文章目录

  • 泛函、变分与欧拉-拉格朗日方程
    • 1. 泛函
    • 2. 变分
    • 3. 欧拉-拉格朗日方程
    • 4. 两点之间直线最短的证明
    • 参考资料

泛函、变分与欧拉-拉格朗日方程

1. 泛函

设CCC是一个由函数组成的集合,对于CCC中的任何一个元素y(x)y(x)y(x),数集BBB中都有一个元素FFF与之对应,称F是y(x)y(x)y(x)的泛函(functional),记作F=F[y(x)]F=F[y(x)]F=F[y(x)]。
一般情况下,泛函式常用积分形式表示:
J[y(x)]=∫x0x1F(x,y,y′)dxJ[y(x)]=\int_{x_0}^{x_1}F(x,y,y')dxJ[y(x)]=∫x0​x1​​F(x,y,y′)dx
式中,被积函数F(x,y,y′)F(x,y,y')F(x,y,y′)称为

由此可见,泛函是从函数组成的一个向量空间到标量域的映射

函数、泛函、算子概念区别

  • 函数:从数域到数域的映射;
  • 泛函:从向量空间到数域的映射;
  • 算子:从向量空间到向量空间的映射。

2. 变分

对泛函求极值的问题称为变分问题。使泛函取极值的函数称为变分问题的解,也称为极值函数。

3. 欧拉-拉格朗日方程

对连续函数求极值,可以通过费马引理,即通过求函数导数为零点求解。类似的,变分法可以通过欧拉-拉格朗日方程求得。
Fy−ddxFy′=0F_y - \frac{d}{dx}F_{y'} = 0Fy​−dxd​Fy′​=0
欧拉-拉格朗日方程的意义在于如果泛函取得极值,该公式都成立。

4. 两点之间直线最短的证明


如上图所示,设A、BA、BA、B两点之间的连接曲线为y=y(x)y=y(x)y=y(x),其曲线 长度为SSS,那么有:
dS=1+(dydx)2dxS=∫x0x1(1+1+(dydx)2)dx令y′=dydxS=∫x0x1(1+1+y′2)dx\begin{aligned} dS & = \sqrt{1+(\frac{dy}{dx})^2}dx \\ S &= \int_{x_0}^{x_1}\Big(1+\sqrt{1+(\frac{dy}{dx})^2}\Big)dx \\ 令\ y'&=\frac{dy}{dx}\\ S &= \int_{x_0}^{x_1}(1+\sqrt{1+y'^2})dx \end{aligned} dSS令 y′S​=1+(dxdy​)2​dx=∫x0​x1​​(1+1+(dxdy​)2​)dx=dxdy​=∫x0​x1​​(1+1+y′2​)dx​
要求两点之间最短路径,即SSS最小,那么就是一个变分问题了。
且其核为:
F=1+1+y′2F = 1+\sqrt{1+y'^2} F=1+1+y′2​

欧拉-拉格朗日方程可得:
∵Fy=0∴ddxFy′=0Fy′=12(1+y′2)−12(2y′)=y′(1+y′2)−12ddxFy′=y′′(1+y′2)−12+y′(−12)(1+y′2)−32(2y′)y′′=y′′(1+y′2)−32=0y′′=0y′=Cy=C1x+C2\begin{aligned} \because &F_y = 0 \\ \therefore &\frac{d}{dx}F_{y'} =0 \\ F_{y'} &= \frac{1}{2} ( 1+y'^2) ^{-\frac{1}{2}}(2y') \\ &= y' ( 1+y'^2) ^{-\frac{1}{2}} \\ \frac{d}{dx}F_{y'} &= y'' ( 1+y'^2) ^{-\frac{1}{2}} + y'( -\frac{1}{2} )( 1+y'^2) ^{-\frac{3}{2}} (2y')y{''} \\ &= y{''}( 1+y'^2) ^{-\frac{3}{2}} = 0 \\ y{''} &= 0 \\ y' &= C \\ y & = C_1x + C_2 \end{aligned} ∵∴Fy′​dxd​Fy′​y′′y′y​Fy​=0dxd​Fy′​=0=21​(1+y′2)−21​(2y′)=y′(1+y′2)−21​=y′′(1+y′2)−21​+y′(−21​)(1+y′2)−23​(2y′)y′′=y′′(1+y′2)−23​=0=0=C=C1​x+C2​​
即曲线SSS为直线。借助两点坐标,C1,C2C_1,C_2C1​,C2​也可求了。

参考资料

知乎:变分法理解1——泛函简介

泛函、变分与欧拉-拉格朗日方程相关推荐

  1. 泛函,变分,欧拉-拉格朗日方程

    ∫f(Z)p(Z)dZ∫f(Z)p(Z)dZ\int f(Z)p(Z) dZ如何理解?假设Z={z1,z2,...,zn}Z={z1,z2,...,zn}Z=\{z_1,z_2,...,z_n \}. ...

  2. 【学习体会】泛函 欧拉-拉格朗日方程 两点之间直线最短

    泛函 泛函是函数的函数,定义域是函数集,值域是数集.也就是说,输入是函数,输出是实数. 参考:欧拉-拉格朗日方程(Euler -Lagrange equation)_qq_43217195的博客-CS ...

  3. 欧拉-拉格朗日方程【转】

    最近在看RGBD-Flow的文章,因为optical flow的思想中用了变分,所以需要了解一些泛函分析求极值的东西,这篇欧拉拉格朗日的文章是作者从wiki转载,留下来以备后用,话说最近看论文头好大, ...

  4. 机械手位置控制——欧拉-拉格朗日方程仿真

    机械手位置控制之欧拉-拉格朗日方程仿真 问题背景 控制率设计 仿真参数 仿真结果 (a)第一组期望位置仿真 (b)第二组期望位置仿真 仿真方法说明 1.通过Matlab的内置函数求解 2.通过simu ...

  5. 科学脑洞—最速降线问题(欧拉-拉格朗日方程的由来)

    约翰·伯努利对速降线问题产生了极大的兴趣,靠着对光的折射现象敏锐的洞察,他对该问题给出了一个拍案叫绝的解答: 该函数其实就是一条球滚线,画出其函数图像如下: 在求得该问题的解之后,约翰·伯努利就向科学 ...

  6. 举例 微积分 拉格朗日方程_Euler-Lagrange Equation (欧拉-拉格朗日方程)推导

    我们知道,对于一个连续函数来说,取得极指的必要条件是它的导函数等于0,也就是驻点(stationary point),这也是费马引理(Fermat's theorem)所表述的内容.然而,函数本身的定 ...

  7. 《机器人动力学与控制》第九章——动力学 9.3 再看欧拉-拉格朗日运动方程

    文章目录 <机器人动力学与控制>第九章--动力学 9.3 再看欧拉-拉格朗日运动方程 9.3.0 回顾欧拉-拉格朗日方程法 9.3.1 方便计算的特殊形式 参考文献 <机器人动力学与 ...

  8. 变分法(欧拉 - 拉格朗日)和梯度下降求泛函最优解

    泛函的简单理解: 是的变量, 这样的就叫泛函 . 加个积分,这样的就叫积分泛函 . 欧拉 - 拉格朗日 (E - L) 公式: 定义一个能量泛函如下: 我们的目的是找到能使 取到极值的时候 的取值,所 ...

  9. 【控制】《复杂运动体系统的分布式协同控制与优化》-方浩老师-第5章-多欧拉-拉格朗日系统分布式编队跟踪控制

    第4章 回到目录 第6章 第5章-多欧拉-拉格朗日系统分布式编队跟踪控制 5.1 引言 5.2 问题描述 5.3 队形加权中心估计器设计 5.4 编队跟踪控制器设计 5.5 仿真验证 5.6 本章小结 ...

  10. 【控制】《复杂运动体系统的分布式协同控制与优化》-方浩老师-第4章-一类欧拉-拉格朗日系统全局稳定的输出反馈协调控制

    第3章 回到目录 第5章 第4章-一类欧拉-拉格朗日系统全局稳定的输出反馈协调控制 4.1 引言 4.2 问题描述 4.3 基于坐标变换和状态重构的部分线性化 4.4 分布式输出反馈跟踪控制器设计 4 ...

最新文章

  1. CSAPP:第三章程序的机器级表示1
  2. java怎么捕捉除数异常_Java异常的捕获及处理---小总结
  3. 分类与监督学习,朴素贝叶斯分类算法
  4. 用nginx TCP反向代理作mail邮件代理
  5. wsgiref — WSGI Utilities and Reference Implementation¶
  6. async/await
  7. Adobe Edge Animate 1.0-软件内部教程
  8. 牛客练习赛29: F. 算式子
  9. jacob 详解 语音_JAVA 实现Jacob语音播报
  10. 近期关于感知器MLP的最新研究
  11. 1、使用Keras构建图像分类器
  12. C语言中将字符串转换为数字
  13. 像中文的罗马音字体复制_帮我把日语的罗马音弄成汉字!
  14. PostgreSQL 10.1 手册
  15. 高薪、高收入程序员背后全是辛酸泪!熬夜,作息饮食不规律,体重增加,掉头发,黑眼圈,生病,鼠标手,颈椎病,免疫力下降?
  16. 【Qt开发】QThread中的互斥、读写锁、信号量、条件变量
  17. 小说作者推荐:休屠城合集
  18. 优选法中的黄金分割法
  19. Pragmatic eBook 介绍 :Test-Driving JavaScript Applications
  20. 华为发布全球首个全性能端到端HSDPA商用方案

热门文章

  1. 2021年文件复制软件评测:FastCopy、TeraCopy、KillCopy、ExtremeCopy、Supercopier
  2. Super odometry:以IMU为核心的激光雷达视觉惯性融合框架(ICRA2021)
  3. 《缠中说禅108课》60:图解分析示范五
  4. 产品结构图 = 产品功能结构图 + 产品信息结构图
  5. ENVI监督分类中SVM(支持向量机)工具
  6. 非线性拟合(C++版)
  7. 转载 计算广告 03
  8. python图片灰度化处理
  9. java ts文件 播放_前端如何播放m3u8格式的视频
  10. 计算机考研复试经典考题汇总(一次刷新世界观)