讓變換值得費這番功夫的那一個戲法
在本級前面的幾篇裡，你把[[fourier-transform-pair|傅立葉變換]]看作傅立葉級數在週期延伸到無窮時的極限：一個函數 f(x) 被分解成一段連續的頻譜 F(k)，而一個相配的反變換又能從 F 重建出 f。這是看待一個信號的優美方式。但工程師和物理學家天天伸手去取它，原因更實際，而且只是一個事實：變換把「求導」這個動作變成了「相乘」這個動作。一邊的微積分，變成了另一邊的代數。
想想這是為什麼。傅立葉變換把 f 寫成一堆純波 e^{i k x} 的疊加。對 e^{i k x} 求一次導，不過是把它乘以 i k——波的形狀沒變，只是幅度被縮放。所以若 f 是這樣一堆波，取 df/dx 就把第 k 個波縮放 i k 倍，別無其他。翻譯到變換的世界裡，這就是[[fourier-transform-of-derivatives|導數的變換法則]]：若 F(k) 是 f(x) 的變換，則 f'(x) 的變換就只是 (i k) F(k)。求導——屋裡最難的運算——變成了乘以 i k。
用它兩次，二階導數 f''(x) 就變換成 (i k)^2 F(k) = -k^2 F(k)。你往 f 上每疊一次導，就只是給 F(k) 再乘一個 i k 因子。於是一個微分方程——一句把 f 與它的導數們糾纏在一起的話——在變換之後，就變成一句把 F(k) 與 k 的各次冪糾纏在一起的、尋常的代數方程。微積分一點不剩；只需解出 F(k)。這就是全部的策略，而本篇餘下的內容，就是學會信任它、並乾淨俐落地把它執行出來。
法則從何而來，以及關於邊界的那個陷阱
這法則並非魔法；它是一次喬裝過的分部積分。f'(x) 的變換，是 f'(x) e^{-i k x} dx 在整條直線上的積分。做分部積分：導數從 f 上跳下來、落到指數上，貢獻一個因子 -(-i k) = i k，而剩下的邊界項是 f(x) e^{-i k x} 在 x = 正負無窮處的取值。傅立葉變換若想存在，f 在遠處就必須衰減到零，於是那個邊界項乾脆消失——存活下來的，恰好就是 (i k) 乘以 f 的變換。
那個消失的邊界項，是一處真實分別的核心。傅立葉變換活在無窮長的直線上，那裡萬物必須在兩端死去，所以導數法則很乾淨：沒有剩料。但它的表親[[laplace-transform|拉普拉斯變換]]活在從 0 到無窮的半直線上，在 x = 0 處留下了一個邊界項——而那塊存活下來的料，恰好就是初始條件。它的導數法則寫作：f'(t) 的變換是 s F(s) - f(0)，f''(t) 的變換是 s^2 F(s) - s f(0) - f'(0)。初始數據不是事後補的；它直接被烤進了代數裡。
三步：變換、求解、反變換
無論方程是什麼，每一種變換方法都是同一支三拍的舞。你離開那個艱難的原始世界，在變換世界裡做輕鬆的活，再回家。慢慢走通一次，它就成了反射。讓我們先在一個你本就能手算的簡單微分方程上跑一遍，純粹為了看清這套機械，然後再把它放出去對付一個你手算不來的偏微分方程。
- 變換每一項。用變換打在方程的兩邊上。每個導數變成乘以 i k（傅立葉）或乘以 s 並附帶初始條件的料（拉普拉斯），於是微分方程坍縮成一個關於被變換的未知量 F(k) 或 F(s) 的代數方程。導數們消失了。
- 解那個代數。既然路上沒了導數，就用尋常代數把被變換的未知量孤立出來——做除法、做因式分解、做整理。你得到一個關於 k（或 s）與已知數據的、F(k) 或 F(s) 的整潔閉式。這一步償付了整段繞路的代價。
- 反變換以回家。對那條公式施行反變換，把原變量裡真正的解找回來。實踐中你很少從頭算那個反變換積分——你在一張變換對照表裡認出各個零件，或者動用卷積定理，把答案讀出來。最難的一步，通常正是這最後一步。
取初值問題 y'' + y = 0，附 y(0) = 0、y'(0) = 1，這是一道單位幅度振盪的方程。按拉普拉斯法則，y'' 變換成 s^2 Y(s) - s y(0) - y'(0) = s^2 Y(s) - 1，y 變換成 Y(s)。方程變成 s^2 Y(s) - 1 + Y(s) = 0，純代數；解得 Y(s) = 1/(s^2 + 1)。一張表告訴你 1/(s^2 + 1) 是 sin(t) 的變換——於是 y(t) = sin(t)，恰是特徵方程本會給出的那個振盪，但這回是不必猜任何試探解就到了手。用變換解初值問題，縮影正是這般模樣。
壓軸：無窮長桿上的熱方程
現在是回報，一個尋常方法會絆倒的問題。一根無限長的桿有一個初始溫度分佈 f(x)，我們想要此後每一時刻的溫度 u(x, t)。支配它的定律是[[heat-equation|熱方程]]，一個偏微分方程：du/dt = alpha 乘以 d^2u/dx^2，其中 alpha 是熱擴散率。它牽涉一個對時間的偏導數與兩個對空間的偏導數，糾纏在一起——這正是變換被造出來要斬斷的那種糾纏。
決定性的一步在此：只對 x 做變換——那個跑遍整條直線的變量——讓 t 作為旁觀者原封不動。設 U(k, t) 是 u(x, t) 關於 x 的傅立葉變換。空間導數 d^2u/dx^2 按法則變成 -k^2 U(k, t)。時間導數 du/dt 徑直穿過那個對 x 的積分、變成 dU/dt，仍是一個老實的導數——因為 t 從未被變換。那個嚇人的二元偏微分方程坍縮成 dU/dt = -alpha k^2 U，對每個固定的 k 而言，這不過是一個關於 t 的一階常微分方程。我們把一個偏微分方程，變成了一族平凡的常微分方程，一個頻率配一個。
PDE (in x and t): du/dt = alpha * d^2u/dx^2 , u(x,0) = f(x) apply Fourier transform in x only (d/dx -> i k, d^2/dx^2 -> -k^2) ODE (in t, k a parameter): dU/dt = -alpha k^2 * U , U(k,0) = F(k) solve this first-order ODE in t: U(k,t) = F(k) * exp(-alpha k^2 t) <- spectrum decays, fast modes first invert the transform in x to get back u(x,t).
那個小小的常微分方程 dU/dt = -alpha k^2 U，是活著的最簡單的方程：指數衰減。它的解是 U(k, t) = U(k, 0) e^{-alpha k^2 t}，而起始值 U(k, 0) 不過是 F(k)，即給定初始分佈 f(x) 的變換。所以 U(k, t) = F(k) e^{-alpha k^2 t}。在反變換之前，先讀出它在物理上說了什麼：每個頻率分量 F(k) 都只是指數地淡去，而淡去的速率 alpha k^2 隨 k^2 增長——於是溫度裡最扭曲、最高頻的部分先死，而寬闊、緩慢的成分則逗留。這就是擴散把一個分佈抹平的過程，用盡可能乾淨的語言道出。
回家：高斯核與卷積
我們手裡有 U(k, t) = F(k) e^{-alpha k^2 t}；最後一步是反變換、與 u(x, t) 正面相見。注意答案是兩個變換的乘積：F(k)，即初始數據的變換，乘以 e^{-alpha k^2 t}。[[fourier-convolution-theorem|卷積定理]]說：變換世界裡的乘積，是原世界裡的卷積——所以 u(x, t) 是 f(x) 與「某個以 e^{-alpha k^2 t} 為其變換的函數」的卷積。我們只需認出那第二個函數。
而這裡，一位第一卷的老友又走了回來。函數 e^{-alpha k^2 t} 是 k 裡的一條高斯鐘形，而一個深刻、近乎神奇的事實——它由高斯積分（e^{-x^2} 在整條直線上的積分等於 sqrt(pi)）證得——是：一條高斯的傅立葉變換，仍是一條高斯。反變換 e^{-alpha k^2 t}，得到 x 裡一條歸一化的鐘形曲線：熱核 G(x, t) = (1 / sqrt(4 pi alpha t)) 乘以 e^{-x^2 / (4 alpha t)}，一個以原點為心、寬度按 sqrt(t) 增長的小丘。於是解就是 u(x, t) = 初始分佈 f 與這條鋪展開來的高斯的卷積。
與一條鐘形曲線卷積，恰恰就是一次加權的、模糊化的平均：要求點 x、時刻 t 處的溫度，你就在一個鄰域上對初始分佈做平均，給近處的點以重權、給遠處的點以高斯尾巴的輕權。t 越大鐘形越寬，於是越晚的每個溫度，都是對原分佈越來越長一段的平均——熱量從四面八方滲入，分佈越抹越光滑、越平。倘若初始分佈本身就是一根孤獨的熱尖峰，即原點處的一個狄拉克 delta，那麼卷積什麼也不做，答案就是赤裸的核 G(x, t)。那便是基本解：對一個熱點源的響應，是把其餘一切解都靠塗抹建起來的那顆種子。
誠實的邊界，以及該帶走什麼
這方法強大，卻非全能，幾條誠實的提醒能保你平安。其一，反變換是瓶頸：代數那步容易，但把原函數找回來，可能要算一個艱難的反變換積分。實踐中你倚靠表格、卷積定理，或者——對拉普拉斯變換而言——對布羅姆維奇積分做圍道積分，那是你將在本卷稍後遇見的一種複平面技術。反變換不是可以跳過的取巧；它確確實實是活計所在之處。
其二，變換需要對的定義域和衰減。上面的傅立葉方法之所以奏效，恰恰因為桿是無限長的、溫度在兩端死去，於是邊界項消失。在一根兩端固定的有限長桿上，你無法對整條直線做變換；那時你退回到分離變量法與傅立葉級數，即上一級裡那個有限的表親。挑選變換，實則是在挑選一種幾何，而幾何必須相配。其三，一個微妙之處：熱核對任何大於零的 t 處處為正，這意味著熱量在形式上瞬間抵達每一點——這是熱方程作為一個物理模型已知的、誠實的缺陷，而非我們求解中的錯誤。
退後一步，看清整個念頭的形狀。變換把一個世界裡的難題，換成另一個世界裡的易題，因為它把求導對角化了——它讓每一道純波都成為一個本徵函數，導數對它只是重新縮放。變換、解代數、反變換：同樣的三拍，能料理常微分方程、熱方程、波動方程，以及遠不止於此。你如今握著的，是為信號處理、光學、控制論與量子力學供能的那台引擎。後續各級不過是遞給它新的函數家族去作用——而你在這裡建起的那份反射，正是會遷移過去的東西。