当前位置: 首页 > news >正文

梁的振动特征函数分析2

问题7:左端固定、右端自由梁的振动分析

考虑梁的振动方程:
utt+Kuxxxx=0,0<x<l,K>0 u_{tt} + K u_{xxxx} = 0, \quad 0 < x < l, \quad K > 0 utt+Kuxxxx=0,0<x<l,K>0
边界条件:

  • 左端固定(位移和斜率为零):u(0,t)=0 u(0,t) = 0 u(0,t)=0, ux(0,t)=0 u_x(0,t) = 0 ux(0,t)=0
  • 右端自由(无弯矩和剪力):uxx(l,t)=0 u_{xx}(l,t) = 0 uxx(l,t)=0, uxxx(l,t)=0 u_{xxx}(l,t) = 0 uxxx(l,t)=0

(a) 频率方程和特征函数

分离变量:u(x,t)=X(x)T(t) u(x,t) = X(x)T(t) u(x,t)=X(x)T(t)。空间方程为:
X(4)−μ4X=0,μ4=λK X^{(4)} - \mu^4 X = 0, \quad \mu^4 = \frac{\lambda}{K} X(4)μ4X=0,μ4=Kλ
通解:
X(x)=Acos⁡(μx)+Bsin⁡(μx)+Ccosh⁡(μx)+Dsinh⁡(μx) X(x) = A \cos(\mu x) + B \sin(\mu x) + C \cosh(\mu x) + D \sinh(\mu x) X(x)=Acos(μx)+Bsin(μx)+Ccosh(μx)+Dsinh(μx)

边界条件应用

  1. X(0)=0 X(0) = 0 X(0)=0
    A+C=0  ⟹  C=−A A + C = 0 \implies C = -A A+C=0C=A
  2. X′(0)=0 X'(0) = 0 X(0)=0
    μ(B+D)=0  ⟹  D=−B \mu(B + D) = 0 \implies D = -B μ(B+D)=0D=B
  3. X′′(l)=0 X''(l) = 0 X(l)=0
    −μ2Acos⁡(μl)−μ2Bsin⁡(μl)+μ2Acosh⁡(μl)+μ2Bsinh⁡(μl)=0 -\mu^2 A \cos(\mu l) - \mu^2 B \sin(\mu l) + \mu^2 A \cosh(\mu l) + \mu^2 B \sinh(\mu l) = 0 μ2Acos(μl)μ2Bsin(μl)+μ2Acosh(μl)+μ2Bsinh(μl)=0
  4. X′′′(l)=0 X'''(l) = 0 X(l)=0
    μ3Asin⁡(μl)−μ3Bcos⁡(μl)+μ3Asinh⁡(μl)+μ3Bcosh⁡(μl)=0 \mu^3 A \sin(\mu l) - \mu^3 B \cos(\mu l) + \mu^3 A \sinh(\mu l) + \mu^3 B \cosh(\mu l) = 0 μ3Asin(μl)μ3Bcos(μl)+μ3Asinh(μl)+μ3Bcosh(μl)=0

β=μl \beta = \mu l β=μl,得齐次系统:
{A(cosh⁡β−cos⁡β)+B(sinh⁡β−sin⁡β)=0A(sin⁡β+sinh⁡β)+B(cosh⁡β−cos⁡β)=0 \begin{cases} A (\cosh \beta - \cos \beta) + B (\sinh \beta - \sin \beta) = 0 \\ A (\sin \beta + \sinh \beta) + B (\cosh \beta - \cos \beta) = 0 \end{cases} {A(coshβcosβ)+B(sinhβsinβ)=0A(sinβ+sinhβ)+B(coshβcosβ)=0
非零解要求行列式为零:
(cosh⁡β−cos⁡β)2−(sinh⁡β−sin⁡β)(sin⁡β+sinh⁡β)=0 (\cosh \beta - \cos \beta)^2 - (\sinh \beta - \sin \beta)(\sin \beta + \sinh \beta) = 0 (coshβcosβ)2(sinhβsinβ)(sinβ+sinhβ)=0
化简得频率方程:
cosh⁡βcos⁡β=1,β=μl \cosh \beta \cos \beta = 1, \quad \beta = \mu l coshβcosβ=1,β=μl

特征值和特征函数

  • 方程 cosh⁡βcos⁡β=1 \cosh \beta \cos \beta = 1 coshβcosβ=1 的正根 βn \beta_n βnβ1≈4.730 \beta_1 \approx 4.730 β14.730, β2≈7.853 \beta_2 \approx 7.853 β27.853, β3≈10.996 \beta_3 \approx 10.996 β310.996, …)
  • 特征值:λn=Kμn4=K(βn/l)4 \lambda_n = K \mu_n^4 = K (\beta_n / l)^4 λn=Kμn4=K(βn/l)4
  • 角频率:ωn=λn=K(βn/l)2 \omega_n = \sqrt{\lambda_n} = \sqrt{K} (\beta_n / l)^2 ωn=λn=K(βn/l)2
  • 特征函数:
    Xn(x)=cos⁡(μnx)−cosh⁡(μnx)+bn[sin⁡(μnx)−sinh⁡(μnx)] X_n(x) = \cos(\mu_n x) - \cosh(\mu_n x) + b_n \left[ \sin(\mu_n x) - \sinh(\mu_n x) \right] Xn(x)=cos(μnx)cosh(μnx)+bn[sin(μnx)sinh(μnx)]
    其中 μn=βn/l \mu_n = \beta_n / l μn=βn/lbn=−cosh⁡βn−cos⁡βnsinh⁡βn−sin⁡βn b_n = -\dfrac{\cosh \beta_n - \cos \beta_n}{\sinh \beta_n - \sin \beta_n} bn=sinhβnsinβncoshβncosβn

注意:无零特征值(λ=0 \lambda = 0 λ=0 仅给出平凡解)。

(b) 图形化求解频率方程

定义函数:
f(β)=cosh⁡βcos⁡β−1 f(\beta) = \cosh \beta \cos \beta - 1 f(β)=coshβcosβ1
绘制 f(β) f(\beta) f(β) 的图像,其与 β \beta β 轴的交点 (βn,0) (\beta_n, 0) (βn,0) 给出频率 ωn=K(βn/l)2 \omega_n = \sqrt{K} (\beta_n / l)^2 ωn=K(βn/l)2

  • 根的位置
    β1≈4.730 \beta_1 \approx 4.730 β14.730(在 π≈3.14 \pi \approx 3.14 π3.143π/2≈4.71 3\pi/2 \approx 4.71 3π/24.71 之间),
    β2≈7.853 \beta_2 \approx 7.853 β27.853(在 2π≈6.28 2\pi \approx 6.28 2π6.285π/2≈7.85 5\pi/2 \approx 7.85 5π/27.85 之间),
    β3≈10.996 \beta_3 \approx 10.996 β310.996(在 3π≈9.42 3\pi \approx 9.42 3π9.427π/2≈10.99 7\pi/2 \approx 10.99 7π/210.99 之间)。

Python 绘图代码

import numpy as np
import matplotlib.pyplot as pltbeta = np.linspace(0, 15, 1000)
f = np.cosh(beta) * np.cos(beta) - 1plt.figure(figsize=(10, 6))
plt.plot(beta, f, label=r'$f(\beta) = \cosh\beta \cos\beta - 1$')
plt.axhline(0, color='r', linestyle='--')
plt.scatter([4.730, 7.853, 10.996], [0, 0, 0], color='k')  # 标记前三个根
plt.xlabel(r'$\beta$')
plt.ylabel(r'$f(\beta)$')
plt.title('图形化求解频率方程: $\cosh\beta \cos\beta = 1$')
plt.legend()
plt.grid(True)
plt.show()

© 特征函数正交性证明

考虑特征值问题 X(4)=γX X^{(4)} = \gamma X X(4)=γXγ=λ/K \gamma = \lambda / K γ=λ/K),边界条件:
X(0)=X′(0)=0,X′′(l)=X′′′(l)=0 X(0) = X'(0) = 0, \quad X''(l) = X'''(l) = 0 X(0)=X(0)=0,X(l)=X(l)=0
γm≠γn \gamma_m \neq \gamma_n γm=γn 对应特征函数 Xm,Xn X_m, X_n Xm,Xn
∫0lXm(4)Xndx=γm∫0lXmXndx \int_0^l X_m^{(4)} X_n dx = \gamma_m \int_0^l X_m X_n dx 0lXm(4)Xndx=γm0lXmXndx
分部积分:
∫0lXm(4)Xndx=[Xm′′′Xn−Xm′′Xn′+Xm′Xn′′−XmXn′′′]0l+∫0lXmXn(4)dx \int_0^l X_m^{(4)} X_n dx = \left[ X_m''' X_n - X_m'' X_n' + X_m' X_n'' - X_m X_n''' \right]_0^l + \int_0^l X_m X_n^{(4)} dx 0lXm(4)Xndx=[XmXnXmXn+XmXnXmXn]0l+0lXmXn(4)dx
边界条件下端点项为零:
γm∫0lXmXndx=γn∫0lXmXndx \gamma_m \int_0^l X_m X_n dx = \gamma_n \int_0^l X_m X_n dx γm0lXmXndx=γn0lXmXndx
(γm−γn)∫0lXmXndx=0 (\gamma_m - \gamma_n) \int_0^l X_m X_n dx = 0 (γmγn)0lXmXndx=0
γm≠γn \gamma_m \neq \gamma_n γm=γn,有:
∫0lXm(x)Xn(x)dx=0 \int_0^l X_m(x) X_n(x) dx = 0 0lXm(x)Xn(x)dx=0

(d) 特征值简单性证明(奖励)

对特征值 γn \gamma_n γn

  • 通解有四个参数,但四个边界条件:
    • X(0)=0 X(0)=0 X(0)=0X′(0)=0 X'(0)=0 X(0)=0 减少两个自由度
    • X′′(l)=0 X''(l)=0 X(l)=0X′′′(l)=0 X'''(l)=0 X(l)=0 通过频率方程关联
  • 解空间一维,故特征值简单(几何重数为1)

(e) 特征函数草图(奖励)

前几个特征函数(设 l=1,K=1 l=1, K=1 l=1,K=1):

  • β1≈4.730 \beta_1 \approx 4.730 β14.730, b1≈−1.00078 b_1 \approx -1.00078 b11.00078
  • β2≈7.853 \beta_2 \approx 7.853 β27.853, b2≈−1.00000 b_2 \approx -1.00000 b21.00000
  • β3≈10.996 \beta_3 \approx 10.996 β310.996, b3≈−1.00000 b_3 \approx -1.00000 b31.00000

特征函数:
Xn(x)=cos⁡(μnx)−cosh⁡(μnx)+bn[sin⁡(μnx)−sinh⁡(μnx)] X_n(x) = \cos(\mu_n x) - \cosh(\mu_n x) + b_n \left[ \sin(\mu_n x) - \sinh(\mu_n x) \right] Xn(x)=cos(μnx)cosh(μnx)+bn[sin(μnx)sinh(μnx)]

Python 绘图代码

import numpy as np
import matplotlib.pyplot as pltl = 1
beta_roots = [4.730, 7.853, 10.996]  # 前三个根
b_values = [-1.00078, -1.00000, -1.00000]  # 近似 b_nx = np.linspace(0, l, 100)
plt.figure(figsize=(10, 6))for i, (beta, b) in enumerate(zip(beta_roots, b_values)):mu = beta / lX = (np.cos(mu * x) - np.cosh(mu * x) + b * (np.sin(mu * x) - np.sinh(mu * x)))plt.plot(x, X, label=f'$n={i+1}$, $\\beta_{i+1} \\approx {beta}$')plt.title('左端固定、右端自由梁的特征函数')
plt.xlabel('$x$')
plt.ylabel('$X_n(x)$')
plt.legend()
plt.grid(True)
plt.show()

特征函数行为

  • X1(x) X_1(x) X1(x):无节点,左端固定,右端自由
  • X2(x) X_2(x) X2(x):一个节点(靠近左端)
  • X3(x) X_3(x) X3(x):两个节点
  • 所有函数满足:
    • 左端:X(0)=0 X(0)=0 X(0)=0, X′(0)=0 X'(0)=0 X(0)=0
    • 右端:X′′(l)=0 X''(l)=0 X(l)=0, X′′′(l)=0 X'''(l)=0 X(l)=0

问题8:左端简支、右端自由梁的振动分析

考虑梁的振动方程:
utt+Kuxxxx=0,0<x<l,K>0 u_{tt} + K u_{xxxx} = 0, \quad 0 < x < l, \quad K > 0 utt+Kuxxxx=0,0<x<l,K>0
边界条件:

  • 左端简支(位移和弯矩为零):u(0,t)=0 u(0,t) = 0 u(0,t)=0, uxx(0,t)=0 u_{xx}(0,t) = 0 uxx(0,t)=0
  • 右端自由(无弯矩和剪力):uxx(l,t)=0 u_{xx}(l,t) = 0 uxx(l,t)=0, uxxx(l,t)=0 u_{xxx}(l,t) = 0 uxxx(l,t)=0

(a) 频率方程和特征函数

分离变量:u(x,t)=X(x)T(t) u(x,t) = X(x)T(t) u(x,t)=X(x)T(t)。空间方程为:
X(4)−μ4X=0,μ4=λK X^{(4)} - \mu^4 X = 0, \quad \mu^4 = \frac{\lambda}{K} X(4)μ4X=0,μ4=Kλ
通解:
X(x)=Acos⁡(μx)+Bsin⁡(μx)+Ccosh⁡(μx)+Dsinh⁡(μx) X(x) = A \cos(\mu x) + B \sin(\mu x) + C \cosh(\mu x) + D \sinh(\mu x) X(x)=Acos(μx)+Bsin(μx)+Ccosh(μx)+Dsinh(μx)

边界条件应用

  1. X(0)=0 X(0) = 0 X(0)=0
    A+C=0  ⟹  C=−A A + C = 0 \implies C = -A A+C=0C=A
  2. X′′(0)=0 X''(0) = 0 X(0)=0
    −μ2A+μ2C=0 -\mu^2 A + \mu^2 C = 0 μ2A+μ2C=0(自动满足,因 C=−A C = -A C=A)
  3. X′′(l)=0 X''(l) = 0 X(l)=0
    −Aμ2cos⁡(μl)−Bμ2sin⁡(μl)+Aμ2cosh⁡(μl)+Bμ2sinh⁡(μl)=0 -A\mu^2 \cos(\mu l) - B\mu^2 \sin(\mu l) + A\mu^2 \cosh(\mu l) + B\mu^2 \sinh(\mu l) = 0 Aμ2cos(μl)Bμ2sin(μl)+Aμ2cosh(μl)+Bμ2sinh(μl)=0
  4. X′′′(l)=0 X'''(l) = 0 X(l)=0
    Aμ3sin⁡(μl)−Bμ3cos⁡(μl)+Aμ3sinh⁡(μl)+Bμ3cosh⁡(μl)=0 A\mu^3 \sin(\mu l) - B\mu^3 \cos(\mu l) + A\mu^3 \sinh(\mu l) + B\mu^3 \cosh(\mu l) = 0 Aμ3sin(μl)Bμ3cos(μl)+Aμ3sinh(μl)+Bμ3cosh(μl)=0

β=μl \beta = \mu l β=μl,得齐次系统:
{A(cosh⁡β−cos⁡β)+B(sinh⁡β−sin⁡β)=0A(sin⁡β+sinh⁡β)+B(cosh⁡β−cos⁡β)=0 \begin{cases} A (\cosh \beta - \cos \beta) + B (\sinh \beta - \sin \beta) = 0 \\ A (\sin \beta + \sinh \beta) + B (\cosh \beta - \cos \beta) = 0 \end{cases} {A(coshβcosβ)+B(sinhβsinβ)=0A(sinβ+sinhβ)+B(coshβcosβ)=0
非零解要求行列式为零:
(cosh⁡β−cos⁡β)2−(sinh⁡β−sin⁡β)(sin⁡β+sinh⁡β)=0 (\cosh \beta - \cos \beta)^2 - (\sinh \beta - \sin \beta)(\sin \beta + \sinh \beta) = 0 (coshβcosβ)2(sinhβsinβ)(sinβ+sinhβ)=0
化简得频率方程:
cosh⁡βcos⁡β=1,β=μl \cosh \beta \cos \beta = 1, \quad \beta = \mu l coshβcosβ=1,β=μl

特征值和特征函数

  • 零特征值λ=0 \lambda = 0 λ=0):
    X(4)=0 X^{(4)} = 0 X(4)=0X(x)=ax3+bx2+cx+d X(x) = a x^3 + b x^2 + c x + d X(x)=ax3+bx2+cx+d
    边界条件:

    • X(0)=0  ⟹  d=0 X(0) = 0 \implies d = 0 X(0)=0d=0
    • X′′(0)=0  ⟹  2b=0  ⟹  b=0 X''(0) = 0 \implies 2b = 0 \implies b = 0 X(0)=02b=0b=0
    • X′′(l)=0  ⟹  6al=0  ⟹  a=0 X''(l) = 0 \implies 6a l = 0 \implies a = 0 X(l)=06al=0a=0
    • X′′′(l)=0 X'''(l) = 0 X(l)=0(自动满足)
      唯一非零解:X(x)=x X(x) = x X(x)=x(线性函数)
  • 正特征值
    方程 cosh⁡βcos⁡β=1 \cosh \beta \cos \beta = 1 coshβcosβ=1 的正根 βn \beta_n βnβ1≈4.730 \beta_1 \approx 4.730 β14.730, β2≈7.853 \beta_2 \approx 7.853 β27.853, β3≈10.996 \beta_3 \approx 10.996 β310.996, …)
    特征值:λn=Kμn4=K(βn/l)4 \lambda_n = K \mu_n^4 = K (\beta_n / l)^4 λn=Kμn4=K(βn/l)4
    角频率:ωn=λn=K(βn/l)2 \omega_n = \sqrt{\lambda_n} = \sqrt{K} (\beta_n / l)^2 ωn=λn=K(βn/l)2
    特征函数:
    Xn(x)=sin⁡(μnx)+bnsinh⁡(μnx) X_n(x) = \sin(\mu_n x) + b_n \sinh(\mu_n x) Xn(x)=sin(μnx)+bnsinh(μnx)
    其中 μn=βn/l \mu_n = \beta_n / l μn=βn/lbn=−sin⁡(βn)sinh⁡(βn) b_n = -\dfrac{\sin(\beta_n)}{\sinh(\beta_n)} bn=sinh(βn)sin(βn)

(b) 图形化求解频率方程

定义函数:
f(β)=cosh⁡βcos⁡β−1 f(\beta) = \cosh \beta \cos \beta - 1 f(β)=coshβcosβ1
绘制 f(β) f(\beta) f(β) 的图像,其与 β \beta β 轴的交点 (βn,0) (\beta_n, 0) (βn,0) 给出频率 ωn=K(βn/l)2 \omega_n = \sqrt{K} (\beta_n / l)^2 ωn=K(βn/l)2

  • 根的位置
    β1≈4.730 \beta_1 \approx 4.730 β14.730(在 π≈3.14 \pi \approx 3.14 π3.143π/2≈4.71 3\pi/2 \approx 4.71 3π/24.71 之间),
    β2≈7.853 \beta_2 \approx 7.853 β27.853(在 2π≈6.28 2\pi \approx 6.28 2π6.285π/2≈7.85 5\pi/2 \approx 7.85 5π/27.85 之间),
    β3≈10.996 \beta_3 \approx 10.996 β310.996(在 3π≈9.42 3\pi \approx 9.42 3π9.427π/2≈10.99 7\pi/2 \approx 10.99 7π/210.99 之间)。

Python 绘图代码

import numpy as np
import matplotlib.pyplot as pltbeta = np.linspace(0, 15, 1000)
f = np.cosh(beta) * np.cos(beta) - 1plt.figure(figsize=(10, 6))
plt.plot(beta, f, label=r'$f(\beta) = \cosh\beta \cos\beta - 1$')
plt.axhline(0, color='r', linestyle='--')
plt.scatter([4.730, 7.853, 10.996], [0, 0, 0], color='k')  # 标记前三个根
plt.xlabel(r'$\beta$')
plt.ylabel(r'$f(\beta)$')
plt.title('图形化求解频率方程: $\cosh\beta \cos\beta = 1$')
plt.legend()
plt.grid(True)
plt.show()

© 特征函数正交性证明

特征值问题:X(4)=γX X^{(4)} = \gamma X X(4)=γXγ=λ/K \gamma = \lambda / K γ=λ/K),边界条件:
X(0)=X′′(0)=0,X′′(l)=X′′′(l)=0 X(0) = X''(0) = 0, \quad X''(l) = X'''(l) = 0 X(0)=X(0)=0,X(l)=X(l)=0
γm≠γn \gamma_m \neq \gamma_n γm=γn 对应特征函数 Xm,Xn X_m, X_n Xm,Xn
∫0lXm(4)Xndx=γm∫0lXmXndx \int_0^l X_m^{(4)} X_n dx = \gamma_m \int_0^l X_m X_n dx 0lXm(4)Xndx=γm0lXmXndx
分部积分:
∫0lXm(4)Xndx=[Xm′′′Xn−Xm′′Xn′+Xm′Xn′′−XmXn′′′]0l+∫0lXmXn(4)dx \int_0^l X_m^{(4)} X_n dx = \left[ X_m''' X_n - X_m'' X_n' + X_m' X_n'' - X_m X_n''' \right]_0^l + \int_0^l X_m X_n^{(4)} dx 0lXm(4)Xndx=[XmXnXmXn+XmXnXmXn]0l+0lXmXn(4)dx
边界条件下端点项为零:
γm∫0lXmXndx=γn∫0lXmXndx \gamma_m \int_0^l X_m X_n dx = \gamma_n \int_0^l X_m X_n dx γm0lXmXndx=γn0lXmXndx
(γm−γn)∫0lXmXndx=0 (\gamma_m - \gamma_n) \int_0^l X_m X_n dx = 0 (γmγn)0lXmXndx=0
γm≠γn \gamma_m \neq \gamma_n γm=γn,有:
∫0lXm(x)Xn(x)dx=0 \int_0^l X_m(x) X_n(x) dx = 0 0lXm(x)Xn(x)dx=0
正交性成立(含零特征值模式)。

(d) 特征值简单性证明(奖励)

  • 零特征值:一维特征空间(仅 X(x)=x X(x) = x X(x)=x
  • 正特征值:解空间由两个参数 (A,B) (A, B) (A,B) 描述,但两个边界条件通过频率方程关联,解空间一维,故特征值简单。

(e) 特征函数草图(奖励)

前几个特征函数(设 l=1,K=1 l=1, K=1 l=1,K=1):

  1. 零特征值:X0(x)=x X_0(x) = x X0(x)=x
  2. 非零特征值:
    Xn(x)=sin⁡(μnx)+bnsinh⁡(μnx),bn=−sin⁡βnsinh⁡βn X_n(x) = \sin(\mu_n x) + b_n \sinh(\mu_n x), \quad b_n = -\frac{\sin \beta_n}{\sinh \beta_n} Xn(x)=sin(μnx)+bnsinh(μnx),bn=sinhβnsinβn
    • β1≈4.730 \beta_1 \approx 4.730 β14.730b1≈−0.0276 b_1 \approx -0.0276 b10.0276
    • β2≈7.853 \beta_2 \approx 7.853 β27.853b2≈−0.0004 b_2 \approx -0.0004 b20.0004
    • β3≈10.996 \beta_3 \approx 10.996 β310.996b3≈−0.00001 b_3 \approx -0.00001 b30.00001

Python 绘图代码

import numpy as np
import matplotlib.pyplot as pltl = 1
beta_roots = [4.730, 7.853, 10.996]  # 前三个根
x = np.linspace(0, l, 100)plt.figure(figsize=(10, 6))# 零特征值
plt.plot(x, x, 'k-', label=r'$\lambda=0$: $X_0(x)=x$')# 非零特征值
for i, beta in enumerate(beta_roots):mu = beta / lb = -np.sin(beta) / np.sinh(beta)X = np.sin(mu * x) + b * np.sinh(mu * x)plt.plot(x, X, label=f'$n={i+1}$, $\\beta_{i+1} \\approx {beta}$')plt.title('左端简支、右端自由梁的特征函数')
plt.xlabel('$x$')
plt.ylabel('$X_n(x)$')
plt.legend()
plt.grid(True)
plt.show()

特征函数行为

  • X0(x) X_0(x) X0(x):线性函数(斜直线)
  • X1(x) X_1(x) X1(x):类似正弦波,但右端因双曲项轻微上翘
  • X2(x) X_2(x) X2(x):更接近标准正弦波(因 bn b_n bn 极小)
  • X3(x) X_3(x) X3(x):几乎与 sin⁡(3πx/l) \sin(3\pi x/l) sin(3πx/l) 重合
  • 所有函数满足:
    • 左端:X(0)=0 X(0)=0 X(0)=0, X′′(0)=0 X''(0)=0 X(0)=0
    • 右端:X′′(l)=0 X''(l)=0 X(l)=0, X′′′(l)=0 X'''(l)=0 X(l)=0

问题9:左端诺伊曼、右端奇异边界条件的波动方程

考虑波动方程:
utt−c2uxx=0,0<x<l u_{tt} - c^2 u_{xx} = 0, \quad 0 < x < l uttc2uxx=0,0<x<l
边界条件:

  • 左端(x=0 x=0 x=0):诺伊曼条件 ux(0,t)=0 u_x(0,t) = 0 ux(0,t)=0
  • 右端(x=l x=l x=l):奇异条件 (ux+iαut)(l,t)=0 (u_x + i\alpha u_t)(l,t) = 0 (ux+iαut)(l,t)=0,其中 α∈R \alpha \in \mathbb{R} αR

(a) 分离变量

设解的形式为 u(x,t)=X(x)T(t) u(x,t) = X(x)T(t) u(x,t)=X(x)T(t)。代入波动方程:
XT′′−c2X′′T=0 X T'' - c^2 X'' T = 0 XTc2XT=0
分离变量:
T′′c2T=X′′X=−λ \frac{T''}{c^2 T} = \frac{X''}{X} = -\lambda c2TT=XX=λ
其中 λ \lambda λ 是分离常数(特征值)。得到两个常微分方程:

  1. 空间方程X′′+λX=0 X'' + \lambda X = 0 X+λX=0
  2. 时间方程T′′+c2λT=0 T'' + c^2 \lambda T = 0 T+c2λT=0

边界条件分离:

  • 左端:ux(0,t)=X′(0)T(t)=0 u_x(0,t) = X'(0)T(t) = 0 ux(0,t)=X(0)T(t)=0,因 T(t)≢0 T(t) \not\equiv 0 T(t)0,故 X′(0)=0 X'(0) = 0 X(0)=0
  • 右端:(ux+iαut)(l,t)=X′(l)T(t)+iαX(l)T′(t)=0 (u_x + i\alpha u_t)(l,t) = X'(l)T(t) + i\alpha X(l)T'(t) = 0 (ux+iαut)(l,t)=X(l)T(t)+iαX(l)T(t)=0
    利用时间方程 T′′=−c2λT T'' = -c^2 \lambda T T=c2λT,并假设 λ>0 \lambda > 0 λ>0(特征值实数且正),得 T′(t)=iσT(t) T'(t) = i \sigma T(t) T(t)=iσT(t) 其中 σ=cλ \sigma = c \sqrt{\lambda} σ=cλ。代入右端条件:
    X′(l)T(t)+iαX(l)(iσ)T(t)=T(t)[X′(l)−ασX(l)]=0 X'(l)T(t) + i\alpha X(l) (i \sigma) T(t) = T(t) \left[ X'(l) - \alpha \sigma X(l) \right] = 0 X(l)T(t)+iαX(l)(iσ)T(t)=T(t)[X(l)ασX(l)]=0
    T(t)≢0 T(t) \not\equiv 0 T(t)0,故:
    X′(l)−αcλX(l)=0 X'(l) - \alpha c \sqrt{\lambda} X(l) = 0 X(l)αcλX(l)=0
    其中 σ=cλ \sigma = c \sqrt{\lambda} σ=cλ

综上,空间方程和边界条件为:
X′′+λX=0,X′(0)=0,X′(l)−αcλX(l)=0 X'' + \lambda X = 0, \quad X'(0) = 0, \quad X'(l) - \alpha c \sqrt{\lambda} X(l) = 0 X+λX=0,X(0)=0,X(l)αcλX(l)=0

(b) 奇异特征值问题

空间方程的特征值问题为:
{X′′+λX=0,0<x<lX′(0)=0X′(l)−αcλX(l)=0 \begin{cases} X'' + \lambda X = 0, & 0 < x < l \\ X'(0) = 0 \\ X'(l) - \alpha c \sqrt{\lambda} X(l) = 0 \end{cases} X+λX=0,X(0)=0X(l)αcλX(l)=00<x<l
此问题为“奇异”因边界条件依赖于 λ \sqrt{\lambda} λ(含参数 λ \lambda λ)。

© 求解特征值问题

空间方程的通解为:
X(x)=Acos⁡(λx)+Bsin⁡(λx) X(x) = A \cos(\sqrt{\lambda} x) + B \sin(\sqrt{\lambda} x) X(x)=Acos(λx)+Bsin(λx)
应用边界条件:

  1. X′(0)=0 X'(0) = 0 X(0)=0
    X′(x)=−Aλsin⁡(λx)+Bλcos⁡(λx) X'(x) = -A \sqrt{\lambda} \sin(\sqrt{\lambda} x) + B \sqrt{\lambda} \cos(\sqrt{\lambda} x) X(x)=Aλsin(λx)+Bλcos(λx)
    X′(0)=Bλ=0  ⟹  B=0(因 λ>0) X'(0) = B \sqrt{\lambda} = 0 \implies B = 0 \quad (\text{因 } \lambda > 0) X(0)=Bλ=0B=0( λ>0)
    X(x)=Acos⁡(λx) X(x) = A \cos(\sqrt{\lambda} x) X(x)=Acos(λx)
  2. X′(l)−αcλX(l)=0 X'(l) - \alpha c \sqrt{\lambda} X(l) = 0 X(l)αcλX(l)=0
    X′(l)=−Aλsin⁡(λl),X(l)=Acos⁡(λl) X'(l) = -A \sqrt{\lambda} \sin(\sqrt{\lambda} l), \quad X(l) = A \cos(\sqrt{\lambda} l) X(l)=Aλsin(λl),X(l)=Acos(λl)
    代入:
    −Aλsin⁡(λl)−αcλAcos⁡(λl)=0 -A \sqrt{\lambda} \sin(\sqrt{\lambda} l) - \alpha c \sqrt{\lambda} A \cos(\sqrt{\lambda} l) = 0 Aλsin(λl)αcλAcos(λl)=0
    A≠0 A \neq 0 A=0λ≠0 \sqrt{\lambda} \neq 0 λ=0,得:
    sin⁡(λl)+αccos⁡(λl)=0 \sin(\sqrt{\lambda} l) + \alpha c \cos(\sqrt{\lambda} l) = 0 sin(λl)+αccos(λl)=0
    即:
    tan⁡(λl)=−αc \tan(\sqrt{\lambda} l) = -\alpha c tan(λl)=αc
    β=λl \beta = \sqrt{\lambda} l β=λl,则:
    tan⁡β=−γ,γ=αc \tan \beta = -\gamma, \quad \gamma = \alpha c tanβ=γ,γ=αc

考虑 λ=0 \lambda = 0 λ=0

  • 空间方程 X′′=0 X'' = 0 X=0,通解 X(x)=a+bx X(x) = a + b x X(x)=a+bx
  • X′(0)=b=0 X'(0) = b = 0 X(0)=b=0,故 X(x)=a X(x) = a X(x)=a
  • 右端条件:X′(l)−αc⋅0⋅X(l)=0−0=0 X'(l) - \alpha c \cdot 0 \cdot X(l) = 0 - 0 = 0 X(l)αc0X(l)=00=0,恒成立。
    λ0=0 \lambda_0 = 0 λ0=0 是特征值,对应特征函数 X0(x)=1 X_0(x) = 1 X0(x)=1(常数)。

对于 λ>0 \lambda > 0 λ>0,方程 tan⁡β=−γ \tan \beta = -\gamma tanβ=γ 有可数个正实根 βn>0 \beta_n > 0 βn>0n=1,2,3,… n=1,2,3,\ldots n=1,2,3,),满足:
βn=arctan⁡(−γ)+nπ,n=1,2,3,… \beta_n = \arctan(-\gamma) + n\pi, \quad n = 1,2,3,\ldots βn=arctan(γ)+nπ,n=1,2,3,
(取使 βn>0 \beta_n > 0 βn>0 的根)。特征值为:
λn=(βnl)2 \lambda_n = \left( \frac{\beta_n}{l} \right)^2 λn=(lβn)2
对应特征函数:
Xn(x)=cos⁡(βnxl) X_n(x) = \cos\left( \frac{\beta_n x}{l} \right) Xn(x)=cos(lβnx)

(d) 简单解 u(x,t)=X(x)T(t) u(x,t) = X(x)T(t) u(x,t)=X(x)T(t)

时间方程 T′′+c2λT=0 T'' + c^2 \lambda T = 0 T+c2λT=0 的解:

  • λn>0 \lambda_n > 0 λn>0n≥1 n \geq 1 n1):
    Tn(t)=Ancos⁡(cβntl)+Bnsin⁡(cβntl) T_n(t) = A_n \cos\left( \frac{c \beta_n t}{l} \right) + B_n \sin\left( \frac{c \beta_n t}{l} \right) Tn(t)=Ancos(lcβnt)+Bnsin(lcβnt)
    简单解:
    un(x,t)=cos⁡(βnxl)[Ancos⁡(cβntl)+Bnsin⁡(cβntl)] u_n(x,t) = \cos\left( \frac{\beta_n x}{l} \right) \left[ A_n \cos\left( \frac{c \beta_n t}{l} \right) + B_n \sin\left( \frac{c \beta_n t}{l} \right) \right] un(x,t)=cos(lβnx)[Ancos(lcβnt)+Bnsin(lcβnt)]
  • λ0=0 \lambda_0 = 0 λ0=0
    T0′′=0 T_0'' = 0 T0=0,解 T0(t)=C0+D0t T_0(t) = C_0 + D_0 t T0(t)=C0+D0t
    右端边界条件:ux+iαut=0+iαD0 u_x + i\alpha u_t = 0 + i\alpha D_0 ux+iαut=0+iαD0。设为零:
    iαD0=0  ⟹  D0=0(若 α≠0) i\alpha D_0 = 0 \implies D_0 = 0 \quad (\text{若 } \alpha \neq 0) iαD0=0D0=0( α=0)
    T0(t)=C0 T_0(t) = C_0 T0(t)=C0(常数),简单解:
    u0(x,t)=C0 u_0(x,t) = C_0 u0(x,t)=C0
    (若 α=0 \alpha = 0 α=0,则 T0(t)=C0+D0t T_0(t) = C_0 + D_0 t T0(t)=C0+D0t,解为 u0(x,t)=C0+D0t u_0(x,t) = C_0 + D_0 t u0(x,t)=C0+D0t,但假设 α≠0 \alpha \neq 0 α=0)。

综上,简单解为:

  • u0(x,t)=C0 u_0(x,t) = C_0 u0(x,t)=C0(常数模式)
  • un(x,t)=cos⁡(βnxl)[Ancos⁡(cβntl)+Bnsin⁡(cβntl)] u_n(x,t) = \cos\left( \frac{\beta_n x}{l} \right) \left[ A_n \cos\left( \frac{c \beta_n t}{l} \right) + B_n \sin\left( \frac{c \beta_n t}{l} \right) \right] un(x,t)=cos(lβnx)[Ancos(lcβnt)+Bnsin(lcβnt)](振动模式,n≥1 n \geq 1 n1

其中 βn \beta_n βntan⁡β=−αc \tan \beta = -\alpha c tanβ=αc 的正实根。

\boxed{
\begin{aligned}
&\text{(a) 分离变量:} \
&u(x,t) = X(x)T(t) \implies \
&X’’ + \lambda X = 0, \quad T’’ + c^2 \lambda T = 0 \
&\text{边界条件:} X’(0) = 0, \quad X’(l) - \alpha c \sqrt{\lambda} X(l) = 0 \
\
&\text{(b) 奇异特征值问题:} \
&\begin{cases}
X’’ + \lambda X = 0, & 0 < x < l \
X’(0) = 0 \
X’(l) - \alpha c \sqrt{\lambda} X(l) = 0
\end{cases} \
\
&\text{© 求解:} \
&\lambda_0 = 0, \quad X_0(x) = 1 \
&\lambda_n = \left( \frac{\beta_n}{l} \right)^2, \quad X_n(x) = \cos\left( \frac{\beta_n x}{l} \right), \quad n=1,2,3,\ldots \
&\text{其中 } \beta_n > 0 \text{ 满足 } \tan \beta_n = -\alpha c \
\
&\text{(d) 简单解:} \
&u_0(x,t) = C_0 \quad (\text{常数解}) \
&u_n(x,t) = \cos\left( \frac{\beta_n x}{l} \right) \left[ A_n \cos\left( \frac{c \beta_n t}{l} \right) + B_n \sin\left( \frac{c \beta_n t}{l} \right) \right], \quad n=1,2,3,\ldots
\end{aligned}
}


文章转载自:
http://abdicate.wkuuf.cn
http://cardsharping.wkuuf.cn
http://centaurae.wkuuf.cn
http://aerocurve.wkuuf.cn
http://alderfly.wkuuf.cn
http://betrayer.wkuuf.cn
http://altimetry.wkuuf.cn
http://brach.wkuuf.cn
http://brompton.wkuuf.cn
http://abettal.wkuuf.cn
http://aboard.wkuuf.cn
http://calligraphist.wkuuf.cn
http://bronzer.wkuuf.cn
http://bronco.wkuuf.cn
http://cellulosic.wkuuf.cn
http://bannister.wkuuf.cn
http://anachronous.wkuuf.cn
http://camper.wkuuf.cn
http://acetification.wkuuf.cn
http://amassment.wkuuf.cn
http://amount.wkuuf.cn
http://anemography.wkuuf.cn
http://campanulaceous.wkuuf.cn
http://alto.wkuuf.cn
http://beginning.wkuuf.cn
http://anticipatory.wkuuf.cn
http://bottomland.wkuuf.cn
http://arabism.wkuuf.cn
http://benthonic.wkuuf.cn
http://canopied.wkuuf.cn
http://www.dtcms.com/a/281791.html

相关文章:

  • 智驾芯片软件分层测试
  • kdump生成转储文件调试内核崩溃、死机
  • 电涡流位移测量技术深度解密
  • View2 UI聊天框架源码分享 - 支持[图文视频]混排 加入AI 分享一套功能强大的View2 UI聊天框架源码
  • Python初学者笔记第十四期 -- (自定义模块与包)
  • NFS磁盘共享
  • 基础专有术语
  • Model Control Protocol 一种开放的应用层协议,让大模型与工具能够协调配合起来,了解他的定义、定位、组成及实现机制...
  • 手提式干粉灭火器检查工作,如何做到可执行、可追溯、可管理?
  • 移动碰撞法 ——套料排版算法——CAD c#
  • java基础(day08)-面向对象
  • Redis 高频面试题
  • 【删库跑路】一次删除pip的所有第三方库
  • vllm本地部署qwen3-4b
  • 场景设计题+智力题
  • windows下安装difi(无docker desktop版)
  • 7.15 腾讯云智面经整理
  • Wiz笔记二次开发
  • AI大模型开发架构设计(22)——LangChain的大模型架构案例实战
  • 记忆力训练day41
  • 1-Nodejs介绍与安装
  • 基于STM32的智能火灾报警系统设计
  • 【人工智能99问】激活函数有哪些,如何选择使用哪个激活函数?(5/99)
  • ADAU系列DSP用MCU来做控制,怎么去理解这个逻辑
  • Vue3 + MapLibre 地图管理工具 useMap 使用指南
  • 牛客:HJ22 汽水瓶[华为机考][数字处理]
  • 基于Sentinel-1雷达数据的洪水动态监测(附完整GEE代码)
  • 深入理解红锁
  • Vue3入门-指令补充
  • 学习C++、QT---26(QT中实现记事本项目实现文件路径的提示、C++类模板、记事本的行高亮的操作的讲解)