评估匝道控制——弱解与跳跃条件这套"超音速数学"，在每小时 60 公里的世界里同样上班。

本节要点

• 交叉机制：u 大处特征线快，有限时间交叉，经典解死亡时刻可显式算出；
• 两步响应：守恒形式的弱解扩容，加熵条件筛选——无穷多弱解只剩物理那一个；
• 跳跃条件：兰金–雨贡纽速度公式是激波数值实验的解析标尺；
• 孤子：KdV 里非线性与色散平衡，对撞复原源于无穷多守恒律，与线性叠加形似神异；
• 数值验收：守恒格式复现激波位置与两侧态，非守恒变形在弱解世界即换题；
• 黏性正则化：小黏性的光滑激波收敛到熵解，熵条件从藏身处现身。

方程的系数稳定后还有一类"随机性"更彻底：噪声直接写进方程，解本身成为随机过程。下一站走进随机偏微分方程——气候与材料科学的日常语言。