热方程
把金属勺的一端泡在热茶里,温暖会爬上你的手指;闻香水慢慢充满一个房间;看一滴染料在静水中弥散。热方程是唯一一个囊括所有这些现象的偏微分方程——它是关于一种守恒却自由扩散的量(如热能或浓度)如何随时间重新分布的定律。它是抛物型的模型方程,也是一切扩散的原型。
在一维空间里它写作 u_t = k u_xx,其中 u(x, t) 是温度,下标 t 是时间导数、xx 是二阶空间导数,k 是热扩散率(恒为正)。物理可用一句话概括:某点温度上升的速率等于一个常数乘以该点温度分布的曲率。在分布低于周围的地方(局部极小,正曲率)热量流入、该点升温;在凸出于周围的地方(局部极大,负曲率)热量流出、该点降温。于是凸包衰减、凹陷填平,整个分布向平坦或稳定状态弛豫。在更高维里,u_xx 被换成拉普拉斯算子 nabla^2 u,给出 u_t = k nabla^2 u。
热方程由约瑟夫·傅里叶导出——他发明傅里叶级数正是为了解它——它是热工程的主力工具,但触及面远不止于此:化学扩散(菲克定律)、计算机视觉中图像的平滑、简单模型里种群与疾病的传播,以及金融中的布莱克-斯科尔斯方程,后者经过变量替换就变成热方程。它的标志性行为——瞬间磨平、时间之箭、极值原理——全都是那个由曲率驱动的机制的推论。
一根长为 L、两端固定为 0、初始温度为 f(x) 的棒,其分离变量解为 u(x, t) = 对 b_n sin(n pi x / L) e^{-k (n pi / L)^2 t} 求和。每个傅里叶模态都指数衰减,且模态越高(n 越大)衰减越快——这正是扩散平滑的原因。
高频抖动(大 n)衰减最快,所以哪怕参差不齐的初值也几乎瞬间变平滑。
热方程无法以任何稳定的方式逆时间运行:当你试图恢复过去时,后期数据的微小误差会被无界放大——这正是去模糊和反扩散如此困难的确切原因。