二階線性偏微分方程:分類與標準形

依型別而定的適定性(type-dependent well-posedness)

把對的鑰匙交給對的鎖,門便俐落開啟;硬塞錯的鑰匙,你就卡死了機構。你附加在偏微分方程上的旁條件也是如此。每一型別的方程都有它所要的某種資料——而把錯的資料配上錯的型別,不只是讓問題變難,而是讓它變得不適定:無解,或一個會因資料最微小的改變而爆炸的無用的解。適定性是依型別而定的,而把這個配對弄對,就是理解一個偏微分方程的一半。

配對如下。雙曲型方程(波)要的是柯西/初始值問題:在初始時刻於整個空間指定函數及其時間導數,然後向前推進。拋物型方程(擴散)要的是時間上的初始資料加上空間上的邊界資料,且只向前推進(絕不向後)。橢圓型方程(平衡)要的是封閉區域整個邊界上的邊界資料——狄利克雷或諾伊曼問題——並沒有可供推進的時間。哈達瑪的三項要求定義了適定:解必須存在、唯一、且連續依賴於資料。型別正是告訴你哪種資料能交出這三者的東西。

那些警世故事讓這一點難以忘懷,因為錯誤的配對確實是災難性的。把柯西資料加在拉普拉斯方程上(一個被給予初始值資料的橢圓型方程)是哈達瑪的經典不適定例子:對該資料解是存在的,但資料中趨於零的微小改變會產生任意大的解的改變,所以連續依賴徹底失敗。逆熱方程(把擴散倒著跑)同樣不適定——你無法穩定地從一個被平滑的現在重建尖銳的過去。這些不是背了就忘的病態;它們正是分類為何重要的原因。型別不是裝飾——它是那條告訴你哪些問題有答案的法則。

哈達瑪的例子:解 u_xx + u_yy = 0(橢圓型),條件為 u(x,0) = 0 與 u_y(x,0) = (1/n) sin(nx)。解為 u = (1/n^2) sin(nx) sinh(ny)。當 n 增大時資料縮向零(那個 (1/n) 因子),然而 sinh(ny) 爆增,所以解無界增長——連續依賴失敗,橢圓型方程的柯西問題是不適定的。

型別配錯資料=不適定。柯西資料適合雙曲/拋物型方程;橢圓型方程要求邊界資料。

此處最常被重複的教訓:為橢圓型方程指定柯西(初始)資料,或把熱方程在時間上倒著跑,都是不適定的——解或許存在,但連續依賴的失敗使它對預測或計算毫無價值。

又称
which data fits which type型別決定資料matching data to type