{
  "id": "separation-of-variables",
  "title": "分离变量法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "分离变量法通过将变量分置于等式两边，或将多变量解表示为单变量函数的乘积，求解某些微分方程。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "变量分离法"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/separation-of-variables/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/separation-of-variables/",
      "json": "https://aiwiki.page/en/separation-of-variables.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "分离变量法是求解某些微分方程的方法，其基本思路是将涉及多个变量的关系化为每次只涉及一个变量的方程。对于一阶常微分方程，通常是将方程整理为两边各只含一个变量的形式，然后积分。对于偏微分方程，通常是寻找由各单变量函数相乘构成的解，从而将原方程化为常微分方程。这两种用法遵循相同的原则，但所需的假设以及构造完整解的方法有所不同。"
    },
    {
      "heading": "一阶常微分方程",
      "text": "如果一个一阶常微分方程可以写成\n\n\\[\\frac{dy}{dx}=f(x)g(y).\\]\n\n则称它是可分离变量的。\n\n在满足 \\(g(y)\\neq 0\\) 的区间上，可以将其写为变量分离的形式：\n\n\\[\\frac{1}{g(y)}\\,dy=f(x)\\,dx.\\]\n\n两边分别求原函数，得到\n\n\\[\\int \\frac{1}{g(y)}\\,dy=\\int f(x)\\,dx+C,\\]\n\n其中 \\(C\\) 为任意常数。这个关系可能以隐式形式确定 \\(y\\)；并非总能得到显式表达式 \\(y=y(x)\\)，也不一定需要这样的表达式。\n\n上述微分运算的依据是链式法则。若 \\(H'(y)=1/g(y)\\) 且 \\(F'(x)=f(x)\\)，则任何不取 \\(g\\) 的零点值的可微解都满足\n\n\\[\\frac{d}{dx}H(y(x)) =\\frac{y'(x)}{g(y(x))} =f(x),\\]\n\n因此 \\(H(y(x))=F(x)+C\\)。\n\n对于初始条件 \\(y(x_0)=y_0\\)，若 \\(g\\) 在 \\(y_0\\) 的某个邻域内非零，也可以将结果写成\n\n\\[\\int_{y_0}^{y(x)}\\frac{ds}{g(s)} = \\int_{x_0}^{x}f(t)\\,dt.\\]\n\n这种形式直接包含了初始条件。\n\n示例：指数增长与衰减\n\n考虑方程\n\n\\[y'=ky,\\]\n\n其中 \\(k\\) 为常数。当 \\(y\\neq 0\\) 时，\n\n\\[\\frac{dy}{y}=k\\,dx, \\qquad \\ln|y|=kx+C.\\]\n\n利用指数函数，得到\n\n\\[y(x)=Ae^{kx}.\\]\n\n当 \\(A=0\\) 时，这一公式也包含解 \\(y\\equiv 0\\)。随着 \\(x\\) 增大，正的 \\(k\\) 表示解的绝对值呈指数增长，负的 \\(k\\) 则表示指数衰减。\n\n平衡解与定义域\n\n除以 \\(g(y)\\) 可能会丢失解。每个满足 \\(g(c)=0\\) 的常数 \\(c\\) 都给出一个平衡解\n\n\\[y(x)\\equiv c,\\]\n\n因此必须单独检查这些解。\n\n例如，\n\n\\[y'=y(1-y)\\]\n\n有平衡解 \\(y=0\\) 和 \\(y=1\\)。当解不取这两个值时，分离变量得到\n\n\\[\\ln\\left|\\frac{y}{1-y}\\right|=x+C,\\]\n\n进而得到非常数解\n\n\\[y(x)=\\frac{1}{1+Ae^{-x}}, \\qquad A\\neq 0,\\]\n\n其定义区间须满足分母不为零。同一公式在 \\(A=0\\) 时给出 \\(y=1\\)，但无法给出 \\(y=0\\)。\n\n定义域至关重要：积分所得的代数表达式未必能在整个实数轴上定义一个解。必须考虑奇点、对数引入的限制，以及原方程的定义域。\n\n分离变量法本身也不能确立解的唯一性。若方程关于因变量满足适当的局部利普希茨连续性条件，则初值问题的解在局部唯一。若不满足这些条件，解可能先在某个平衡位置停留一段时间，再离开该位置；仅靠除以 \\(g(y)\\) 的处理无法描述完整的解。"
    },
    {
      "heading": "偏微分方程",
      "text": "对于含两个自变量的偏微分方程，分离变量通常从乘积形式的假设（又称试探形式）开始：\n\n\\[u(x,t)=X(x)T(t).\\]\n\n代入后，可能得到如下形式的等式：\n\n\\[A(x)=B(t).\\]\n\n如果该等式在一个乘积区域内处处成立，且 \\(x\\) 与 \\(t\\) 在其中可以独立变化，那么两边必定等于同一个常数，称为分离常数。由此便得到关于 \\(X\\) 和 \\(T\\) 的常微分方程。\n\n乘积假设用于找出分离变量形式的解，并不意味着每个解都能写成单个乘积。对于线性齐次方程，满足给定条件的一般解常由分离变量解的有限和或无穷级数构造而成。这一步既依赖线性性质，也依赖适当的完备性与收敛性结论。\n\n示例：区间上的热方程\n\n考虑一维热方程\n\n\\[u_t=\\kappa u_{xx}, \\qquad 0<x<L,\\quad t>0,\\]\n\n其中 \\(\\kappa>0\\)，并满足齐次端点条件\n\n\\[u(0,t)=u(L,t)=0.\\]\n\n代入 \\(u=XT\\)，得到\n\n\\[XT'=\\kappa X''T.\\]\n\n在可以相除的地方，\n\n\\[\\frac{T'}{\\kappa T} = \\frac{X''}{X} =-\\lambda.\\]\n\n因此，分离后的方程为\n\n\\[X''+\\lambda X=0, \\qquad T'+\\kappa\\lambda T=0.\\]\n\n在各因子的零点处，原来未经相除的方程仍然成立；这些商只是推导过程中的中间工具，并不要求特征函数处处非零。\n\n端点条件要求\n\n\\[X(0)=X(L)=0.\\]\n\n只有在\n\n\\[\\lambda_n=\\left(\\frac{n\\pi}{L}\\right)^2, \\qquad n=1,2,\\ldots,\\]\n\n时才存在非零的空间解，相应地，\n\n\\[X_n(x)=\\sin\\left(\\frac{n\\pi x}{L}\\right), \\qquad T_n(t)=e^{-\\kappa(n\\pi/L)^2t}.\\]\n\n因此，单个分离模态为\n\n\\[u_n(x,t) = \\sin\\left(\\frac{n\\pi x}{L}\\right) e^{-\\kappa(n\\pi/L)^2t}.\\]\n\n对于适当的初始数据 \\(u(x,0)=f(x)\\)，一个解为\n\n\\[u(x,t)= \\sum_{n=1}^{\\infty} b_n \\sin\\left(\\frac{n\\pi x}{L}\\right) e^{-\\kappa(n\\pi/L)^2t},\\]\n\n其中傅里叶正弦级数系数为\n\n\\[b_n=\\frac{2}{L} \\int_0^L f(x)\\sin\\left(\\frac{n\\pi x}{L}\\right)\\,dx.\\]\n\n这一解的确切含义取决于 \\(f\\) 的正则性。对于平方可积的初始数据，当 \\(t\\) 递减趋于零时，解在平方可积范数意义下趋于初始数据。更强的逐点收敛结论或经典解结论则需要额外假设。空间频率越高，衰减越快，因为其衰减率与 \\(n^2\\) 成正比。"
    },
    {
      "heading": "边界条件与特征函数展开",
      "text": "在偏微分方程中，分离变量法与边值问题密切相关。边界条件决定了哪些分离常数和分离因子可以采用。\n\n在上述热方程示例中，空间方程是算子 \\(-d^2/dx^2\\) 的特征值方程。允许的常数是特征值，相应的函数则是特征函数。\n\n一种常见的一般框架是斯图姆–刘维尔问题：\n\n\\[-\\frac{d}{dx}\\left(p(x)\\frac{dX}{dx}\\right) +q(x)X = \\lambda w(x)X.\\]\n\n对于具有适当实系数、正的 \\(p\\) 和 \\(w\\) 以及自伴边界条件的正则问题，特征值均为实数，不同特征值对应的特征函数在加权内积\n\n\\[\\langle X_m,X_n\\rangle_w = \\int_a^b X_m(x)X_n(x)w(x)\\,dx.\\]\n\n下相互正交。\n\n适当选取的特征函数在相应的加权希尔伯特空间中构成完备系。完备性解释了为什么乘积形式解的和能够表示本身不可分离的数据。\n\n边界条件也会影响解的定性行为。在热方程中，若端点采用绝热条件而非恒温条件，就允许出现空间上为常数、特征值为零的模态，该模态不会衰减。在无界区域上，离散求和可能被连续谱参数和积分表示所取代，例如傅里叶变换。"
    },
    {
      "heading": "坐标系与应用",
      "text": "能否分离变量既取决于方程，也取决于坐标系。在笛卡尔坐标系中可分离的方程，在其他坐标系中也可能可分离，但会得到不同的常微分方程和不同的函数族。\n\n对于平面极坐标下的拉普拉斯方程，\n\n\\[u_{rr}+\\frac{1}{r}u_r+\\frac{1}{r^2}u_{\\theta\\theta}=0,\\]\n\n代入 \\(u(r,\\theta)=R(r)\\Theta(\\theta)\\)，得到\n\n\\[\\frac{r^2R''+rR'}{R} = -\\frac{\\Theta''}{\\Theta} =\\lambda.\\]\n\n如果要求解绕完整一周后仍保持单值，角向的周期性就会限制允许的常数。这样便能自然地处理圆形和圆环形边界。极坐标或柱坐标下的其他方程会引出贝塞尔函数；球坐标则通常会引出球谐函数。\n\n主要应用包括：\n\n- **扩散与热传导：**分离模态描述具有不同衰减率的空间分布。\n- **振动与声学：**对波动方程分离变量，可以得到简正模态及其频率。\n- **势论：**拉普拉斯方程描述理想化的静电场和稳态温度场。\n- 量子力学：薛定谔方程的可分离形式可将某些含时问题和空间问题化为特征值方程。\n- **数值计算：**特征函数展开可为计算方法提供谱近似和测试解。"
    },
    {
      "heading": "历史发展",
      "text": "分离变量法源于微分方程与微积分发展的早期。在十八世纪对振动弦及相关边值问题的研究中，乘积形式的解变得尤为重要。\n\n约瑟夫·傅里叶使分离模态和三角函数展开成为热传导研究的核心，尤其体现在他于1822年出版的《热的解析理论》（Théorie analytique de la chaleur）中。此后，斯图姆–刘维尔理论、谱理论和泛函分析的发展，为特征函数展开及其收敛性提供了更系统的基础。"
    },
    {
      "heading": "局限与概念辨析",
      "text": "并非所有微分方程都可分离变量。常微分方程 \\(y'=F(x,y)\\) 未必能分解为 \\(F(x,y)=f(x)g(y)\\) 的形式。变量代换有时能使方程变得可分离，但并不保证总能找到有效的代换。\n\n对于偏微分方程，变系数、混合导数、非线性项或不规则边界都可能妨碍有效的变量分离。即使微分算子可以分离变量，边界的几何形状也可能不适合分离，使所得模态无法用于给定问题。\n\n叠加原理尤为重要：线性齐次方程的解相加后仍是解，但非线性方程一般不具有这一性质。因此，找到非线性方程的若干个分离变量解，并不意味着就能自动得到一般解。\n\n非齐次方程和非齐次边界条件也需要额外处理。一种常见做法是减去一个满足非齐次边界数据的函数，再将剩余的未知函数按特征函数展开，从而得到各模态系数所满足的受迫方程。\n\n最后，分离变量与统计独立性不同，也不同于拓扑学中的可分空间概念。这里的“可分离”描述的是方程或解的表示形式所具有的结构，而不是随机变量的独立性，也不是可数稠密子集的存在性。"
    }
  ],
  "links": [
    "differential-equation",
    "ordinary-differential-equation",
    "antiderivative",
    "chain-rule",
    "exponential-function",
    "lipschitz-continuity",
    "partial-differential-equation",
    "heat-equation",
    "fourier-series",
    "boundary-value-problem",
    "eigenvalues-and-eigenvectors",
    "sturm-liouville-theory",
    "inner-product",
    "hilbert-space",
    "fourier-transform",
    "cartesian-coordinate-system",
    "polar-coordinates",
    "laplace-equation",
    "wave-equation",
    "schrodinger-equation",
    "joseph-fourier",
    "statistical-independence"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}