-
设 x 1 ( t ) , … , x n ( t ) x_1(t), \ldots, x_n(t) x1(t),…,xn(t) 是在区间 a ≤ t ≤ b a \leq t \leq b a≤t≤b 上定义的实值函数。设 x : [ a , b ] → R n x : [a, b] \rightarrow \mathbb{R}^n x:[a,b]→Rn 由 x ( t ) = ( x 1 ( t ) , … , x n ( t ) ) x(t) = (x_1(t), \ldots, x_n(t)) x(t)=(x1(t),…,xn(t)) 定义。(1)
函数 x x x 是向量值的,特别地,是 R n \mathbb{R}^n Rn 值的。可以将 x ( t ) x(t) x(t) 想象为随着 t t t 从 a a a 增加到 b b b 在 R n \mathbb{R}^n Rn 中追踪一条曲线。我们将函数和曲线都称为 x x x。 -
x x x 在 t t t 处的导数是向量
x ˙ ( t ) = ( x ˙ 1 ( t ) , … , x ˙ n ( t ) ) \dot{x}(t) = (\dot{x}_1(t), \ldots, \dot{x}_n(t)) x˙(t)=(x˙1(t),…,x˙n(t))
向量 x ˙ ( t ) \dot{x}(t) x˙(t) 与 x x x 在 x ( t ) x(t) x(t) 点处追踪的曲线相切。如果 x ( t ) x(t) x(t) 是一个移动粒子的位置,那么 x ˙ ( t ) \dot{x}(t) x˙(t) 就是粒子的速度。 -
我们考虑形式如下的泛函
J ( x ) = ∫ a b L ( t , x ( t ) , x ˙ ( t ) ) d t J(x) = \int_{a}^{b} L(t, x(t), \dot{x}(t)) \, dt J(x)=∫abL(t,x(t),x˙(t))dt
拉格朗日量 L L L 是一个具有 2 n + 1 2n + 1 2n+1 个参数的函数。我们:
a. 泛函 J J J 的定义域 D D D 中的函数 x x x 应该是光滑的。这意味着分量 x k x_k xk 具有我们所需的尽可能多的连续导数。
b. 我们对 D D D 中的函数施加边界条件,
x ( a ) = α 和 x ( b ) = β , x(a) = \alpha \quad \text{和} \quad x(b) = \beta, x(a)=α和x(b)=β,
其中 α = ( α 1 , … , α n ) \alpha = (\alpha_1, \ldots, \alpha_n) α=(α1,…,αn) 和 β = ( β 1 , … , β n ) \beta = (\beta_1, \ldots, \beta_n) β=(β1,…,βn)。满足上述条件的函数 x x x 在 R n \mathbb{R}^n Rn 中从 α \alpha α 到 β \beta β 追踪一条曲线。
c. 可接受的变分是平滑函数 g ( t ) = ( g 1 ( t ) , … , g n ( t ) ) g(t) = (g_1(t), \ldots, g_n(t)) g(t)=(g1(t),…,gn(t)),这些函数在 a a a 和 b b b 处消失。因此 g ( a ) = g ( b ) = 0 g(a) = g(b) = 0 g(a)=g(b)=0。 -
x ∈ D x \in D x∈D 处 J J J 的 Gâteaux 变分方向为 h ∈ A h \in A h∈A 是
δ J ( x , g ) = d d ϵ J ( x + ϵ g ) ∣ ϵ = 0 = ∫ a b ∑ k = 1 n ( ∂ L ∂ x k g k + ∂ L ∂ x ˙ k g ˙ k ) d t \delta J(x, g) = \left. \frac{d}{d\epsilon} J(x + \epsilon g) \right|_{\epsilon=0} = \int_{a}^{b} \sum_{k=1}^{n} \left( \frac{\partial L}{\partial x_k} g_k + \frac{\partial L}{\partial \dot{x}_k} \dot{g}_k \right) dt δJ(x,g)=dϵdJ(x+ϵg) ϵ=0=∫abk=1∑n(∂xk∂Lgk+∂x˙k∂Lg˙k)dt
= ∫ a b ∑ k = 1 n ( ∂ L ∂ x k − d d t ∂ L ∂ x ˙ k ) g k d t = \int_{a}^{b} \sum_{k=1}^{n} \left( \frac{\partial L}{\partial x_k} - \frac{d}{dt} \frac{\partial L}{\partial \dot{x}_k} \right) g_k dt =∫abk=1∑n(∂xk∂L−dtd∂x˙k∂L)gkdt
由上式,如果 x x x 满足 n n n 个欧拉方程的系统,
∂ L ∂ x k − d d t ∂ L ∂ x ˙ k = 0 , k = 1 , … , n , \frac{\partial L}{\partial x_k} - \frac{d}{dt} \frac{\partial L}{\partial \dot{x}_k} = 0, \quad k = 1, \ldots, n, ∂xk∂L−dtd∂x˙k∂L=0,k=1,…,n,
则 x x x 是 J J J 的极值。 -
哈密顿量是
H = − L ( t , x , x ˙ ) + ∑ k = 1 n x ˙ k ∂ L ∂ x ˙ k ( t , x , x ˙ ) H = -L(t, x, \dot{x}) + \sum_{k=1}^{n} \dot{x}_k \frac{\partial L}{\partial \dot{x}_k} (t, x, \dot{x}) H=−L(t,x,x˙)+k=1∑nx˙k∂x˙k∂L(t,x,x˙)
a. 当 L = L ( x , x ˙ ) L = L(x, \dot{x}) L=L(x,x˙) 时,哈密顿量是欧拉方程系统的第一个积分。这意味着
H = − L ( x , x ˙ ) + ∑ k = 1 n x ˙ k ∂ L ∂ x ˙ k ( x , x ˙ ) = constant , H = -L(x, \dot{x}) + \sum_{k=1}^{n} \dot{x}_k \frac{\partial L}{\partial \dot{x}_k} (x, \dot{x}) = \text{constant}, H=−L(x,x˙)+k=1∑nx˙k∂x˙k∂L(x,x˙)=constant,
如果 x x x 满足上述欧拉方程系统。
b. 如果 L = L ( t , x ˙ ) L = L(t, \dot{x}) L=L(t,x˙),则 n n n 个函数 ∂ L ∂ x ˙ k \frac{\partial L}{\partial \dot{x}_k} ∂x˙k∂L, k = 1 , … , n k = 1, \ldots, n k=1,…,n 是系统的第一个积分。
c. 如果 L = L ( t , x ) L = L(t, x) L=L(t,x),则欧拉方程系统简化为代数方程组
∂ L ∂ x k = 0 , k = 1 , … , n . \frac{\partial L}{\partial x_k} = 0, \quad k = 1, \ldots, n. ∂xk∂L=0,k=1,…,n.
变分法笔记4
2024/10/24 8:20:28
来源:https://blog.csdn.net/White__River/article/details/140471725
浏览:
次
关键词:变分法笔记4
版权声明:
本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。
我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com
热文排行
- 《警世贤文》摘抄:处人篇、受恩篇、宽人篇、听劝篇、劝善篇(多读书、多看报、少吃零食多睡觉)
- nccl 03 记 回顾:从下载,编译到调试 nccl-test
- 【CVE-2024-38077】核弹级Windows RCE漏洞如何自检并修复该漏洞(附批量漏洞检测工具及分析伪代码)
- 【HW必备】用友NC-Cloud存在17处漏洞合集
- Vmess协议是什么意思? VLESS与VMess有什么区别?
- AD24设计步骤
- ctfshow-web入门-php特性(web132-web136)
- HarmonyOS应用开发者高级认证,Next版本发布后最新题库 - 单选题序号4
- windows11 ,ubuntu20.04双系统,ubuntu没有wifi的解决方式
- [python][whl]causal-conv1d的python模块在windows上whl文件下载