第11章 偏微分方程和数值方法
偏微分方程数值方法
偏微分方程数值方法偏微分方程（Partial Differential Equation, PDE）是数学中的一种重要的方程类型，它描述了一个函数的多个变量的变化关系。
解决偏微分方程的数值方法在科学和工程领域有着广泛的应用。
本文将介绍几种常见的偏微分方程数值方法，并对其进行详细阐述。
1. 差分法（Finite Difference Method）：差分法是最早也是最直接的一种数值方法，它基于连续函数在一些点的导数可以用它的前向、后向或中心的差商来近似的思想。
偏微分方程的差分格式包括向前差分法、向后差分法和中心差分法等。
对于二维的偏微分方程，可以采用网格化的方式将空间离散化，然后利用差分法进行近似求解。
2. 有限元法（Finite Element Method）：有限元法是一种基于原始形式或变分形式对偏微分方程进行离散化的方法。
在有限元法中，将求解域分割成许多小的、简单的几何单元，然后在每个单元上构建近似解函数和试验函数。
通过构建弱形式并应用基本的变分原理，可以得到离散化的方程组，并通过求解这个方程组来得到数值解。
3. 有限差分法（Finite Difference Method）：有限差分法是一种将连续的偏微分方程离散化成差分方程的方法。
它与差分法的主要区别在于有限差分法不需要对求解域进行网格化，而是直接在连续的求解域上进行离散化。
将偏微分方程中的导数通过差商来近似，然后通过求解离散化的差分方程来得到数值解。
4. 有限体积法（Finite Volume Method）：有限体积法是一种将偏微分方程离散化为离散体积元的方法。
在有限体积法中，将求解域划分成离散的控制体积，然后通过对控制体积的积分运算，将偏微分方程转化为离散的代数方程组。
然后通过求解得到的代数方程组，可以得到数值解。
以上介绍的只是几种常见的偏微分方程数值方法，实际上还有很多其他的方法，如边界元法（Boundary Element Method）、谱方法（Spectral Method）、逆问题方法（Inverse Problem Method）等。
偏微分方程的数值方法
偏微分方程的数值方法偏微分方程是描述自然界许多现象的一种数学模型，它包含多个独立变量，并且方程中的未知函数同时取决于这些变量。
偏微分方程的数值方法是一种求解这类方程的途径，它通过将连续的方程转化为离散的方程，从而使得问题成为一个适用于计算机求解的形式。
本文将介绍几种常用的偏微分方程数值方法。
1. 有限差分法 (Finite Difference Method)有限差分法是最常用的偏微分方程数值方法之一、它将连续的偏微分方程转化为离散的差分方程，通过计算差分方程的近似解来获得原方程的数值解。
在有限差分法中，首先将空间域离散化成网格，再将时间域离散化成步长。
通过近似替代偏微分方程中的导数，将方程转化为差分方程。
通过求解差分方程的解，可以得到偏微分方程的数值解。
2. 有限元法 (Finite Element Method)有限元法是另一种常用的偏微分方程数值方法。
它将连续的偏微分方程转化为离散的代数方程，通过求解代数方程来获得原方程的数值解。
在有限元法中，首先将空间域离散化成有限个小区域，称为有限元。
然后通过选取适当的试探函数和权重函数在每个有限元内部进行插值。
通过将插值函数带入原方程，使用变分原理和加权残差法推导出离散的代数方程。
再通过求解代数方程组的解来得到偏微分方程的数值解。
3. 边界元法 (Boundary Element Method)边界元法也是一种常用的偏微分方程数值方法。
它将连续的偏微分方程转化为边界上的积分方程，通过求解积分方程来获得原方程的数值解。
在边界元法中，将问题的物理域分为两个区域：内域和外域。
通过在内域内求解偏微分方程，得到内域的数值解。
然后通过边界条件将内域的解扩展到整个物理域的边界上。
最后将边界上的积分方程转化为代数方程组，并求解之得到最终的数值解。
4. 谱方法 (Spectral Method)谱方法是一种高精度的偏微分方程数值方法，它同时利用了空间域和频率域的特性。
偏微分方程的数值方法
偏微分方程的数值方法偏微分方程（Partial Differential Equations，简称PDEs）是数学中研究的重要分支，广泛应用于物理学、工程学等领域中。
由于一些复杂的PDEs难以找到解析解，因此需要借助数值方法进行求解。
本文将介绍偏微分方程的数值解法，包括有限差分法、有限元法和谱方法等。
一、有限差分法（Finite Difference Method）有限差分法是解偏微分方程最常用的数值方法之一。
它将偏微分方程中的导数用差商来近似，将空间离散成若干个小区间和时间离散成若干个小时间步长。
通过求解离散化后的代数方程，可以得到原偏微分方程的数值解。
以二维的泊松方程为例，偏微分方程可以表示为：∂²u/∂x² + ∂²u/∂y² = f(x, y)其中，u(x, y)为未知函数，f(x, y)为已知函数。
我们可以将空间离散成Nx × Ny个小区间，时间离散成Nt个小时间步长。
利用中心差分法可以近似表示导数，我们可以得到离散化的代数方程组。
二、有限元法（Finite Element Method）有限元法是一种重要的数值解PDEs的方法。
它将求解区域离散化成一系列的单元，再通过插值函数将每个单元上的未知函数近似表达。
然后，利用加权残差方法，将PDEs转化成代数方程组。
在有限元法中，采用形函数来近似未知函数。
将偏微分方程转化为弱形式，通过选取适当的形函数和权函数，可以得到离散化后的代数方程组。
有限元法适用于求解各种各样的偏微分方程，包括静态和动态、线性和非线性、自由边界和固定边界等问题。
三、谱方法（Spectral Method）谱方法是一种基于特殊函数（如正交多项式）的数值方法，用于解PDEs。
谱方法在求解偏微分方程时，利用高阶连续函数拟合初始条件和边界条件，通过调整特殊函数的系数来近似求解解析解。
谱方法具有高精度和快速收敛的特点，适用于各种偏微分方程求解。
数学中的偏微分方程数值方法
数学中的偏微分方程数值方法偏微分方程是数学中比较重要的一个分支，它应用非常广泛，包括物理、工程和经济等领域。
对于许多偏微分方程而言，解析解并不容易得到，而一些数值方法则可以用来求出近似解，从而又有了许多其他应用。
本文将介绍偏微分方程数值方法的一些基本原理和应用。
一、偏微分方程数值离散化方法偏微分方程数值离散化方法是求解偏微分方程的基础。
数值离散化方法的主要思想是将偏微分方程中的无限维空间转换为有限维空间，进而通过有限维的求解来得到偏微分方程的近似解。
最基本的离散化方法是有限差分法，即将空间和时间域划分成若干个网格点，然后根据偏微分方程的定义，将求导的过程转化为一个由网格点上函数值的差分格式，然后通过迭代求解来得到数值解。
不同的偏微分方程离散化方法还有矩量法、有限元法等。
这些方法通过不同的数学方式对偏微分方程进行离散化，进而得到更准确的数值解。
此外，随着计算机算力的提升，更高级的数值离散化方法不断出现，比如神经网络方法等。
二、常用的偏微分方程数值求解算法对于偏微分方程的求解，常用的算法包括迭代法和直接求解法两类。
1. 迭代法迭代法是一种常用的数值求解方法。
利用迭代法求解偏微分方程时，可以将偏微分方程写成一个迭代格式，然后通过迭代计算逐步逼近数值解。
其中，较常见的迭代法包括雅可比迭代法、高斯-赛德尔迭代法、逐步逼近法等。
雅可比迭代法和高斯-赛德尔迭代法主要用于线性方程组的求解，而逐步逼近法则广泛用于非线性问题和偏微分方程的求解。
2. 直接求解法直接求解法主要是指使用直接求解矩阵方程的方法。
通过将偏微分方程转化为线性或非线性的矩阵方程，然后采用消元法、LU 分解等求解方法，可以得到解析解或数值解。
在此种方法中，最常用的是有限元法和有限差分法。
其中有限元法基于矩阵变换的思想，将空间的离散化和时间的离散化导入到计算中，然后利用数值计算方法求解得到近似解。
三、偏微分方程数值方法在实际应用中的意义偏微分方程数值方法在实际应用中有很广泛的应用。
偏微分方程数值求解方法
偏微分方程数值求解方法偏微分方程数值求解方法是使用计算机算法来近似求解偏微分方程的过程。
偏微分方程是描述物理现象和自然现象的主要工具，但大多数偏微分方程不能通过解析方式求解，因此需要使用数值方法进行近似求解。
常用的偏微分方程数值求解方法包括有限差分法、有限元法、谱方法、边界元法和逆时空方法等。
1. 有限差分法有限差分法是一种最简单的数值求解方法，它将偏微分方程中的导数离散化为差分的形式，然后通过有限差分公式求解。
在有限差分法中，将求解区域离散化为网格，然后在每个节点上求解方程，通过节点之间的连通关系建立系数矩阵，最终利用线性代数方法求解线性方程组。
2. 有限元法有限元法是一种广泛运用的数值求解方法，它将求解区域离散化为有限个子域，然后在每个子域内近似求解方程。
有限元法是一种基于变分原理的方法，通过将偏微分方程转化为变分问题，然后在有限维的函数空间中建立逼近函数，最终利用变分方法求解方程。
3. 谱方法谱方法是一种基于傅里叶变换的数值求解方法，它将求解域上的函数表示为傅里叶级数的形式，然后通过求解系数来近似求解方程。
谱方法具有高精度、高效率的优点，但对于非周期边界和奇异性问题可能不适用。
4. 边界元法边界元法是一种基于积分方程的数值求解方法，它将偏微分方程转化为边界积分方程，然后在求解区域表面上求解方程。
边界元法不需要离散化求解区域，仅需在求解区域表面上采集节点，并通过节点之间的关系建立系数矩阵。
5. 逆时空方法逆时空方法是一种利用观测数据反演偏微分方程的数值求解方法，它通过最优化算法将观测数据反演为偏微分方程的参数。
逆时空方法对模型假设和观测数据的噪声较为敏感，但可以应用于各种偏微分方程的求解。
数学中的偏微分方程与数值计算
数学中的偏微分方程与数值计算在数学中，偏微分方程（Partial Differential Equations，简称PDEs）是描述多变量函数之间关系的方程。
它们在物理、工程、生物学等领域中具有广泛的应用。
然而，由于偏微分方程的复杂性，通常很难找到准确的解析解。
因此，数值计算方法在求解偏微分方程中扮演着重要的角色。
一、偏微分方程的基本概念偏微分方程是包含多个未知函数及其偏导数的方程。
一般形式如下：F(x, y, u, u_x, u_y, u_{xx}, u_{yy}, \dots) = 0,其中，x 和 y 是自变量，u 是待求解的函数，u_x, u_y, u_{xx},u_{yy} 等分别表示 u 对 x 和 y 的一阶及二阶偏导数。
偏微分方程可进一步分为椭圆型、抛物型和双曲型，具体形式取决于方程中导数的符号性质。
二、数值计算方法由于大多数偏微分方程难以找到解析解，我们需要利用数值计算方法来近似求解。
常见的数值方法包括有限差分法、有限元法和谱方法等。
1. 有限差分法有限差分法是最常用的求解偏微分方程的数值方法之一。
它将连续的偏微分方程转化为离散的代数方程组。
通过将自变量空间离散化成一个个网格点，时间也离散化成一系列时间步长，我们可以根据差分近似计算导数，并得到离散的方程组。
进一步求解该代数方程组即可得到数值解。
2. 有限元法有限元法是一种应用广泛的数值计算方法，特别适用于边界值问题。
它将求解区域进行离散化，并引入试探函数和权重函数来构建逼近空间。
通过将偏微分方程转化为变分问题，并使用Galarkin近似方法求解，我们可以得到一个代数方程组。
通过求解该方程组，我们可以得到数值解。
3. 谱方法谱方法是一种特殊的数值计算方法，它利用了具有特殊性质的函数（例如切比雪夫多项式）在函数空间上的优良逼近性质。
通过选择合适的基函数并使用离散化方法，我们可以得到高精度的数值解。
然而，由于谱方法对解的光滑性要求较高，因此在处理非光滑解时可能存在困难。
微分方程和偏微分方程的数值解法
描述金融衍生品的定价过程，如布莱克-舒尔斯模型就是一个偏微分方程。通过求解该 方程，可以得到期权的理论价格以及相应的风险参数。
投资组合优化
在投资组合理论中，常使用微分方程来描述资产价格的动态变化和投资者的风险偏好。 通过求解这些方程，可以得到最优的投资组合配置策略以实现风险与收益的平衡。
数值解法需要保证稳定性和收敛 性，即当离散间隔趋近于零时， 数值解应趋近于真实解。
02
常微分方程的数值解法
欧拉方法
基本思想
通过逐步逼近的方式，利用已知点的信 息来推测下一个点的信息。
公式推导
基于泰勒级数展开，忽略高阶项得到近 似公式。
优缺点
简单易懂，但精度较低，仅适用于简单 问题。
改进方法
采用改进的欧拉方法或预估-校正法提 高精度。
物理问题中的微分方程和偏微分方程
牛顿第二定律
描述物体运动的基本定律，可以 表示为二阶常微分方程。通过求 解该方程，可以得到物体的位移 、速度和加速度等运动学量。
热传导方程
描述热量在物体内部传递的过程 ，是一个偏微分方程。通过求解 该方程，可以得到物体内部的温 度分布以及热量的传递速率。
波动方程
描述波动现象（如声波、光波等 ）的传播过程，是一个二阶偏微 分方程。通过求解该方程，可以 得到波的传播速度、振幅、频率 等波动特性。
工程问题中的微分方程和偏微分方程
结构力学中的弹性力学方程
描述结构在受力作用下的变形和应力分布，是一个偏微分方程。通过求解该方程，可以得到结构的位移、应 力和应变等力学量，为工程设计提供重要依据。
流体力学中的纳维-斯托克斯方程
描述流体运动的基本方程，是一个偏微分方程。通过求解该方程，可以得到流体的速度、压力和温度等流场 特性，为流体机械设计和优化提供指导。
数学中的偏微分方程与数值分析
数学中的偏微分方程与数值分析偏微分方程是数学中一类重要的方程，广泛应用于物理学、工程学、金融学等领域。
而数值分析则是解决偏微分方程的常用方法之一。
本文将探讨偏微分方程的基本概念和数值分析的应用。
一、偏微分方程的基本概念偏微分方程（Partial Differential Equation，简称PDE）是包含多个变量及其偏导数的方程。
它描述了未知函数的各个变量的偏导数和该未知函数本身之间的关系。
常见的偏微分方程包括波动方程、热传导方程和扩散方程等。
（这里可以详细介绍每个方程的定义、特点和实际应用）二、数值分析的基本原理数值分析是研究数值计算方法和误差分析的学科，通过将连续问题离散化为离散问题来求得数值解。
在解决偏微分方程的数值分析中，常用的方法包括有限差分法、有限元法和谱方法等。
1. 有限差分法有限差分法是将连续问题离散化为差分问题，通过有限差分近似求解偏微分方程。
其基本思想是利用导数的定义，将偏导数用差分来逼近，从而将偏微分方程转化为差分方程。
然后通过求解差分方程得到数值解。
2. 有限元法有限元法是将求解区域划分为有限数量的子区域，通过逼近精确解的方法求解偏微分方程。
首先将连续问题转化为弱形式，然后利用有限元空间中的基函数来逼近未知解，得到线性方程组，最后通过求解线性方程组得到数值解。
3. 谱方法谱方法是利用选择适当的基函数来逼近未知解的方法。
基函数的选择通常是正交多项式，如Legendre多项式或Chebyshev多项式等。
通过在每个基函数上求解系数，可以得到逼近偏微分方程的数值解。
三、偏微分方程与数值分析的实际应用偏微分方程和数值分析在各个领域都有广泛的应用。
以下以两个典型的应用为例进行介绍。
1. 热传导方程的数值模拟热传导方程描述了物体内部温度的变化。
通过使用数值分析方法，可以模拟物体随时间的温度分布，并预测未来的状态。
例如，在工程中可以利用热传导方程的数值模拟来设计散热器、风扇等散热设备。
数学中的偏微分方程与数值方法
偏微分方程是数学中的重要领域之一，研究的是包含未知函数及其偏导数的方程。
在物理学、工程学等自然科学领域中，许多问题都可以用偏微分方程来建模和描述。
解决这些偏微分方程的问题，不能仅仅依靠解析方法，数值方法也起到了重要的作用。
数值方法是一种使用数值计算技术来获得近似解的方法。
在解决偏微分方程的问题中，数值方法可以将方程转化为一系列代数方程，通过计算机模拟来求解这些方程。
在过去的几十年里，随着计算机技术的不断发展，数值方法在偏微分方程求解中的应用变得越来越广泛。
对于一维的偏微分方程，最常用的数值方法是有限差分法。
有限差分法将连续的空间划分为离散的小区间，将未知函数的导数用差分来逼近。
通过对差分方程进行求解，可以得到偏微分方程的数值解。
有限差分法简单易懂，计算效率高，因此在实际应用中得到了广泛的应用。
对于二维及以上的偏微分方程，数值方法则多采用有限元法或有限体积法。
有限元法将连续的空间划分为一系列离散的单元，每个单元上的未知函数用一个简单的插值函数逼近。
通过对这些插值函数进行求导，可以得到差分方程。
有限元法具有适应性强、计算精度高等优点，因此在工程仿真等领域中得到了广泛的应用。
通过使用数值方法解决偏微分方程的问题，我们可以在计算机上求得大量的数值解。
这些数值解可以用来分析物理过程的特征、研究方程的性质等。
对于复杂的偏微分方程，我们可能无法获得解析解，而数值方法可以提供一种有效的途径来近似求解。
然而，数值方法也存在一些限制和挑战。
首先，数值方法是基于离散化的思想，因此可能引入一定的误差。
误差的大小与离散化方式、步长等因素有关，因此需要仔细选择合适的参数以保证计算精度。
其次，某些偏微分方程的数值求解可能需要大量的计算资源和时间。
对于这些问题，需要借助高性能计算等技术来提高计算效率。
总的来说，数学中的偏微分方程与数值方法的结合是解决实际问题的重要工具。
数值方法通过离散化和代数求解的方式，将复杂的偏微分方程转化为计算机可以处理的形式。
偏微分方程的解析与数值解法
偏微分方程的解析与数值解法偏微分方程（Partial Differential Equations，简称PDE）是数学中一类重要的方程类型，广泛应用于物理、工程、经济等领域的建模和问题求解中。
解析解和数值解是求解偏微分方程的两种常见方法，在本文中我们将探讨偏微分方程的解析解法和数值解法，并讨论它们的特点和应用。
一、解析解法解析解是指能够用数学公式、解析表达式或函数形式明确求解的方程解。
对于一些简单的偏微分方程，我们可以通过解特征方程、利用变量分离法、套用标准的解析解公式等方法求得其解析解。
以一维热传导方程为例，其数学表达式为：（1）∂u/∂t = α∂²u/∂x²，其中 u(x, t) 为温度分布函数，α为热传导系数。
通过应用分离变量法，我们可以将热传导方程转化为两个常微分方程，从而求得其解析解。
当然，对于更复杂的偏微分方程，可能需要运用更高级的数学方法和技巧来求得其解析解。
解析解法的优点是可以给出精确的解，有助于深入理解问题的本质和特性。
它还能提供闭合的数学描述，便于进行进一步分析和推导。
然而，解析解法的局限性在于，只有少部分简单的偏微分方程能够求得解析解，大多数情况下我们需要借助数值方法求解。
二、数值解法数值解法是通过离散化空间和时间，并利用计算机进行数值计算的方法，近似求解偏微分方程。
数值解法的核心思想是将偏微分方程转化为代数方程组，并通过迭代算法求解方程组获得数值解。
常见的数值解法包括有限差分法、有限元法和谱方法等。
以有限差分法为例，该方法将连续的空间和时间网格离散化为有限个点，然后利用差分格式逼近原偏微分方程，通过迭代求解差分方程组得到数值解。
对于上述的一维热传导方程，我们可以利用有限差分法进行求解。
将空间和时间划分为离散网格，利用差分近似替代导数项，然后利用迭代算法求解差分方程组。
通过不断减小网格的大小，我们可以提高数值解的精度，并逼近解析解。
数值解法的优点是能够处理复杂的偏微分方程，广泛适用于各种实际问题。
偏微分方程的解析解与数值解分析
偏微分方程的解析解与数值解分析偏微分方程是描述自然界中许多现象的重要数学工具。
在处理偏微分方程时，我们通常需要找到其解析解或数值解。
本文将对偏微分方程的解析解和数值解进行分析。
解析解是指能够以某种符号表达形式表示的方程解。
对于某些简单的偏微分方程，我们可以使用变量分离、特征线等方法来求得其解析解。
解析解的优点是可以直接揭示物理现象背后的数学规律，能够提供深入的洞察和直观的解释。
通过解析解，我们可以获得解的性质、稳定性和渐近行为等重要信息。
然而，对于大多数偏微分方程而言，求解其解析解是非常困难甚至不可能的。
这时，我们就需要求解其数值解。
数值解是使用数值计算的方法来逼近偏微分方程的解。
常用的数值方法包括有限差分法、有限元法、谱方法等。
有限差分法是最常用的数值方法之一。
它将偏微分方程的区域划分为网格，并在网格上用差分格式逼近偏微分方程的导数。
通过求解差分格式的代数方程组，可以得到数值解。
有限差分法具有简单易实现、适用范围广的特点，但也存在精度低、收敛慢等问题。
有限元法是另一种常用的数值方法。
它通过将偏微分方程的区域划分为有限个元素，并在每个元素上用插值函数逼近未知解。
通过构建元素刚度矩阵和载荷向量的代数方程组，可以求得数值解。
有限元法具有适用范围广、精度较高的特点，适用于处理具有复杂几何形状的问题。
谱方法是一种基于函数空间展开的数值方法。
它将偏微分方程的解表示为一组基函数的线性组合，并通过求解系数来得到数值解。
谱方法具有高精度、快速收敛的特点，适用于处理光滑解的问题。
但需要注意的是，谱方法对问题的几何形状和边界条件要求较高。
除了以上几种数值方法外，还有许多其他的数值方法可以用来求解偏微分方程。
选择适当的数值方法需要考虑问题的性质和要求，以及计算的效率和精度等因素。
对于求解偏微分方程的数值方法，我们需要进行数值稳定性和收敛性的分析。
数值稳定性是指数值方法在计算过程中对误差和扰动的敏感性。
一个数值方法如果不稳定，即使初始条件和边界条件非常小的扰动也可能导致数值解的爆炸性增长。
偏微分方程的数值方法
偏微分方程的数值方法偏微分方程是包含多个变量的方程，其中包含偏导数，用于描述多变量函数的变化规律。
解决偏微分方程的数值方法是一种近似求解的方式，主要用于那些无法通过解析方法求得精确解的方程。
本文将介绍几种常见的偏微分方程数值方法。
一、有限差分方法（Finite Difference Method）有限差分方法是求解偏微分方程的一种常见数值方法。
其基本思想是将偏微分方程中的各个偏导数用有限差分的形式来近似表示。
将方程中的空间变量和时间变量分别离散化，即将空间和时间分成一系列的网格点，根据差分近似的原理，将方程转化为一系列的代数方程，然后通过迭代计算求解。
常用的有限差分方法包括显式差分法、隐式差分法和Crank-Nicolson差分法。
二、有限元方法（Finite Element Method）有限元方法是求解偏微分方程的一种常见数值方法。
其基本步骤是将求解区域划分为多个小区域（要素），然后根据偏微分方程的特性构造适当的有限元模型，并建立离散化方程，最后通过求解线性代数方程组来获得数值解。
有限元方法具有较高的灵活性和通用性，对各种不规则边界条件和复杂几何形状的求解问题具有很好的适应性。
三、谱方法（Spectral Method）谱方法是求解偏微分方程的一种高精度数值方法。
其基本思想是将待求解的函数表示为一系列基函数的线性组合，而后通过合适的基函数和求解区域内的截断误差最小化，获得函数近似解。
谱方法对于光滑的解具有高精度的逼近性能和收敛性，常用的基函数有Chebyshev多项式、Legendre多项式和傅立叶级数等。
四、边界元方法（Boundary Element Method）边界元方法是求解偏微分方程的另一种常见数值方法。
其基本思想是将区域内的偏微分方程问题转化为对区域边界上的积分方程的求解问题。
通过将边界上的未知函数值和边界上的迹值引入，并应用格林第二定理，将区域内的偏微分方程问题转化为一系列的线性代数方程组，进而获得数值解。
偏微分方程数值解的计算方法
偏微分方程数值解的计算方法偏微分方程是研究自然和社会现象的重要工具。
然而，大多数偏微分方程很难用解析方法求解，需要用数值方法求解。
本文将介绍偏微分方程数值解的计算方法，其中包括有限差分方法、有限体积法、谱方法和有限元方法。
一、有限差分方法有限差分法是偏微分方程数值解的常用方法，它将偏微分方程中的空间变量转换为网格点上的差分近似。
例如，对于一个二阶偏微分方程：$$\frac{\partial^{2}u}{\partialx^{2}}+\frac{\partial^{2}u}{\partial y^{2}}=f(x,y,u)$$可以使用中心差分方法进行近似：$$\frac{\partial^{2}u}{\partial x^{2}}\approx \frac{u_{i+1,j}-2u_{i,j}+u_{i-1,j}}{(\Delta x)^{2}}$$$$\frac{\partial^{2}u}{\partial y^{2}}\approx \frac{u_{i,j+1}-2u_{i,j}+u_{i,j-1}}{(\Delta y)^{2}}$$其中，$u_{i,j}$表示在第$i$行第$j$列的网格点上的函数值，$\Delta x$和$\Delta y$表示网格步长。
将差分近似代入原方程中，得到如下的差分方程：$$\frac{u_{i+1,j}-2u_{i,j}+u_{i-1,j}}{(\Deltax)^{2}}+\frac{u_{i,j+1}-2u_{i,j}+u_{i,j-1}}{(\Deltay)^{2}}=f_{i,j,u_{i,j}}$$该方程可以用迭代法求解。
有限差分方法的优点是易于实现，但在均匀网格下准确性不高。
二、有限体积法有限体积法是将偏微分方程中的积分形式转换为求解网格单元中心值的方法。
例如，对于如下的扩散方程：$$\frac{\partial u}{\partial t}=\frac{\partial}{\partialx}\left(D(u)\frac{\partial u}{\partial x}\right)$$可以使用有限体积法进行近似。
偏微分方程的数值方法
偏微分方程的数值方法偏微分方程（Partial Differential Equation, PDE）是描述自然现象和物理规律的一种重要的数学模型，常见的应用如流体力学、热传导、电磁场等领域。
在实际应用中，由于很多偏微分方程无法解出解析解，因此需要采用数值方法进行求解。
一、常见的偏微分方程数值方法1.有限差分法有限差分法是最为常见的数值求解偏微分方程的方法，它的基本思想是将求解区域离散化成有限的网格，通过数值近似替代偏微分运算，这样就可以将原问题转化为求解一个大型的代数方程组。
其中，最为关键的是离散化方法，常见的有三点、五点和七点等差分格式，其精度和稳定性会受到网格步长的影响。
2.有限体积法有限体积法与有限差分法相似，在求解偏微分方程时同样需要将求解区域离散化成网格，但它强调的是以控制体积为基本单元来进行近似，对于网格内的量采用平均值来计算体积积分。
相比有限差分法，它更加自然的满足质量守恒和积分守恒等物理原理，同时也更容易实现高阶精度。
3.有限元法有限元法是一种通过建立变分原理来进行数值求解的方法，其基本思想是将求解区域分解成有限数量的小区域，每个小区域内的方程通过分部积分得到弱形式。
然后将偏微分方程转化为求解一个弱形式的方程组，采用有限元基函数来近似解，最终得到数值解。
二、数值方法的误差和稳定性对于任何数值方法而言，其误差和稳定性都是重要的考虑因素。
误差包括离散化误差和舍入误差，其中离散化误差可以通过减小网格步长来减小，而舍入误差则与计算机精度有关。
稳定性则是指数值解的数值振荡，如果数值振荡太大，将会使数值解失去物理意义，因此需要使用稳定的数值方法来得到合理的数值解。
三、常用软件和库在实际应用中，有很多现成的数值求解软件和库，其中最为著名的包括MATLAB、Python的NumPy和SciPy库、C++的deal.II 和FEniCS等，这些软件和库都提供了很多常见偏微分方程数值求解方法的实现，使用这些工具可以方便快捷地求解偏微分方程。
偏微分方程与数值解法
偏微分方程与数值解法偏微分方程（Partial Differential Equations, PDEs）是描述自然界中广泛存在的物理现象和数学问题的重要工具。
它们包含多个未知函数的偏导数，可以用来描述热传导、波动现象、扩散过程等各种自然现象。
然而，由于人们对于复杂PDEs的解析求解能力有限，所以数值解法成为了解决这类问题的有效途径。
一、偏微分方程的基本概念在介绍数值解法之前，我们首先需要了解偏微分方程的基本概念。
偏微分方程根据方程中含有的未知函数的个数和偏导数的阶数可以分为三类，即常微分方程（Ordinary Differential Equations, ODEs）、偏微分方程和偏微分-常微分组合方程。
常见的偏微分方程类型包括抛物型方程、双曲型方程和椭圆型方程。
抛物型方程描述了热传导过程、扩散现象等，而双曲型方程则适用于描述波动现象，如声波和电磁波传播。
椭圆型方程则适用于描述稳定状态下的物理现象，如静电场分布问题。
二、数值解法的基本思想数值解法是通过离散化偏微分方程的自变量和因变量，将连续的问题转化为离散的问题，从而利用计算机进行求解。
其中最常用的数值解法包括有限差分法（Finite Difference Method, FDM）、有限元法（Finite Element Method, FEM）和谱方法（Spectral Method）等。
有限差分法是最直接、最易于实现的数值解法之一。
它将求解区域划分为若干个网格点，并通过近似各种偏导数来离散化原方程。
有限元法是一种更加灵活和通用的数值解法，它利用分片线性插值函数（Shape Function）将求解区域划分为若干个有限元，并利用有限元的特性对原方程进行离散处理。
谱方法则是利用特定类型的基函数（例如傅里叶级数）来近似解，由于其高精度的特点，谱方法在求解一些光滑解或有奇点解的问题时表现优秀。
三、数值解法的应用数值解法在各个领域都有广泛的应用。
在科学计算、天气预报、工程仿真等领域，偏微分方程的数值解法能够提供更多实际问题的定量解释和预测，为决策提供依据。
数学中的偏微分方程与数值解法
数学中的偏微分方程与数值解法偏微分方程是数学中重要的研究领域之一，它在各个科学领域中都有着广泛的应用。
在实际问题中，我们常常会遇到与空间和时间相关的变量，而这些变量之间的关系可以用偏微分方程来描述。
为了求解这些偏微分方程，数学家们提出了各种数值解法，以获得近似的解。
一、偏微分方程简介偏微分方程是包含未知函数的偏导数的方程。
常见的偏微分方程包括椭圆型、抛物型和双曲型方程。
椭圆型方程描述的是稳态问题，如静电场分布；抛物型方程描述的是时间依赖的问题，如热传导方程；双曲型方程描述的是波动问题，如波动方程。
这些方程在物理、工程、生物等领域中具有广泛的应用。
二、数值解法的基本思想解析解求解偏微分方程的情况较少，因此我们通常需要借助数值解法来获得结果。
数值解法的基本思想是将问题离散化，将连续的变量转化为离散的点，并通过计算来逼近解。
常用的数值解法包括有限差分法、有限元法和谱方法等。
三、有限差分法有限差分法是一种常见的数值解法，它将连续的空间和时间离散化为有限的网格点。
在有限差分法中，我们使用差分近似来逼近偏导数，将偏微分方程转化为代数方程组。
通过求解这个方程组，我们可以得到近似解。
有限差分法简单易实现，广泛应用于各个领域。
四、有限元法有限元法是一种更加通用的数值解法，适用于各种复杂的边界条件和几何形状。
有限元法将求解域划分为许多小的子域，将未知函数表示为有限元函数的线性组合，通过最小化能量泛函来得到近似解。
有限元法具有较高的精度和灵活性，因此在结构力学、流体力学等领域得到了广泛应用。
五、谱方法谱方法是一种基于特殊函数的数值解法，它将未知函数表示为一系列正交的基函数的线性组合。
通过适当选择基函数和系数，可以将偏微分方程转化为代数方程组的求解。
谱方法在处理边界条件时具有较高的精度和稳定性，因此在流体流动、量子力学等领域中得到了广泛应用。
总结：数学中的偏微分方程与数值解法是一门重要而有趣的研究领域。
通过数值解法，我们可以求解各种实际问题中的偏微分方程，从而获得精确的数值结果。
偏微分方程数值计算方法及其应用
偏微分方程数值计算方法及其应用偏微分方程（partial differential equation, PDE）是一个广泛应用于自然科学和工程领域中的数学对象。
在数学中，我们可以通过数值方法对偏微分方程进行计算，以模拟实际的物理现象，例如天气预报、流体力学、结构力学、生物医学等。
本文将介绍偏微分方程数值计算方法及其应用。
一、偏微分方程的数值计算方法偏微分方程在数学中的求解是一个极其复杂的问题，我们很难通过解析的方式求出具体的解。
而数值方法在实际中展现了它重要的作用。
下面，我们逐个介绍常用的数值方法。
1.常用方法（1）有限差分法：有限差分法是一个求解偏微分方程的常见方法。
这种方法通过对偏微分方程进行离散化，将偏微分方程转化为代数方程组，然后通过求解方程组得到解。
有限差分法主要分为前向、后向和中心差分法。
（2）有限元法：有限元法是一个广泛应用于实际工程计算中的数值方法。
该方法通过将求解区域离散化为有限个节点，使用基函数将节点处的函数值以非常简单的方式进行近似，得到一个代数方程组。
（3）谱方法：谱方法对函数进行基函数展开，利用傅里叶级数和切比雪夫级数等展开式来逼近函数。
由于这种方法可以得到很高的精度和稳定性，所以近年来在海洋模拟、大气科学、仿生学和深度学习等领域得到了广泛应用。
2.新方法（1）机器学习方法：随着深度学习和神经网络的广泛应用，越来越多的研究者开始将机器学习方法应用于偏微分方程的求解中。
例如，Deep Galerkin Method 和 Physics-Informed Neural Networks 等方法已经在某些领域中得到了成功应用。
（2）稳定方法：稳定方法是一类特殊的数值方法，它们试图消除数值计算中发生的一些常见问题，例如数值震荡和数值波动。
可以使用一些稳定性条件和行之有效的技术来保证这些方法的稳定性。
二、偏微分方程的应用1.天气预报：天气预报是一个依赖偏微分方程的应用领域。
大气中的运动可以通过一组完整的偏微分方程来描述。
偏微分方程与数值解法
偏微分方程与数值解法偏微分方程（Partial Differential Equations, PDE）是数学领域中研究的一类方程，它包含多个变量及其偏导数。
解析解法只适用于部分简单的PDE情况，对于复杂的PDE问题，数值解法成为研究和应用的重要手段。
本文将介绍偏微分方程的基本概念，并探讨数值解法的原理和常用方法。
一、偏微分方程的基本概念偏微分方程是含有未知函数的偏导数的方程。
常见的偏微分方程包括椭圆型方程、抛物型方程和双曲型方程。
其中，椭圆型方程主要描述静态问题，抛物型方程用于描述热传导和扩散问题，双曲型方程则适用于描述波动和传输等动态问题。
根据方程中的变量个数，偏微分方程可分为一维、二维和三维偏微分方程。
二、数值解法的原理数值解法是通过将连续的偏微分方程离散化为有限个代数方程来近似求解。
其基本思想是将偏微分方程所描述的问题的定义域划分为有限个网格节点，然后在这些节点上逼近原方程的解。
常用的数值解法有有限差分法、有限元法和谱方法等。
1. 有限差分法有限差分法是一种将偏导数转化为有限差分运算的方法。
通过将偏微分方程在网格节点上进行近似，利用节点之间的差分来逼近偏导数。
有限差分法的精度和稳定性取决于网格的选择和近似格式的设计。
2. 有限元法有限元法是一种基于变分原理的数值解法。
将偏微分方程中的未知函数表示为一组基函数的线性组合，并通过构建合适的变分问题来逼近原方程的解。
有限元法具有较好的适用性和数值稳定性，适用于各种复杂几何形状和边界条件的问题。
3. 谱方法谱方法基于傅里叶级数展开，将偏微分方程中的未知函数表示为一组傅里叶系数的线性组合。
通过选择适当的基函数以及傅里叶级数的截断长度，可以在整个定义域上获得高精度的数值解。
三、常见的数值解法根据不同的偏微分方程类型和问题特点，常见的数值解法有以下几种：1. 热传导问题的数值解法对于描述热传导问题的抛物型偏微分方程，可采用显式差分法、隐式差分法和Crank-Nicolson方法等。
偏微分方程和数值方法
第11章偏微分方程和数值方法本章的学习目标了解布莱克-休尔斯方程所属的二阶偏微分方程的类型；了解热传导方程的推导过程和它代表的物理意义；理解偏微分方程所附带的边界条件和初始条件的具体形式和现实意义；熟悉傅里叶变换方法及其主要性质；熟悉用傅里叶积分变换来求热传导方程；掌握通过变量代换来求解布莱克-休尔斯方程；了解求解偏微分方程的主要几种有限差分格式以及各自的优缺点；掌握柯尔莫格罗夫方程的推导过程，并理解扩散过程和数学期望之间的联系；掌握费曼-卡茨定理并了解它同风险中性定价之间的关系；了解产生随机数、随机分布和随机过程的技术方法；掌握使用蒙特卡罗模拟技术计算期权的实际操作方法和两种算法优化技术。
完整学习有着数百年知识积淀的偏微分方程理论本身是一项艰巨而耗费时日的工作。
幸运的是：在我们所关注的微观金融领域，几乎所有被用到的偏微分方程都只属于其中一个很小的类别——二阶线性偏微分方程。
因此这一章的设计思想（用软件行业的术语来说）是完全面向任务的，目标很明确：求解布莱克-休尔斯方程。
我们这样安排本章的结构：首先了解一下偏微分方程的数学表达形式，并在直观的热物理背景下，讨论偏微分方程的定解问题。
然后使用经典的傅里叶变换（Fourier transform）技术来求出一般热传导方程的解析解，这就使我们可以遵循布莱克-休尔斯（1973）的方法求解布莱克-休尔斯偏微分方程获得期权价格。
但是由于获得解析解的机会并不多，因此我第11章 偏微分方程和数值方法·533·们要学习偏微分方程的数值解法（numerical method ）——有限差分方法（finite difference method ）。
此外，根据风险中性定价原理和费曼-卡茨（Feynman-Kac ）理论，布莱克-休尔斯方程还有一种概率解。
但是获得这种概率解同样需要一种被称为蒙特卡罗的数值方法，因此本章最后我们要考察这日益重要的种计算机模拟（simulation ）技术。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
・536・
第 11 章
偏微分方程和数值方法
∂ 2u ∂ 2u ∂ 2u ∂u = a2 ∂x 2 + ∂y 2 + ∂z 2 + f ( x, y, z , t ) ∂t
（11-14）
其中 f = F / cρ 。在没有热源的情况下，就是说 F ( x, y, z, t ) = 0 ，上述方程可以进一步简 化为齐次方程：
其中 k ( x, y, z ) 是该物体在点 ( x, y, z ) 处的热传导系数。它恒为正，数值大小取决于组成 物体的材料的性质； n 是曲面的外法线， ∂u / ∂n 是温度函数在 ( x, y, z ) 处沿外法线 n 的方向 导数。我们规定 n 所指的那一侧为 dS 的正侧，因此该式表示了在 dt 时间内从 dS 的负侧流 向正侧的热量。之所以用负号表示热流的方向与温度梯度方向相反，因为热量总是从温度 高的一侧流向温度低的一侧。 设在其上确定了一连续变动的单位外法线 n ， 则在两个时刻 t1 现考虑光滑封闭曲面 L ， 和 t 2 内，经由该物体内任意封闭曲面 L 进入 D 的热量为：
1
t2
∂u t2 Nhomakorabea
∂ ∂u
∂ ∂u
∂ ∂u
D
1
D
+∫
t2 t1
∫∫∫ F ( x, y , z , t )dV dt D
（11-11）
即
∫t ∫∫∫ cρ − k − k − k − F ( x, y , z , t ) d V d t = 0 ∂t ∂x ∂x ∂y ∂y ∂z ∂z
D
（11-3）
根据牛顿-莱布尼兹公式
u ( x, y, z , t 2 ) − u ( x, y , z , t1 ) = ∫
t2 t1
∂u dt ∂t
（11-4）
前式可以改写为
Q = ∫∫∫ cρ ∫
D t2 t1
t2 ∂u ∂u dtdV = ∫ ∫∫∫ cρ dV dt t1 ∂t ∂t D
（11-5）
（2）通过 L 进入 D 的热量 Q1 。这里要使用热物理中的傅里叶（Fourier）热传导定律。 该定律证明了：在无穷小时间间隔 dt 内通过一个法矢量为 n 的无穷小曲面 dS，流向 n 所指 那一侧的热量为：
dQ = − k ( x , y , z ) ∂u dSdt ∂n
（11-6）
Q1 = − ∫
t2 t1
∂u dS dt ∫∫ k n ∂ L
（11-7）
・535・
微观金融学及其数学基础
应用奥斯托洛夫斯基-高斯（Ostrowski—Gauss）公式于上式中的曲面积分①，有
t2 ∂ ∂u ∂ ∂u ∂ ∂u + k dV dt = 0 Q1 = ∫ ∫∫∫ k + k t1 D ∂x ∂x ∂y ∂y ∂z ∂z
dV = dxdydz
的温度由 u ( x, y, z , t1 ) 升高到 u ( x, y, z, t 2 ) 所需要的热量 dQ 为：
dQ = cρ [u ( x, y, z , t1 ) − u ( x, y, z , t 2 )]dV
（11-2）
整个 D 由于温度改变需要的热量是：
Q = ∫∫∫ cρ[u ( x, y, z , t1 ) − u ( x, y, z , t 2 )]dV
∂ 2u ∂ 2u ∂ 2u ∂u = a2 ∂x 2 + ∂y 2 + ∂z 2 ∂t
（11-15）
如果该物体是一长度为 l 的均匀细长杆，则热传导方程最简形式为：
n
G D L
图 11-1
热量在物体内部的传导
①
以下分析均假定 u 对 x，y，x 具有二阶连续偏导数，对 t 具有一阶连续偏导数。
・534・
第 11 章
偏微分方程和数值方法
下面我们分别决定这些热量，首先是: （1） D 内温度改变所需要的热量 Q 。假定物体的比热（使单位质量的物体温度改变 1 摄氏度所需要的热量）为 c( x, y, z ) ，密度为 ρ ( x, y, z ) 。那么根据物理中的实验规律，无穷小 体积
第 11 章
偏微分方程和数值方法
们要学习偏微分方程的数值解法（numerical method）——有限差分方法（finite difference method） 。此外，根据风险中性定价原理和费曼-卡茨（Feynman-Kac）理论，布莱克-休尔 斯方程还有一种概率解。但是获得这种概率解同样需要一种被称为蒙特卡罗的数值方法， 因此本章最后我们要考察这日益重要的种计算机模拟（simulation）技术。
Ax 2 + Bxy + Cy 2 + Dx + Ey + F = 0
∂2f ； ∂S 2
的分类方法的启发。 我们知道根据上面曲线方程的系数可以判断二次曲线的形状究竟是双曲线、抛物线或 者椭圆。类似的在这里，方程（11-1）中： （1）如果 B 2 − 4 AC > 0 ，就称之为双曲型（hyperbolic）偏微分方程； （2）如果 B 2 − 4 AC = 0 ，则称之为抛物型（parabolic）偏微分方程；
11.1
11.1.1 基本概念
介
绍
我们在第 4、9、10 章中都见到过著名的布莱克-休尔斯方程：
∂f ∂f 1 2 2 ∂ 2 f − rf = 0 + σ S + rS 2 ∂S ∂t 2 ∂S
其中 S 是某种基础产品的价格， r 是无风险收益率， t 是时间，σ 是 S 的波动率， f 则 是基于 S 的衍生产品的价格。这个偏微分方程包含了衍生产品价格运动信息，是对所有基 础产品和基于它的衍生产品之间相对价格运动形式的高度概括。 它在金融理论中的重要性， 怎样强调都不过分。 就其本身而言，这是一个有着两个自变量的偏微分方程，这种偏微分方程的更一般形 式为：
第 11 章
偏微分方程和数值方法
7 基础微积分 7 线性代数 8 概率论 9 随机微积分 11 偏微分方程 10 鞅 11 数值方法
本章的学习目标 了解布莱克-休尔斯方程所属的二阶偏微分方程的类型； 了解热传导方程的推导过程和它代表的物理意义； 理解偏微分方程所附带的边界条件和初始条件的具体形式和现实意义； 熟悉傅里叶变换方法及其主要性质； 熟悉用傅里叶积分变换来求热传导方程； 掌握通过变量代换来求解布莱克-休尔斯方程； 了解求解偏微分方程的主要几种有限差分格式以及各自的优缺点； 掌握柯尔莫格罗夫方程的推导过程， 并理解扩散过程和数学期望之间的联系； 掌握费曼-卡茨定理并了解它同风险中性定价之间的关系； 了解产生随机数、随机分布和随机过程的技术方法； 掌握使用蒙特卡罗模拟技术计算期权的实际操作方法和两种算法优化技术。 完整学习有着数百年知识积淀的偏微分方程理论本身是一项艰巨而耗费时日的工作。 幸运的是：在我们所关注的微观金融领域，几乎所有被用到的偏微分方程都只属于其中一 个很小的类别——二阶线性偏微分方程。因此这一章的设计思想（用软件行业的术语来说） 是完全面向任务的，目标很明确：求解布莱克-休尔斯方程。 我们这样安排本章的结构：首先了解一下偏微分方程的数学表达形式，并在直观的热 物理背景下，讨论偏微分方程的定解问题。然后使用经典的傅里叶变换（Fourier transform） 技术来求出一般热传导方程的解析解，这就使我们可以遵循布莱克-休尔斯（1973）的方法 求解布莱克-休尔斯偏微分方程获得期权价格。但是由于获得解析解的机会并不多，因此我
cρ ∂u ∂ ∂u ∂ ∂u ∂ ∂u = k + k + F ( x, y , z , t ) + k ∂t ∂x ∂x ∂y ∂y ∂z ∂z
（11-13）
这就是温度函数应当满足的偏微分方程，物理上称为各向同性介质有热源三维非齐次 热传导方程②。如果物体是均质的，则 k ， c 和 ρ 均为常数，令
（11-9）
根据热量守恒定律应有：
Q = Q1 + Q2
（11-10）
把上面 3 种热量代入守恒定律就有：
dt = ∫ ∫∫∫ k + ∫t ∫∫∫ cρ ∂t dV k + k dV dt t ∂x ∂x ∂y ∂y ∂z ∂z
1
t2
∂u
∂ ∂u
∂ ∂u
∂ ∂u
（11-12）
V
由于时间间隔 [t1 , t 2 ] 以及区域 D 是任取的，如果上式积分号下的函数是连续的，则在 任意时刻，该物体内任意点，上式中的三重积分必恒等于 0。所以在我们所考察的空间范 围和时间范围内恒有：
・533・
微观金融学及其数学基础
（3）如果 B 2 − 4 AC < 0 ，则称之为椭圆型（elliptic）偏微分方程。 对于布莱克-休尔斯方程，因为有：
A = 1 / 2σ 2 S 2 B=C =G=0 D = rS
E = 1, F = −r
而且
B 2 − 4 AC = 0
所以现在可以知道，我们面对的是一个二阶齐次线性抛物型偏微分方程。听上去相当 复杂，我们接下来的任务就是一步一步揭开这种方程所蕴涵的实际物理意义，并得到求解 它的一般方法。
11.1.2 物理意义
一个二阶齐次线性抛物型偏微分方程究竟描述了怎样的一种现象呢？鉴于它最初的来 源和最广泛的应用都发生在热物理领域，我们不妨来看一下它的实验背景，这对于我们理 解这个方程将提供足够的洞察力。 根据日常生活的经验，我们知道当物体内部各处的温度不一致时，热量就会从高温处 向低温处传递，这被称为“热传导”现象。现在假定存在一导热物体，它在 3 维空间占据 边界面为 ∂G ， 我们怎样才能知道它其中的某一部分的温度变化情况呢？用温 的区域为 G ， 度函数 u ( x, y, z , t ) 表示该物体在 t 时刻和 ( x, y, z ) 位置的温度，我们来建立该温度函数需要满 足的关系式①。 。根据热量 设想从物体 G 内任意割取一个由光滑曲面 L 所围成的区域 D （见图 11-1） 守恒定律， D 内各点的温度由任一时刻 t1 的 u ( x, y, z , t1 ) 改变为 t 2 时刻的 u ( x, y, z, t 2 ) 所吸收 （或释放）的热量 Q ，应当等于从 t1 到 t 2 时间内通过 L 进入（或流出） D 内的热量 Q1 和 D 内热源提供的热量 Q2 的总和。