相容问题(Compatibility)

设容器区域为 Ω\Omega，边界为 ∂Ω=Γw∪Γ1∪Γ2\partial\Omega=\Gamma_w\cup\Gamma_1\cup\Gamma_2。其中 Γw\Gamma_w 是壁面满足无滑移 (no-slip) 条件 u=0\mathbf u=0。Γ1,Γ2\Gamma_1,\Gamma_2 是两个开口。取外法线 n\mathbf n 指向容器外部。第 ii 个开口的体积通量 (volume flux) 为

Qi=∫Γiu⋅n dSQ_i=\int_{\Gamma_i}\mathbf u\cdot\mathbf n\,dS

容器边界总体积通量

∫∂Ωu⋅n dS=Q1+Q2\int_{\partial\Omega}\mathbf u\cdot\mathbf n\,dS=Q_1+Q_2

应用散度定理

∫∂Ωu⋅n dS=∫Ω∇⋅u dV=0\int_{\partial\Omega}\mathbf u\cdot\mathbf n\,dS = \int_\Omega \nabla\cdot\mathbf u\,dV =0

Q1+Q2=?0Q_1+Q_2 \overset{?}{=} 0 即为相容性问题, 相容是讨论适定性问题的前提.

适定问题(Hadamard well-posedness)

对三维不可压缩 Navier–Stokes 方程，全局强解适定性本身是未解难题.

一个初边值问题 (initial-boundary value problem) 通常可以抽象成一个“数据到解”的映射。设数据为

d=(u0,g,f,Ω),d=(\mathbf u_0,g,\mathbf f,\Omega),

其中 u0\mathbf u_0 是初始速度，gg 是边界数据，f\mathbf f 是外力，Ω\Omega 是区域。设解空间为 YY，例如某个时间区间 [0,T][0,T] 上的函数空间。映射写作

S:X→Y,S(d)=u.S:X\to Y,\qquad S(d)=\mathbf u.

这里 XX 是数据空间 (data space)，YY 是解空间 (solution space)，u(t,x)\mathbf u(t,\mathbf x) 是速度场。

Hadamard 适定性要求三件事：

  • 存在性 (existence)：对每个 d∈Xd\in X，至少存在一个 u∈Y\mathbf u\in Y 满足方程、初始条件和边界条件。
  • 唯一性 (uniqueness)：对同一个 dd，在 YY 中至多有一个解。
  • 连续依赖数据 (continuous dependence on data)：若 dn→dd_n\to d 在 XX 中，则对应解 S(dn)→S(d)S(d_n)\to S(d) 在 YY 中。

dn→dd_n\to d 表示数据序列收敛到 dd；S(dn)→S(d)S(d_n)\to S(d) 表示解序列收敛到对应解。同一个问题，可能在强范数下不适定，在弱范数下适定；可能在短时间 TT 内适定，在无限时间上不适定。

适定性必须相对于某个“解空间”来说。如果要求的是“经典解”或“强解”，那么解的光滑性/正则性已经被包含在“解属于哪个空间”以及“存在性”里了。比如在 HsH^s 中适定，就意味着解至少属于 HsH^s。所以光滑性可以是一个额外要求，但不是 Hadamard 原始定义中的并列要素。

HsH^s: 直到 ss 阶导数在 L2L^2 意义下可控。

⚠️：连续依赖数据并不排除混沌 (chaos)。混沌系统可以有正的李雅普诺夫指数 (Lyapunov exponent)，使得误差随时间指数增长；但对任意固定的有限时间 TT，只要初值扰动足够小，解误差仍可小于任意给定阈值。Hadamard 连续数据依赖只禁止“数据无限接近而解在固定时刻仍差一个有限量”这种真正的不连续。

三维不可压缩 NS 目前知道的是：

  • 局部强适定性 (local strong well-posedness) 成立：对光滑、无散度初值，存在一个正时间 T>0T>0，在 [0,T)[0,T) 上有唯一光滑强解 (strong solution)，且连续依赖初值。
  • 全局弱解 (global weak solution) 存在：Leray–Hopf 弱解可以对所有时间存在。
  • 三维弱解的唯一性和连续依赖性是未解难题。
  • 最大未解问题之一就是：这个局部光滑解能否永远延拓到 t→∞t\to\infty ? 还是可能在有限时间爆炸？这就是“全局存在性和正则性 (global regularity)”问题，也是千禧年难题 (Millennium Prize Problem) 的核心表述之一。

二维 NS 对光滑数据是全局适定的，不会有限时间爆炸。

经典案例: 热传导方程的适定性

Hadamard well-posedness 区分“合理的物理 Cauchy 问题”和“病态问题”。热传导方程正向问题适定，而反向热传导方程病态，因为高频误差会被指数放大。(待续)

退而求其次

三维不可压Navier-Stokes全局强适定性问题是世界难题， 所以退而求其次去看过约束/欠约束。

⚠️ 过约束 (over-constrained) 与欠约束 (under-constrained) 是边界条件与方程主部是否匹配的问题，它属于存在性与唯一性的前置门槛。若边界条件过约束，通常连解都不存在；若欠约束，通常解不唯一。

目前层次进展:

  • 数据相容性 (compatibility)：例如总通量是否为零、初始速度是否无散度、初始速度是否满足边界条件。
  • 边界条件匹配性 (admissibility)：是否过约束、欠约束、压力规范是否固定、刚性模态 (rigid-body mode) 是否被消除。
  • 局部适定性 (local well-posedness)：小时间存在唯一且连续依赖。✅
  • 全局弱解 (global weak solution)：Leray 弱解存在 ✅，但唯一性和正则性未必知道。
  • 全局强适定性：三维 NS 未解。

实用计数规则

对三维不可压缩 NS，有一个很实用的计数规则：速度 u\mathbf u 有三个分量，黏性项是二阶的，所以每个边界点通常需要三个独立标量边界条件；压力 pp 不是独立边界未知量，它只通过牵引力 (traction) σn\boldsymbol\sigma\mathbf n 进入边界条件。压力整体还可差一个常数，这是压力规范自由度。

简单标量例子

u′′(x)=f(x).u''(x)=f(x).

离散化时，若内部有 NN 个点，则内部方程大致是

uj+1−2uj+uj−1=h2fj.u_{j+1}-2u_j+u_{j-1}=h^2 f_j.

未知量有 u0,…,uN+1u_0,\ldots,u_{N+1} 共 N+2N+2 个，内部方程只有 NN 个，所以还需要两个边界条件。通常是左端一个、右端一个，例如 u(0)=au(0)=a 和 u(L)=bu(L)=b。若在左端同时给 u(0)u(0) 和 u′(0)u'(0)，再加上右端条件，一般就过约束了。

参考这篇文章阅读 ODE 示例 二阶ODE边界条件

高维例子

多维椭圆方程 Δu(x,y,z)=f(x,y,z)\Delta u(x,y,z)=f(x,y,z) 同理：每个边界点需要一个条件，例如 u(x,y,z)=g(x,y,z)u(x,y,z)=g(x,y,z) 或 ∂nu(x,y,z)=h(x,y,z)\partial_n u(x,y,z)=h(x,y,z), 边界是一条曲面。

不可压缩 Navier–Stokes 方程的最高阶空间项是黏性项：

μΔu=μ(Δu1,Δu2,Δu3).\mu\Delta\mathbf u=\mu(\Delta u_1,\Delta u_2,\Delta u_3).

它是二阶。速度有三个标量分量 u1,u2,u3u_1,u_2,u_3，每个分量在每个边界点需要一个条件，所以总共需要三个独立标量边界条件。

参考这篇文章阅读 PDE 示例 二阶PDE边界条件

不可压NS边界条件

个人感悟: 研究久了，才明白自己面对的是汪洋大海。不可压 NS 方程 CFD 出口边界条件，仅这一角，就关联着数学理论、弱形式、物理近似、离散稳定性分析……每一样，都超出我已知的边界。我以为自己懂了一点皮毛。如今看，更像几片羽毛。海太大，羽太轻。可至少，我已听见潮声。