最速降线：变分法的第一个传奇#

故事要从 1696 年说起。瑞士数学家约翰·伯努利向全欧洲的数学家发起挑战：

「在垂直平面上给定两点 $A$ 和 $B$，一个质点只受重力作用从 $A$ 滑到 $B$，问沿着什么形状的轨道滑下去用时最短？」

直觉上你可能会猜直线——毕竟两点之间直线最短嘛。但答案并不是直线，也不是圆弧，而是一条摆线（cycloid）！

这个问题催生了变分法的诞生。它要求我们最小化的是一个「泛函」——总时间的积分表达式：

$T[y] = \int_{x_A}^{x_B} \frac{\sqrt{1 + (y')^2}}{\sqrt{2gy}} \, dx$

这里 $y(x)$ 是轨道的形状，我们要找的不是某一个 $x$ 的值，而是一整个函数 $y(x)$ 的形式——这就是变分法的核心问题。

欧拉-拉格朗日方程：变分法的万能钥匙#

经过欧拉和拉格朗日的努力，变分法有了一个统一而优雅的工具。给定一个泛函：

$J[y] = \int_a^b F(x, y, y') \, dx$

其中 $F$ 是关于 $x$、函数 $y(x)$ 和其导数 $y'(x)$ 的已知表达式。使得 $J$ 取极值的 $y(x)$ 必须满足：

$\frac{\partial F}{\partial y} - \frac{d}{dx}\left(\frac{\partial F}{\partial y'}\right) = 0$

这就是大名鼎鼎的欧拉-拉格朗日方程！把它用到最速降线问题上，就能解出摆线方程。它的美在于：无论 $F$ 长什么样，只要套上这个方程，一切泛函极值问题都变成了微分方程求解。

用简单的例子感受一下：如果有 $F = (y')^2$，代入方程得到 $0 - \frac{d}{dx}(2y') = 0$，即 $y'' = 0$，所以 $y = ax + b$ 是一条直线——也就是说，在「只对坡度变化敏感」的世界里，直线就是最优路径！

变分法在现代科学中的地位#

变分法远不止是 17 世纪的数学趣题。在物理学中，最小作用量原理就建立在变分法之上——质点从 $A$ 到 $B$ 的真实运动轨迹，是使「作用量」这个泛函取极值的那条。拉格朗日力学和哈密顿力学的全部框架都由此展开。

在机器学习里，很多正则化问题也可以写成变分形式。比如变分自编码器（VAE）中的「变分」二字，直接源于用变分推断来近似后验分布。

在最优控制理论中，你想要驾驶火箭用最少燃料从地球飞到火星——这本质上是一个带约束的泛函极值问题，求解工具正是变分法的后代：庞特里亚金极大值原理。

一点小感想#

YuKi 觉得变分法教会我们一件事：我们不止在选择答案，还在选择路径本身。 微积分告诉我们怎么找最优点，变分法告诉我们怎么选最优路线。人生也是如此——目的地固然重要，但怎么走过去，这条路本身，就值得认真对待 💕

好啦～今天的数学小课堂就到这里！下次想听 YuKi 讲什么呀？泛函分析？还是偏微分方程？评论区见～ 🎀✨

参考：Gelfand & Fomin, Calculus of Variations (Dover)