分离变量法与张量积空间

                     

贡献者: 待更新

预备知识 拉普拉斯方程

   我们可以从张量积空间和本征问题的角度来理解分离变量法。

   第一我们假设考虑的方程是线性的。即解可以表示为齐次解的线性组合加一个非齐次解。

   以球坐标的拉普拉斯方程为例,这是一个齐次方程

\begin{equation} \boldsymbol{\nabla}^2 u = \frac{1}{r^2} \frac{\partial}{\partial{r}} \left(r^2 \frac{\partial u}{\partial r} \right) + \frac{1}{r^2 \sin\theta} \frac{\partial}{\partial{\theta}} \left(\sin \theta \frac{\partial u}{\partial \theta} \right) + \frac{1}{r^2 \sin^2 \theta} \frac{\partial^{2}{u}}{\partial{\phi}^{2}} = 0~. \end{equation}
我们可以将 $u$ 所在的三维函数空间看做是三个变量各自的函数空间的张量积空间,张量积空间中的基底为三个单变量函数空间中的基底的张量积
\begin{equation} u(r, \theta, \phi) = f(r) g(\theta) h(\phi)~. \end{equation}

   要分离变量,可以从最简单的变量开始,分离出该变量的算符,然后求该算符的本征方程的一组本征函数(本征矢),作为该变量的函数空间的基底。这样,该算符就可以被替换为常数。替换后,尝试分离下一个变量的算符,以此类推。

   拉普拉斯方程中,首先最容易分离的是关于 $\phi$ 的算符

\begin{equation} \frac{\partial^{2}}{\partial{\phi}^{2}} ~, \end{equation}
令该算符的本征函数 $h_m(\phi)$ 为 $\phi$ 函数空间的基底,令本征值为常数 $-m^2$
\begin{equation} \frac{\partial^{2}{h}}{\partial{\phi}^{2}} = -m^2 h~. \end{equation}

   将算符替换为本征值,然后容易发现后两项中都有公共的 $1/r^2$ 因子,提取出来就可以分离出只含有 $\theta$ 的算符

\begin{equation} \frac{1}{\sin\theta} \frac{\partial}{\partial{\theta}} \left(\sin \theta \frac{\partial}{\partial{\theta}} \right) - \frac{m^2}{\sin^2 \theta}~, \end{equation}
令该算符的本征函数 $g_l(\theta)$ 为 $\theta$ 函数空间的基底,令本征值为常数 $-l(l+1)$。

   最后,我们剩下仅关于 $r$ 的方程,同样可以表示为本征方程

\begin{equation} \frac{\partial}{\partial{r}} \left(r^2 \frac{\partial f}{\partial r} \right) = l(l+1) f~, \end{equation}
令 $f_l(r)$ 为 $r$ 函数空间的基底。

   根据施图姆—刘维尔定理,三组本征基底都是正交且完备的,所以张量积空间中的基底也是正交完备的

\begin{equation} u_{l,m}(r, \theta, \phi) = f_l(r) g_l(\theta) h_m(\phi)~. \end{equation}


致读者: 小时百科一直以来坚持所有内容免费无广告,这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此,我们请求广大读者热心打赏 ,使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元,我们一周就能脱离亏损, 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款, 他们的付出帮助了 99% 的读者免费获取知识, 我们在此表示感谢。

                     

友情链接: 超理论坛 | ©小时科技 保留一切权利