分离变量法解偏微分方程

贡献者： addis; ACertainUser

本文处于草稿阶段。

　　在求解各种物理问题中的偏微分方程时，我们经常使用分离变量法。不夸张地说，分离变量法在解各种物理学的偏微分方程是最重要最常用的方法。在分离变量法中，我们假设微分方程的解可以表示为

\begin{equation} f(x_1, \dots , x_N) = \sum_{i_1, \dots, i_N} c_{i_1, \dots, i_N} f_{i_1}(x_1) f_{i_2}(x_2) \dots f_{i_N}(x_N)~. \end{equation}

即每个变量都具有一组一元函数，这些一元函数的乘积的线性组合可以表示方程的解。若将该式代入偏微分方程，可以分别得到关于每个变量 $x_i$ 的常微分方程，我们就说这个偏微分方程式可分离变量的。我们通过一个例子来说明。

1. 弦上的驻波

预备知识　一维波动方程，多元函数的傅里叶级数

　　一维的波动方程（式 5 ）为

\begin{equation} \frac{\partial^{2}}{\partial{x}^{2}} f(x, t) - \frac{1}{v^2} \frac{\partial^{2}}{\partial{t}^{2}} f(x, t) = 0~. \end{equation}

假设弦长为 $a$，两端固定，则边界条件为

\begin{equation} f(0, t) = f(a, t) = 0~. \end{equation}

显然，$f(x, t) \equiv 0$ 是方程的一个解，代表一根静止的弦，但这对我们并没有什么用。那么有哪些些非零的解呢？我们现在只会解一些常微分方程，而 $f(x, t)$ 是一个二元函数，让人有点无从下手，所以我们可以先猜测某个解具有

\begin{equation} f_n(x, t) = X_n(x) T_n(t)~ \end{equation}

的形式，即分别含有两个变量的两个一元函数相乘。把式 4 代入原方程式 1 ，得

\begin{equation} \frac{\partial^{2}}{\partial{x}^{2}} [X_n(x)T_n(t)] - \frac{1}{v^2} \frac{\partial^{2}}{\partial{t}^{2}} [X_n(x) T_n(t)] = 0~. \end{equation}

根据求导法则，方程变为

\begin{equation} T_n \frac{\mathrm{d}^{2}{X_n}}{\mathrm{d}{x}^{2}} = \frac{X_n}{v^2} \frac{\mathrm{d}^{2}{T_n}}{\mathrm{d}{t}^{2}} ~. \end{equation}

现在把方程两边同时除以 $X_nT_n$，使等式左边只是 $x$ 的函数，右边只是 $t$ 的函数

\begin{equation} \frac{1}{X_n} \frac{\mathrm{d}^{2}{X_n}}{\mathrm{d}{x}^{2}} = \frac{1}{v^2 T_n} \frac{\mathrm{d}^{2}{T_n}}{\mathrm{d}{t}^{2}} ~. \end{equation}

让我们观察一下这个方程的特点。在某个时刻 $t$，$X(x)$ 必定会随 $x$ 变化（因为我们要找的是非零解，弦不可能是一条直线）。反之，如果保持 $x$ 不变（观察弦上某个点的运动情况），$T(t)$ 也必须随 $t$ 改变（因为弦上的任意一点一般会做某种运动，例如振动，不可能都静止）。把这样的推理用到上式，就会得出，唯一可能让等式成立的方法是方程两边分别等于一个常数，因为 $x$ 不变时方程左边是常数， $t$ 不变时方程右边是常数。若设这个常数为 $-k^2$（一个任意实数，这么表示是为了下文书写方便），得

\begin{equation} \frac{1}{X_n} \frac{\mathrm{d}^{2}{X_n}}{\mathrm{d}{x}^{2}} = -k^2~, \qquad \frac{1}{v^2 T_n} \frac{\mathrm{d}^{2}{T_n}}{\mathrm{d}{t}^{2}} = -k^2~, \end{equation}

或

\begin{equation} \frac{\mathrm{d}^{2}{X_n}}{\mathrm{d}{x}^{2}} + k^2 X_n = 0~, \qquad \frac{\mathrm{d}^{2}{T_n}}{\mathrm{d}{t}^{2}} + v^2k^2 T_n = 0~, \end{equation}

这两条都是一维齐次亥姆霍兹方程。

　　若常数 $k_n^2 < 0$，方程的解为指数函数

\begin{align} X_n &= C_1 \mathrm{e} ^{k_nx} + C_2 \mathrm{e} ^{-k_nx}~,\\ T_n &= D_1 \mathrm{e} ^{k_nvt} + D_2 \mathrm{e} ^{-k_nvt}~. \end{align}

此时，$f_n = X_nT_n$ 不可能满足边界条件式 3 （但有可能满足其他边界条件），因此舍去。

　　若 $k_n=0$，则

\begin{align} X_n &= C_1x+C_2~,\\ T_n &= D_1t+D_2~\\ \end{align}

同样也不能满足边界条件，舍去。

　　若常数 $k_n^2 > 0$，方程的解为

\begin{align} X &= C_1 \cos\left(kx\right) + C_2 \sin\left(kx\right) ~,\\ T &= D_1 \cos\left(kvt\right) + D_2 \sin\left(kvt\right) ~. \end{align}

　　代入边界条件 $X(0) = 0$ 且 $X(a) = 0$。先将前者代入式 15 得 $C_1 = 0$，所以 $X_n = C_2 \sin\left(k_nx\right) $。再代入后者得 $C_2 \sin\left(k_na\right) = 0$。为了获得非零解，我们不可能让 $C_1, C_2$ 都为零，所以只能令 $ \sin\left(ka\right) = 0$，解出常数 $k_n = n\pi/a$. 其中 $n=1,2,3,...$ 为任意正整数。因此 $k$ 只能是离散的值，这个特性是由于方程的边界条件。

　　因此，

\begin{align} X_n &= C_2 \sin\left(k_nx\right) ~,\\ T_n &= D_1 \cos\left(k_nvt\right) + D_2 \sin\left(k_nvt\right) ~,\\ k_n & = n\pi/a, n=1,2,3,...~ \end{align}

\begin{equation} f_n(x, t) = X_n(x) T_n(t) = C_{1n} \sin\left(\frac{n\pi}{a}x\right) \cos\left(\frac{n\pi}{a} vt\right) + C_{2n} \sin\left(\frac{n\pi}{a}x\right) \sin\left(\frac{n\pi}{a}vt\right) ~. \end{equation}

每一个 $f_n$ 都可以看作一个以一定频率震动的 “驻波”。此处的 $C, D$ 都是待定系数，因此可以 “合并”。

　　式 17 也可以记为 $T_n=D \cos\left(k_nvt+\phi_n\right) $。现在，我们叠加这无穷多个解，得到最后的解。这个解可以认为是一系列特定频率的驻波的线性组合。

\begin{equation} f(x, t) = \sum_{n=1}^\infty X_nT_n = \sum_{n=1}^\infty C_n \sin\left(\frac{n\pi}{a}x\right) \cos\left(\frac{n\pi}{a}vt + \phi_n\right) ~. \end{equation}

图 1：驻波示意图，包含两个不同频率的驻波。笔者制作的一个可动演示见这里（站外链接）

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。