KNOWECON WIKI

ARTICLE

变分法

变分法 变分法 (Calculus of Variations) 是数学分析的一个重要分支，其研究对象是泛函 (functional) 的极值问题。所谓泛函，是指从函数空间到实数的映射——换言之，泛函的"自变量"是函数，而"因变量"是一个实数。变分法的目标是在满足一定约束条件的函数集合中，找出使某个泛函达到极大值或极小值的函数。这一思想可以追溯到微积分诞生之

浏览 0 更新 2026-05-27

变分法

变分法 (Calculus of Variations) 是数学分析的一个重要分支，其研究对象是泛函 (functional) 的极值问题。所谓泛函，是指从函数空间到实数的映射——换言之，泛函的"自变量"是函数，而"因变量"是一个实数。变分法的目标是在满足一定约束条件的函数集合中，找出使某个泛函达到极大值或极小值的函数。这一思想可以追溯到微积分诞生之初，最著名的早期问题当属约翰·伯努利在1696年提出的最速降线问题 (brachistochrone problem)：在重力作用下，一个质点从点A滑到点B（A高于B但不在同一竖直线上），应沿何种曲线路径才能使所需时间最短？伽利略曾误认为答案是圆弧，而伯努利兄弟、莱布尼茨和牛顿等人则通过不同的方法正确地证明该曲线是摆线 (cycloid)。这一问题的解决标志着变分法的正式诞生。

基本概念与欧拉-拉格朗日方程

变分法的核心结果是欧拉-拉格朗日方程 (Euler-Lagrange equation)。考虑一类最基本的变分问题：在满足固定边界条件 y(x1)=y1y(x_1)=y_1、y(x2)=y2y(x_2)=y_2 的所有二阶可微函数中，寻找使积分型泛函

J[y]=∫x1x2F(x,y(x),y′(x)) dxJ[y] = \int_{x_1}^{x_2} F(x, y(x), y'(x)) \, dx

达到极值的函数 y(x)y(x)。欧拉和拉格朗日在18世纪中叶独立地导出，若 y(x)y(x) 是极值函数，则它必须满足以下微分方程：

∂F∂y−ddx(∂F∂y′)=0.\frac{\partial F}{\partial y} - \frac{d}{dx}\left(\frac{\partial F}{\partial y'}\right) = 0.

这一方程被称为欧拉-拉格朗日方程，是变分法中最基本的必要条件。推导该方程的核心思想是考虑对极值函数施加一个微小的扰动 ϵη(x)\epsilon \eta(x)（其中 η(x)\eta(x) 在端点处为零），然后令泛函的一阶变分 δJ=0\delta J = 0。

多变量与约束极值

变分法的应用远不止单个未知函数的情形。对于含有多个未知函数的泛函 J[y1,y2,…,yn]J[y_1, y_2, \dots, y_n]，可以得到一组欧拉-拉格朗日方程，每个未知函数对应一个方程。对于含有高阶导数的泛函 J[y]=∫F(x,y,y′,y′′,…,y(n)) dxJ[y] = \int F(x, y, y', y'', \dots, y^{(n)}) \, dx，欧拉-拉格朗日方程推广为

∂F∂y−ddx(∂F∂y′)+d2dx2(∂F∂y′′)−⋯+(−1)ndndxn(∂F∂y(n))=0.\frac{\partial F}{\partial y} - \frac{d}{dx}\left(\frac{\partial F}{\partial y'}\right) + \frac{d^2}{dx^2}\left(\frac{\partial F}{\partial y''}\right) - \cdots + (-1)^n \frac{d^n}{dx^n}\left(\frac{\partial F}{\partial y^{(n)}}\right) = 0.

当泛函极值问题带有约束条件时，需要引入拉格朗日乘子法 (Lagrange multipliers)。例如，经典的等周问题 (isoperimetric problem) 是在给定曲线长度的条件下，求所围面积最大的曲线。这类问题将约束条件通过拉格朗日乘子 λ\lambda 并入泛函，构造增广泛函后导出相应的欧拉-拉格朗日方程。更一般的约束形式（如微分方程约束）则需要依赖庞特里亚金最大值原理 (Pontryagin's maximum principle) 等更高级的工具。

充分条件与勒让德条件

欧拉-拉格朗日方程仅给出极值的必要条件。要判断一个驻留函数是否真正使泛函取极小值，还需要考察二阶变分 δ2J\delta^2 J 的符号。勒让德条件 (Legendre condition) 指出，对于极小值问题，在极值函数上必须满足

∂2F∂y′2≥0\frac{\partial^2 F}{\partial y'^2} \geq 0

对所有 xx 成立（强勒让德条件要求严格大于零）。更强的充分条件涉及雅可比条件 (Jacobi condition)，要求共轭点不出现在区间内部。

变分法与最优控制理论

变分法与最优控制理论 (optimal control theory) 有着深厚的渊源。20世纪中叶，随着航天工程和运筹学的发展，经典变分法在面临控制变量受不等式约束的问题时暴露出局限性。庞特里亚金于1956年提出的最大值原理可以视为变分法在现代控制理论中的直接推广。另一方面，理查德·贝尔曼提出的动态规划 (dynamic programming) 则基于贝尔曼最优性原理，通过哈密顿-雅可比-贝尔曼方程 (Hamilton-Jacobi-Bellman equation) 从另一个角度解决了最优控制问题。在经济学中，最优控制理论被广泛应用于经济增长模型、资源经济学、宏观经济学中的跨期优化问题，例如Ramsey模型和新古典增长模型就是变分法思想的经典应用。

变分法的现代发展

在当代数学中，变分法已经远远超越了古典分析的范围。直接法 (direct methods) 利用泛函的凸性、下半连续性以及Sobolev空间中的紧性来证明极值函数的存在性，无需通过欧拉-拉格朗日方程求解。这一方法在非线性弹性力学、相变理论和图像处理中发挥了关键作用。此外，变分法还与有限元方法 (finite element method) 紧密结合：许多偏微分方程的数值解可以通过变分原理转化为泛函极小化问题，然后使用有限元方法进行离散求解。

在经济和金融领域，变分法的应用同样广泛。例如，在资产定价中，通过变分法可以推导最优消费-投资策略；在机制设计中，最优契约的设计往往涉及泛函极值问题；在产业组织中，动态寡头竞争模型的求解也常常借助变分法的思想。

总之，变分法作为连接数学、物理、工程和经济学的桥梁性学科，其核心思想——通过对函数的微小扰动来推导最优性条件——深刻影响了现代科学的发展。从最速降线到黑洞物理学，从最优经济增长到深度学习中的神经网络训练，变分法的身影无处不在。