1、拉普拉斯方程水平集方法等拉普拉斯方程(Laplaces equation),又名调和方程、位势方程,是一种。 定义三维情况下,拉普拉斯方程可由下面的形式描述,问题归结为求解对实自变量x、y、z二阶的实函数 :上面的方程常常简写作:或其中div表示的(结果是一个),grad表示标量场的(结果是一个),或者简写作: = 0其中称为.拉普拉斯方程的解称为调和函数。如果等号右边是一个给定的函数f(x, y, z),即:则该方程称为泊松方程。 拉普拉斯方程和泊松方程是最简单的。偏微分算子或(可以在任意维空间中定义这样的算子)称为拉普拉斯算子,英文是 Laplace operator 或简称作 Lapla
2、cian。拉普拉斯方程的可归结为求解在区域D内定义的函数,使得在D的边界上等于某给定的函数。为方便叙述,以下采用拉普拉斯算子应用的其中一个例子作为背景进行介绍:固定区域边界上的温度(是边界上各点位置坐标的函数),直到区域内部热传导使温度分布达到稳定,这个温度分布场就是相应的狄利克雷问题的解。拉普拉斯方程的不直接给出区域D边界处的温度函数本身,而是沿D的边界法向的。从物理的角度看,这种边界条件给出的是矢量场的势分布在区域边界处的已知效果(对热传导问题而言,这种效果便是边界热流密度)。拉普拉斯方程的解称为调和函数,此函数在方程成立的区域内是。任意两个函数,如果它们都满足拉普拉斯方程(或任意线性微分
3、方程),这两个函数之和(或任意形式的线性组合)同样满足前述方程。这种非常有用的性质称为。可以根据该原理将复杂问题的已知简单组合起来,构造适用面更广的。二维拉普拉斯方程(u(r=2)=0、u(r=4)=4sin(5*))下的拉普拉斯方程(r=2、R=4)图形两个自变量的拉普拉斯方程具有以下形式:解析函数解析函数的实部和虚部均满足拉普拉斯方程。换言之,若z = x+ iy,并且那么f(z)是解析函数的是u(x,y),v(x,y)可微,且满足下列柯西-黎曼方程:上述方程继续求导就得到所以u 满足拉普拉斯方程。类似的计算可推得v 同样满足拉普拉斯方程。反之,给定一个由解析函数(或至少在某点及其邻域内解
4、析的函数)f(z)的实部确定的调和函数,若写成下列形式:则等式成立就可使得柯西-黎曼方程得到满足。 上述关系无法确定,只能得到它的微增量表达式:满足拉普拉斯方程意味着满足可积条件:所以可以通过一个线积分来定义。可积条件和的满足说明线积分的结果与积分经过的具体路径无关,仅由起点和终点决定。于是,我们便通过方法得到了和这一对拉普拉斯方程的解。这样的解称为一对共轭调和函数。这种构造解的方法只在局部(复变函数f(z))的解析域内)有效,或者说,构造函数的积分路径不能围绕有f(z)的。譬如,在平面(r,)上定义函数那么相应的解析函数为在这里需要注意的是,极角 仅在不包含原点的区域内才是单值的。拉普拉斯方
5、程与解析函数之间的紧密联系说明拉普拉斯方程的任何解都无穷阶可导(这是解析函数的一个性质),因此可以展开成形式,至少在不包含奇点的圆域内是如此。这与的解形成鲜明对照,后者包含任意函数,其中一些的可微分阶数是很小的。幂级数和之间存在着密切的关系。如果我们将函数f 在复平面上以原点为中心,R 为半径的圆域内展开成幂级数,即将每一项系数适当地分离出实部和虚部那么这便是f 的傅里叶级数。三维拉普拉斯方程基本解拉普拉斯方程的基本解满足其中的三维代表位于的一个点源。 由基本解的定义,若对u 作用拉普拉斯算子,再把结果在包含点源的任意体积内积分,那么由于坐标轴旋转不改变拉普拉斯方程的形式,所以基本解必然包含在
6、那些仅与到点源距离r 相关的解中。如果我们选取包含点源、半径为a 的球形域作为积分域,那么根据求得在以点源为中心,半径为r 的球面上有所以经过类似的推导同样可求得二维形式的解格林函数是一种不但满足前述基本解的定义,而且在体积域V 的边界S 上还满足一定的边界条件的基本解。譬如,可以满足现设u 为在V 内满足泊松方程的任意解:且u 在边界S 上取值为g,那么我们可以应用(是高斯散度定理的一个推论),得到un 和Gn 分别代表两个函数在边界S 上的法向导数。考虑到u 和G 满足的条件,可将上式化简为所以格林函数描述了量f 和g 对(x,y,z)点函数值的影响。格林函数在半径为a 的球面内的点上得值
7、可以通过镜像法求得(Sommerfeld, 1949):距球心的源点P 的通过球面的“反射镜像”P 距球心需要注意的是,如果P 在球内,那么P 将在球外。于是可得格林函数为式中R 表示距源点P 的距离,R 表示距镜像点P 的距离。从格林函数上面的表示式可以推出泊松积分公式。设、和为源点P 的三个分量。此处按照物理学界的通用标准定义为坐标矢径与竖直轴(z 轴)的夹角(与欧洲习惯相同,与美国习惯不同)。于是球面内拉普拉斯方程的解为:式中这个公式的一个显见的结论是:若u 是调和函数,那么u 在球心处的取值为其在球面上取值的平均。于是我们可以立即得出以下结论:任意一个调和函数(只要不是常函数)的最大值
8、必然不会在其定义域的内部点取得。 水平集在领域中, 一个具有n变量的值f的水平集是具有以下形式的集合 (x1,.,xn) | f(x1,.,xn) = c 其中 c 是常数. 即, 使得函数值具有给定常数的变量集合.当具有两个变量时, 称为水平曲线(), 如果有三个变量, 称为水平曲面, 更多变量时, 水平集被叫做水平.集合 (x1,.,xn) | f(x1,.,xn) c 被称为 f 的 子水平集 .其他名字水平集具有很多重要的应用, 在不同的应用领域通常具有不同的名称.例如, 水平曲线也被叫做隐式曲线(implicit curve)用来强调曲线是由(implicit function)定义
9、的. 有时也使用等高线(isocontour)的名称, 表示一个具有相同高度(函数值)的轮廓. 在不同的应用领域, (isobar), (isotherm),(isogon), (isochrone)都属于等值高线.相应的, 水平曲面有时被叫做隐式曲面(implicit surface)或(isosurface).最后, 更加一般的水平集被叫做(fiber).例子例如, 指定一个半径 r, 圆的方程可以定义为一个等高线.r2=x2 + y2如果取 r=5, 那么等高值为 c=52=25.所有使得 x2 + y2=25 的点 (x,y) 构成了它的等高线. 这就是说他们属于等高线的水平集. 如果
10、 x2 + y2 小于 25 这个点 (x,y) 就在等高线的内部. 如果大于 25 , 这个点就在等高线外部.水平集与梯度考虑一个山形函数. 蓝色曲线是它的水平集. 红色曲线沿着梯度的方向. 换句话说, 保守的旅行者走的是蓝色路径, 大胆的旅行者走的是红色路径. 函数f在一点处的与在该点处 f 的水平集垂直.这个定理是十分不寻常的. 为更好的理解定理的含义, 设想两个旅行者在一座山峰的统一位置.其中一个人很大胆, 决定从坡度最大的地方走. 另一个人比较保守; 他不想向上爬, 也不想走下去, 选择了一条在同一高度的路. 上面的定理就是说, 这两个旅行者相互离开的方向是互相垂直的. 设所考虑的点
11、为 x0 . 通过点 x0 的水平集是 x | f(x) = f(x0). 考虑一条通过点x0并且属于水平集的曲线 (t) , 不妨假设 (0) = x0. 从而得到使用, 在 t = 0 处微分. 我们发现同时, f 在 x0 处的 等于 f 在点 x0 的梯度.因此, f 在点 x0 处的梯度与曲线在该点处的切线 (0) 垂直. 由于曲线 (t) 是任意的, 因而断定梯度与水平集垂直. 这一定理的直接推论是, 如果水平集穿过其自身 (不是一个光滑或) 那么梯度向量在所有交叉点处一定是零. 那么, 每个交叉点都是f的.水平集方法水平集方法 (Level Set Method) 是一种用于界面
12、追踪和的技术. 水平集方法的优点是可以在(Cartesian grid)上对演化中的进行数值计算而不必对曲线曲面(这是所谓的欧拉法(Eulerian approach).). 水平集方法的另一个优点是可以方便的追踪物体的结构改变. 例如当物体的形状一分为二, 产生空洞, 或者相反的这些操作. 所有这些使得水平集方法成为随时间变化的物体建模的有力工具, 例如膨胀中的气囊, 掉落到水中的油滴. 理解水平集方法的最简单有效地方式是先学习相应的例子, 然后学习技术性很强的定义. 右侧的图片示例了水平集的几个重要思想. 在左上角有一个形状-由一个良性边界包围的有界区域. 在它的下面, 红色的曲面是相应的
13、水平集函数 的图像, 的某个水平面决定了左上角的形状, 假设其中的蓝色平面即为x-y平面, 则形状的边界可以表示为 的零水平集, 并且该形状是平面上满足大于等于零的点的集合.在上面的一行, 形状改变其拓扑结构, 分裂为两个形状. 如果用边界曲线参数表示形状, 这一演化过程是很难表达的. 这需要一个算法能够检测到形状分裂的时刻, 然后为分裂后的曲线构造新的参数. 另一方面, 从下面的一行可以看出水平集函数仅仅是向下方移动了一点. 由于在直接法中我们需要监视所有形状可能发生的变化情况, 水平集方法处理形状曲线要比直接方法容易得多.在二维情况下, 水平集方法意味着将平面上的 (正如示例中的形状) 表
14、示为二维辅助 , 的零然后通过函数 隐式的处理曲线 . 这一函数便被叫做水平集函数. 假设 在曲线 的内部取正值, 在曲线 的外部取负值. 水平集方程如果零水平集以速度v沿着其法线运动, 这一运动可以表示为水平集函数的(Hamilton-Jacobi equation):这是一个, 并且可以求得数值解, 例如可以在笛卡尔网格上采用.然而, 水平集方程的数值解需要复杂的技术.简单的有限差分法会很快导致不收敛. 方法, 诸如前进缓慢; 然而在水平对流场中, 水平集方法不保持水平集的体积和形状的守恒.总变差在领域, ? 定义在 a, b ? R 的总变差(total variation)是一维参数曲
15、线 x ?(x) , x a,b的. 当绿点遍历整个函数时, 绿点在 y-轴上的投影红点走过的路程就是该函数的总变分.定义的总变差, 可由如下的给出任意实值函数 ? 定义在区间 a,b 上的总变差, 由定义. 其中 supP 对区间 a,b 中的所有分划 P 取上界.n 维扩展定义在有界上的 ? 的总变差, 定义为其中 是 中的上全体构成的, 是.若 ? 可微, 上式可简化为次导数凸函数(蓝)和x0处的“次切线”(红)次导数、次切线和次微分的概念出现在,也就是的研究中。设f:IR是一个凸函数,定义在实数轴上的内。这种函数不一定是处处的,例如函数f(x)=|x|。但是,从右面的图中可以看出(也可
16、以严格地证明),对于定义域中的任何x0,我们总可以作出一条直线,它通过点(x0,f(x0),并且要么接触f的图像,要么在它的下方。这条直线的称为函数的次导数。定义凸函数f:IR在点x0的次导数,是实数c使得:对于所有I内的x。我们可以证明,在点x0的次导数的是一个a, b,其中a和b是它们一定存在,且满足a b。所有次导数的集合a, b称为函数f在x0的次微分。例子考虑凸函数f(x)=|x|。在原点的次微分是区间?1, 1。x00,则是单元素集合1。性质 凸函数f:IR在x0可导,当且仅当次微分只由一个点组成,这个点就是函数在x0的导数。 点x0是凸函数f的,当且仅当次微分中包含零,也就是说,在上面的图中,我们可以作一条水平的“次切线”。这个性质是“可导函数在极小值的导数是零”的事实的推广。次梯度次导数和次微分的概念可以推广到多元函数。如果f:U R是一个实变量凸函数,定义在Rn内的,则该空间内的向量v称为函数在点x0的次梯度,如果对于所有U内的x,都有:所有次梯度的集合称为次微分,记为?f(x0)。次微分总是非空的凸。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1