反應擴散偏微分方程簡介
羅主斌
反應擴散方程 (Reaction Diffusion Partial Differential Equation) 是非常重 要且應用廣泛的一類偏微分方程式, 它描述 了生態學中物種數量的遷徙變化, 人體或動 物等複雜的組織的發育形成過程, 人體的生 理學中種種的現象以及許多有趣的化學反應。
(一)
首先我們藉著生態學的例子來導出此類 方程的一般形式: 令 uj(x, t) 代表某一個空 間區域 Ω ⊆
R
n 中的第 j 種物種在位置 x, 時刻 t 的數量的密度, 其中j = 1, . . . , N, 純 量 Qj(x, t)代表第j物種在位置 x , 時刻 t 的 單位區域的出生率減死亡率。 向量−⇀Jj (x, t) 代表第 j 物種在位置 x, 時刻 t 的單位區域 的流動率 (flux density)。 則在一個固定的區 域 Ω 中, 第 j 物種數量的變化必導因於出生, 死亡的因素 Qj , 以及第 j 物種從 Ω 遷出或 從 Ω 外遷入的因素 −⇀
Jj 的影響。 寫成數學 式子如下:
d dt
Z
Ωuj(x, t)dx (1)
=−
Z
∂Ω
−⇀
Jj (x, t)·−n⇀(x)dS(x) +
Z
ΩQj(x, t)dx
其中j = 1, . . . , N , 向量 −n⇀(x) 代表在 Ω 邊界上的某個位置 x 的向外單位法向量,
−⇀
Jj (x, t) ·−n⇀(x) 代表在邊界點 x 上每單 位邊界區域 j 物種的流出率。
我們利用數學上所謂的 divergence theorem, 得到
Z
∂Ω
−⇀
Jj (x, t) ·−n⇀(x)dS(x)
=
Z
Ω n
X
i=1
∂Jji
∂xi
(x, t)dx, 其中−⇀
Jj ≡(Jj1, Jj2, . . . , Jjn) 因此 (1) 變 成:
Z
Ω
∂∂tuj(x, t)+
n
X
i=1
∂Jji
∂xi
(x, t) −Qj(x, t)
dx= 0 因為 Ω 是任意的, 所以有:
∂uj(x, t)
∂t +
n
X
i=1
∂Jji
∂xi
(x, t) − Qj(x, t) = 0 (2) 關於 flux density−⇀
Jj (x, t) 的形式, Fick’s Law 說,−⇀
Jj (x, t) 比例於數量梯度
∇uj(x, t) ≡ (∂uj
∂x1,∂uj
∂x2, . . . ∂uj
∂xn
)(x, t), 亦即:
−⇀
Jj (x, t) = −dj(x)∇uj(x, t), (3) 其中 j = 1, . . . , N, 且 dj(x) ≥ 0 稱為擴散 係數 (diffusion coefficient)。
46
反應擴散偏微分方程簡介
47
上式直觀上很容易理解, 因為物種的移 動總是由擁擠的地方往數量少的地方移動。
將 (3) 代入 (2) 得到:
∂uj(x, t)
∂t =
n
X
i=1
∂
dj(x)∂u∂xj
i(x, t)
∂xi
+Qj(x, t), (4) j= 1, . . . , N, x ∈Ω, t ≥ 0.
而一般來說, j 物種的出生或死亡除了自然 原因外, 也有可能是因為其他物種的捕食或 合作共生或同一物種數量增多後, 食物的缺 乏所導致的。 故 Qj 比較正確的說, 應為 x, t, u1, u2, . . . , uN 的函數才對。 亦即 Q = Q(x, t, u1, u2, . . . , uN) 。 因此所謂的反應擴 散 (Reaction Diffusion) 方程即為:
∂uj
∂t (x, t) =
n
X
i=1
∂
dj(x)∂u∂xj
i(x, t)
∂xi
+ Qj(x, t, u1, u2, . . . , uN) (5) 其中 j = 1, . . . , N, x ∈ Ω, t ≥ 0, 右邊第一 項為擴散項 (diffusion term), 右邊第二項 為反應項 (reaction term)。 當 dj(x) 為常 數時
n
X
i=1
∂
dj(x)∂u∂xj
i(x, t)
∂xi
= dj
∂2uj
∂x21 + ∂2uj
∂x22 +· · ·+∂2uj
∂x2n
!
≡dj∆uj(x, t)。
通常除了上述的方程式 (5) 之外, 還會給 定適當的邊界條件, 例如在一個封閉的區域 (如海島) 時, 物種不會流進流出區域 Ω, 所 以 ∂n∂u ≡ ∇u · −n⇀ 在邊界為零。 此條
件數學上稱為Neumann boundary condi- tion。 當然在其他情況下, 還有其他的邊界條 件。 Qj(x, t, u1, . . . , uN) 的具體形式會因為 不同的問題或現象而不同。 例如考慮如下的 形式: N = 2,
Q1= Q1(u1, u2)
≡α1u1(b1−d11u1−d12u2) (6) Q2= Q2(u1, u2)
≡α2u2(b2−d21u1−d22u2) 其中係數 α1, α2, b1, b2, d11, d22 是正的常 數。
而依係數 d12 與 d21 的情況, 可區分為 下列三種:
•合作系統 (Cooperative system):
d12<0, d21 <0
•競爭系統 (Competitive system):
d12>0, d21 >0
•捕食-被捕食系統(predator-prey system):d12d21 <0
在 (6) 中 b1α1u1 與 b2α2u2 代表物 種自然的出生減掉死亡的因素, −α1d11u21 與 −α2d22u22 代表物種各自因為數量的 增加, 食物不夠等原因而導致的死亡。 而
−α1d12u1u2, −α2d21u1u2 代表 2 個物種間 的交互作用。 在合作系統中一個物種增加, 另 一個亦增加, 競爭系統相反, 而 predator- prey 系統中, prey 的數量增加, predator 就增加, 而 predator 增加, prey 數量就減 少。
(二)
48
數學傳播24
卷3
期 民89
年9
月在人類或動物的發育過程中, 如何由一 個受精卵長成一個形態複雜的成熟個體呢?
這過程的指令或許在基因之中, 但基因中的 指令如何被細胞來執行這仍然是個謎, 在人 類基因草圖完成的今日, 這個課題是科學家 下一個要面對的挑戰。 但反應擴散方程的方 法, 或許是個途徑, 這理論是由 A. Turing 在 1952 年提出的。 之後 A. Gierer 與 H.
Meinhardt 寫下了具體的反應擴散方程:
∂u
∂t= d1∆u+ρ1
u2 (1+ku2)v −µ1u+σ1∂v
∂t = d2∆v+ρ2u2−µ2v+σ2
(7)
其中
di, ρi, µi皆為大於
0的常 數
, k, σi是非負常數
,∆u(x, t) ≡
n
X
i=1
∂2u
∂x2i (x, t),
∆v(x, t) ≡
n
X
i=1
∂2v
∂x2i(x, t)
。
(7)
中的
u, v分別代表
2種不 同類型的化學物質
, activator與
inhibitor。
activator有自我催 化的作用
, v有抑制
u的作 用。 我們想藉
(7)的例子來 說明形態生成
(pattern forma-tion)
的概念。 一個圖案或
形態之所以能被我們辨識 出來
,乃是因為它跟周圍 不一樣之故
,有黑的顏色
,我們才知道什麼是白
,另 外這圖案或形態能被我們 觀察到
,代表它是不會隨
時間而變化並且是穩定的
,不會因為周圍環境稍微的 變動
,就使得這圖案消失 了。 而我們人體的細胞或 動物的細胞的分化或許是 因為諸如
(7)中的化學物 質
(通稱為
morphogens)濃度 在各處分佈的不同
,而在 一處長成某器官
,在另外 一處長成另一種器官
,這 理論被稱為
morphogenesis。 因 此我們在數學上感興趣的 問題就是尋找
(7)中不隨 時間變化
,穩 定的非常數 的解。 用專用的術語講就 是找
(7)的
“stable and noncon- stant equilibrium solution” A. Turing等人的想法是說在一個反 應擴散方程之中
,若一個 解的擴散係數比另一個大 很多
,則會有上述我們希 望的解存在。 這想法很直 觀
,打個比喻
,今有一大片 的乾燥草原起火了
, u代表 起火的草原的數量或面積
,若在這片草原周圍灑水並
令
v代表水量的多寡
,水
會擴散到這片著火的草原
區域
,當然
,著火的草原也
會一直擴散出去
,並且隨
著著火面積的增加
,溫度
上升的更高
,因此著火草
原面積增加的速率又更快
反應擴散偏微分方程簡介
49
了
,此即為一種自我催化 作用。 此處的
v有抑制
u的 作用
,若
v的擴散速率比
u
小
,則火會一直漫延開 來
,最後整片草原都燒掉 了
,黑黑 的一片看不到任 何圖案
,但若
v的擴散速率 比
u大很多
,則火就不會漫 延開來
,因此草原上形成 一片綠
,一片黑的圖案。 以
上就是
Turing等人所提出
的形成
pattern的機制
,稱 為
“Turing instability”mechanism,在 數學上的嚴格論證是用所 謂的分叉理論
(bifurcation the- ory)來證明其存在的。 分叉 理論是一個很重要的數學 工具
,在一個諸如
(7)的 微分方程之中常會有一些 參數
,例如
d1, d2。 我們令 此參數連續的變化
,會發 覺當到達一個臨界值之時
,方程式的解會發生本質的 變化。 打個比方
,將一片柔 軟的鋼片在兩頭用力擠壓
,本來在同一高度的扁平鋼 片
,隨著力道的增加
,當到 達某一關鍵值之時
,鋼 片 會被我們擠得突然往上或 下彎曲
,因此鋼片的高度 就不是常數了
(常數高度
狀態不穩定
)。 用這套工具
,確實的
,當
(7)中的
d2與
µ2比
d1, µ1大很多時
,會有
pat- tern出現。 附帶一提的
,這 分叉理論可用所謂的對稱 破缺的框架來陳述
(Symme- try breaking),如前所述一張白 紙上任一點跟另外一點沒 有什麼不同
,故到處對稱
,但若是在此張紙上畫一個 圓
,此圓上之任何一點對 圓心來說仍是對稱的
,故 彼此沒有任何分別。 但在 圓外一點與圓上一點與圓 心的距離就不同了
,故不 對稱了
,就因為此對稱破 缺的緣故
,我們才得以辨 識出此圓
pattern。
目 前 市 面 上 有 一 本 科 普讀物
[1]就是以此觀點來 探討
pattern formation的。 在附 圖
1, 2, 3中就是以
A. Turing的精神發展出的各樣模型
,經電腦模擬後所得的圖案
,是不是與一些動物花紋很 相像呢
?附圖 1, 2, 3. 電腦模擬動物表面的花紋。 來 源: Greg Turk, Computer Graphics, Vol.
25, No. 4, July, 1991 (G. Turk 同意刊登)