拉格朗日方程matlab_老师不会教你的理(biàn)论(fēn)力(yuán)学(lǐ)part4.拉格朗日方程...

这次我们……咦?不是还有补充部分没完吗?嗯,补充部分一定会出的,不过那是支线任务,我们的主线任务也不能落下嘛!

这次我们要做一件惊天动地的大事:推导出达朗贝尔方程和拉格朗日方程。听起来是不是很牛?

c58d597fc7ad8bb916ace05d2dd2152c.png

呃,然而事实上这一章就是走走过场,因为这两个方程的推导在知乎里随便就能搜到……不过我们的专栏既然是叫“不一样的物理学”,我们的推导一定也要不一样嘛!一定也得是“严谨而有趣”的呀。

好啦,那我们就开始吧。

首先想想,我们为什么要引入新的力学体系呢?这是因为在约束力过多的体系中,牛顿力学显得很无力,因为约束力的大小往往是未知的,而且很多时候也没必要知道,但牛顿力学却不得不将它们都算出来。既然这样,我们自然希望拥有一个新的体系,可以不必算出约束力,就能知道物体的运动过程。达朗贝尔方程就是为了解决这一问题。

我们知道,力可以被分为约束力和主动力。那么如何才能不算出约束力就解出物体的运动过程呢?要做到这一点,我们必须把约束力和主动力分开——要是两者没有区别,我们怎么可能在保留主动力的同时去掉约束力嘛!

那么约束力有什么特殊性质可以让它区别于主动力呢?想一想,在我们的观念中,约束力似乎总是可以无限增大,只要能让物体保持想要的约束条件。比如约束在一个桌子上的物体,无论怎么运动都不可能穿到桌子下面去,即使在物体上方施加很大的压力也不会——除非桌子破了,那就是约束被破坏了......我们才不讨论这种暴力的情况呢!

但是,你想直接知道桌子对物体的约束力,也就是竖直向上的支持力,可以吗?不行,通常我们只能通过二力平衡的条件,算出物体对桌子的正压力来间接求得约束力。

所以,我们发现约束力有两个特性:它对物体运动状态的约束很容易知道(比如无法越过桌子),但约束力的大小不容易直接求得。

这样的话,我们似乎可以认为:约束力的方向总是与物体运动方向垂直,即约束力和位移的点乘恒为0。但这是不对的哦!这种通常只在只有一个质点,且约束稳定的前提下成立。如果是两个质点用杆连在一起,那么杆对它们的约束力也不一定和质点运动方向垂直,但是它们各自的位移和约束力的点乘结果加起来却总是0。如果是不稳定约束,那么约束将随时间变化,物体的运动也会随时间变化,但约束力和虚位移的点乘却为0。所以,约束力满足的条件应该是

equation?tex=%5Csum_%7Bi%7D%5E%7B%7D%7B%5Cvec+F_%7BNi%7D%5Cdelta+%5Cvec+r_i%7D%3D0

满足这个条件的约束,被称为理想约束。

其实,就算是理想约束,也没有包含所有的约束,不过已经包含绝大多数约束了。

好了,找出了约束力和主动力的区别,我们就可以开始构建一个不含约束力的力学体系啦!

首先,如果一个体系中有多个质点,那么对每个质点都有牛顿第二定律(向量符号太麻烦了我就略去了,反正你懂的啦)

equation?tex=F_i%2BF_%7BNi%7D%3Dm_i+%5Cddot+r_i

其中

equation?tex=F_i 代表第
equation?tex=i 个质点受到的(合)主动力,
equation?tex=F_%7BNi%7D 代表第
equation?tex=i 个质点受到的(合)约束力,字母上面的点表示对时间求导。这个式子也可以写成

equation?tex=F_i%2BF_%7BNi%7D-m_i+%5Cddot+r_i%3D0

现在我们自然是要想办法消去这个方程的约束力。怎么消去呢?当然是要利用理想约束啦!只要在等式两边都乘一个

equation?tex=%5Cdelta+r_i ,就有

equation?tex=%28F_i%2BF_%7BNi%7D-m_i+%5Cddot+r_i%29%5Cdelta+r_i%3D0

注意,现在还不能使用理想约束来消去约束力哦!为什么?有没有发现,理想约束的定义式前面有个求和号?哈哈,所以为了使用理想约束,我们要先把上式对所有质点求和:

equation?tex=%5Csum_%7Bi%7D%7B%28F_i%2BF_%7BNi%7D-m_i+%5Cddot+r_i%29%5Cdelta+r_i%7D%3D0

或者写成

equation?tex=%5Csum_%7Bi%7D%7B%28F_i-m_i+%5Cddot+r_i%29%5Cdelta+r_i%7D%2B%5Csum_%7Bi%7D%7BF_%7BNi%7D%5Cdelta+r_i%7D%3D0

现在再利用理想约束的定义

equation?tex=%5Csum_%7Bi%7D%5E%7B%7D%7B%5Cvec+F_%7BNi%7D%5Cdelta+%5Cvec+r_i%7D%3D0 ,上式就不再含有约束力啦

equation?tex=%5Csum_%7Bi%7D%7B%28F_i-m_i+%5Cddot+r_i%29%5Cdelta+r_i%7D%3D0

至此我们终于把约束力都消去啦!

我们现在得到的这个等式,就是传说中的达朗贝尔方程了。我们可以直接用它解决一些力学问题。可是,这个方程好不容易请走了约束力这个神仙,却又引进了变分

equation?tex=%5Cdelta+r 这个同样不好处理的东西。我们能不能进一步推导出一个不含变分的方程呢?

在此之前我们先想想,怎么处理达朗贝尔方程中的变分这个玩意儿呢?首先,达朗贝尔方程是一个矢量方程,要让它便于处理,应该把它写成分量形式,这样在三维空间中就会有3个达朗贝尔方程。

我们知道,唯一限制变分的就是约束条件。那么现在我们想想,如果质点系在某个方向上没有约束,比如

equation?tex=x 方向,那么这个方向上就可以有任意的虚位移,对应的达朗贝尔方程

equation?tex=%5Csum_%7Bi%7D%7B%28F_%7Bxi%7D-m_i+%5Cddot+x_i%29%5Cdelta+x_i%7D%3D0

里面的

equation?tex=%5Cdelta+x_1%2C%5Cdelta+x_2%2C%5Cdelta+x_3%2C... 就都是关于时间
equation?tex=t 的任意函数(这个不理解的话可以看看这个系列的part3哦)。几个任意函数之和恒等于0,怎么可能呢?嗯,只有可能是它们的系数全为0啦!(这一点要严格证明也很容易,用反证法就好了)

equation?tex=F_%7Bxi%7D-m_i+%5Cddot+x_i%3D0%2C++%5Cspace+i%3D1%2C2%2C3%2C...

这样,对于

equation?tex=n 个质点的质点系,我们在
equation?tex=x 方向上就得到了
equation?tex=n 个微分方程。其实这不就是牛顿第二定律嘛!的确,因为我们刚才假定了
equation?tex=x 方向没有约束力,那达朗贝尔方程其实没什么必要嘛!

那么如果有约束呢?比如在

equation?tex=y 方向有约束
equation?tex=y%3Df%28t%29 ,那么
equation?tex=y 就是关于
equation?tex=t 的确定的函数,它的变分恒为0,或者说这个方向上的虚位移恒为0,此时达朗贝尔方程等号左边也恒为0,变得没有意义了。但是如果
equation?tex=y 方向有了这么强的约束条件,我们其实都不用再研究
equation?tex=y 方向的运动了,因为
equation?tex=y%3Df%28t%29 ,不就意味着
equation?tex=y 方向的运动完全是已知的嘛!

等等,你到底想说什么?为什么这几段一直在说这么显然的废话?

哈哈,别急,毕竟我们要先说一下方程中变分的处理方式。我们现在要研究一些困难的情况了:如果约束不那么简单,比如约束是

equation?tex=y%3D2x ,那该怎么处理?

这个时候在

equation?tex=x%2C+%5Cspace+y 方向上的变分都不再是任意的,它们之间存在关系。但是,如果我们令
equation?tex=q_1%3Dy%2B2x%2C+q_2%3Dy-2x ,并把
equation?tex=q_1%2Cq_2 当做两个新的坐标,那
equation?tex=q_1 就满足上述的“无约束”的情形,
equation?tex=q_2 就满足上述的“无虚位移”的情形(其实就是一个常数了)。这样,把达朗贝尔方程中所有的
equation?tex=x%2Cy 都用
equation?tex=q_1%2Cq_2 代换,不就可以处理达朗贝尔方程了嘛!

从这个方法我们就看出,只要选取合适的坐标,就可以方便地处理变分了。这就是下面要推导的拉格朗日方程的基本思想。

首先,为了选取合适的坐标来处理变分,我们要引入“广义坐标”的概念。

如果一个质点系含有

equation?tex=n 个质点,
equation?tex=k 个约束条件,就应该有
equation?tex=3n 个坐标。但由于约束条件的存在,这
equation?tex=3n 个坐标不是独立的。每有一个约束条件,就可以消去1个坐标,因此一个质点系只有
equation?tex=3n-k 个坐标是独立的,我们也说这个质点系有
equation?tex=3n-k 个自由度,因为只要
equation?tex=3n-k 个独立坐标就可以完全确定这个质点系中各个质点的位置。我们就把这
equation?tex=3n-k 个独立坐标称为“广义坐标”。广义坐标的选取方式并不唯一。

这样,借助广义坐标,我们就可以从达朗贝尔方程入手,建立不含变分的动力学方程啦!不过我们要先把达朗贝尔方程中所有的位置矢量

equation?tex=r 用广义坐标表示出来,包括变分
equation?tex=%5Cdelta+r 。好在,我们在part3已经学过变分公式
equation?tex=%5Cdelta+F%28y%2Cy%27%2Cx%29%3D%5Cfrac%7B%5Cpartial+F%7D%7B%5Cpartial+y%7D%5Cdelta+y%2B%5Cfrac+%7B%5Cpartial+F%7D%7B%5Cpartial+y%27%7D%5Cdelta+y%27 啦,而且
equation?tex=r 仅仅是关于广义坐标和时间的函数,与广义坐标的一阶导数无关,所以r的变分形式就更简单啦(为了便于初学者理解,我们不使用爱因斯坦求和约定):

equation?tex=%5Cdelta+r%3D%5Csum_%7B%5Calpha%7D%5Cfrac%7B%5Cpartial+r%7D%7B%5Cpartial+q_%7B%5Calpha%7D%7D%5Cdelta+q_%5Calpha

至于

equation?tex=r 的二阶导数,理论上可以用多元函数求导法则,不过......太可怕了,如果体系有s个自由度,那么一次求导就会出现s项,二阶导就意味着每一项再求一次导,那么每一项都还会出现更多项......我们还是先把这一项留着吧,毕竟我们现在的主要目标是处理变分嘛!所以现在的达朗贝尔方程变成了:

equation?tex=%5Csum_%7Bi%3D1%7D%5E%7Bn%7D%7B%28F_i-m_i%5Cddot+r_i%29%7D%5Csum_%7B%5Calpha%7D%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%5Cdelta+q_%5Calpha%3D0

现在这个式子和我们之前处理的还不太一样,因为多了一个求和号,而且我们最想要的求和号不在最前面。不过,后面的求和号是可以移到最前面去的(这个如果不明白的话,可以把求和展开来写写看),所以上式可以写成

equation?tex=%5Csum_%7B%5Calpha%7D%5Csum_%7Bi%3D1%7D%5E%7Bn%7D%7B%28F_i-m%5Cddot+r_i%29%7D%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%5Cdelta+q_%5Calpha%3D0

这样,仿照之前的做法,我们知道所有变分的系数必须全为0,所以:

equation?tex=%5Csum_%7Bi%3D1%7D%5E%7Bn%7D%7B%28F_i-m%5Cddot+r_i%29%7D%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%3D0

或者写成

equation?tex=%5Csum_%7Bi%3D1%7D%5E%7Bn%7Dm%5Cddot+r_i%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%3D%5Csum_%7Bi%3D1%7D%5E%7Bn%7D%7BF_i%7D%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%2C%5Cspace+%5Calpha%3D1%2C2%2C3%2C...

我们把等号右边定义为对应于广义坐标

equation?tex=q_%5Calpha 的“广义力”,用
equation?tex=Q_%5Calpha 来表示。它和一般的“力”的区别在于:它是一般的力和另一个矢量
equation?tex=%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D 点乘的结果,是一个标量,而且它从属于一个广义坐标。离开了广义坐标,它就没有什么意义了。嗯,相当于主人和仆人的关系......或者,公主和骑士的关系?

f788f77effab11978ed1d9ebb9745565.png

到目前为止,我们虽然已经处理完了变分,但仍然没有把位矢

equation?tex=r 的二阶导数用广义坐标表示出来。难道我们真的只能用多元函数求导法则硬扛了?呃呃,别这么想不开。我们先想想,有没有办法降低导数的阶数呢?我们可以试试把左边的式子当做一个整体,一起处理呀!还记得导数的乘法公式嘛?

equation?tex=%28fg%29%27%3Df%27g%2Bfg%27

看起来好像没什么关系?我们移一下项看看。

equation?tex=f%27g%3D%28fg%29%27-fg%27

啊哈,这个式子可以让

equation?tex=f 的导数阶数降低!但是右边的
equation?tex=%28fg%29%27 怎么办?难道就留着了?哎呀,先试试看吧,又不会少块肉。

equation?tex=%5Csum_%7Bi%7Dm%5Cddot+r_i%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D 使用上面的公式得:

equation?tex=%5Csum_%7Bi%7Dm_i%5Cddot+r_i%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%3D%5Cfrac%7Bd%7D%7Bdt%7D%5Csum_%7Bi%7Dm_i%28%5Cdot+r_i%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%29-%5Csum_%7Bi%7Dm_i%5Cdot+r_i%5Cfrac%7Bd%7D%7Bdt%7D%28%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%29

看起来好丑啊......有没有办法让它好看一点呢?比如最后面那个对

equation?tex=t 求导,能不能和偏导数交换次序呢?这个要证明一下才行。其实只要自己算算两个相等就好了啦。由于
equation?tex=r 是关于所有广义坐标以及时间
equation?tex=t 的函数,所以:

equation?tex=%5Cdot+r_i%3D%5Cfrac%7Bdr_i%7D%7Bdt%7D%3D%5Csum_%7Bj%7D%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_j%7D%5Cdot+q_j%2B%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+t%7D

注意看等号右边出现了广义坐标的导数(即“广义速度”),这说明

equation?tex=%5Cdot+r_i 在此时已经是所有广义坐标、广义速度以及时间的函数了,它的自变量个数增加了:

equation?tex=r_i%3Dr_i%28q_1%2Cq_2%2C...%2Cq_s%2Ct%29

equation?tex=%5Cdot+r_i%3D%5Cdot+r_i%28q_1%2Cq_2%2C...%2Cq_s%2C%5Cdot+q_1%2C%5Cdot+q_2%2C...%2C%5Cdot+q_s%2Ct%29

这是对多元函数求全导数之后会发生的情形,是正常现象啦。把上式对

equation?tex=q_%5Calpha 求偏导(注意这个偏导要把广义速度都看成常量哦),就有:

equation?tex=%5Cfrac%7B%5Cpartial%5Cdot+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%3D%5Csum_%7B%5Calpha%7D%5Csum_%7Bj%7D%5Cfrac%7B%5Cpartial%5E2+r_i%7D%7B%5Cpartial+q_j%5Cpartial+q_%5Calpha%7D%5Cdot+q_j%2B%5Cfrac%7B%5Cpartial%5E2+r_i%7D%7B%5Cpartial+t+%5Cpartial+q_%5Calpha%7D

然后我们再算一下

equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%28%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%29 ,就是和上式一样的结果。这说明
equation?tex=r 的偏导数和全导数的确可以换序。这样我们就可以把上面的式子写得稍微好看一点了:

equation?tex=%5Csum_%7Bi%7Dm_i%5Cddot+r_i%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%3D%5Csum_%7Bi%7D%5Cfrac%7Bd%7D%7Bdt%7D%28m_i%5Cdot+r_i%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%29-%5Csum_%7Bi%7Dm_i%5Cdot+r_i%5Cfrac%7B%5Cpartial%5Cdot+r_i%7D%7B%5Cpartial+q_%5Calpha%7D

这里把等号右边第一项的求导符号塞进了求和号里面,因为这是有限个

equation?tex=i 相加,显然可以这么做。然而至此我们依然没有把所有的
equation?tex=r 换成广义坐标。

e5aef3355476d817d65a25b0063bd10e.png

诶诶,别哭啊,就这么放弃了吗?其实我们离成功已经不远了!我们现在要做的就是死死盯住这个式子不放,找到一切可能的突破口!

看出什么了吗?

注意等号右边后一项,它有点像一个复合函数求偏导的形式。。。

动能?动能!

质点系总动能的表达式是

equation?tex=T%3D%5Csum_%7Bi%7D%5Cfrac%7B1%7D%7B2%7Dm_i%5Cdot+r_i%5E2 ,把它对一个广义坐标
equation?tex=q_%5Calpha 求偏导,就得到:

equation?tex=%5Cfrac%7B%5Cpartial+T%7D%7B%5Cpartial+q_%5Calpha%7D%3D%5Csum_%7Bi%7Dm_i%5Cdot+r_i%5Cfrac%7B%5Cpartial+%5Cdot+r_i%7D%7B%5Cpartial+q_%5Calpha%7D

是的,是的,是的!就是它!!!一模一样!第二项解决啦!

那第一项怎么办呢?我们是不是也可以试试看用动能表示呢?

既然

equation?tex=%5Cdot+r_i 是所有广义速度和广义坐标以及时间的函数,动能自然也应该是这样。而我们的方程又只出现其中一个广义坐标
equation?tex=q_%5Calpha 和它对应的广义速度
equation?tex=%5Cdot+q_%5Calpha ,广义坐标求偏导刚才已经试过了,那不如对广义速度
equation?tex=%5Cdot+q_%5Calpha 求偏导试试看?

equation?tex=%5Cfrac%7B%5Cpartial+T%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%3D%5Csum_%7Bi%7Dm_i%5Cdot+r_i%5Cfrac%7B%5Cpartial+%5Cdot+r_i%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D

和第一项括号里面不完全一样呢......但是这个偏导数上下都有一个点,如果这两个点上下可以消掉,那不就和第一项一样了?那么究竟可不可以消掉呢?只要动手算一下就可以了啦。把之前计算出来的

equation?tex=%5Cdot+r_i 代入
equation?tex=%5Cfrac%7B%5Cpartial+%5Cdot+r_i%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D 得:

equation?tex=%5Cfrac%7B%5Cpartial%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D+%5Cdot+r_i%3D%5Cfrac%7B%5Cpartial%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%28%5Csum_%7Bj%7D%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_j%7D%5Cdot+q_j%2B%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+t%7D%29

既然

equation?tex=r_i 只是所有
equation?tex=q 以及t的函数,与广义速度
equation?tex=%5Cdot+q 无关,那么它的偏导数
equation?tex=%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_j%7D 自然也与广义速度
equation?tex=%5Cdot+q 无关,所以上面式子中的
equation?tex=%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_j%7D 在对
equation?tex=%5Cdot+q_%5Calpha 求偏导时就是一个常数而已。
equation?tex=%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+t%7D 也是如此。这样上式算出来就是:

equation?tex=%5Cfrac%7B%5Cpartial+%5Cdot+r_i%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D+%3D%5Cfrac%7B%5Cpartial%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%28%5Csum_%7Bj%7D%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_j%7D%5Cdot+q_j%2B%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+t%7D%29%3D%5Cfrac%7B%5Cpartial++r_i%7D%7B%5Cpartial+q_%5Calpha%7D

说明这个式子中,上下两个点果然可以消去!这样就有

equation?tex=%5Cfrac%7B%5Cpartial+T%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%3D%5Csum_%7Bi%7Dm_i%5Cdot+r_i%5Cfrac%7B%5Cpartial+%5Cdot+r_i%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%3D%5Csum_%7Bi%7Dm_i%5Cdot+r_i%5Cfrac%7B%5Cpartial++r_i%7D%7B%5Cpartial+q_%5Calpha%7D

好了!把这个式子也代入我们处理到一半的达朗贝尔方程中,就变成了:

equation?tex=%5Csum_%7Bi%3D1%7D%5E%7Bn%7D%7BF_i%7D%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%3D%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+T%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D-%5Cfrac%7B%5Cpartial+T%7D%7B%5Cpartial+q_%5Calpha%7D

是不是好看多了?除了左边的求和丑了一点。如果这个质点系不受外力,那这个式子将会更好看:

equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+T%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D-%5Cfrac%7B%5Cpartial+T%7D%7B%5Cpartial+q_%5Calpha%7D%3D0

不过质点系完全不受外力毕竟是极特殊的情况。那如果所有力都是保守力呢?我们知道保守力必有对应的势能。体系的总势能呢?就是各个保守力的势能之和嘛!我们把这个“总势能”记为

equation?tex=V 。而且势能
equation?tex=V 的大小通常只与空间的位置有关,也就是说它仅仅是广义坐标
equation?tex=q_%5Calpha 的函数,与广义速度
equation?tex=%5Cdot+q_%5Calpha 和时间
equation?tex=t 无关:

equation?tex=V%3DV%28q_1%2Cq_2%2C...%2Cq_s%29

所以

equation?tex=%5Cfrac%7B%5Cpartial+V%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%3D0

而保守力

equation?tex=F 是势能的负梯度。这样就有:

equation?tex=F%3D-%5Cnabla+V%3D-%5Cfrac%7B%5Cpartial+V%7D%7B%5Cpartial+%5Cvec+r_i%7D

这里我又特意加上了向量符号,就是要说明这个偏导数其实是对

equation?tex=%5Cvec+r_i 的各个分量求偏导,结果也是一个向量(这样才符合梯度的定义嘛)。那么广义力就可以表示为:

equation?tex=%5Csum_%7Bi%3D1%7D%5E%7Bn%7D%7BF_i%7D%5Cfrac%7B%5Cpartial+%5Cvec+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%3D-%5Csum_%7Bi%3D1%7D%5E%7Bn%7D%5Cfrac%7B%5Cpartial+V%7D%7B%5Cpartial+%5Cvec+r_i%7D%5Cfrac%7B%5Cpartial+%5Cvec+r_i%7D%7B%5Cpartial+q_%5Calpha%7D%3D-%5Cfrac%7B%5Cpartial+V%7D%7B%5Cpartial+q_%5Calpha%7D

哇,这也太好看了吧!广义力简直就是为保守力而生的嘛!这样在外力都是保守力时,我们推了一半的方程就变成了:

equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+T%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D-%5Cfrac%7B%5Cpartial+T%7D%7B%5Cpartial+q_%5Calpha%7D%3D-%5Cfrac%7B%5Cpartial+V%7D%7B%5Cpartial+q_%5Calpha%7D

进一步地,由于

equation?tex=%5Cfrac%7B%5Cpartial+V%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%3D0 ,所以
equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+V%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%3D0 ,那么在等式左边减去
equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+V%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D 这一项不会有什么问题。再把等号右边的项移到左边,就变成:

equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+%28T-V%29%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D-%5Cfrac%7B%5Cpartial+%28T-V%29%7D%7B%5Cpartial+q_%5Calpha%7D%3D0

我们定义

equation?tex=L%3DT-V ,称为体系的拉格朗日量(一听就很高大上是不是!)。这样上式可以写成

equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D-%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+q_%5Calpha%7D%3D0

这就是保守体系下的拉格朗日方程了。对非保守体系,拉格朗日方程可以写为

equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D-%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+q_%5Calpha%7D%3D%5Csum_%7Bi%3D1%7D%5E%7Bn%7D%7BF_i%7D%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_%5Calpha%7D

只不过这里的

equation?tex=F 都是非保守力,而保守力已经包含在拉格朗日量中了。

现实中我们用的较多的还是保守体系下的拉格朗日方程。它是几个方程呢?哈哈,虽然我只写了一个,但它其实对所有的广义坐标

equation?tex=q_%5Calpha 都成立,而广义坐标一共有
equation?tex=3n-k 个,所以一共有
equation?tex=3n-k 个拉格朗日方程。因此,约束越多,拉格朗日方程就越少,也就越好求解,这和牛顿力学是完全相反的。

等等,我们的任务完成了吗?我们不是要把所有含

equation?tex=r_i 的项用广义坐标表示吗?最后用动能(和势能)表示了,这算什么?

哈哈,这其实提醒了我们,在我们使用拉格朗日方程时,必须先把动能和势能都用广义坐标

equation?tex=q_%5Calpha 和广义速度
equation?tex=%5Cdot+q_%5Calpha 表示出来。这样,就相当于把所有量都用广义坐标表示了嘛!

再说一句。我们再观察一下保守体系下的拉格朗日方程:

equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D-%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+q_%5Calpha%7D%3D0

好像......可以仿照之前说的求导换序和上下点相消,把第一项改成

equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%3D%5Cfrac%7B%5Cpartial+%5Cdot+L%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%3D%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+q_%5Calpha%7D%3F%3F%3F

然后代回去,整个式子左边也变成0了???哈哈,这个过程不对的,事实上上面的两个等号都不成立。记得我们之前推导上下点相消的时候,说过这样一句话:

既然
equation?tex=r_i 只是所有
equation?tex=q 以及
equation?tex=t 的函数,与广义速度
equation?tex=%5Cdot+q 无关,那么它的偏导数
equation?tex=%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_j%7D 自然也与广义速度
equation?tex=%5Cdot+q 无关,所以上面式子中的
equation?tex=%5Cfrac%7B%5Cpartial+r_i%7D%7B%5Cpartial+q_j%7D 在对
equation?tex=%5Cdot+q_%5Calpha 求偏导时就是一个常数而已。

但拉格朗日量可不一样哦!它既是广义坐标的函数,又是广义速度的函数,所以

equation?tex=%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+q_%5Calpha%7D 对广义速度求偏导时并不是常数,第二个等号并不成立。第一个等号不成立的原因也类似,就是因为拉格朗日量同时是广义坐标和广义速度的函数。不过呢,上面这个推导虽然不成立,但可以作为一种记忆拉格朗日方程的方法,哈哈。

另外,在保守体系下,

equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D%3D%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+q_%5Calpha%7D 倒还真是正确的,不过当然不是上面这个推导过程,而是直接把保守体系下的拉格朗日方程
equation?tex=%5Cfrac%7Bd%7D%7Bdt%7D%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+%5Cdot+q_%5Calpha%7D-%5Cfrac%7B%5Cpartial+L%7D%7B%5Cpartial+q_%5Calpha%7D%3D0 移项得到。这个关系式很重要,在后面推导对称与守恒律的时候会用到,在推导哈密顿量时也会用到。

那么本章的内容就是这些啦!下期再见啦!

37eaf2bcb3ed1e1c3adb3b2f89d8ef18.png
  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值