泛函和变分：从最速降线谈起

泛函和变分：从最速降线谈起

处理最速降线等类似的问题，大家都喜欢直接对推导出来的极小化问题，直接代入欧拉-拉格朗日方程求解，我觉得这不易于对“变分”的理解，对于大家理论分析功底的增近，并无裨益。通过思考，我觉得直接从 Frechet 导数出发，进行变分推导得到更具化的欧拉-拉格朗日方程，是更为广泛的一种变分方法。本质上是一样的，只不过这个过程更容易推广。

简介

所谓的泛函，就是“函数的函数”，自变量本身就是函数的一个函数。找一个函数，使得某一个泛函最小，就是一个“能量”极小化的问题。可以用到变分方法。

• 变分法在理论物理中非常重要：在拉格朗日力学中，以及在最小作用量原理在量子力学的应用中。
• 变分法提供了有限元方法的数学基础，它是求解边界值问题的强力工具。它们也在材料学中研究材料平衡中大量使用。
• 在纯数学中的例子有，黎曼在调和函数中使用狄力克雷原理。
• 最优控制的理论是变分法的一个推广。

变分法是 17 世纪末发展起来的一门数学分支，是处理函数的数学领域，和处理数的函数的普通微积分相对。它最终寻求的是极值函数：它们使得泛函取得极大或极小值。

变分

微分是当自变量$x$变化了一点点$\text{d}x$而导致了函数$f(x)$变化了多少。
变分是无限维空间上的微分，我们一般称之为Frechet 微分，其实就是微分在无限维空间的推广。Frechet 微分作用于泛函就叫变分。我们用 $\delta$ 符号来替代微分中的 d。

Frechet 导数

Frechet 导数实变量函数在 Banach 空间中的推广，这个东西在做偏微分方程的时候，比如求能量极小，求欧拉-拉格朗日方程等方面，非常重要，任何做方程的，都应该熟练掌握。

Frechet 导数，就是一般导数的一个推广，可以简单地写为，对于需要极小化的函数 $J(\varphi )$，$\forall \psi$：
$$<\frac{\delta J}{\delta \varphi },\psi >=\underset{ϵ->0}{\lim }\frac{J(\varphi +ϵ\psi )-J(\varphi )}{ϵ}={\frac{d}{d\epsilon }J(\varphi +\epsilon \psi )|}_{\epsilon =0}$$

Frechet 导数和一般的函数导数非常像，主要是这个对辅助函数 $\psi$ 的任意很关键，是把积分号去掉，提取出恒等式的原因。

最速降线问题

最速降线问题，又称最短时间问题、最速落径问题，是探讨在重力作用而忽略摩擦力的情况下，一个质点在一点A以速率为零开始，沿某条曲线，去到一点不高于A的B，该以何种曲线行进才能令所需的时间最短。由经验可知，这条线越陡，速度就会越快，但是相应的路径就会变长，路径和速度之间必然存在一个平衡。

如图所示建立坐标系，水平方向的运动距离为$x$，竖直方向的运动距离为$y$，速度的大小用$v$来表示。

由高中的重力势能和动能的转化关系，$mgy=1/2m{v}^2$。可以得到，
$$v=\sqrt{2gy}$$

在微分几何中，一条参数化曲线 { x ( t ) , y ( t ) } \{x(t),y(t)\} {x(t),y(t)}，它的弧长是可以表示为：
$${\int }_{t_0}^{t_1}\sqrt{x^{\prime }(t{)}^2+y^{\prime }(t{)}^2}\text{d}t$$
这个公式不需要记，怎么理解呢，它表示曲线沿$x$方向的变化率，和沿$y$方向的变化率，利用“勾股定理进行组合，得到的就是沿切线方向的变化率，沿切线方向的变化率，再做个积分，肯定就是长度了。

那么，对于曲线 $y(x)$，把 $x$ 看成 $t$，仍用 $x$ 表示，那么它的弧长就是
$${\int }_a^b\sqrt{1+y^{\prime }(x{)}^2}\text{d}x$$
接下来，有的地方就会利用“微元”的思想，把弧长和速度相除作为时间进行积分，对于不理解“微元法”的人来说，就会显得很牵强。那么应该怎么解释呢？

把弧长的表达式换成弧长参数，有
$${\int }_a^b\sqrt{1+y^{\prime }(x{)}^2}\text{d}x={\int }_{s_0}^{s_1}1\text{d}s$$
也就是说，
$$\text{d}s=\sqrt{1+y^{\prime }(x{)}^2}\text{d}x$$
这个是很容易理解的。那么，

$$v=\frac{\text{d}s}{\text{d}t}=\sqrt{1+y^{\prime }(x{)}^2}\frac{\text{d}x}{\text{d}t}$$

则有，
$$\text{d}t=\frac{\sqrt{1+y^{\prime }(x{)}^2}}{v}\text{d}x$$

两边同时积分，可以得到从 a 到 b 的总时间，

$$J={\int }_a^b\frac{\sqrt{1+y^{\prime }(x{)}^2}}{\sqrt{2gy}}\text{d}x:={\int }_a^{b}F\text{d}x$$

变分求解最速降线

下面要做的就是选定 $y$ ，使得 $J$ 达到最小，这是经典的变分问题，我们使用变分方法。

$$\begin{gathered} <\frac{\delta J}{\delta y},z>=\underset{ϵ->0}{\lim }\frac{J(y+ϵz)-J(y)}{ϵ} \\ =\underset{ϵ->0}{\lim }{\int }_a^b\frac{\frac{\partial F}{\partial y}ϵz+\frac{\partial F}{\partial y^{\prime }}ϵz^{\prime }+o(ϵ)}{ϵ} \\ ={\int }_a^b\frac{\partial F}{\partial y}z+\frac{\partial F}{\partial y^{\prime }}{z}^{\prime } \\ =\frac{\partial F}{\partial y^{\prime }}z{|}_a^b+{\int }_a^b(\frac{\partial F}{\partial y}+\frac{\text{d}}{\text{d}x}\frac{\partial F}{\partial y^{\prime }})z \\ ={\int }_a^b(\frac{\partial F}{\partial y}+\frac{\text{d}}{\text{d}x}\frac{\partial F}{\partial y^{\prime }})z=0 \end{gathered}$$

第二个等号用了泰勒展开，因为积分不好相消，这种情况下，我们一般更倾向于用泰勒展开。这里的$y$和$y^{\prime }$都应该看成一个变量，类比一般的多元函数泰勒展开。

第四个等号用了分部积分，对第二项进行了处理，一般含辅助函数 $z$ 的都可以进行分部积分处理掉。

第五个等式是因为，$y+ϵz$ 作为 y 的一个扰动，必须满足边界条件，即$$\begin{gathered} (y+ϵz)(a)=y(a) \\ (y+ϵz)(b)=y(b) \end{gathered}$$
这意味着$z(a)=z(b)=0$。最后，由于 $z$ 的任意性（端点固定不影响），我们有，
$$\frac{\partial F}{\partial y}+\frac{\text{d}}{\text{d}x}\frac{\partial F}{\partial y^{\prime }}=0$$

这便是我们得到的欧拉-拉格朗日方程。由于 $F$ 中不显含自变量，则，
$$\frac{d}{dx}\left[F-y^{\prime }\frac{\partial F}{\partial y^{\prime }}\right]=y^{\prime }\frac{\partial F}{\partial y}+y^{\prime \prime }\frac{\partial F}{\partial y^{\prime }}-y^{\prime \prime }\frac{\partial F}{\partial y^{\prime }}-y^{\prime }\frac{d}{dx}\left(\frac{\partial F}{\partial y^{\prime }}\right)=0$$
故而
$$F-y^{\prime }\frac{\partial F}{\partial y^{\prime }}=C$$
将$F$的表达式代入，并且化简，可以得到一个不显含 $x$ 的一个 ODE，
$$y\left[1+{\left(y^{\prime }\right)}^2\right]=C$$
这里的 C 是可以由边界条件得到。翻一翻常微分的课本，我们可以求解这个 ODE，得到：
$$\{\begin{array}{l}x=a+r(\theta -\sin \theta )\\ y=r(1-\cos \theta )\end{array}$$

这里的 $r>0$，表示摆线圆半径。这里的 $r$ 等于多少呢？假设 a、b两点的坐标分别为——$a:(a,0)，b:(b,y_b)$。那么，可以求得：${\theta }_0=0$，${\theta }_1$ 和 $r$ 可以根据求解方程组
$$\{\begin{array}{l}b=a+r({\theta }_1-\sin {\theta }_1)\\ y_b=r(1-\cos {\theta }_1)\end{array}$$
得到。涉及到非线性方程的求根，解析的表达式并不好写。

最速降线的物理意义

最速降线到底是什么呢？它是个是摆线，即圆周上固定一点在圆滚动时的轨迹。当然，这里的摆线是上下颠倒的。如图所示。