### 基于MATLAB的偏微分方程差分解法
#### 1. 双曲型方程中波动方程的有限差分解法
**1.1 双曲型的差分方程**
在双曲型偏微分方程中，波动方程是一个重要的例子。考虑一个典型的双曲型方程，如一维波动方程：
\[
\frac{\partial^2 u}{\partial t^2} = c^2 \frac{\partial^2 u}{\partial x^2}
\]
其中 \(u(x, t)\) 表示在时间和空间坐标下的波形，\(c\) 是波速。为了求解该方程，首先需要在 \(x\) 和 \(t\) 的范围内建立网格，并利用中心差分公式来近似二阶导数。
假设 \(x\) 方向上步长为 \(h\), \(t\) 方向上步长为 \(k\), 那么可以写出差分格式为:
\[
u_{i, j+1} - 2u_{i, j} + u_{i, j-1} = c^2 \left(\frac{u_{i+1, j} - 2u_{i, j} + u_{i-1, j}}{h^2}\right) k^2
\]
整理后得到:
\[
u_{i, j+1} = (1 - r^2)u_{i, j} + r^2(u_{i+1, j} + u_{i-1, j}) - u_{i, j-1}
\]
其中 \(r = c \frac{k}{h}\)。为了确保此差分格式的稳定性，需要满足条件 \(r < 1\)。
**1.2 初始值**
给定初始条件 \(u(x, 0) = f(x)\) 和 \(u_t(x, 0) = g(x)\), 可以通过初始条件和边界条件联立来确定初始时刻 \(u_{i, 1}\) 的值。例如，在一维波动方程中，可以通过下列方式给出:
\[
u_{i, 1} = f(x_i) + \frac{k}{2}(g(x_{i+1}) - g(x_{i-1}))
\]
**1.3 双曲型方程中波动方程例题的差分解法结果与程序**
根据题目中的具体例子，我们考虑一个简单的波动方程:
\[
\frac{\partial^2 u}{\partial t^2} = c^2 \frac{\partial^2 u}{\partial x^2}, \quad u(x, 0) = \sin(\pi x), \quad u_t(x, 0) = 0
\]
边界条件为 \(u(0, t) = u(1, t) = 0\)。通过 MATLAB 编写相应的程序来求解此方程，步骤如下:
- **程序代码**:
```matlab
function U = hyperbolic(a, b, c, n, m)
% 参数定义
h = a / (n - 1);
k = b / (m - 1);
r = c * k / h;
r2 = r^2;
s1 = 1 - r^2;
s2 = 2 - 2 * r^2;
U = zeros(n, m);
for i = 2:(n - 1)
U(i, 1) = sin(pi * h * (i - 1));
U(i, 2) = s1 * sin(pi * h * (i - 1)) + k * 0 + r2 / 2 * (sin(pi * h * (i - 2)) + sin(pi * h * (i)));
end
% 差分方程
for j = 3:m
for i = 2:(n - 1)
U(i, j) = s2 * U(i, j - 1) + r2 * (U(i + 1, j - 1) + U(i - 1, j - 1)) - U(i, j - 2);
end
end
U = U';
% 画图
figure(1);
surf(U);
figure(2);
contour(U, 40);
```
- **运行程序**: 输入具体的数值参数，如 `a=1`, `b=0.5`, `c=4`, `n=11`, `m=11` 并执行 `hyperbolic(1, 0.5, 4, 11, 11)`。
- **结果展示**:
- 等值线图
- 三维图
**1.4 MATLAB 自带函数求解**
除了手动编写差分程序外，MATLAB 还提供了内置函数 `pdepe()` 来求解偏微分方程。此函数能够处理更复杂的偏微分方程组。调用格式如下:
```
sol = pdepe(m, pdefun, pdeic, pdebc, x, t)
```
其中 `m` 表示对称性，`pdefun` 是偏微分方程的定义，`pdeic` 是初始条件，`pdebc` 是边界条件，`x` 和 `t` 分别为空间和时间坐标。
**1.5 结果对比**
对比手工编写的差分方程程序和使用 MATLAB 内置函数 `pdepe()` 求解的结果，两者具有较好的一致性，验证了差分方法的有效性和准确性。
#### 2. 抛物线方程中热传导方程的有限差分解法
**2.1 抛物线方程的差分方程**
对于一维热传导方程:
\[
\frac{\partial u}{\partial t} = c^2 \frac{\partial^2 u}{\partial x^2}
\]
可以通过显式前向差分来求解，差分格式为:
\[
u_{i, j+1} = u_{i, j} + r (u_{i+1, j} - 2u_{i, j} + u_{i-1, j})
\]
其中 \(r = c^2 \frac{k}{h^2}\)。为了确保稳定性，需要 \(r < \frac{1}{2}\)。
**2.2 抛物线方程中热传导方程例题的差分解法结果与程序**
考虑一个简单的热传导方程:
\[
\frac{\partial u}{\partial t} = c^2 \frac{\partial^2 u}{\partial x^2}, \quad u(x, 0) = f(x), \quad u(0, t) = u(L, t) = 0
\]
其中 \(f(x)\) 为初始温度分布，\(L\) 为区域长度。通过 MATLAB 编写相应的程序来求解此方程:
- **程序代码**:
```matlab
function U = forwdif(c1, c2, a, b, c, n, m)
h = a / (n - 1);
k = b / (m - 1);
r = (c^2 * k) / (h^2);
s = 1 - 2 * r;
U = zeros(n, m);
U(1, 1:m) = c1;
U(n, 1:m) = c2;
for i = 2:(n - 1)
U(i, 1) = sin(pi * h * (i - 1));
end
for j = 2:m
for i = 2:(n - 1)
U(i, j) = U(i, j - 1) + r * (U(i + 1, j - 1) - 2 * U(i, j - 1) + U(i - 1, j - 1));
end
end
U = U';
% 画图
figure(1);
surf(U);
figure(2);
contour(U, 40);
```
- **运行程序**: 输入具体的数值参数，并执行相应命令。
- **结果展示**:
- 等值线图
- 三维图
通过上述分析可以看出，利用 MATLAB 实现的偏微分方程的差分解法不仅可以有效求解具体的数学模型，而且还可以通过图形直观地展示解的变化趋势，有助于深入理解偏微分方程及其数值解的特性。
VIP享7折，此内容立减5.97元 
