1.3 三大原型方程：波动、热传导与拉普拉斯

1.3 三大原型方程：波动、热传导与拉普拉斯

本节摘要：波动方程、热传导方程、拉普拉斯方程是偏微分方程学科的三个"字母表"：绝大多数二阶方程的理论都以它们为原型展开。本节并排呈现三条方程的标准形式、物理来源与定性行为，重点刻画它们截然不同的"性格"——传播、耗散与平衡，为第二章的分类学铺路。

三条方程，三种世界图景

把它们先并排放好。记 u 为未知量（位移、温度、电势），x 为空间坐标，t 为时间，c 为波速，a 为扩散系数：

三条方程都只到二阶导数，形式简单到可以用一行写下，然而各自发展出的理论加起来几乎就是二阶 PDE 理论的全部主干。原因是它们恰好代表了三种极端定性行为，而现实中的方程（变系数、非线性、带源项）往往是这三者的混合与变形。

波动方程是"传令兵"。扰动以有限速度 c 传播：拨动弦的一端，另一端要等 c 分之距离的时间才有反应。初始数据中的棱角不会被磨平，而是沿着特征线（第三章的达朗贝尔解会明确画出来）一直传递下去——一根初始带折角的弦，振起来折角永远在。能量守恒是其内在纪律：无阻尼波动不遗忘任何初始细节。

热传导方程是"和事佬"。温度的尖峰会在瞬间被抹平——数学上说，即使初始温度分布不连续，t 大于零的瞬间解就变得无穷光滑。代价是"无限传播速度"：一端加热，远端的温度立即（哪怕微乎其微地）上升。信息不是被传递而是被稀释，初始细节以指数速度遗忘，这解释了第一章验证过的解为什么按 exp(−a²π²t) 衰减。

拉普拉斯方程是"中间派"，时间干脆缺席。它描述的是演化结束后的稳态：温度场不再变化，u_t 为零，热传导方程退化为 u_xx = 0（一维情形）；二维情况下就是 u_xx + u_yy = 0。它的解（调和函数）服从极值原理：最大值和最小值只能出现在边界上，内部不许出现局部极值。一张绷紧的肥皂膜，高度就是拉普拉斯方程的解——膜面在内部永远平滑、不鼓包。

图解：三大方程的性格对照

下图把三种性格并置：同样的初始尖峰，三条方程给出三种完全不同的回应。

三大原型方程定性行为对照

从一条方程变形看"家族血缘"

三条方程不是三个孤岛，而是同一片大陆的不同地形。把带时间的热传导方程写全：u_t − a²(u_xx + u_yy) = f(x,y,t)。令源项为零、令 u_t 为零（稳态），它退化成泊松方程 −a²Δu = f；再令 f 为零，就是拉普拉斯方程。反过来，若把热传导方程的时间项换成时间的二阶导，就回到波动方程。第二章的分类学会把这件事说得更精确：按二阶系数的符号判别式，三条方程分别对应判别式小于零、等于零、大于零的三种情形——它们是二阶线性方程分类的三个"极点"，现实方程散布其间。

血缘关系还体现在互相转化上。金融里的 Black-Scholes 方程（第六章）通过变量替换可以变成标准热传导方程； 一维波动方程经过特征坐标变换变成 u_ξη = 0 这类可积形式。掌握"把陌生方程化归为三大原型"的眼光，比多记一百种特殊解法更值钱。

一个快速上手：数值直观

光说不练不过瘾。下面用最朴素的方式让三种性格"看得见"：对初始尖峰分别在波动方程和热传导方程下演化，打印几个时刻的解的形态。代码只有十几行，却已经能让读者亲眼看到"传播"与"摊平"的区别。

import numpy as np

x = np.linspace(0, 1, 201)
u0 = np.exp(-1000 * (x - 0.5)**2)   # 初始尖峰

# 热传导：用解析解的高斯核卷积思想直接演化 t=0.01
t = 0.01
sigma = np.sqrt(2 * 1.0 * t)        # a=1
ker = np.exp(-((x[:, None] - x[None, :])**2) / (4 * t))
heat = ker @ u0 / ker.sum(axis=1)   # 简化归一后的核平均
print("热传导后峰值:", heat.max(), "峰宽显著变宽")

# 波动：达朗贝尔解, 初始速度为零时 u = (u0(x-ct) + u0(x+ct))/2
c = 1.0
wave = 0.5 * (np.interp(x - c*t, x, u0, left=0, right=0)
              + np.interp(x + c*t, x, u0, left=0, right=0))
print("波动后峰值:", wave.max(), "峰高减半 但峰宽不变")
​

运行后可以看到：热传导的峰值大幅下降、波包变宽；波动方程的解峰值减半（能量一分为二）、但每个半峰的宽度与初始一致——棱角没有被磨掉的直接证据。第三章会从解析解出发严格解释这两个现象，第四章则会用差分格式把同样的实验重做一遍，并检查数值误差。

💡 关键直觉：判断一条方程属于哪个家族，最快的办法是看"初始的棱角在演化中如何处理"——原样搬运是双曲（波动），立刻摊平是抛物（热传导），根本没有初始时刻而由边界全权决定是椭圆（拉普拉斯）。

数着看：三种衰减率同台比价

性格差异还可以量化成一张衰减率对照表，这张表在后面章节会被反复引用。把初始数据按 3.1 的正弦模式展开，三大方程对第 n 个模式的处理方式各不相同：波动方程给模式一个振荡因子 cos(nπct/L)——幅度永远不减，只转圈；热传导方程给指数衰减 exp(−a²n²π²t/L²)——衰减率按 n 的平方增长，第 10 个模式比第 1 个快一百倍冷掉；拉普拉斯方程则把模式的幅度按 (r/R)ⁿ 压缩——离边界越远，高阶模式死得越干净。

数字最能说明问题：取 a = 1、L = 1，热方程第 1 模式的衰减率约 10，第 5 模式约 247，第 20 模式接近 4000——高频细节存活不到千分之一秒。这就是"热传导遗忘细节"的精确含义，也解释了为什么反热传导（由末状态倒推初值）是 2.3 节那种指数放大型的病态问题：遗忘的逆过程必然放大。波动方程的同一张表则是零衰减列——能量按模式守恒，谁也不许掉队，这直接预告了它的数值格式为何对稳定性斤斤计较。

关于三大方程的三个高频问答

问：源项会改变方程的性格吗？ 不会改变类型，但会改变长时间归宿。热传导加常数源项后解趋于稳态（泊松问题的解），加不稳定源则持续升温——类型看二阶主部，归宿看源项与耗散的拔河，两件事要分开问。

问：泊松方程为什么必须有相容条件？ 全部诺伊曼边界时，散度定理要求源的总产出等于边界的总流出，否则无解；有解时解差一个常数。这不是缺陷而是守恒的数学化——热产生与散热必须平衡，物理早就这么说。

问：混合初边值问题的时间方向能反过来吗？ 双曲可以（时间反演后仍是解），抛物不行（末状态的信息不足以重建初值，被遗忘的细节找不回来）。可逆性差异就是 2.2 节"性格档案"里那一行的物理重量。

本节要点

• 三大原型：波动（传播）、热传导（耗散）、拉普拉斯（平衡），形式一行、理论一科；
• 性格差异：有限速传播与保棱角、瞬间光滑化与无限速影响、无时间轴与极值在边界；
• 家族血缘：稳态退化得拉普拉斯，时间阶数变化得波动；判别式分类是三者的统一视角；
• 化归眼光：陌生方程尽量化归为三大原型，Black-Scholes 方程就是热传导方程的变装。

三条方程的"性格"已经亮相。下一节讨论它们是怎么从物理世界被写出来的——建模不是照抄公式，而是守恒律、本构关系与定解条件的三方会谈。