{
  "id": "poisson-equation",
  "title": "泊松方程",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "泊松方程将未知函数的拉普拉斯算子与给定源项联系起来，用于描述势场和稳态场。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "泊松偏微分方程",
    "非齐次拉普拉斯方程"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/poisson-equation/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/poisson-equation/",
      "json": "https://aiwiki.page/en/poisson-equation.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "泊松方程是一类线性二阶偏微分方程，它将未知标量函数在空间中的变化与给定源项联系起来。其常见形式为 \\(-\\Delta u=f\\)，是描述势场的基本模型，也是数学中典型的边值问题。其中，\\(u\\) 为未知函数，\\(f\\) 为源项，\\(\\Delta\\) 为拉普拉斯算子。完整的问题还需要指定空间区域和适当的边界条件。(github.com)"
    },
    {
      "heading": "数学形式",
      "text": "在欧几里得空间 \\(\\mathbb R^n\\) 的区域 \\(\\Omega\\) 上，方程写为\n\n\\[-\\Delta u(\\mathbf x)=f(\\mathbf x), \\qquad \\mathbf x\\in\\Omega.\\]\n\n拉普拉斯算子在笛卡尔坐标系中是各个二阶偏导数之和：\n\n\\[\\Delta u=\\sum_{i=1}^{n}\\frac{\\partial^2u}{\\partial x_i^2}.\\]\n\n在三维空间中，它就是 \\(u_{xx}+u_{yy}+u_{zz}\\)。另一种约定形式 \\(\\Delta u=f\\) 也同样常见；改用另一种约定时，需要同时改变源项的符号。(github.com)\n\n当 \\(f=0\\) 时，方程化为拉普拉斯方程，其解称为调和函数。因此，泊松方程是拉普拉斯方程对应的非齐次形式：它包含源项，而非仅描述无源区域。(web.stanford.edu)"
    },
    {
      "heading": "历史起源",
      "text": "该方程以西梅翁·德尼·泊松（1781—1840）的名字命名。1813 年，泊松研究了具有引力的物体内部的势，所得结果后来应用于静电学。这一历史问题涉及将势论从质量分布之外的区域推广到包含源本身的区域。(mathshistory.st-andrews.ac.uk)"
    },
    {
      "heading": "边界条件与唯一性",
      "text": "一般而言，仅有源项并不能确定唯一解。边界条件规定了未知场在边界 \\(\\partial\\Omega\\) 上的行为。两种主要类型为：\n\n- **狄利克雷边界条件：**指定函数值，即 \\(u=g\\)。\n- **诺伊曼边界条件：**指定外法向导数，即 \\(\\partial u/\\partial n=h\\)。\n\n混合边值问题在一部分边界上施加狄利克雷边界条件，在另一部分边界上施加诺伊曼边界条件。法向导数为 \\(\\nabla u\\cdot\\mathbf n\\)，其中 \\(\\mathbf n\\) 是外向单位法向量，\\(\\nabla u\\) 是梯度。(docs.fenicsproject.org)\n\n对于纯诺伊曼问题\n\n\\[-\\Delta u=f,\\qquad \\frac{\\partial u}{\\partial n}=h,\\]\n\n给定数据必须满足相容性条件\n\n\\[\\int_\\Omega f\\,dx+ \\int_{\\partial\\Omega}h\\,dS=0.\\]\n\n对方程积分，并将拉普拉斯算子的积分转化为边界通量，即可得到这一条件。它表达了内部源项与边界数据之间的平衡。在连通区域上，诺伊曼问题的解仅在相差一个加法常数的意义下确定；采用 \\(\\int_\\Omega u\\,dx=0\\) 等归一化条件可以消除这一自由度。(web.stanford.edu)\n\n对于有界区域上的齐次狄利克雷边界条件，可以通过能量论证证明解的唯一性。两个解之差 \\(w\\) 满足齐次方程及零边界条件。将方程乘以 \\(w\\) 并分部积分，得到\n\n\\[\\int_\\Omega|\\nabla w|^2\\,dx=0,\\]\n\n从而必有 \\(w=0\\)。这一论证也适用于弱形式。(math.stanford.edu)"
    },
    {
      "heading": "弱形式与变分形式",
      "text": "经典解具有逐点满足方程所需的二阶导数。弱解则满足一个积分恒等式，因此允许函数和源项数据具有较低的正则性。\n\n对于零狄利克雷边界条件，将 \\(-\\Delta u=f\\) 乘以试验函数 \\(v\\)，再分部积分，得到以下问题：\n\n\\[\\int_\\Omega\\nabla u\\cdot\\nabla v\\,dx = \\int_\\Omega fv\\,dx \\quad\\text{对所有 }v\\in H_0^1(\\Omega).\\]\n\n这里，\\(H_0^1(\\Omega)\\) 是一个索伯列夫空间，其中函数的一阶弱导数平方可积，且边界迹为零。这一形式中只出现一阶导数。如果部分边界采用诺伊曼边界条件，等式右侧还会出现一个额外的边界积分。(docs.fenicsproject.org)\n\n对于有界 Lipschitz 区域及 \\(f\\in L^2(\\Omega)\\)，齐次狄利克雷问题在 \\(H_0^1(\\Omega)\\) 中存在唯一弱解。同一形式还表明，该解是以下泛函的极小化解：\n\n\\[J(v)= \\frac12\\int_\\Omega|\\nabla v|^2\\,dx -\\int_\\Omega fv\\,dx.\\]\n\n这将方程与变分法联系起来。这一层面的存在性与唯一性并不自动意味着所有二阶导数都在经典意义下存在：更高的正则性取决于源项和边界。(math.stanford.edu)"
    },
    {
      "heading": "基本解与格林函数",
      "text": "基本解描述的是对单位点源的响应。对于 \\(-\\Delta u=f\\) 这一符号约定，基本解满足\n\n\\[-\\Delta\\Gamma=\\delta_0,\\]\n\n其中 \\(\\delta_0\\) 是集中于原点的狄拉克 δ 分布。在二维和三维空间中，\n\n\\[\\Gamma(\\mathbf x)= \\begin{cases} -\\dfrac{1}{2\\pi}\\log|\\mathbf x|,&n=2,\\\\[6pt] \\dfrac{1}{4\\pi|\\mathbf x|},&n=3. \\end{cases}\\]\n\n对于全空间中足够正则且具有紧支集的源项，可以通过卷积得到一个解：\n\n\\[u(\\mathbf x)= \\int_{\\mathbb R^n} \\Gamma(\\mathbf x-\\mathbf y)f(\\mathbf y)\\,d\\mathbf y.\\]\n\n格林函数既包含点源响应，也纳入了区域的边界条件。对于零狄利克雷边界数据，它给出如下形式的表示：\n\n\\[u(\\mathbf x)=\\int_\\Omega G(\\mathbf x,\\mathbf y)f(\\mathbf y)\\,d\\mathbf y.\\]\n\n因此，这一核函数不仅取决于局部微分算子，也取决于区域和边界条件。(web.stanford.edu)"
    },
    {
      "heading": "物理应用",
      "text": "静电学\n\n在静电学中，电场通过电势 \\(\\phi\\) 表示为\n\n\\[\\mathbf E=-\\nabla\\phi.\\]\n\n在真空中，给定的电荷密度 \\(\\rho_e\\) 导出方程\n\n\\[\\Delta\\phi=-\\frac{\\rho_e}{\\varepsilon_0},\\]\n\n其中 \\(\\varepsilon_0\\) 是真空电容率。求解该方程即可确定电势，再取其负梯度便可确定电场。边界值可以表示施加在周围导体上的电势。(farside.ph.utexas.edu)\n\n牛顿引力\n\n在牛顿引力理论中，引力势 \\(\\Phi\\) 满足\n\n\\[\\Delta\\Phi=4\\pi G\\rho_m, \\qquad \\mathbf g=-\\nabla\\Phi,\\]\n\n其中 \\(G\\) 为引力常数，\\(\\rho_m\\) 为质量密度，\\(\\mathbf g\\) 为引力加速度。对于局域化的质量分布，若选取电势的对应量——引力势——在无穷远处为零，则有\n\n\\[\\Phi(\\mathbf x)= -G\\int_{\\mathbb R^3} \\frac{\\rho_m(\\mathbf y)} {|\\mathbf x-\\mathbf y|}\\,d\\mathbf y.\\]\n\n这一积分表达式与微分方程是同一势场的两种互补描述。(farside.ph.utexas.edu)\n\n稳态热模型\n\n常系数热模型可以写为\n\n\\[-\\kappa\\Delta T=q,\\]\n\n其中 \\(T\\) 为温度，\\(\\kappa\\) 为热导率，\\(q\\) 为给定的热源密度。例如，这类模型可用于优化加热方式，以获得所需的温度分布。(scientificcomputing.github.io)"
    },
    {
      "heading": "数值求解",
      "text": "有限差分法用基于网格的近似来替代导数。对于间距为 \\(h\\) 的二维均匀网格上的 \\(-\\Delta u=f\\)，标准五点差分格式为\n\n\\[\\frac{ 4u_{i,j}-u_{i+1,j}-u_{i-1,j} -u_{i,j+1}-u_{i,j-1} }{h^2}=f_{i,j}.\\]\n\n采用狄利克雷边界条件时，这会得到系数矩阵稀疏、对称且正定的线性方程组。纯诺伊曼边界条件则会留下由常数构成的零空间，并要求给定数据满足相容性条件。(web.stanford.edu)\n\n有限元法利用有限维函数空间对弱形式进行离散化。它尤其适合采用与区域几何形状相适应的网格。由此得到的代数问题可以用直接法或迭代法线性求解器求解。(docs.fenicsproject.org)\n\n多重网格法将细网格上的松弛与较粗网格上的校正相结合，以加快求解。它在离散泊松问题中得到广泛研究，因为在某一网格上难以消除的误差，可以在另一尺度上加以处理。(math.uci.edu)\n\n对于具有适当边界条件的均匀矩形网格，基于快速傅里叶变换的求解器提供了另一种高效方法。傅里叶变换、正弦变换或余弦变换可以将离散算子对角化，使问题化为针对变换后各系数的独立方程。这些方法能否直接应用，取决于网格结构和边界条件。(arxiv.org)"
    },
    {
      "heading": "适用范围与局限",
      "text": "泊松方程是一种空间边值模型，而非时间演化方程。因此，在物理应用中使用它，需要采用适当的静态或稳态描述。其标准拉普拉斯形式还假定系数为常数；当材料性质或密度随空间变化时，可能需要采用 \\(\\nabla\\cdot(a(\\mathbf x)\\nabla u)\\) 这样的散度形式算子。(farside.ph.utexas.edu)\n\n不能仅因方程是线性的，就假定其解光滑。点源会产生具有奇异性的基本解，而边值问题解的正则性取决于数据和几何形状。弱形式或分布形式使我们能够区分有意义的解与处处在经典意义下满足方程的函数。(web.stanford.edu)"
    }
  ],
  "links": [
    "partial-differential-equation",
    "boundary-value-problem",
    "euclidean-space",
    "laplace-operator",
    "partial-derivative",
    "laplace-equation",
    "simeon-denis-poisson",
    "dirichlet-boundary-condition",
    "neumann-boundary-condition",
    "gradient",
    "weak-solution",
    "sobolev-space",
    "calculus-of-variations",
    "dirac-delta-distribution",
    "convolution",
    "greens-function",
    "electrostatics",
    "electric-field",
    "electric-potential",
    "permittivity",
    "gravity",
    "temperature",
    "thermal-conductivity",
    "finite-difference-method",
    "system-of-linear-equations",
    "finite-element-method",
    "multigrid-method",
    "fast-fourier-transform"
  ],
  "sources": [
    {
      "title": "Solving the Poisson equation",
      "url": "https://github.com/jorgensd/dolfinx-tutorial/blob/main/chapter1/fundamentals.md"
    },
    {
      "title": "Laplace's Equation — Math 220B Lecture Notes",
      "url": "https://web.stanford.edu/class/math220b/handouts/laplace.pdf"
    },
    {
      "title": "Siméon-Denis Poisson (1781–1840) — MacTutor History of Mathematics",
      "url": "https://mathshistory.st-andrews.ac.uk/Biographies/Poisson/"
    },
    {
      "title": "Poisson equation — DOLFINx",
      "url": "https://docs.fenicsproject.org/dolfinx/main/python/demos/demo_poisson.html"
    },
    {
      "title": "CS205b/CME306 — Lecture 16",
      "url": "https://web.stanford.edu/class/cs205b/lectures/lecture16.pdf"
    },
    {
      "title": "Lectures on PDE — Leon Simon",
      "url": "https://math.stanford.edu/~lms/lecs-on-pde.pdf"
    },
    {
      "title": "Introduction — Computational Physics",
      "url": "https://farside.ph.utexas.edu/teaching/329/lectures/node61.html"
    },
    {
      "title": "Gravitational Potential",
      "url": "https://farside.ph.utexas.edu/teaching/355/Surveyhtml/node50.html"
    },
    {
      "title": "Optimal Control of the Poisson equation",
      "url": "https://scientificcomputing.github.io/dolfinx-adjoint/demos/poisson_mother.html"
    },
    {
      "title": "Project: Multigrid Methods",
      "url": "https://www.math.uci.edu/~chenlong/iFEM/project/html/projectMG.html"
    },
    {
      "title": "PoisFFT — A Free Parallel Fast Poisson Solver",
      "url": "https://arxiv.org/abs/1409.8116"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}