MathLabs

分析学

变分法

寻找使积分形式的量取极小或极大的函数,例如最短路径或最短时间问题。

直观哪条曲线的“代价”最小?

普通微积分求使输出取极值的输入数值。变分法提出一个更奇特的问题:在满足某些边界条件的所有可能函数中,哪一个函数能使由它构成的积分取极值?光线穿过玻璃时弯曲的路径使传播时间最短(费马原理);悬挂的链条自然垂下的形状使势能最小;绷在铁丝圈上的肥皂膜使表面积最小。在每种情形中,未知量都不是一个数,而是整条曲线。

展示变分问题中候选路径的交互式三次曲线部件。
这条三次曲线 y=ax3+bx2+cx+dy=ax^3+bx^2+cx+d 代表一条参与使某个泛函取极值的候选路径;拖动滑块可以看到,当曲线偏离真正的极值曲线时,其形状(以及由它构成的积分)如何变化。

中学最短路径与最大围合面积

定义: 泛函

泛函是一种把整个函数(而不是一个数)对应到一个数值的规则。变分法研究由函数及其导数构成的积分形式的泛函,并寻找使该积分尽可能小(或尽可能大)的函数。

J[y]=∫x0x1L(x,y,y′) dxJ[y] = \int_{x_0}^{x_1} L(x,y,y')\,dx

这里 x0x_0 和 x1x_1 是固定的两个端点,y(x)y(x) 是端点值给定的未知曲线,y′(x)y'(x) 是其导数,而 LL(拉格朗日量)是一个给定的三元函数,用来编码正在累积的量——弧长、传播时间、能量等等。

∂L∂y−ddx∂L∂y′=0\frac{\partial L}{\partial y}-\frac{d}{dx}\frac{\partial L}{\partial y'}=0
三个经典变分问题
问题泛函/约束最优曲线
平面上的最短路径(测地线)极小化 J[y]=∫1+(y′)2 dxJ[y]=\int\sqrt{1+(y')^2}\,dx一条直线
最速降线(最短时间)极小化 T[y]=∫0x11+(y′)22gy dxT[y]=\int_0^{x_1} \frac{\sqrt{1+(y')^2}}{\sqrt{2gy}}\,dx摆线
等周问题(周长固定、面积最大)在周长固定下极大化 A=12∮(x dy−y dx)A=\frac12\oint (x\,dy - y\,dx)圆

大学极值的必要条件

设 y(x)y(x) 是 [x0,x1][x_0,x_1] 上二阶连续可微的函数,端点值固定为 y(x0)=y0y(x_0)=y_0、y(x1)=y1y(x_1)=y_1。若 yy 在所有这样的曲线中使泛函 J[y]=∫x0x1L(x,y,y′) dxJ[y] = \int_{x_0}^{x_1} L(x,y,y')\,dx 取极值,则对每个 x∈(x0,x1)x\in(x_0,x_1),yy 满足 ∂L∂y−ddx∂L∂y′=0\frac{\partial L}{\partial y}-\frac{d}{dx}\frac{\partial L}{\partial y'}=0。

为什么成立?

这类似于在极小点处令普通导数为零,但这里被扰动的『方向』不是一个数,而是曲线的整个可行变分。要求对每一个这样的变分,一阶变化都为零,就在每一点上强制了 LL 对 yy 的直接依赖与对 y′y' 的依赖之间的平衡,而这正是该方程所表达的内容。

证明

固定任意光滑函数 η(x)\eta(x),满足 η(x0)=η(x1)=0\eta(x_0)=\eta(x_1)=0,考虑单参数竞争曲线族 yϵ(x)=y(x)+ϵ η(x)y_\epsilon(x) = y(x) + \epsilon\,\eta(x),它们与 yy 有相同的端点值。令 ϕ(ϵ)=J[yϵ]\phi(\epsilon) = J[y_\epsilon];由于假设 yy 使 JJ 取极值,普通函数 ϕ\phi 在 ϵ=0\epsilon=0 处有临界点,故 ϕ′(0)=0\phi'(0)=0。

在积分号下求导,得到 ϕ′(ϵ)=∫x0x1[∂L∂y η+∂L∂y′ η′]dx\phi'(\epsilon) = \int_{x_0}^{x_1} \left[ \frac{\partial L}{\partial y} \,\eta + \frac{\partial L}{\partial y'} \,\eta' \right] dx,其中 LL 的偏导数沿 yϵy_\epsilon 计算。令 ϵ=0\epsilon=0 得 ∫x0x1[∂L∂y η+∂L∂y′ η′]dx=0\int_{x_0}^{x_1} \left[ \frac{\partial L}{\partial y} \,\eta + \frac{\partial L}{\partial y'} \,\eta' \right] dx = 0。

对第二项分部积分:∫x0x1∂L∂y′ η′ dx=[∂L∂y′ η]x0x1−∫x0x1ddx∂L∂y′ η dx\int_{x_0}^{x_1} \frac{\partial L}{\partial y'} \,\eta'\,dx = \left[ \frac{\partial L}{\partial y'} \,\eta \right]_{x_0}^{x_1} - \int_{x_0}^{x_1} \frac{d}{dx}\frac{\partial L}{\partial y'} \,\eta\,dx。因 η(x0)=η(x1)=0\eta(x_0)=\eta(x_1)=0,边界项消失,剩下 ∫x0x1[∂L∂y−ddx∂L∂y′]η dx=0\int_{x_0}^{x_1} \left[ \frac{\partial L}{\partial y} - \frac{d}{dx}\frac{\partial L}{\partial y'} \right] \eta\,dx = 0。

该积分对每一个容许的 η\eta 都为零。由变分法基本引理——若某连续函数与每个这样的检验函数的积分都为零,则该函数本身必恒为零——括号中的量在每个 xx 处都为零,而这恰好就是 ∂L∂y−ddx∂L∂y′=0\frac{\partial L}{\partial y}-\frac{d}{dx}\frac{\partial L}{\partial y'}=0。

若拉格朗日量 L=L(y,y′)L=L(y,y') 不显含 xx,则沿任意极值曲线 y(x)y(x),量 L−y′∂L∂y′=CL - y' \frac{\partial L}{\partial y'} = C 为常数。

为什么成立?

这是一个守恒量,与能量守恒完全类似:当沿 xx 移动时『规则』LL 不变时,LL 与 y′y' 的某个特定组合保持不变。它给出一个一阶方程,取代二阶的欧拉-拉格朗日方程,通常直接求解要容易得多。

证明

沿极值曲线 y(x)y(x) 令 H(x)=L(y,y′)−y′ ∂L∂y′H(x) = L(y,y') - y'\,\frac{\partial L}{\partial y'},用链式法则对 xx 求导:dHdx=∂L∂yy′+∂L∂y′y′′−y′′ ∂L∂y′−y′ ddx∂L∂y′\frac{dH}{dx} = \frac{\partial L}{\partial y} y' + \frac{\partial L}{\partial y'} y'' - y''\,\frac{\partial L}{\partial y'} - y'\,\frac{d}{dx}\frac{\partial L}{\partial y'}。

含 y′′y'' 的两项恰好相消,剩下 dHdx=y′(∂L∂y−ddx∂L∂y′)\frac{dH}{dx} = y'\left( \frac{\partial L}{\partial y} - \frac{d}{dx}\frac{\partial L}{\partial y'} \right)。

但 y(x)y(x) 是极值曲线,由欧拉-拉格朗日方程,括号中的因子沿 yy 恒为零。因此在整个区间上 dHdx=0\frac{dH}{dx}=0,即 H(x)=L−y′ ∂L∂y′H(x)=L-y'\,\frac{\partial L}{\partial y'} 为常数,命题得证。

大学实际应用与典型例题

变分法是广义相对论中的测地线以及机器人运动规划(弯曲空间上的最短/最省代价路径)、光学中的费马原理与镜头设计、极小曲面肥皂膜与建筑壳体设计,以及经济学和航空航天工程中最优控制问题(燃料最省轨迹)的基础。下面两个例子亲手推导出两条最著名的变分曲线。

例题: 最速降线问题

一个质点在重力作用下沿一根导线从原点 (0,0)(0,0) 无摩擦地滑向下方一点 (x1,y1)(x_1,y_1)(取 yy 向下为正)。在连接这两点的所有导线形状中,哪一种能让质点用最短时间到达?

解答

由能量守恒,从 y=0y=0 处静止出发,质点在高度 yy 处的速率满足 v=2gyv=\sqrt{2gy}。速率是单位时间的弧长,故总时间为 T[y]=∫0x11+(y′)22gy dxT[y]=\int_0^{x_1} \frac{\sqrt{1+(y')^2}}{\sqrt{2gy}}\,dx,其中用到 ds=1+(y′)2 dxds=\sqrt{1+(y')^2}\,dx。

被积函数 L=1+(y′)22gyL=\frac{\sqrt{1+(y')^2}}{\sqrt{2gy}} 依赖于 yy 和 y′y' 但不显含 xx,故贝尔特拉米恒等式 L−y′∂L∂y′=CL - y' \frac{\partial L}{\partial y'} = C 可直接应用。计算 ∂L∂y′=y′2gy1+(y′)2\frac{\partial L}{\partial y'}=\frac{y'}{\sqrt{2gy}\sqrt{1+(y')^2}} 并化简 L−y′∂L∂y′L-y'\frac{\partial L}{\partial y'} 得到 12gy1+(y′)2=const\frac{1}{\sqrt{2gy}\sqrt{1+(y')^2}}=\text{const},整理为 y[1+(y′)2]=ky\left[1+(y')^2\right]=k(某常数 kk)。

对此一阶方程作代换 y′=cot⁡(θ/2)y'=\cot(\theta/2),积分后得到参数化曲线族 x=a(θ−sin⁡θ), y=a(1−cos⁡θ)x=a(\theta-\sin\theta),\ y=a(1-\cos\theta)(其中 a=k/2a=k/2)——即滚动圆周上一点描出的轨迹,摆线。

因此最快路径不是直线:摆线一开始比直线下降得更陡,用更长的路程换取更早获得的速度,而这种权衡正是欧拉-拉格朗日与贝尔特拉米方法精确刻画的内容。

例题: 等周问题:周长固定时面积最大

在平面内所有周长固定为 L0L_0 的光滑简单闭曲线中,哪一条围出的面积最大?

解答

这是一个带约束的变分问题:曲线用 tt 参数化,在周长 ∮(x′)2+(y′)2 dt=L0\oint \sqrt{(x')^2+(y')^2}\,dt=L_0 固定的约束下,极大化面积 A=12∮(x dy−y dx)A=\frac12\oint (x\,dy - y\,dx)。

与普通微积分中的约束优化类似,引入拉格朗日乘子 λ\lambda,自由地(无约束地)对组合泛函 A−λ⋅(perimeter)A-\lambda\cdot(\text{perimeter}) 取极值,即分别对 x(t)x(t) 和 y(t)y(t) 分量应用欧拉-拉格朗日方程。

完成这一变分后可以看出,极值曲线的曲率必须在其全长上保持常数——平面内曲率为常数的曲线恰好就是圆。因此在所有周长为 L0L_0 的闭曲线中,只有半径 r=L0/(2π)r=L_0/(2\pi) 的圆才可能是极值曲线。

由于该半径的圆确实围出面积 A=πr2=L02/(4π)A=\pi r^2=L_0^2/(4\pi),而同样周长的任何闭曲线都不能围出更大的面积(这就是等周不等式),因此圆被确认为极大化曲线——这与日常观察到圆形『最有效地利用』其边界的现象一致。

在欧拉-拉格朗日方程中,y(x)y(x) 必须满足什么条件才能使该方程成立?

在重力作用下下降最快的曲线——最速降线——是什么形状?

对泛函 J[y]=∫01(y′)2 dxJ[y]=\int_0^1 (y')^2\,dx,y(0)=0y(0)=0、y(1)=1y(1)=1,欧拉-拉格朗日方程选出哪条曲线?

在周长固定的所有简单闭曲线中,哪种形状使围合面积最大?

参考文献

  1. I. M. Gelfand, S. V. Fomin (2000). Calculus of Variations
  2. Mark Kot (2014). A First Course in the Calculus of Variations
  3. Camillo De Lellis, Matteo Focardi (2023). The regularity theory for the Mumford-Shah functional on the plane · arXiv:2308.14660 [预印本,未经同行评审]