我們在獵捕什麼
在上一份指南中，你釘下了哈達瑪對適定問題的三項要求：解必須存在、必須唯一、且必須連續依賴於資料。第三項要求是最脆弱的一項，而它正是這份指南的全部故事。一個問題可以在紙面上有一個完美的唯一解，卻在實務上毫無用處，因為真實資料總是帶著雜訊；若一絲雜訊能被無限放大，那麼你算出的答案就和你想要的答案毫不相干了。
當這種情況發生時，這個問題就是不適定的。這個詞是精確的，不是一句含糊的抱怨：不適定意味著哈達瑪三項條件中至少有一項崩潰，而在底下兩個著名案例裡，崩潰的那一項永遠是對資料的連續依賴。讀的時候備好一句口號：存在性與唯一性說的是答案在不在那裡；連續依賴說的是那個答案值不值得信賴。
而底下還有一個更深的模式。從分類那一階你學到，一個方程的型——橢圓型、拋物型或雙曲型——決定了什麼樣的資料才是適定的。不適定幾乎總是把資料和錯誤型別的方程配對所受的懲罰：把屬於雙曲型的初值資料交給橢圓型方程，或要求一個拋物型方程逆著它內建的時間之箭跑。這正是從陰暗面看到的型別決定的適定性。
例一：逆向熱方程
從聽起來最合理的請求開始。你現在有一個溫度分布；它一小時前長什麼樣子？在向前的時間裡，熱方程 u_t = k u_xx 是適定問題的黃金標準。把問題反過來，意味著要解逆向熱方程——等價地說，就是讓 u_t = k u_xx 朝時間另一個方向跑——好從現在重建過去。它看起來無辜，其實是個陷阱。
看清這場爆炸最乾淨的方式是透過傅立葉模態，也就是你在熱方程初次展現不可逆性時遇到的那具引擎。在區間上，每個模態 sin(n pi x / L) 向前以因子 e^(-k (n pi / L)^2 t) 演化：傅立葉模態的衰減在指數裡帶著 n^2，所以高頻被快速壓垮。往後走時，你必須除以那個因子——也就是乘以 e^(+k (n pi / L)^2 t)——而當 n 增大時，這個指數無界地成長。向前方程最溫柔的舉動，成了逆向方程的大災難。
把它做成一個小小的實例。假設真正的現在是完美平坦的，u = 0。現在用一個無法測得的微小漣漪去污染它，振幅為 epsilon、頻率為高頻 n：資料誤差是 epsilon，極其微小。重建一個時間單位之前的過去，那道漣漪會被乘以 e^(+k (n pi / L)^2)，這是個一旦 n 大就大到天文數字的數。把 n 選得夠大，現在 epsilon = 10^(-10) 的漣漪，就會在推得的過去裡變成一座山。微小的因、無界的果——連續依賴死了，這個問題是不適定的。
例二：拉普拉斯方程的柯西資料
第二個經典是哈達瑪本人的，它教的是另一個教訓：方程的型在意你帶來的是什麼資料。拉普拉斯方程 Laplacian u = u_xx + u_yy = 0 是橢圓型的，而橢圓型方程是邊界資料的快樂家園——在一個封閉區域四周把 u 整圈固定住（狄利克雷問題），你就得到一個良好、穩定的解。但若你改而試圖從某一條邊把它向前推進，沿單一一條線同時指定函數值與法向斜率，那就是柯西資料——也就是波動方程那類雙曲型方程賴以維生的「值與導數」這一對——而對拉普拉斯方程，它是毒藥。
哈達瑪造了一個明確的陷阱來展示它。取 y >= 0 的半帶狀區域，沿 y = 0 這條線要求 u = 0 且 u_y = (1/n) sin(n x)。當 n 增大時，資料處處縮向零——它的振幅 1/n 消失，它所有的斜率也消失，所以這是對全零資料的一個任意小的擾動，而全零資料的解顯然是 u = 0。然而拉普拉斯方程逼出來的解卻是 u(x,y) = (1/n^2) sin(n x) sinh(n y)，而 sinh(n y) 以 e^(n y)/2 的方式成長。對任何固定高度 y > 0，前因子 (1/n^2) e^(n y) 都隨 n 增大而爆炸。資料的大小是 1/n，解的大小是 e^(n y)/n^2：比值無界。
data on the line y = 0: u = 0, u_y = (1/n) sin(n x) <- amplitude 1/n -> 0
Laplace forces the solution: u(x,y) = (1/n^2) sin(n x) sinh(n y)
sinh(n y) ~ e^(n y) / 2
at any fixed height y > 0: |u| ~ e^(n y) / (2 n^2) -> infinity as n grows
vanishing CAUSE (1/n) -> exploding EFFECT (e^(n y)/n^2) = continuous dependence FAILS把它和波動方程比較，好感受為什麼「型」才是元兇。交給雙曲型方程 u_tt = c^2 u_xx 同一類柯西資料——一個初始位移和一個初始速度——模態便以正弦與餘弦演化，那是大小為一、永不爆炸的東西；那個柯西問題是適定的。把同樣這組資料交給橢圓型的拉普拉斯方程，模態卻以雙曲正弦與雙曲餘弦演化，那是指數成長的。同樣的資料，相反的命運，而唯一改變的只是方程裡的一個正負號——u_xx + u_yy 和 u_xx - u_yy 之間的差別——這恰恰就是橢圓型與雙曲型之間的差別。
為何存在與唯一還不夠
這裡潛伏著一個微妙的陷阱，值得點名，好讓你永遠不掉進去。柯西-科瓦列夫斯卡婭定理保證：對一個解析的方程配上解析的柯西資料，在資料曲面附近存在唯一的解析解。配上面那組解析資料的拉普拉斯方程滿足每一條假設——所以存在性與唯一性確實成立。解就在那裡，精確且唯一。柯西-科瓦列夫斯卡婭定理只是對連續依賴隻字未提，而那正是這個問題缺的那條腿。
這是哈達瑪整個框架的點睛之筆。一個問題可以輕鬆跨過三道欄中的兩道——存在性與唯一性——卻仍然毫無價值，因為缺的第三道欄，連續依賴，才是把數學連到測量的那一道。存在性說答案在某處；唯一性說只有一個；連續依賴說你真的能從不完美的資料把它找出來。拿掉第三道，前兩道就成了殘酷的玩笑：一個你永遠無法可靠算出的唯一答案。
誠實的地圖：哪種資料配哪種型
退一步，兩則警世故事就摺疊成一條經驗法則。一個偏微分方程的通解不是由幾個常數、而是由任意的函數所固定的，而附加資料正是用來把那些函數釘住的——所以資料必須匹配方程的型，否則匹配就亂了套。橢圓型方程（拉普拉斯、卜瓦松）要的是裹滿整個區域四周的邊界資料；那是適定的，而在一段開弧上指定柯西資料則不是。雙曲型方程（波動方程）要的是初始時刻的柯西資料——值與速度；那是適定的，資訊以有限速度行進。
拋物型方程（熱方程）要的是初始資料加上邊界資料，而且要它在時間上指對方向——向前、順著擴散之箭，絕不逆著。逆向熱方程破壞了最後這一條，柯西-拉普拉斯問題破壞了橢圓那一條，兩者都因同樣的連續依賴喪失而受罰。要帶走的一句話：橢圓／拋物／雙曲這個標籤不是記帳——它是一紙具約束力的合約，規定你被允許提供哪種資料。
最後一個誠實的檢查，好讓你不要把這課學過了頭。不適定問題並非禁地——它們在真實應用中無所不在（醫學影像、地球物理、每一個值得解的反問題）。重點不是迴避它們，而是認出它們，然後加上額外的資訊——平滑度界、先驗假設、懲罰項——把那個狂野的問題化成一個鄰近、馴服、你真能計算的問題。下一份指南會打造適定情形背後的那件正向工具：一個能量估計，也就是那條乾淨的不等式，它為那些配得上的方程證明唯一性與連續依賴。