# Sturm-Liouville and Completeness Theory 테일러 전개나 FT (Fourier Transformation), FS (Fourier Series) 이 왜 가능할 수 있는지 이해하는데 필요한 이론. 특히나 왜 어느정도 전개한 다음 뒷부분을 무시해도 원래 함수를 그럴듯하게 묘사할 수 있는건지 이해하려면 필요. ## TOC ## Sturm-Liouville theory ### 특수식 형태로의 변형 모든 2차 선형 상미분 방정식 (the second order linear ordinary differential equation) 의 해를 예측할 수 있는 스투름-리우빌 이론에 대해 알아보자. 일반적인 2차 선형 상미분 방정식 (the second order linear ordinary differential equation) 은 다음과 같이 표현 가능하다. \frac{d^2 y}{d x^2} + P(x) \frac{d y}{d x} + Q(x) y = 0 이 식을 조금 다듬어서 다음과 같은 특수식 형태로 표현 해보자. \frac{d}{d x} \bigg[ p(x) \frac{dy}{dx} \bigg] - q(x) y + \lambda r(x) y = 0 위 식을 전개해서 일반식 과 계수비교를 통해 맞춰보면, p(x) \frac{d^2 y}{dx^2} + \frac{d p}{d x} \frac{dy}{dx} - q(x) y + \lambda r(x) y = 0 p(x) \frac{d^2 y}{d x^2} + p(x) P(x) \frac{d y}{d x} + p(x) Q(x) y = 0 결론적으로 p(x) P(x) = \frac{d p}{d x} p(x) Q(x) = -q(x) + \lambda r(x) 즉, p(x) = e^{\int P(x) dx} -q(x) + \lambda r(x) = e^{\int P(x) dx} Q(x) 형태로 $p(x), q(x), r(x)$ 을 잡으면 특수식 형태로 나타날 수 있게 된다. 여기서 $r(x)$ 는 x 의 regine of interest 에서 항상 0 보다 큰 함수로 잡는다. 즉, $r(x) \geq 0$. 아래 예제들을 보면서 어떻게 2차 선형 상미분 방정식 (the second order linear ordinary differential equation) 을 특수식 형태로 바꿀 수 있는지 더 알아보자. #### Harmonic : $\sin, \cos$ y'' = - \omega^2 y 을 변형하면, [ y' ]' + \omega^2 y = 0 #### Bessel equation x^2 y'' + x y' + (x^2 - \nu^2) y = 0 를 변형하면, (x y')' + (x - \frac{\nu^2}{x}) y = 0 #### Legendre equation (1-x^2) y'' - 2 x y' + \nu (\nu+1) y = 0 을 변형하면, [ (1-x^2) y' ]' + \nu (\nu+1) y = 0 #### 일반식 예제 \begin{align*} &x^3 y'' - x y' + 2 y = 0 \\ &y'' - \frac{1}{x^2} y' + \frac{2}{x^3} y = 0 \\ &e^{1/x} y'' - \frac{e^{1/x}}{x^2} y' + \frac{2 e^{1/x}}{x^3} y = 0 \\ &[e^{1/x} y']' + \frac{2 e^{1/x}}{x^3} y = 0 \end{align*} ### Linear operations 미분연산이 linear operation 인 것 ($L (\alpha y_1 + \beta y_2) = \alpha L (y_1) + \beta L (y_2)$) 을 바탕으로 다음과 같은 형태로 식을 바라볼 수 있다. L (y) = \frac{d}{dx} \bigg[ p(x) \frac{dy}{dx} \bigg] - q(x) y + \lambda r(x) y = 0 D (y) = - \frac{d}{dx} \bigg[ p(x) \frac{dy}{dx} \bigg] + q(x) y = \lambda r(x) y where $\lambda$ is called eigenvalue. 또한 특정한 $\lambda_m$ 에 대한 함수를 $\psi_m$ 으로 정의하면, D (\psi_m) = - \frac{d}{dx} \bigg[ p(x) \frac{d\psi_m}{dx} \bigg] + q(x) \psi_m = \lambda_m r(x) \psi_m 과 같은 식을 만족한다. ### Initial or Boundary condition \begin{align*} &\alpha y (a) + \alpha' \frac{d y}{d x} (a) = 0 \\ &\beta y (b) + \beta' \frac{d y}{d x} (b) = 0 \end{align*} ### Self-adjointness (자기 수반성 : 自己 隨伴性) \int_a^b \psi_m (x) D \psi_n (x) dx = \int_a^b \psi_n (x) D \psi_m (x) dx 증명) 를 이용해서 다음을 전개하면, \begin{align*} &\psi_m (x) D \psi_n (x) - \psi_n (x) D \psi_m (x) \\ &= - \psi_m (x) \bigg[ \frac{d}{dx} \Big[ p(x) \frac{d \psi_n}{dx} \Big] \bigg] + \psi_n (x) \bigg[ \frac{d}{dx} \Big[ p(x) \frac{d \psi_m}{dx} \Big] \bigg] \end{align*} 미분의 분배법칙을 이용해서 더 정리하면, \begin{align*} &= \frac{d}{dx} \bigg[ - \psi_m (x) p(x) \frac{d \psi_n}{dx} \bigg] + \frac{d \psi_m}{dx} p(x) \frac{d \psi_n}{dx} \\ &~~~+ \frac{d}{dx} \bigg[ \psi_n (x) p(x) \frac{d \psi_m}{dx} \bigg] - \frac{d \psi_n}{dx} p(x) \frac{d \psi_m}{dx} \\ &= \frac{d}{dx} \bigg[ p(x) \Big( \psi_n (x) \psi_{m}' (x) - \psi_m (x) \psi_{n}' (x) \Big) \bigg] \end{align*} Wronskian 을 \begin{align*} W [ \psi_n (x), \psi_m (x) ] &\equiv \begin{vmatrix} \psi_n (x) & \psi_m (x) \\ \psi'_n (x) & \psi'_m (x) \end{vmatrix} \\ &= \psi_n (x) \psi_{m}' (x) - \psi_m (x) \psi_{n}' (x) \end{align*} 과 같이 정의해서 쓰자면, \psi_m (x) D \psi_n (x) - \psi_n (x) D \psi_m (x) = \frac{d}{dx} \bigg[ p(x) W [ \psi_n (x) , \psi_m (x) ] \bigg] 즉, \begin{align*} &\int_a^b \bigg[ \psi_m (x) D \psi_n (x) - \psi_n (x) D \psi_m (x) \bigg] dx \\ &= p(x) W [ \psi_n (x) , \psi_m (x) ] \bigg|_{a}^{b} \\ &= p(b) W [ \psi_n (b) , \psi_m (b) ] - p(a) W [ \psi_n (a) , \psi_m (a) ] = 0 \end{align*} For non-trivial $(\alpha, \alpha')$ and $(\beta, \beta')$, Wronskian must be 0 at both boundaries. 따라서 식 이 만족하는걸 알 수 있다. ### Orthogonality (직교성 : 直交性) \int_a^b \psi_m (x) \psi_n (x) r(x) dx = 0, \text{ when } m \neq n 증명) From and \begin{align*} &\int_a^b \psi_m (x) D \psi_n (x) dx - \int_a^b \psi_n (x) D \psi_m (x) dx \\ &= \int_a^b \psi_m (x) \psi_n (x) r(x) (\lambda_n - \lambda_m) dx = 0 \end{align*} 따라서 \lambda_n \neq \lambda_m 일때에는 \int_a^b \psi_m (x) \psi_n (x) r(x) dx = 0 이어야 한다. Fourier series 의 일반화가 Sturm-Lioville theory 라 할 수 있다. ### 고유치는 실수 (Reality of eigenvalue) D( \psi_m ) = - \frac{d}{dx} \bigg[ p(x) \frac{d \psi_m}{dx} \bigg] + q(x) \psi_m (x) = \lambda r(x) \psi_m (x) $D = D^*$ 이므로 D^* ( \psi_m^* ) = - \frac{d}{dx} \bigg[ p(x) \frac{d \psi_m^*}{dx} \bigg] + q(x) \psi_m^* (x) = \lambda^* r(x) \psi_m^* (x) 따라서 \begin{align*} &\int_a^b \Big[ \psi_m^* D \psi_m - \psi_m D \psi_m^* \Big] dx \\ &= \int_a^b \Big[ |\psi_m|^2 \lambda_m r(x) - |\psi_m|^2 \lambda_m^* r(x) \Big] dx \\ &= \int_a^b |\psi_m|^2 r(x) (\lambda_m - \lambda_m^*) \end{align*} $r(x) \geq 0$ 이고, $|\psi_m|^2 > 0$ 이므로, $\lambda_m = \lambda_m^*$ 란 결론에 도달한다. ### 아벨의 정리 (Abel's theorem) : 함수 행렬식은 상수 (constant Wronskian) p (x) W [ \psi_m (x), \psi_n^* (x) ] = \text{constant for } \lambda_m = \lambda_n 증명) 식 를 이용하면, \begin{align*} &\psi_m (x) D \psi_n^* (x) - \psi_n^* (x) D \psi_m (x) = \frac{d}{dx} \bigg[ p(x) W [ \psi_n^* (x) , \psi_m (x) ] \bigg] \\ &= \psi_m (x) \lambda_n^* r(x) \psi_n^* (x) - \psi_n^* (x) \lambda_m r(x) \psi_m (x) \\ &= \psi_m (x) \psi_n^* (x) r(x) (\lambda_n^* - \lambda_m) \end{align*} 고유치는 실수이므로 따라서 $\lambda_n = \lambda_m$ 일때에는 식 가 만족하게 된다. ### 해의 유일성 (uniqueness of solutions) 고유치가 동일하면 경계 조건을 만족하는 고유 함수들은 상수배만 차이난다. ### 두번째 해 (the second solution) ### 레일리 몫 (Rayleigh quotient) ### 스투름의 분리 정리 (Sturm's separation theorem) ### 스투름의 비교 정리 (Sturm's comparison theorem) ### 스투름의 진동 정리 (Sturm's oscillation theorem) ## 고유함수의 완비성 (completeness of eigenfunctions) ## RRA
  1. 전파거북이(EM turtle)'s blog - 스투름-리우빌 이론 (Sturm-Liouville theory), 2011-11-16
  2. 전파거북이(EM turtle)'s blog - 고유함수의 완비성 (completeness of eigenfunctions), 2011-12-05
  3. 전파거북이(EM turtle)'s blog - 푸리에 급수의 시작(Fourier series), 2012-07-29
  4. 전파거북이(EM turtle)'s blog - 형보다 나은 아우: 푸리에 변환(Fourier transform), 2012-08-05
  5. Wiki - Strum-Liouville Theory
저작자 표시 비영리 변경 금지
신고
Posted by 냥냥 kipid
comments powered by Disqus


티스토리 툴바