结合泛函极值_(二) 泛函的极值
极值的概念
函数 \(f(x)\) 在 \(x_0\) 处取得极小值,是指当 \(x\) 在 \(x_0\) 点及其附近 \(|x - x_0| < \varepsilon\) 时,恒有
\(f(x) \ge f(x_0)\)
若有
\(f(x) \leq f(x_0)\)
则称函数 \(f(x)\) 在 \(x_0\) 点取极大值。
函数 \(f(x)\) 在点 \(x_0\) 处取得极值的必要条件是在该点处的导数为 0,即
\(f'(x) = 0\)
泛函的极值必要条件
仿照函数极值必要条件的到处方法,得到泛函取得极值的必要条件。 首先,设所考虑的变量函数均通过固定的两个端点:
\(y(x_0) = a, \qquad y(x_1) = 0\)
即
\(\delta y(x_0) = 0, \qquad \delta y(x_1) = 0\)
考虑泛函的差值
\[J[y + \delta y] - J[y] = \int^{x_1}_{x_0} [ F(x, y + \delta y, y' + (\delta y)') - F(x, y, y')] dx
\]
当函数的变分 \(\delta y\) 足够小时,可将上式进行泰勒展开,有
\[\begin{align}
J[y + \delta y] - J[y] &= \int^{x_1}_{x_0} \left\{ [\delta y \frac{\partial}{\partial y} + (\delta y)' \frac{\partial}{\partial y'}]F + \frac{1}{2!} [\delta y \frac{\partial}{\partial y} + (\delta y)' \frac{\partial}{\partial y"}]^2 F + \cdots \right\} dx\\
&= \delta J[y] + \frac{1}{2!} \delta^2 J[y] + \cdots
\end{align}
\]
其中,
\[\delta J[y] \equiv \int^{x_1}_{x_0} [\frac{\partial F}{\partial y} \delta y + \frac{\partial F}{\partial y'}(\delta y)']dx
\]
是泛函 \(J[y]\) 的一级变分。
泛函 \(J[y]\) 取极小值的必要条件是泛函的一级变分为 0,即:
\[\delta J[y] \equiv \int^{x_1}_{x_0} [\frac{\partial F}{\partial y} \delta y + \frac{\partial F}{\partial y'}(\delta y)']dx = 0
\]
将上式积分中的第二项分部积分,同时代入边界条件,有
\[\begin{align}
\delta J[y] &= \frac{\partial F}{\partial y'} \delta y|^{x_1}_{x_0} + \int^{x_1}_{x_0} [\frac{\partial F}{\partial y} \delta y - \frac{d}{dx}\frac{\partial F}{\partial y'}\delta y]dx \\
&= \int^{x_1}_{x_0} [\frac{\partial F}{\partial y} - \frac{d}{\partial x}\frac{\partial F}{\partial y'}] \delta y dx = 0
\end{align}
\]
由于 \(\delta y\) 的任意性,可以得到
\[\frac{\partial F}{\partial y} - \frac{d}{\partial x}\frac{\partial F}{\partial y'} = 0
\]
这个方程为 Euler-Lagrange 方程,它是泛函 \(J[y]\) 取得极小值的必要条件的微分形式。
数学知识补充
泰勒展开
分部积分
结合泛函极值_(二) 泛函的极值相关推荐
- 结合泛函极值_第2章泛函的极值.doc
第2章泛函的极值 第2章 泛函的极值 , , 如果, 当 (或者说)时, 有 那么, 我们称在处是连续的, 记为. 2.1.2 函数的可微性 更进一步, 如果存在, 使得 那么我们称在处是可微的, 或 ...
- 判断极值_拐点的三个充要条件以及一个必要
极值 一阶可导点是极值点的必要条件 设 f(x) 在 x=x0 处可导,且在点 x0 处取得极值,则必有 又是费马定理 判断极值的第一充分条件 判断极值的第二充分条件 判断极值的第三充分条件 设 f( ...
- JavaWeb-SpringBoot(抖音)_二、服务器间通讯
JavaWeb-SpringBoot(抖音)_一.抖音项目制作 传送门 JavaWeb-SpringBoot(抖音)_二.服务器间通讯 传送门 JavaWeb-SpringBoot(抖音)_三.抖音项 ...
- matlab求曲线极值程序,matlab函数求极值matlab函数求极值.ppt
matlab函数求极值matlab函数求极值 * * 函数的极值 1.一元函数的极值 函数命令:fminbnd 调用格式:[x,feval,exitflag,output]=fminbnd(fun,x ...
- C# 传递数组参数_一维数组_二维数组
using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.T ...
- 《MATLAB 神经网络43个案例分析》:第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
<MATLAB 神经网络43个案例分析>:第4章 神经网络遗传算法函数极值寻优--非线性函数极值寻优 1. 前言 2. MATLAB 仿真示例 3. 小结 1. 前言 <MATLAB ...
- 二维码简介_二维码基本概念_二维码基本原理
一.二维码简介_二维码基本概念_二维码基本原理 1.二维码又称二维条码,常见的二维码为QR Code,QR全称Quick Response,是一个近几年来移动设备上超流行的一种编码方式,它比传统的Ba ...
- jquery二维码生成插件_二维码生成器
jquery二维码生成插件_二维码生成器 下载地址:jquery生成二维码.rar 转载于:https://www.cnblogs.com/wifi/articles/3176529.html
- 05 ,函数的极值,最值,极值定理,极值与导 0 的关系 :
1 ,极值,极值点 : 定义 : 去心邻域内的最大值或者最小值 2 ,最值 : 定义域内的最大值或者最小值 3 ,极值 vs 最值 : 极值 : 局部性概念 最值 :全局性概念 比较 : 4 ,极值定 ...
- 二次指数平滑法 php,二次指数平滑法摘抄_二次指数平滑法算例
二次指数平滑法摘抄_二次指数平滑法算例 指数平滑法是一种特殊的加权平均法,加权的特点是对离预测值较近的历史数据给予较大的权数,对离预测期较远的历史数据给予较小的权数,权数由近到远按指数规律递减,所以, ...
最新文章
- 原生js实现发短信~chat
- 【Network Security!】认识进程与端口
- java报错只有一个数字4,Java 报错 illegal Key Size
- 【Nginx】判断URL中是否存在某个参数Parameter
- Redis学习笔记之Redis单机,伪集群,Sentinel主从复制的安装和配置
- SAP CRM BP contact detail - workAddress
- Servlet、Struts2以及SpringMvc中的线程安全
- 使用javascript实现html页面直接下载网盘文件
- ActiveMQ官方文档翻译-内嵌消息中间件
- 如何PDF转Word文档?快把这些方法收好
- Excel4.0宏病毒查看隐藏宏代码
- 条件概率下的全概率公式
- matlab里vSAS,科学网—【MATLAB】saveas和print保存图片的格式 - 叶瑞杰的博文
- EBS - FA资产剩余寿命计算脚本
- Docker实现Canal MySQL增量日志订阅消费环境搭建
- Shopee招聘主页下面一排建筑简笔画代表哪里
- 一个hin秀的小学三年级奥数题 [hin秀]
- 如何优雅地给妹子优化电脑(Windows)?
- JMeter入门操作简介
- 【力扣-141】 环形链表 + 【力扣-142】 环形链表 II
热门文章
- 关于win10笔记本电脑设置账号密码,但是关闭盖子打开后不进入输入密码界面的解决方法
- 基于JAVA建材公司管理系统计算机毕业设计源码+数据库+lw文档+系统+部署
- 今天都到了2018年9月19日了
- 教育行业在用的云管平台是什么牌子?
- 并行程序设计方法实验(包括openmp、向量化实现pi计算、SPECOMP2012测试、矩阵乘法优化)
- fdisk 命令实现磁盘分区详细教程
- C++ 将当前系统时间转换成标准格式的时间和时间戳
- oracle 01031 dblink,通过修改基表(link$)让非public dblink变为public
- 在 JavaScript 中按字母顺序排序 - 如何在 JS 中按名称排序
- Codeforces--44A--Indian Summer