Одномерные уравнения

Лекция №11

Параболические уравнения

Одномерные уравнения

К параболическим уравнениям относятся задачи описания процессов теплопроводности, диффузии, вязкости и ряд других. Типична, например, следующая постановка для линейной теплопроводности в однородной среде:

(1)

Помимо самого уравнения (1) необходимо определить начальное и граничные условия:

; (2)

. (3)

Граничные условия (3) означают, что на левой и правой границе изменения температуры следуют заданным функциональным зависимостям. Эти условия еще называют граничными условиями первого рода. Граничные условия второго рода отвечают заданию на границах потоков тепла, т.е.

. (4)

Для граничных условий третьего рода можно записать следующее представление:

. (5)

В терминах теплообмена граничные условия третьего рода описывают так называемый линейный (ньютоновский) теплообмен с окружающей средой. Для задачи (1) с начальным (2) и граничными условиями (3) — (5) корректность постановки доказана[1].

Рассмотрим простейшие разностные схемы для численного решения уравнения теплопроводности (1). Выберем в области G(t,x) = [0,T]´[0,a] прямоугольную равномерную сетку с шагами t и h по времени и пространству. В качестве шаблона разностной схемы выберем шеститочечный шаблон, представленный на рис.1. Учитывая шаблон на рис.1, запишем следующую разностную схему

(6)

где n = 1,2,…,N-1, s = const. Уравнение (6) необходимо дополнить граничными условиями, например, первого рода:

. (6¢)

В качестве правой части часто выбирают значение . Параметр s в (6) выступает в качестве свободного параметра, его вариация порождает целое семейство разностных схем от явных до неявных.

Рис.1. Шеститочечный шаблон разностной схемы (6)

Исследуем схему (6), (6¢). Начнем с существования решения и его вычисления. Если s = 0, то схема (6) переходит уже в рассмотренную ранее явную разностную схему (9.26). В этом случае разностное решение легко находится, т.е. его существование и единственность очевидна.

При s ¹ 0 разностная схема (6), (6¢) неявная и ее можно переписать в трехдиагональном форме:

(7)

Разностное уравнение на каждом временном слое может быть решено относительно неизвестных методом прогонки. Достаточным условием устойчивости прогонки является условие диагонального преобладания (5.16), которое, согласно (7), выполнено ( ), когда s > 0.

В итоге, решение разностных схем (6), (6¢) существует и единственно при s ³ 0 и при любых ограниченных начальных и краевых условиях. При s = 1 схему называют чисто неявной, а при s = ½ — схемой с полусуммой или симметричной.

Для оценки порядка аппроксимации проведем разложение решений схемы (6) в ряд Тейлора относительно центра разложения (t_m+t / 2,x_n), тогда, опуская довольно утомительные выкладки, можно получить

(8)

Из (8) видно, что, если положить , то при s ¹ ½ схема (6) имеет порядок аппроксимации O(t + h²). Для симметричной схемы, у которой s = ½, порядок аппроксимации выше — O(t ²+ h²).

Устойчивость по начальным данным исследуем методом разделения переменных. Поскольку схема (6) линейная, отбросим правую часть и осуществим подстановку и , тогда можно получить множитель роста гармоники

. (9)

Непосредственной проверкой можно убедиться, что множитель роста гармоники (9) меньше единицы при s ³ 0. Проверяя условие , находим

. (10)

Условие (10) обеспечивает условие равномерной устойчивости схемы (6) по начальным данным в норме . Условие устойчивости по правой части (9.65) выполняется при любых t и h. Таким образом, схема устойчива по начальным данным и по правой части при условии того, что верно неравенство (10).

Для чисто неявной схемы (s = 1), симметричной схемы (s = ½ ) условие (10) выполняется при любых значениях t и h, т.е. эти схемы являются безусловно устойчивыми. Для явной схемы (s = 0) условие (10) выполняется только при условии, что t £ h²/(2k), т.е. явная схема является условно устойчивой, что уже было установлено в лекции №9.

Отметим, что справедливо более сильное утверждение об устойчивости схем (6): они устойчивы в норме . Так из принципа максимума (9.66), (9.67) легко получить достаточное условие устойчивости в норме :

. (10¢)

По сравнению с (10) условие (10¢) более жесткое, но для явной и чисто неявной схем выводы об устойчивости аналогичны тем, которые сделаны выше.

Изучим разностную схему (6), (6¢) на численном примере решения уравнения вида:

(11)

с начальным распределением температуры u₀ в виде равнобедренного треугольника с основанием длиной a и высотой b:

(12)

В качестве граничных условий выберем нулевые условия, т.е.

. (13)

Аналитическое решение задачи (11) — (13) можно представить в виде следующего бесконечного ряда:

. (14)

На листинге_№1 приведен код программы численного решения задачи (11) — (13) при различных значениях параметра s. При каждом значении параметра численное решение сравнивалось с аналитическим решением (14) в норме , т.е. находилась ошибка вида: error = .

Листинг_№1

%Программа решения задачи (11) - (13) при

%различных значениях параметра sigma

function heat

global a b

%Задаем размеры области интегрирования G=[0,T]x[0,a]

T=1; a=1; b=1;

%Определяем размеры сеток по времени и пространству

Nt=50; Nx=50;

%Определяем шаги по времени и пространству

tau=T/(Nt-1); h=a/(Nx-1);

%Определяем сетки по времени и пространству

t=0:tau:T; x=0:h:a;

%Находим в узлах сетки значения аналитического

%решения (14)

for m=1:Nt

for n=1:Nx

y(m,n)=u(t(m),x(n));

end

end

%Рисуем аналитическое решение (14)

subplot(1,3,1); surf(x,t,y);

%Задаем набор значений параметра sigma, при которых

%будет численно решаться задача (11) - (13) по

%разностной схеме (6), (6')

sigma=0.5:0.05:1;

for s=1:length(sigma)

r=h^2/(tau*sigma(s));

%Организуем цикл по времени

for m=1:(Nt-1)

for n=1:Nx

y(1,n)=u(t(1),x(n));

end

%Применяем метод прогонки

alpha(2)=0; beta(2)=0;

for n=2:(Nx-1)

alpha(n+1)=1/(2+r-alpha(n));

beta(n+1)=(beta(n)-...

((2/sigma(s))*(1-sigma(s))-r)*y(m,n)+...

(1/sigma(s)-1)*(y(m,n-1)+y(m,n+1)))/...

(2+r-alpha(n));

end

y(m+1,Nx)=0;

for n=(Nx-1):-1:1

y(m+1,n)=alpha(n+1)*y(m+1,n+1)+beta(n+1);

end

end

%Находим модуль отклонения численного решения от

%аналитического при некотором sigma

for m=1:Nt

for n=1:Nx

y(m,n)=abs(y(m,n)-u(t(m),x(n)));

end

end

%Определяем ошибку численного решения в норме C

error(s)=max(max(y));

end

%Рисуем 3D график ошибки при sigma=1

subplot(1,3,2); surf(x,t,y);

%Рисуем 2D график зависимости ошибки численного

%решения от значений параметра sigma

subplot(1,3,3); plot(sigma,error);

%Функция для вычисления значений аналитического

%решения (14) в точке (t,x)

function y=u(t,x)

global a b

nmax=50; y=0;

for n=1:nmax

an=((8*b)/(pi^2*n^2))*sin(0.5*pi*n);

y=y+an*exp(-((pi*n)/a)^2*t)*sin(pi*n*(x/a));

end

Итог работы кода программы листинга_№1 приведен на рис.2. На левом рисунке приведено 3D изображение аналитического решения (14). На среднем рисунке приведено 3D изображение абсолютного значения ошибки численного решения задачи (11) — (13) с помощью полностью неявной разностной схемы (6), (6¢), т.е. при s = 1. Видно, что пик ошибки приходится на центральный излом в начальном распределении температуры. На рисунке справа приводится ошибка численного решения задачи (11) — (13) в норме в зависимости от значений параметра s (s Î [0,5;1]). Отчетливо виден довольно заметный провал графика в окрестности s = 0,7.

Наилучшая схема. Обобщим разностную схему (6) на случай уравнения теплопроводности с переменным коэффициентом теплопроводности:

. (15)

Исследуем общий случай, когда функции k(t,x) и f(t,x) могут быть кусочно-непрерывными. Сильные разрывы могут возникнуть на границе областей, для слоистых сред в случае появления ударных волн и в ряде других приложений. В этом случае решение уравнения (15) следует рассматривать как обобщенное. Обобщенное решение в общем случае не единственно.

Для выделения допустимого решения из множества обобщенных решений необходимо из физических соображений определиться с величинами, которые считаются непрерывными. Для уравнения (15) такими величинами выступают температура u(t,x) и поток тепла W = -k¶u/¶x. Производные этих величин u_x и W_x разрывны в точках разрыва коэффициента теплопроводности и источника тепла соответственно.

Рис.2. Левый рисунок — аналитическое решение (14). Средний и правый
рисунки — решение задачи (11) — (13) с помощью разностной
схемы (6), (6¢) при различных значениях параметра s

Для сходимости к допустимому обобщенному решению составим методом баланса консервативную разностную схему. Для этого перепишем исходное уравнение (15) в явной дивергентной форме, т.е.

. (16)

Шаблон и соответствующая ячейка для искомой разностной схемы представлены на рис.3.

Рис.3. Шаблон для разностной схемы уравнения (16)
и ячейка для метода баланса

Запишем для первого уравнения в (16) закон сохранения энергии в виде интеграла по ячейке, заштрихованной на рис.3.

(17)

Второе уравнение в (16) проинтегрируем по интервалу сетки [x_n,x_n+1], тогда

. (18)

Значения температур припишем узлам сетки, а потоки тепла — серединам интервалов (ромбики на рис.3). Интегралы в (17) аппроксимируем квадратурными формулами. Так, интеграл оценим, исходя из того, что подынтегральное выражение берется с текущего и верхнего слоев. В (18) поток тепла в силу того, что он непрерывен, вынесем из под знака интеграла в средней точке

.

В итоге получим консервативную разностную схему, называемую наилучшей:

, (19)

, (19¢)

где

,

. (20)

Для аппроксимации интегралов (20) применяют следующий набор формул:

, (21)

, (21¢)

где черта сверху означает отнесение к моменту времени . Если разрывы функций k(t,x) и f(t,x) отнесены к узлам сетки, то подстановки в (21) и (21¢) следует понимать, как подстановки односторонних пределов.

Исследуем наилучшую схему (19), (19¢). После подстановки (19¢) в (19) получим обычную трехточечную по пространству схему относительно неизвестных значений на верхнем слое, которая решается методом прогонки. Поскольку имеется диагональное преобладание, т.е. метод прогонки устойчив, постольку может быть получено единственное решение.

Устойчивость по начальным данным разностной схемы (19), (19¢) изучим с помощью метода операторных неравенств. Рассмотрим задачу Коши на всей прямой, считая, что .

Перепишем схему (19), (19¢) в так называемой канонической операторной форме:

, (22)

где операторы A и B имеют следующий вид:

,

.

Скалярное произведение определим по формуле:

.

Покажем, что операторы A и B неотрицательные и самосопряженные. Действительно,

.

Сдвинем во второй сумме индекс на единицу, тогда

, (23)

т.е. A ³ 0. Аналогично, т.к. B = E + stA, имеем (By,y) = (y,By) = (y,y) + (y,Ay) ³ 0, т.е. B ³ 0.

Отметим, что из (23) следует оценка

т.е.

. (24)

Учитывая, что 0 £ A £ ||A||E, т.е. E ³ A/||A||, находим

(25)

при

s ³ s₀, . (26)

Условие (25) означает, что и по теореме (лекция №9, формулы (9.76) — (9.82)) устойчивости двухслойных разностных схем в канонической форме схема (19) — (20) устойчива в энергетической норме . Таким образом, неравенство (26) является достаточным условием устойчивости схемы (19) — (20).

Учитывая (24), можно получить более сильное достаточное условие устойчивости разностной схемы (19) — (20) в форме:

. (27)

Изучим численно достаточное условие устойчивости (27) на примере использования наилучшей разностной схемы с разрывными функциями, описывающими теплопроводность и правую часть. На листинге_№2 приведен код соответствующей программы.

Листинг_№2

%Программа тестирования критерия устойчивости (27)

%для наилучшей схемы (19) -(20) численного решения

%уравнения теплопроводности

function bestschm

global a

%Определяем размеры области интегрирования

%G=[0,T]x[0,a]

T=1; a=1;

%Определяем количество узлов в сетках по времени

%и пространству

Nt=100; Nx=50;

%вычисляем шаги по времени и пространству

tau=T/(Nt-1); h=a/(Nx-1); r=tau/h^2;

%формируем сетки по времени и пространству

t=0:tau:T; x=0:h:a;

%вычисляем значения коэффициента теплопроводности

%и правой части (источника тепла) в узлах сетки

for n=1:Nx

yk(n)=k(x(n));

yf(n)=f(x(n));

end

%рисуем профили коэффициента теплопроводности k(x)

%и источника тепла f(x)

subplot(2,2,1); plot(x,yk,'LineWidth',2,'Color','green');

subplot(2,2,2); plot(x,yf,'LineWidth',2,'Color','red');

%Находим пороговое значение параметра sigma0 для

%изучения устойчивости наилучшей разностной схемы

sigma0=0.5-h^2/(4*tau*max(yk));

%Строим начальное распределение u(0,x)=u0(x)

%температуры в виде треугольного профиля

b=1;

for n=1:Nx

y(1,n)=((2*b)/a)*x(n);

if x(n)>0.5*a

y(1,n)=((2*b)/a)*(a-x(n));

end

end

%Определяем нулевые граничные условия

for m=1:Nt

y(m,1)=0; y(m,Nx)=0;

end

%Определяем пару значений параметра sigma0 и

%sigma0-eps. При втором значении параметра

%ожидается появление неустойчивости

sgm=[sigma0 sigma0-0.006];

%Организуем цикл по значением параметра sigma,

%а также по времени и пространству

for s=1:length(sgm)

for m=1:(Nt-1)

for n=1:(Nx-1)

kappa(n)=(2*k(x(n))*k(x(n+1)))/...

(k(x(n))+k(x(n+1)));

end

%определяем левое граничное условие

alpha(2)=0; beta(2)=y(m+1,1);

for n=2:(Nx-1)

alpha(n+1)=(r*sgm(s)*kappa(n))/...

(1+r*sgm(s)*(kappa(n)+kappa(n-1))-...

r*sgm(s)*alpha(n));

beta(n+1)=(r*sgm(s)*kappa(n-1)*beta(n)+...

r*(1-sgm(s))*kappa(n-1)*y(m,n-1)+...

(1-r*(1-sgm(s))*(kappa(n)+kappa(n-1)))*y(m,n)+...

r*(1-sgm(s))*kappa(n)*y(m,n+1)+tau*f(x(n)))/...

(1+r*sgm(s)*(kappa(n)+kappa(n-1))-...

r*sgm(s)*kappa(n-1)*alpha(n));

end

for n=Nx:-1:2

y(m+1,n-1)=alpha(n)*y(m+1,n)+beta(n);

end

end

%Рисуем профили температуры при пороговом значении

%sigma0 и подкритическим значением sigma0-eps

subplot(2,2,2+s); surf(x,t,y);

end

%Определяем функцию коэффициента

%теплопроводности k(x)

function y=k(x)

global a

k1=1; k2=2;

if ((x>=0)&(x<=a/3))|((x>=(2*a)/3)&(x<=a))

y=k1;

end

if (x>a/3)&(x<(2*a)/3)

y=k2;

end

%Определяем функцию источника тепла f(x)

function y=f(x)

global a

f0=15;

if ((x>=0)&(x<=a/3))|((x>=(2*a)/3)&(x<=a))

y=f0;

end

if (x>a/3)&(x<(2*a)/3)

y=0;

end

На рис.4 приведен итоговый график, генерируемый кодом программы листинга_№2. Левый верхний рисунок содержит график коэффициента теплопроводности, который является разрывной функцией по пространству. Правый верхний рисунок описывает пространственный профиль источника тепла правой части уравнения (15). Источник тепла, как и коэффициент теплопроводности, является разрывной по пространству функцией. При данных значениях k(t,x) и f(t,x) уравнение (15) решалось численно с помощью наилучшей разностной схемы (19) — (20). Исследовался вопрос об устойчивости разностной схемы согласно критерию (27). На левом нижнем рисунке приведено численное решение уравнения (15) по разностной схеме (19) — (20) при значении параметра s = s₀. При значении параметра s, чуть меньшего критического значения s₀ должна появляется неустойчивость. Именно этот случай представлен на правом нижнем рисунке. На рисунке показано зарождение неустойчивости. Таким образом, с учетом вычислительного эксперимента, критерий устойчивости (27) является не только достаточным, но, по-видимому, и необходимым условием.

Рис.4. Численное исследование критерия устойчивости (27)
наилучшей разностной схемы (19) — (20)

Квазилинейное уравнение. Рассмотрим одномерное квазилинейное уравнение теплопроводности следующего вида:

. (28)

В задаче, подобной (28), коэффициент теплопроводности может сильно зависеть от температуры, поэтому использование для расчета явной схемы может оказаться практически невозможным, поскольку ограничение на шаг по времени в связи с устойчивостью схемы может оказаться слишком обременительным. По этой причине расчет имеет смысл вести по полностью устойчивым неявным схемам с весом s ³ ½.

Квазилинейное уравнение (28) ранее уже было рассмотрено. В первой лекции численно было исследовано уравнение теплопроводности без источника тепла (f = 0) с коэффициентом теплопроводности степенным образом, зависящим от температуры, т.е. k ~ u^s (s > 0). В лекции №9 аналитически и численно исследовалась бегущая волна для квазилинейного уравнения теплопроводности без источника тепла. И, наконец, в той же лекции аналитически и численно изучалось квазилинейное уравнение теплопроводности с источником тепла, степенным образом, зависящим от температуры, т.е. при f ~ u^{s +1}. Во всех трех случаях использовалась чисто неявная схема с весом s = 1. Запишем ее в следующем виде:

. (29)

В (29) под понимаются выражения типа (21), т.е.

(30)

или

. (30¢)

Аналогично (30), (30¢) можно аппроксимировать в (29) источник тепла .

Можно показать, что схема (29) абсолютно устойчива и консервативна и на четырежды непрерывно дифференцируемых решениях имеет погрешность аппроксимации O(t + h²). Вследствие зависимости от неизвестного решения на следующем слое алгебраическая схема (29) является нелинейной относительно . Понятно, что, когда t ® 0 — , т.е. при достаточно малом t существует вещественное решение системы (29). Понятно также, что при большом значении t вещественное решение может отсутствовать.

Решать алгебраическую систему уравнений можно несколькими способами. Рассмотрим подробно метод последовательных приближений, в котором и берутся с предыдущей итерации, т.е.

, (31)

где индекс s = 1,2,… описывает номера итераций. В (31) в качестве нулевого приближения берутся решения с предыдущего слоя, т.е. . Величины находятся из (31) методом прогонкой. Итерации в (31) сходятся линейно и обычно не быстро. Итерации могут и расходиться. В этом случае расчет можно вести с фиксированным числом итераций (обычно 2, 3 итерации).

В качестве критерия сходимости итераций можно использовать условие

(32)

или более жесткое условие

, (32¢)

где e, e₁, e₂ — некоторые малые неотрицательные числа. Критерий сходимости (32) либо (32¢) должен выполняться для всех узлов сетки n. Если за разумное число итераций критерий сходимости не выполняется необходимо уменьшить шаг по времени и повторить процедуру повторно. После выполнения одного из критериев (32), (32¢) полагают и цикл перехода на следующий слой завершается.

Рассмотрим пример численного решения квазилинейного уравнения теплопроводности с источником, в котором коэффициент теплопроводности и источник тепла степенным образом зависят от температуры. Запишем это уравнение в виде

, (33)

где s, l = const > 0.

В лекции №9 уже рассмотрено аналогичное уравнение (9.18), точнее рассмотрено аналитическое решение (9.19) — (9.21) этого уравнения при l = s + 1. Продолжим изучение уравнения (33) численным методом в еще трех случаях[2]: 1) так называемый HS-режим, когда l < s + 1; 2) LS-режим, когда l > s + 1; 3) особый случай, когда l > s + 3. Третий случай интересен тем, что в зависимости от начального распределения температуры, последующая эволюция решения может пойти по двум прямо противоположным направлениям. Если амплитуда начального распределения ниже некоторого порогового значения, то в дальнейшем тепло будет “расползаться” по пространству неограниченно и амплитуда решения будет стремиться к нулю. Если амплитуда начального распределения температуры является надпороговой, то дальнейшее изменение решения происходит в режиме с обострением, т.е. за конечное время решение обращается в бесконечность.

Листинг_№3

%Программа решения квазилинейного уравнения

%теплопроводности с источником (33) с помощью

%разностной схемы (31)

%Очищаем рабочее пространство

clear all

%Определяем число шагов по времени и

%максимальное количество итераций на

%временном слое

Nt=160; itmax=10;

%Определяем диапазон изменения переменной x и

%число узлов сетки на отрезке [0,a]

a=6; Nx=301;

%Определяем шаг и сетку по пространству

h=a/(Nx-1); x=0:h:a;

%Определяем степень температурной зависимости

%коэффициента теплопроводности

sigma=2;

%Определяем четыре расчета:1)HS-режим, когда

%1<l<sigma+1; 2)LS-режим, когда l>sigma+1; 3)режим

%l>sigma+3 с двумя типами начальных данных:

%подпороговый пик возмущения и надпороговый

l=[sigma sigma+2 sigma+4 sigma+4];

%Вариация высоты пика начального возмущения

%для четырех расчетов

b=[1 1 0.25 1.08];

%Основной цикл для четырех расчетов

for k=1:length(l)

tau=0.1;

%Начальное распределение температуры в

%виде равнобедренного треугольника с

%высотой b(k) и основанием длиной 0.5*a

for n=1:Nx

y(1,n)=0;

if (x(n)>=0.25*a)&(x(n)<=0.5*a)

y(1,n)=4*(b(k)/a)*(x(n)-0.25*a);

end

if (x(n)>=0.5*a)*(x(n)<=0.75*a)

y(1,n)=4*(b(k)/a)*(0.75*a-x(n));

end

end

%Определяем нулевые граничные условия

for m=1:Nt

y(m,1)=0; y(m,Nx)=0;

end

%Формируем основной цикл по времени

for m=1:(Nt-1)

%Определяем нулевую итерацию с

%текущего слоя по времени

for n=1:Nx

yit(n)=y(m,n);

end

factor=0; it=0;

while factor==0

for n=1:(Nx-1)

kappa(n)=0.5*(yit(n)^sigma+yit(n+1)^sigma);

end

%Используем левое нулевое граничное условие

alpha(2)=0; beta(2)=y(m+1,1);

r=tau/h^2;

for n=2:(Nx-1)

alpha(n+1)=(r*kappa(n))/(1+r*(kappa(n)+...

kappa(n-1)*(1-alpha(n))));

beta(n+1)=(y(m,n)+tau*yit(n)^l(k)+...

r*kappa(n-1)*beta(n))/...

(1+r*(kappa(n)+kappa(n-1)*(1-alpha(n))));

end

%Используем правое нулевое граничное условие

yit2(Nx)=y(m+1,Nx);

for n=Nx:-1:2

yit2(n-1)=alpha(n)*yit2(n)+beta(n);

end

%Используем критерий сходимости итераций (32') при

%eps1=0 и eps2=1e-2

factor=1;

for n=1:Nx

factor=factor&(abs(yit2(n)-yit(n))<=1e-2*yit(n));

end

it=it+1;

for n=1:Nx

yit(n)=yit2(n);

end

%Определяем регулировку шага по времени

if (factor==0)&(it==itmax)

it=0; tau=tau/2;

for n=1:Nx

yit(n)=y(m,n);

end

end

end

tau=1.1*tau;

%Последняя итерация считается искомым значением

%решения на следующем временном слое

for n=1:Nx

y(m+1,n)=yit2(n);

end

%Рисуем численные решения уравнения (33) на различные

%моменты времени

if mod(m-1,10)==0

if m==1

subplot(2,2,k);

%Рисуем начальный профиль температуры и выделяем

%его красным цветом

plot(x,y(m,:),'LineWidth',2.5,'Color','red');

hold on;

else

subplot(2,2,k);

plot(x,y(m,:));

hold on;

end

end

end

end

На рис.5 приведен итог работы кода программы листинга_№3. Левый верхний рисунок иллюстрирует динамику решений HS-режима, когда в конце концов формируется тепловая волна, распространяющаяся вширь по пространству и растущая во времени в режиме с обострением. Для LS-режима характерна несколько иная динамика. В LS-режиме (правый верхний рисунок) характерная ширина температурного профиля стремится к нулю, а амплитуда со временем — к бесконечности. В специальном случае, когда l > s + 3 в зависимости от амплитуды начального распределения возможны два прямо противоположных режима динамики. На левом нижнем рисунке, при подпороговой начальной амплитуде тепло “расползается” неограниченно по пространству, амплитуда распределения стремится к нулю, при этом источник тепла не перестает действовать. На правом нижнем рисунке, при надпороговой начальной амплитуде температура в центре в начале падает, а потом начинает расти неограниченно в режиме с обострением, причем полуширина пика, как и LS-режиме, стремится к нулю. На всех четырех рисунках жирной (красной) линией выделен начальный температурный профиль.

Рис.5. Различные типы динамики решений уравнения (33) в
зависимости от соотношения параметров s и l