Przeskocz do treści

Delta mi!

Równanie Naviera–Stokesa

Witold Sadowski

o artykule ...

  • Publikacja w Delcie: grudzień 2014
  • Publikacja elektroniczna: 1 grudnia 2014
  • Autor: Witold Sadowski
    Afiliacja: Univerity of Bristol
  • Wersja do druku [application/pdf]: (391 KB)
obrazek

Rozważmy przepływ nieściśliwego płynu w pewnym obszarze math Załóżmy, że wiemy, jaka jest prędkość płynu w każdym punkcie obszaru, to znaczy że znamy pole prędkości, oznaczone math w chwili początkowej math Jak będzie wyglądało pole prędkości płynu math w dowolnym momencie math

Odpowiedzi na to pytanie szuka się w oparciu o równanie Naviera-Stokesa. Jest ono zapisaną formalnie regułą, która mówi, jak zmienia się w czasie prędkość płynu. Oczywiście, wektor prędkości math zależy od zmiennej przestrzennej math oraz od czasu math Rozwiązanie równania Naviera-Stokesa z warunkiem początkowym math to funkcja math która spełnia to równanie dla czasów dodatnich i w sposób ciągły osiąga warunek początkowy dla math

Kłopot w tym, że do dziś nie wiemy, czy równanie Naviera-Stokesa można jednoznacznie rozwiązać dla każdego sensownego (to znaczy takiego, który ma skończoną energię) warunku początkowego math Pomimo niemal stu lat intensywnych badań tego zagadnienia nadal nie wiemy, czy rzeczywiście potrafimy przewidywać przepływ cieczy. Nie wiemy bowiem, czy początkowo ograniczone i gładkie pole prędkości może w pewnej chwili wybuchnąć, czyli osiągnąć w pewnym punkcie math obszaru math nieskończoną wartość, jednocześnie cały czas ewoluując do tego momentu zgodnie z równaniem Naviera-Stokesa. Jest to sytuacja krępująca: ciężko bowiem się przyznać, że nie potrafimy rozstrzygnąć, czy podstawowy model w hydrodynamice ma sens math

Składniki równania

Równanie Naviera-Stokesa to w zasadzie II zasada dynamiki Newtona math zastosowana do płynu. Mówi ono, że wpływ na tempo math w jakim w danym punkcie zmienia się prędkość płynu, mają cztery składniki:

A
"dyfuzja" prędkości, czyli swego rodzaju uśrednianie prędkości (proces podobny do tego, gdy barwnik dyfunduje w wodzie i ostatecznie jednorodnie zabarwia szklankę);
B
"unoszenie" prędkości płynu, czyli konwekcja (tzw. składnik nieliniowy);
C
siły związane z ciśnieniem (tzw. gradient ciśnienia);
D
siły zewnętrzne (np. grawitacja).

W dalszym ciągu pominiemy siły zewnętrzne, przyjmując math Równanie Naviera-Stokesa można więc wtedy zapisać w nieco naiwny sposób jako

display-math

lub bardziej konkretnie, z użyciem odpowiednich symboli:

display-math (1)

W powyższym wzorze liczba math mierzy lepkość płynu (tzn. to, czy jest on bardziej podobny do miodu czy do wody), a pozostałe symbole związane są z różniczkowaniem. W związku z tym konieczna jest pewna uwaga. Do zrozumienia tego tekstu nie jest konieczne rozumienie powyższych symboli. Czytelnicy, którzy z pochodnymi cząstkowymi nie mieli dotąd do czynienia, mogą spokojnie ignorować zapis formalny i czytać sam tekst, spoglądając na symbole jak na graficzne identyfikatory pojęć, których sens zostanie wyjaśniony poniżej bez technicznych zawiłości.

Równanie (1) uzupełniane jest pewnymi dodatkowymi założeniami:

  • w chwili math pole prędkości jest równe math
  • prędkość math jest równa zeru na brzegu obszaru math
  • płyn jest nieściśliwy; oznacza to, że do dowolnej kulki w math tyle samo płynu wpływa, co wypływa. Pole prędkości zwane jest wtedy bezźródłowym (bezdywergentnym).
obrazek

Rys. 1 Schematyczny obraz działania laplasjanu: wygładzanie rozwiązań z upływem czasu.

Rys. 1 Schematyczny obraz działania laplasjanu: wygładzanie rozwiązań z upływem czasu.

Trzech bohaterów

Na równanie Naviera-Stokesa można patrzeć jak na bitwę, w której chodzi o to, czy pierwszy składnik równania (pochodna czasowa math), a wraz z nią sama prędkość math ucieknie czy też nie ucieknie do nieskończoności. Walka ta rozgrywa się między trzema pozostałymi "osobami":

  • bohaterem pozytywnym (czyli laplasjanem: math),
  • nieliniowym złoczyńcą: math oraz
  • "niewidzialnym rozgrywającym" (gradientem ciśnienia: math).

Żeby zatem głębiej zrozumieć, co się dzieje w tym równaniu, dlaczego jest ono tak kłopotliwe i dlaczego kolejne składniki zostały tak a nie inaczej nazwane, spróbujmy lepiej zrozumieć charaktery głównych postaci.

Bohater pozytywny

Aby wyjaśnić, dlaczego większość matematyków sądzi, że laplasjan poprawia regularność rozwiązań równania Naviera-Stokesa, przyjrzyjmy się równaniu, w którym występuje tylko pochodna względem czasu i sam laplasjan (przyjmujemy math):

display-math

z warunkiem początkowym math Jest to tzw. równanie przepływu ciepła (tym razem math oznacza zwykłą funkcję o wartościach rzeczywistych, a nie pole wektorowe), które opisuje, jak zmienia się w czasie temperatura w obszarze, w którym początkowy rozkład temperatury jest dany przez funkcję math Okazuje się, że nawet gdy funkcja math nie jest zbyt gładka, to funkcje math opisujące rozkład temperatury w czasie math natychmiast stają się niezwykle regularne i gładkie. Ma to związek z efektem uśredniania (charakterystycznym dla dyfuzji), który ostatecznie prowadzi do tego, że rozwiązania math z upływem czasu coraz bardziej upodobniają się do funkcji harmonicznej, to znaczy takiej, która jest ciągła (tak naprawdę gładka) i ma własność wartości średniej: jej średnia wartość w dowolnej kulce jest równa jej wartości w środku kulki. Bliższa analiza pokazuje też, że laplasjan wypompowuje energię z układu tym szybciej, im większe są różnice temperatury (w przypadku równania Naviera-Stokesa: różnice prędkości) i co więcej, dużo szybciej pozbywa się energii ze skal mikroskopijnych niż z tych dużo większych. To przeciwdziała dzikim oscylacjom w małych skalach i wygładza rozwiązanie.

obrazek

Rys. 2 Rozwiązujemy równanie Burgersa.

  • Startujemy z punktu math Mamy math więc rysujemy z punktu math prostą o współczynniku kierunkowym zero. Na tej prostej wartość math jest równa zeru.
  • Startujemy z punktu math Mamy math więc rysujemy z punktu math prostą o współczynniku kierunkowym math Na tej prostej wartość math jest równa math
  • Startujemy z punktu math Mamy math więc rysujemy prostą z punktu math o współczynniku kierunkowym równym 1. Na tej prostej wartość math jest równa 1.

Rys. 2 Rozwiązujemy równanie Burgersa.

  • Startujemy z punktu math Mamy math więc rysujemy z punktu math prostą o współczynniku kierunkowym zero. Na tej prostej wartość math jest równa zeru.
  • Startujemy z punktu math Mamy math więc rysujemy z punktu math prostą o współczynniku kierunkowym math Na tej prostej wartość math jest równa math
  • Startujemy z punktu math Mamy math więc rysujemy prostą z punktu math o współczynniku kierunkowym równym 1. Na tej prostej wartość math jest równa 1.
obrazek

Rys. 3 Dla innego warunku początkowego dochodzimy do sprzeczności: na liniach ukośnych wartość funkcji musi być równa 1, a na poziomych - zero. Niestety, linie się zderzają i nawet wygładzenie warunku początkowego nic na to pomóc nie może math Jak zatem określać rozwiązanie w spornych punktach? Gdzie ma przebiegać linia skoku (fala uderzeniowa)? I czy takie nieciągłe rozwiązania mają w ogóle sens?

Rys. 3 Dla innego warunku początkowego dochodzimy do sprzeczności: na liniach ukośnych wartość funkcji musi być równa 1, a na poziomych - zero. Niestety, linie się zderzają i nawet wygładzenie warunku początkowego nic na to pomóc nie może math Jak zatem określać rozwiązanie w spornych punktach? Gdzie ma przebiegać linia skoku (fala uderzeniowa)? I czy takie nieciągłe rozwiązania mają w ogóle sens?

Nieliniowy złoczyńca

W przeciwieństwie do laplasjanu składnik nieliniowy math podejrzewany jest przynajmniej o próby (być może nieskuteczne) doprowadzenia prędkości do wartości nieskończonej. Jak się to dzieje? Spójrzmy na równanie, jakie otrzymujemy z równania Naviera-Stokesa po wyrzuceniu laplasjanu

display-math

przyjmując warunek początkowy math Ponieważ nadal wymagamy, by math opisywało przepływ nieściśliwy math to powyższe równanie (zwane równaniem Eulera) jest, z grubsza biorąc, tak samo słabo poznane jak równanie Naviera-Stokesa. Dokonajmy jednak kolejnego uproszczenia: zapomnijmy o warunku przepływu bezźródłowego, a ponadto dla pełnego uproszczenia rozpatrzmy przypadek jednowymiarowy (dla zmiennej przestrzennej). Wówczas math to po prostu math i dostajemy:

display-math

Takie równanie (zwane równaniem Burgersa) ma dość niepokojące własności. Jakiego rodzaju są to kłopoty, można zrozumieć nawet bez znajomości pochodnych cząstkowych. Istnieje bowiem prosty algorytm rozwiązywania równania Burgersa, gdy tylko ma ono gładkie, regularne rozwiązanie. Robi się to tak. Bierzemy jakikolwiek punkt math na osi math Patrzymy teraz, jaka jest wartość funkcji math dla math Jeśli jest ona równa math to kreślimy prostą wychodzącą z punktu math która ma współczynnik kierunkowy math czyli równanie math Na wykreślonej prostej definiujemy wartość funkcji math jako liczbę math Jeśli teraz pokryjemy takimi prostymi całą półpłaszczyznę math to problem jest rozwiązany, bo każdy punkt math dla math ma określoną wartość funkcji math Jak to działa na konkretnym przykładzie, można zobaczyć na marginesie obok. Okazuje się jednak, że dla bardzo wielu warunków początkowych (nawet zupełnie gładkich) nie da się znaleźć rozwiązania ciągłego math określonego dla wszystkich czasów math Tworzą się bowiem tzw. fale uderzeniowe jak na rysunku 3. W ten sposób widzimy, że spokrewnione z równaniem Naviera-Stokesa równanie, które zawiera podobny składnik nieliniowy, dla niektórych warunków początkowych zachowuje się dobrze, a dla innych warunków początkowych na pewno nie daje globalnych w czasie i gładkich rozwiązań (bez względu na to, czy math dla math jest gładkie).

obrazek

Rys. 4 Zwężanie wiru

Rys. 4 Zwężanie wiru

Są też inne przyczyny, dla których składnik nieliniowy ma złą sławę: odwrotnie niż laplasjan pompuje energię ze skal większych do mniejszych, a ponadto z fizycznego punktu widzenia jest on związany z efektem zwężania wiru. Efekt ten polega na tym, że jeśli walec wodny wiruje wokół osi i jego promień ulega zmniejszeniu, to prędkość wirowania silnie wzrasta, tak jak w przypadku łyżwiarki robiącej piruet z otwartymi ramionami, która nagle ramiona zbliża do siebie (Rys. 4). Czy podobnie może dojść do wybuchu prędkości w przepływie płynu?

Niewidzialny rozgrywający

Wielu osobom wydaje się, że cały kłopot z równaniem Naviera-Stokesa polega właśnie na starciu składnika nieliniowego z laplasjanem. Część fizyków podejrzewa, że zmniejszając lepkość math czyli osłabiając laplasjan względem składnika nieliniowego, można doprowadzić do wybuchów rozwiązań. Czy jednak tylko o starcie laplasjanu ze składnikiem nieliniowym tu chodzi?

Problem w tym, że równanie z pominiętym gradientem ciśnienia:

display-math

i w konsekwencji z jednocześnie pominiętym warunkiem bezdywergencyjności pola math ma zupełnie dobre własności: rozwiązania są ograniczone, o ile tylko math jest ograniczona! Wykazali to Andriej Kisieliow oraz Olga Ładyżeńska w 1957 r. W przypadku równania Naviera-Stokesa gradient ciśnienia pełni niejako rolę funkcji math z równania badanego przez Kisieliowa i Ładyżeńską. Gdybyśmy zatem wiedzieli, że gradient ciśnienia nie wybucha, to moglibyśmy wnioskować, że math też nie math Niestety, nic takiego o ciśnieniu nie wiemy. Widać zatem, że o składniku math można mówić jak o kluczowej postaci równania Naviera-Stokesa. It is all about pressure... - jak mawia wielu matematyków zajmujących się tym tematem.

Dlaczego jednak ciśnienie nazwaliśmy postacią niewidzialną? Otóż gradient ciśnienia i prędkość math należą do wzajemnie prostopadłych przestrzeni funkcyjnych. Dla części Czytelników może to brzmieć dziwnie, że dwie funkcje są do siebie prostopadłe, ale jest to zupełnie sensowne uogólnienie pojęcia zwykłej prostopadłości wektorów: dwa wektory są prostopadłe, gdy ich iloczyn skalarny jest równy zeru, dwie funkcje są prostopadłe, gdy średnia ich iloczynu w przestrzeni jest równa zeru. To właśnie z powodu owej ortogonalności (prostopadłości) gradientu i funkcji z zerową dywergencją (tzn. pola bezźródłowego) w większości sformułowań równania Naviera-Stokesa spotykanych w fachowych artykułach ciśnienie po prostu znika, bo równanie rzutuje się od razu tylko na tę podprzestrzeń, w której "żyje" rozwiązanie math

obrazek

Rys. 5 Rozważmy równanie Burgersa z warunkiem początkowym math równym 1 dla math ujemnych i 0 dla math dodatnich. Linie, na których określamy wartość funkcji (zero lub jeden), przecinają się. Ale można zdefiniować słabe rozwiązanie - także za pomocą funkcji testowych. Okazuje się, że math zdefiniowane jak na górnym rysunku (obszar zacieniowany to wartość math równa 1) wszystkie testy przechodzi, a to na rysunku dolnym - nie. Górne jest zatem słabym rozwiązaniem, a dolne nie jest. Widzimy też, że definicja słabego rozwiązania wyznacza w tym przypadku, jak porusza się fala uderzeniowa.

Rys. 5 Rozważmy równanie Burgersa z warunkiem początkowym math równym 1 dla math ujemnych i 0 dla math dodatnich. Linie, na których określamy wartość funkcji (zero lub jeden), przecinają się. Ale można zdefiniować słabe rozwiązanie - także za pomocą funkcji testowych. Okazuje się, że math zdefiniowane jak na górnym rysunku (obszar zacieniowany to wartość math równa 1) wszystkie testy przechodzi, a to na rysunku dolnym - nie. Górne jest zatem słabym rozwiązaniem, a dolne nie jest. Widzimy też, że definicja słabego rozwiązania wyznacza w tym przypadku, jak porusza się fala uderzeniowa.

Słabe rozwiązania

W badaniach nad równaniem Naviera-Stokesa przełomowe znaczenie miała praca francuskiego matematyka Jeana Leraya z 1934 r. Leray pokazał, że dla każdego sensownego warunku początkowego math można skonstruować tzw. "słabe" rozwiązania math dla wszystkich czasów math Co to znaczy, że rozwiązanie jest "w słabym sensie"? Mówiąc swobodnie, znaczy to, że spełnia ono pewną nieskończoną serię testów, które każde "prawdziwe", regularne rozwiązanie by spełniało. Może się jednak zdarzyć, że pewna funkcja wszystkie te testy przechodzi, a jednak nie spełnia równania w sensie zwykłym. Jest to sytuacja trochę podobna do zdawania matury: każdy w pełni dojrzały matematyk zaliczy serię wymaganych przez nią testów, ale nie jest prawdą, że każdy, kto maturę zaliczy, jest od razu dojrzałym matematykiem.

Spróbujmy dokładniej wytłumaczyć, jakie testy przechodzi słabe rozwiązanie określone na odcinku czasu math Standardowy test wygląda następująco. Bierzemy dowolną, ale bardzo gładką funkcję wektorową math która znika przy brzegu math oraz znika dla czasów bliskich math i math a także ma zerową dywergencję. Następnie mnożymy przez nią równanie (1), otrzymując:

display-math

Dla każdego z czterech składników liczymy teraz jego średnią po całej czasoprzestrzeni. Suma tych czterech średnich też, oczywiście, musi być równa zeru. Kiedy jednak liczymy średnie, to pewne prawa rachunku całkowego (całkowanie przez części) pozwalają nam przerzucić pochodne na gładką funkcję testującą. To znaczy: gdyby math było prawdziwym gładkim rozwiązaniem, to obliczenie np. średniej iloczynu math byłoby tym samym, co obliczenie średniej iloczynu math Ta ostatnia średnia istnieć może nawet wtedy, gdy samej funkcji math różniczkować się nie da. I na tym właśnie polega pomysł nieskończonej serii testów: pochodne zostają przerzucone na funkcję próbną, która jest na tyle gładka, że takie różniczkowania zniesie bez problemu, nawet gdyby nasze "słabe rozwiązanie" udźwignąć ich nijak nie mogło. Następnie sprawdzamy, czy suma średnich (obliczonych po odpowiednim przerzuceniu pochodnych na math) nadal jest równa zeru. Jeśli tak, to test jest zaliczony. Słabe rozwiązanie math spełnia każdy taki test. Czy jednak można na nie z powrotem przerzucać pochodne? Gdyby tak było, to w konsekwencji math musiałoby być też rozwiązaniem klasycznym. Ale czy tak jest, nie wie nikt.

Trzy klasyczne wyniki

Skoro zapoznaliśmy się z grubsza z pojęciem słabego rozwiązania, to możemy teraz podać trzy najbardziej fundamentalne wyniki dotyczące równania Naviera-Stokesa. Obecnie wiemy, że:

  • rozwiązania słabe istnieją globalnie w czasie, tzn. są określone dla wszystkich math; można je też tak skonstruować, że ich energia (czyli, z grubsza biorąc, średnia math) maleje w czasie, a warunek początkowy jest przyjmowany w tym sensie, że energia pola math dąży do zera, gdy math nie jest jednak obecnie wykluczone, że różne metody konstrukcji słabych rozwiązań prowadzą do różnych słabych rozwiązań dla tego samego math
  • rozwiązania klasyczne (czyli takie, które po prostu w zwykły sposób spełniają równanie) istnieją lokalnie w czasie: jeśli tylko warunek początkowy nie jest zbyt "dziki" (tzn. gdy średnia math jest skończona), to przynajmniej na pewnym odcinku czasu math można skonstruować gładkie rozwiązanie;
  • jeśli warunek początkowy jest bardzo mały (np. w tym sensie, że średnia math jest odpowiednio mała), to rozwiązania klasyczne istnieją globalnie w czasie (czyli dla każdego math).

Wiemy też, że rozwiązania klasyczne są zawsze jednoznaczne (nie można mieć dwóch różnych rozwiązań klasycznych dla tego samego math).

Słoń Edrissa Titiego

Edriss Titi, jeden z bardziej znanych badaczy równania Naviera-Stokesa, zwykł mawiać, że równanie to jest jak słoń czy też mamut, którego ludzie chcą pokonać, ale wciąż nie potrafią. Zamiast więc mamuta w pełni zwyciężyć, dokonują różnych sztuczek: a to złapią go za ucho, a to pobujają się na ogonie, to znów ugodzą go w nogę. Metaforę Titiego należy, oczywiście, traktować z pewnym dystansem, ale faktem jednak jest, że w ciągu wielu lat badań udało się dokonać wielu matematycznych "sztuczek". Wykazano na przykład, że:

  • jeśli dochodzi do wybuchu, to i tak zbiór czasów, w jakim słabe rozwiązanie wybucha, jest mały: dla dowolnego math można go przykryć serią odcinków o długościach math o tej własności, że math (czyli tzw. wymiar Hausdorffa zbioru czasów osobliwych nie jest większy od 1/2); wiedział to już w pewnej formie Leray w 1934 r.;
  • zbiór punktów w czasoprzestrzeni, w których być może dochodzi do wybuchu, też jest mały (jego wymiar Hausdorffa nie jest większy niż 1 - to wynik Caffarelliego, Kohna i Nirenberga z 1982 r. w oparciu o wcześniejsze pomysły Scheffera z lat 70.);
  • danemu słabemu rozwiązaniu odpowiada sensowny zespół trajektorii cząstek (trajektorii Lagrange'a); to wynika z pracy Foiasa, Guillope i Temama z 1985 r.

Faktów podobnej wagi można podać jeszcze co najmniej kilkanaście. A jednak problem główny pozostaje otwarty i nie bardzo wiadomo, jak te częściowe wyniki nas do jego pokonania zbliżają math

Milion dolarów

Równanie Naviera-Stokesa opisujące przepływ w obszarze trójwymiarowym stało się w ostatnich latach dodatkowo sławne, bowiem zawarto je na liście tzw. siedmiu problemów milenijnych (wytypowanych jako najważniejsze problemy otwarte w matematyce). Żeby przemówić do wyobraźni osób spoza branży, ufundowano konkretną i łatwą do zrozumienia nagrodę w wysokości miliona dolarów za rozwiązanie któregokolwiek z tych siedmiu problemów. W ten sposób równanie Naviera-Stokesa stało się obecne w tzw. kulturze masowej, co prowadzi czasami do nieoczekiwanych efektów. Na przykład niedawno "eksperci" rozmaitych portali poinformowali opinię publiczną o "geniuszu z Kazachstanu", który "rozwiązał zagadkę za milion dolarów". Niestety, w dowodzie Mukhatarbaja Otelbajeva po kilku tygodniach znaleziono błąd. Było jednak dość emocjonująco: w poszukiwaniu pomyłki brało udział wielu matematyków, ostatecznie kontrprzykład (ulepszony potem przez Terrence'a Tao) został podany przez użytkownika o nicku "sup" na jednym z rosyjskojęzycznych portali matematycznych. Wydaje się obecnie, że dowodu Otelbajeva nie da się uratować. Tego rodzaju zdarzenia trafiają się od czasu do czasu, np. w roku 2006 Penny Smith ogłosiła, że ma dowód i nieostrożnie udzieliła na ten temat wywiadu dziennikarce Nature. Potem okazało się, że choć sama praca poświęcona równaniu Naviera-Stokesa nie zawierała bezpośrednio błędu, to jednak opierała się na poprzedniej błędnej pracy autorki.

Pomimo zatem tysięcy prac na ten temat, pomimo wysiłków setek matematyków problem regularności rozwiązań Naviera-Stokesa wciąż czeka na ostateczne rozstrzygnięcie. A przecież od momentu podania tych równań przez francuskiego inżyniera Claude-Louisa Naviera w 1822 roku i ich bardziej ścisłego wyprowadzenia przez George'a Gabriela Stokesa w 1845 roku minęło już całkiem dużo czasu...