变分法笔记2

变分法的应用

1. 我们将寻找如下形式泛函的极小化解：

$$J(y)={\int }_a^{b}L(x,y(x),y^{\prime }(x))dx,$$

该泛函定义在满足边界条件的光滑函数$y$的集合$D$上：

$$y(a)=\alpha \text{和}y(b)=\beta .$$

对于这个问题，可行变分类$A$由在区间端点处为0的光滑函数$h$组成，即

$$h(a)=h(b)=0.$$

理解起来还好吧

为了专注于变分法的主线，不去细究一般的细节定义，我们将假设$L,y$和$h$足够光滑。为了计算泛函极值，需要采取如下步骤：

a. 对于$y\in D$和$h\in A$，计算 Gâteaux 变分$\delta J(y,h)$。

b. 求解极值方程$\delta J(y,h)=0$。

c. 在极值中识别极小值。

在微积分中，（c）通常通过二阶导计算完成。变分法中有二阶导数测试，但我们将忽略它，转而利用几何或物理直觉来确定极小值。

2. 现在我们准备好进行步骤 (a) 和 (b)。对于给定$y\in D$和任意$h\in A$，

$$\begin{gathered} \delta J(y,h) \\ ={\frac{d}{dϵ}J(y+ϵh)|}_{ϵ=0} \\ ={\frac{d}{dϵ}{\int }_a^{b}L(x,y+ϵh,y^{\prime }+ϵh^{\prime })dx|}_{ϵ=0} \\ ={\int }_a^b[L_y(x,y,y^{\prime })h+L_{y^{\prime }}(x,y,y^{\prime })h^{\prime }]dx. \end{gathered}$$

通过分部积分去除$h^{\prime }$上的导数，

$$\delta J(y,h)={\int }_a^b\left[L_y(x,y,y^{\prime })-\frac{d}{dx}{L}_{y^{\prime }}(x,y,y^{\prime })\right]hdx+L_{y^{\prime }}(x,y,y^{\prime })h{|}_a^b.$$

由于 (2) 中的边界项消失，剩下

$$\delta J(y,h)={\int }_a^b\left[L_y(x,y,y^{\prime })-\frac{d}{dx}{L}_{y^{\prime }}(x,y,y^{\prime })\right]hdx.$$

因此，如果$y$满足，

$$L_y(x,y(x),y^{\prime }(x))-\frac{d}{dx}{L}_{y^{\prime }}(x,y(x),y^{\prime }(x))=0,$$

则对所有可行变分$h$有
$$\delta J(y,h)=0$$。
如果$y$满足
$$L_y(x,y(x),y^{\prime }(x))-\frac{d}{dx}{L}_{y^{\prime }}(x,y(x),y^{\prime }(x))=0,$$
称$y$满足欧拉方程.

我们将求解两点边值问题：
$$\{\begin{array}{ll}{L}_y(x,y,y^{\prime })-\frac{d}{dx}{L}_{y^{\prime }}(x,y,y^{\prime })=0,& \text{对于 }a<x<b,\\ y(a)=\alpha ,& \\ y(b)=\beta .& \end{array}$$

3. 例子两点之间直线最短：考虑上次笔记中定义的弧长泛函$J$。对于定义域

D = { y ∈ C 1 [ 0 , 1 ] ∣ y ( 0 ) = 0 , y ( 1 ) = 1 } , D = \{ y \in C^1[0, 1] \mid y(0) = 0, y(1) = 1 \}, D={y∈C1[0,1]∣y(0)=0,y(1)=1},

我们设

$$J(y)={\int }_0^1\sqrt{1+y^{\prime }(x{)}^2}dx.$$

$J(y)$是从 (0, 0) 到 (1, 1) 的光滑曲线$y=y(x)$的长度。这两点间的最短路径是$J$的极小化解。这个极小化解应在$J$的极值中寻找。正如我们刚刚看到的，这些极值点是边值问题的解：

$$\{\begin{array}{l}{L}_y-\frac{d}{dx}{L}_{y^{\prime }}=0,\\ y(0)=0,\\ y(1)=1.\end{array}$$

拉格朗日函数是

$$L(y^{\prime })=\sqrt{1+y^{\prime 2}},$$

因此欧拉方程为

$$\frac{d}{dx}{L}_{y^{\prime }}=\frac{d}{dx}\left(\frac{y^{\prime }(x)}{\sqrt{1+y^{\prime }(x{)}^2}}\right)=0.$$

由此可得

$$\frac{y^{\prime }(x)}{\sqrt{1+y^{\prime }(x{)}^2}}=C,$$

对于某个常数$C$。由 (11) 可知$y^{\prime }(x)=A$，其中$A^2=\frac{C^2}{1-C^2}$。因此

$$y(x)=Ax+B,$$

对于常数$A$和$B$。根据边界条件，$A=1$且$B=0$。因此$J$的唯一极值是$y(x)=x$。显然，这也是所寻求的极小化解$y^{\ast }(x)$。

4. 与拉格朗日函数$L$对应的哈密顿量为

$$H=-L(x,y,y^{\prime })+y^{\prime }{L}_{y^{\prime }}(x,y,y^{\prime }).$$

5. 二阶微分方程$F(x,y,y^{\prime },y^{\prime \prime })=0$的一阶积分$g(x,y,y^{\prime })$是一个守恒量，即如果$y$满足微分方程，则

$$g(x,y(x),y^{\prime }(x))=\text{常数}。$$

我们通常可以为欧拉方程写下一阶积分。

a. 如果$L=L(y,y^{\prime })$，则哈密顿量

$$H=-L(y,y^{\prime })+y^{\prime }{L}_{y^{\prime }}(y,y^{\prime }),$$

是欧拉方程的一阶积分。

b. 如果$L=L(x,y^{\prime })$，则

$$L_{y^{\prime }}(x,y^{\prime }),$$

是一阶积分。

c. 如果$L=L(x,y)$，则欧拉方程简化为代数方程

$$L_y(x,y)=0。$$

4. 示例：（最速降线问题）一个质量为$m$的小球，最初处于静止状态，沿着曲线$y=y(x)$从$(a,\alpha )$滑动到$(b,\beta )$，其中$a<b$且$\alpha >\beta$。作用在小球上的唯一力是重力。我们将使用变分法来找到使小球的传输时间$T$最小化的曲线$y^{\ast }$。设$s$是沿着曲线的弧长，$S$是曲线的总长度。则

   $$ds=\sqrt{d{x}^2+d{y}^2}=\sqrt{1+y^{\prime }(x{)}^2}dx$$

   因此，$\frac{ds}{dx}=\sqrt{1+y^{\prime }(x{)}^2}$。(12)

   设$v$为小球的速度。小球最初处于静止状态。因此，在$t=0$时没有动能，总能量等于势能$mg\alpha$。由于能量守恒，$\frac{1}{2}m{v}^2+mgy=mg\alpha$。

   因此，

   $$v=\frac{ds}{dt}=\sqrt{\frac{2g(\alpha -y)}{1+y^{\prime }(x{)}^2}}.(13)$$

   根据(12)和(13)，

   $$T={\int }_0^{T}dt={\int }_0^S\frac{dt}{ds}ds={\int }_a^b\frac{dt}{ds}\frac{ds}{dx}dx={\int }_a^b\frac{1}{\sqrt{1+y^{\prime }(x{)}^2}}\sqrt{\frac{2g(\alpha -y(x))}{1+y^{\prime }(x{)}^2}}dx(14)$$

   积分(14)给出了$T$作为$y$的泛函。$T$的极值函数是满足边界条件(2)的欧拉方程的解$y$。拉格朗日量是

   $$L(y,y^{\prime })=\frac{\sqrt{1+y^{\prime 2}}}{2g(\alpha -y)}$$

   哈密顿量是一个第一积分。因此，

   $$H(y,y^{\prime })=-\frac{\sqrt{1+y^{\prime 2}}}{2g(\alpha -y)}+\frac{y^{\prime 2}}{2g(\alpha -y)}=C,(15)$$

   对于常数$C$。将(15)乘以$\frac{1}{\sqrt{2g(\alpha -y)}}$，将$2g$吸收到一个新的常数$A$中，并对得到的方程两边平方，得到$1=A^2(1+y^{\prime 2})(\alpha -y)$。(16)

   因此，$y$满足一阶微分方程

   $$y^{\prime }=\pm \sqrt{\frac{1-A^2(\alpha -y)}{A^2(\alpha -y)}}.(17)$$

   由于小球应该沿着曲线下滑，我们在(17)中取负平方根。接下来，设$A^2(\alpha -y)={\sin }^2\theta$，(18)

   其中$0\le \theta \le \pi /2$。从这里，再做一些微积分运算，我们得到

   $$x=\frac{1}{A^2}(\theta -\sin 2\theta )+B,(19)$$

   其中$B$是一个常数。(18)和(19)是摆线的参数方程。常数$A$和$B$由边界条件(2)确定。

5. 显然，定义在(19)中的函数$y$是$T$的极值函数。我们最后需要证明，就是$y$是一个最小值函数。此略