最后更新: 2025-04-30 07:51 查看: 36 次反馈能力测评会员8.2元/月赞助

调和函数

§1 调 和 函 数

为了研究调和函数，我们先用散度定理推导出一个重要的积分公式，称之为 Green 公式，利用它能证明基本积分公式，从而将调和函数在一区域内的值表示成它在该区域边界上的曲面积分，由此得出调和函数的许多重要性质，如平均值定理，强极值原理等。

1．1 Green 公式
设函数 $u\left(x_1, x_2, \cdots, x_n\right)$ 和 $v\left(x_1, x_2, \cdots, x_n\right)$ 在 $n$ 维空间 $R ^n$ 中的区域 $\Omega$ 内有连续的二阶偏导数，在 $\bar{\Omega}=\Omega+\Gamma$（ $\Gamma$ 为 $\Omega$ 的边界）上连续且有连续的一阶偏导数。在散度定理（见附录 I）中令

$$
P_i=u \frac{\partial v}{\partial x_i}, \quad i=1,2, \cdots, n
$$

就得到

$$
\iint \cdots \int_{\Omega} \sum_{i=1}^n \frac{\partial}{\partial x_i}\left(u \frac{\partial v}{\partial x_i}\right) d x_1 d x_2 \cdots d x_n=\iint \cdots \int_{\Gamma} u \sum_{i=1}^n \frac{\partial v}{\partial x_i} \cos \left(\nu, x_i\right) d S(x)
$$

其中 $\nu$ 表示区域 $\Omega$ 的单位外法向量．为了便于区别空间的维数，正如第一章所指出的那样，今后我们将用 $\Delta_n$ 表示 $n$ 维空间 $R ^n$ 中的 Laplace 算子，即 $\Delta_n=\frac{\partial^2}{\partial x_1^2}+$ $\frac{\partial^2}{\partial x_2^2}+\cdots+\frac{\partial^2}{\partial x_n^2}$ ．今后为了书写简洁，我们将分别用 $\int_{\Omega}$ 和 $\int_{\Gamma}$ 表示 $\iint \cdots \int_{\Omega}$ 和 $\iint \cdots \int_{\Gamma}$ ．

这样一来，（1．1）式可改写成为

$$
\int_{\Omega} u \Delta_n v d x+\int_{\Omega} \sum_{i=1}^n u_{x_i} v_{x_i} d x=\int_{\Gamma} u \frac{\partial v}{\partial \nu} d S(x)
$$

其中 $\frac{\partial}{\partial \nu}$ 表示沿曲面 $\Gamma$ 的外法向导数， $d S(x)$ 表示曲面 $\Gamma$ 上的面积单元．
若将（1．2）式中的 $u$ 和 $v$ 互相对换，又得

$$
\int_{\Omega} v \Delta_n u d x+\int_{\Omega} \sum_{i=1}^n v_{x_i} u_{x_i} d x=\int_{\Gamma} v \frac{\partial u}{\partial \nu} d S(x) ...(1.3)
$$

我们把（1．2）式与（1．3）式都称作第一 Green 公式．

若将（1．2）式与（1．3）式相减，则得

$$
\int_{\Omega}\left(u \Delta_n v-v \Delta_n u\right) d x=\int_{\Gamma}\left(u \frac{\partial v}{\partial \nu}-v \frac{\partial u}{\partial \nu}\right) d S(x), ...(1.4)
$$

我们把（1．4）式称为第二 Green 公式．
1.2 调和函数与基本解

定义 7.1 对于函数 $u\left(x_1, x_2, \cdots, x_n\right)$ ，若它在 $n$ 维空间 $R ^n$ 中的有界区域 $\Omega$ 内有直到二阶的连续偏导数，且在 $\Omega$ 内满足 Laplace 方程

$$
\Delta_n u=u_{x_1 x_1}+u_{x_2 x_2}+\cdots+u_{x_n x_n}=0,
$$

若 $\Omega$ 是无界区域，则除上面的要求外，还应要求当点 $x=\left(x_1, x_2, \cdots, x_n\right)$ 趋于无穷远时，函数 $u$ 一致趋于零．即对于任意小的正数 $\varepsilon$ ，存在正数 $A$ ，使得当点 $P(x)$ 与坐标原点的距离 $r>A$ 时，总有

$$
|u(x)|<\varepsilon .
$$

按照这个定义，有时我们把 Laplace 方程（1．5）也称作调和方程．由于 Laplace 方程是线性齐次的，因此，线性齐次方程的叠加原理表明：调和函数的线性组合仍是调和函数．

下面我们给出调和方程的基本解．改写 $n(n \geqslant 3)$ 维空间的调和方程为球坐标形式，对任意给定的点 $x^0=\left(x_1^0, x_2^0, \cdots, x_n^0\right)$ ，设球坐标变换为

$$
\left\{\begin{array}{l}
x_1-x_1^0=r \cos \theta_1, \\
x_2-x_2^0=r \sin \theta_1 \cos \theta_2 \\
\cdots \cdo

免费注册看余下 70%

非VIP会员每天5篇文章，开通VIP 无限制查看

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：没有了

下一篇：调和函数的性质

本文对您是否有用？有用 (0) 无用 (0)