1 基本概念
变分法研究的是泛函的极值问题，即寻找能够使某个量在函数空间中取到最小、最大或驻值的函数。与传统微积分主要处理自变量为数值的函数不同，变分法将研究对象扩展到“函数的函数”，因此常被视为分析与最优化之间的重要桥梁。
1.1 泛函
泛函是把函数映射为数值的算子。若一个量依赖于整条曲线、整个函数或一个区域上的函数分布，而不只是某个点的取值，那么它通常可被表述为泛函。例如，曲线长度、能量积分、作用量等都属于典型泛函。
在形式上，泛函常写作 \[ J[y]=\int_a^b F(x,y,y')\,dx \] 其中 \(y\) 是待求函数，\(J[y]\) 是对应的数值输出。泛函的研究重点不在于单个函数值，而在于函数整体形态对结果的影响。
1.2 变分与扰动
变分通常指对函数施加一个微小的改变，用以考察泛函对该改变的响应。若原函数为 \(y\)，则可写成 \(y+\varepsilon \eta\)，其中 \(\eta\) 表示扰动方向，\(\varepsilon\) 是很小的参数。
通过分析泛函在 \(\varepsilon\) 接近零时的变化，可以导出极值条件。这个过程类似于微积分中的导数思想，只是对象从数值函数变成了函数本身。变分法中的“第一变分”通常对应一阶变化量，而“第二变分”则用于判断极值的性质。
1.3 极值问题
变分法的核心任务是求解泛函极值问题，即在满足一定条件下找到使泛函达到最优的函数。这类问题常出现在最短路径、最小能量、最优形状和最优控制等情境中。
1.3.1 极大值与极小值
极小值问题是变分法中最常见的类型，例如寻找使曲线长度最短的路径，或使能量积分最小的函数。极大值问题在某些物理和经济模型中也会出现，但在分析方法上通常与极小值问题类似，只需对符号作相应调整。
在实际应用中，很多问题首先表现为极小化形式，因为“最省”“最稳”“最优”等目标往往可转化为最小值模型。
1.3.2 驻值条件
驻值是指泛函在某个函数处的一阶变化为零。它不一定对应真正的最小值或最大值，也可能是鞍点。对于光滑泛函而言，驻值条件往往是寻找候选解的首要步骤。
欧拉—拉格朗日方程就是驻值条件的典型表达。它将复杂的泛函极值问题转化为可处理的微分方程，从而使求解过程更具可操作性。
1.4 约束条件
许多变分问题并非在任意函数中寻找极值，而是必须满足边界、积分、几何或物理上的限制。例如，曲线两端固定、面积不变、体积受限等，都属于约束条件。
约束的存在会改变极值方程的形式，使问题更接近带条件的最优化。常见处理方式包括引入拉格朗日乘子、构造增广泛函，或直接在受限函数类中讨论可行变分。
2 变分法的历史发展
变分法的形成经历了从具体几何问题到抽象分析理论的长期演进。它最初源于对最短、最省和最优现象的思考，后来逐渐发展为现代数学的重要分支，并深刻影响了物理学与工程学。
2.1 早期极值问题
变分思想可追溯到古典几何中的极值研究，如最短路径、最大面积和等周类问题。古代数学家已经意识到某些几何量具有“最优形态”，但当时尚未形成系统的方法。
中世纪与文艺复兴时期，一些与光学和力学有关的问题进一步推动了极值思想的发展。人们开始尝试用统一的数学语言描述“自然界如何选择最优路径”。
2.2 欧拉与拉格朗日的贡献
欧拉和拉格朗日奠定了变分法的经典框架。欧拉系统研究了泛函极值条件，并将其转化为微分方程形式；拉格朗日进一步发展了符号和方法，使变分法的表达更加规范。
二人的工作不仅形成了欧拉—拉格朗日方程，也推动了约束变分、边界条件和物理应用的发展。此后，变分法逐步成为分析、力学与几何中的通用工具。
2.3 19世纪的发展
19世纪，变分法在严格性和广泛性上都得到加强。数学家开始更重视解的存在性、唯一性与稳定性，不再满足于形式推导。
这一时期，变分法与偏微分方程、几何分析和物理理论的联系更加紧密。许多经典问题被重新表述为泛函极值问题，促进了现代分析学的形成。
2.4 现代变分理论
进入现代后，变分法与泛函分析、测度论、拓扑方法和数值计算深度融合。研究对象也从光滑函数扩展到弱可微函数、广义函数和更一般的函数空间。
现代变分理论不仅处理传统极值问题，还涉及最佳控制、自由边界问题、非光滑优化和变分不等式等方向，应用范围显著扩大。
3 基本数学工具
变分法的建立依赖于若干基础工具，包括函数空间、微分与积分技巧、边界处理以及对函数正则性的分析。这些工具共同构成了变分问题的数学语言。
3.1 函数空间
函数空间是变分法的基本舞台。待求函数通常不再是单个具体对象，而是属于某个满足条件的函数集合，例如连续函数空间、可微函数空间或 Sobolev 空间。
不同函数空间对应不同的正则性要求。空间的选择会影响极值是否存在，以及求解过程中可使用哪些分析手段。
3.2 可微性与连续性
变分法常要求泛函对函数扰动具有一定的可微性，这样才能讨论导数、变分和驻值条件。连续性则有助于保证极值问题的稳定性，并支撑极限过程的合法性。
在更一般的情形中，即便函数不够光滑，也可借助弱导数、弱连续等概念建立变分框架。这使理论能够覆盖大量实际问题。
3.3 分部积分
分部积分是推导欧拉—拉格朗日方程时最常用的工具之一。它能够把导数从扰动函数转移到系数函数，从而将变分表达式整理为标准形式。
在处理边界项时，分部积分也具有关键作用。许多自然边界条件正是在这一过程中显现出来。
3.4 边界条件
边界条件用于描述函数在区域边界上的行为，是变分问题中不可忽视的一部分。常见形式包括固定端点、自由端点、周期边界和自然边界条件。
不同的边界设定会导出不同的极值方程。边界条件既决定可行函数的范围，也影响最终解的物理或几何意义。
4 欧拉—拉格朗日方程
欧拉—拉格朗日方程是变分法最核心的结果之一。它把泛函的驻值条件转化为微分方程，是连接极值理论与常微分方程、偏微分方程的关键纽带。
4.1 方程的推导
通常从泛函 \[ J[y]=\int_a^b F(x,y,y')\,dx \] 出发，对 \(y\) 作微小扰动并计算一阶变分。若在极值点处一阶变化为零，则可通过分部积分消去含扰动导数的项，最终得到欧拉—拉格朗日方程。
其基本形式为 \[ \frac{\partial F}{\partial y}-\frac{d}{dx}\left(\frac{\partial F}{\partial y'}\right)=0 \] 这是变分法中最常见的标准方程。
4.2 一阶必要条件
欧拉—拉格朗日方程属于一阶必要条件，即只有满足该方程的函数才可能成为极值函数，但并不保证一定是极小或极大。它相当于对候选解的一种筛选标准。
在实际分析中，还需结合边界条件和二阶变分等进一步判断，才能确定解的极值类型。
4.3 多变量情形
当泛函依赖多个自变量或多个未知函数时，欧拉—拉格朗日方程会推广为偏微分形式。此时每个分量函数都要满足相应的驻值条件。
这类推广常见于弹性理论、流体力学和场论。多变量情形下，方程组结构更复杂，但基本思想仍然是“对扰动的一阶响应为零”。
4.4 高阶泛函
某些泛函不仅依赖函数及其一阶导数，还依赖更高阶导数，例如曲率、加速度或更复杂的几何量。对应的极值方程会包含高阶微分项。
高阶变分问题常见于弹性曲线、板壳理论和光滑插值等领域。其边界条件也更加丰富，通常需要同时指定多个层次的端点信息。
5 典型变分问题
变分法之所以具有代表性，很大程度上源于一批经典问题。这些问题既展示了方法的有效性，也促成了相关理论的发展。
5.1 最短路径问题
最短路径问题研究两点之间哪条曲线长度最小。在欧氏平面中，答案是直线；但在更一般的几何环境里，最短路径往往对应测地线。
这一问题是变分法的基础范例，因为它可以直接转化为曲线长度泛函的极小化。
5.2 悬链线问题
悬链线问题研究柔软细链在重力作用下的平衡形状。其结果不是抛物线，而是由双曲函数描述的悬链线。
该问题体现了变分法与力学平衡的联系。链条在重力与张力共同作用下，最终采取使势能最小的形态。
5.3 费马原理
费马原理指出，光线在介质中传播时会选择使传播时间取极值的路径。这个原理将光学问题转化为变分问题，是几何光学的重要基础。
在折射与反射现象中，费马原理能够统一解释光路选择规律，并导出经典的光学定律。
5.4 等周问题
等周问题研究在固定周长下如何使面积最大，或在固定面积下如何使周长最小。其最优解通常是圆。
该问题是几何变分法的代表，也体现了全局最优与局部驻值之间的联系。
5.5 最速降线问题
最速降线问题要求找到使质点在重力下从一点滑到另一点所需时间最短的曲线。其解为摆线，这一结果具有很强的历史影响。
这个问题说明，最短路径不一定对应最短时间。速度变化会使“最快”与“最近”产生差异，因此问题本质上是对时间泛函的最小化。
6 约束变分问题
在很多实际情形中，待求函数必须满足额外条件，因而极值问题不能直接在所有函数上进行。约束变分问题正是处理这类受限优化的理论框架。
6.1 拉格朗日乘子法
拉格朗日乘子法通过引入附加变量，将约束条件并入目标泛函，从而把受限问题转化为无约束形式或等价的联立方程组。
在变分问题中，这一方法常用于处理积分约束、几何约束和代数约束。乘子本身往往具有物理解释，例如对应某种反作用或调节量。
6.2 等式约束
等式约束要求函数满足某个精确条件，如总质量固定、总面积固定或积分值固定。处理这类问题时，常将约束写入增广泛函，再求相应的驻值条件。
等式约束一般会带来新的未知量，使极值方程与约束方程共同构成一个耦合系统。
6.3 不等式约束
不等式约束要求函数位于某个允许范围内，例如不得低于某条边界，或某些量必须保持非负。此类问题比等式约束更复杂，因为可行集通常不是光滑流形。
在分析上，不等式约束常涉及互补条件、活跃约束和边界切换等现象，因而更适合用更一般的优化理论处理。
6.4 变分不等式
变分不等式是约束变分理论的重要分支，常用于描述接触问题、流动问题和资源分配模型。它不要求直接求解方程，而是寻找满足某种不等式关系的可行解。
这类问题在形式上具有较强的通用性，能够覆盖许多带约束的平衡态模型。
7 变分法与物理
变分法与物理学之间有着深刻联系。许多物理定律都可以从极值原理或驻值原理中导出，因此变分法既是数学工具，也是物理建模语言。
7.1 经典力学中的作用量原理
在经典力学中，系统的演化常可通过作用量来描述。作用量是一个沿时间积分的泛函，依赖于系统的动能和势能差。
粒子或系统并非“总是选择最小值”，更准确地说是使作用量取驻值。这一观点统一了许多力学方程的来源。
7.2 哈密顿原理
哈密顿原理表述为：真实运动轨迹使作用量在给定端点条件下取驻值。它是理论力学中的核心原理之一。
借助哈密顿原理，可以系统地推导牛顿方程、拉格朗日方程以及更复杂的广义坐标形式。该原理也为场论和量子理论提供了形式基础。
7.3 变分法与守恒量
变分法不仅能导出运动方程，还能说明守恒量的来源。若系统具有某种对称性，通常会对应相应的守恒律。
这一思想在数学物理中非常重要，因为它把几何对称、动力学方程与守恒结构联系起来，使模型分析更具统一性。
7.4 场论中的变分原理
在场论中，未知量不再是单个粒子轨迹，而是定义在空间或时空中的场。此时作用量通常是对整个区域的积分，变分后得到场方程。
许多基本场方程都可从变分原理导出，因此变分法在连续介质、引力理论和规范场模型中占有重要地位。
8 变分法的扩展与推广
随着数学分析的发展，变分法不断突破传统一维光滑情形，扩展到更一般的空间、几何对象和函数类别，形成了丰富的现代理论。
8.1 多重积分变分法
多重积分变分法研究定义在二维或三维区域上的泛函极值问题，例如面积最小化、体积能量最小化或区域场分布优化。
这类问题常导出偏微分方程及其边界条件，是几何分析和物理建模的重要基础。
8.2 变分微分几何
变分微分几何关注曲线、曲面和更一般几何对象在变分下的性质，如长度、面积、曲率能量的极值问题。
它在测地线、极小曲面和曲率流等研究中十分活跃，兼具几何直观与分析深度。
8.3 泛函分析中的变分问题
泛函分析为变分法提供了更抽象的框架，尤其适合处理无穷维空间中的极值问题。借助紧性、弱收敛和下半连续性等工具，可以研究极值是否存在。
这一方向使变分法从“求方程”扩展为“研究解的结构与存在性”，成为现代分析的重要组成部分。
8.4 弱解与广义解
在许多实际问题中，经典意义下的光滑解并不存在，或难以直接获得。此时可以转而寻找弱解或广义解，即满足积分意义下方程的函数。
弱形式与变分形式通常天然相容，因此变分法在处理不光滑现象、边界奇异和复杂介质时尤为有用。
9 数值方法
对于实际应用中的变分问题，解析解往往难以直接求出，因此需要借助数值方法近似求解。离散化、迭代和稳定性分析构成了计算变分法的重要部分。
9.1 离散化方法
离散化方法通过把连续函数空间转化为有限维近似空间，将变分问题变成有限变量的优化问题。常见做法包括网格划分、基函数展开和差分近似。
这种处理方式便于计算机实现，但也会引入截断误差与近似误差，因此需要合理控制精度。
9.2 有限元法
有限元法是处理变分问题最重要的数值方法之一。它通过将区域划分为若干单元，并在每个单元上用简单函数逼近未知量，再构造整体的变分格式。
有限元法尤其适合复杂边界和不规则区域，在结构分析、传热和流体计算中应用广泛。
9.3 变分迭代法
变分迭代法是一类结合变分思想与逐步修正机制的求解方法，常用于非线性方程和非线性边值问题。它通过构造修正泛函，逐次逼近真实解。
该方法形式灵活，便于构造近似解析表达，但收敛性和适用范围通常依赖具体问题。
9.4 数值稳定性
数值稳定性关注算法在误差扰动下是否保持可靠表现。对于变分问题而言，稳定性与离散格式、网格质量和函数空间选择密切相关。
若稳定性不足，计算结果可能出现振荡、发散或虚假极值。因此，稳定性分析是数值变分法中不可缺少的一环。
10 应用领域
变分法的应用极为广泛，几乎覆盖所有需要优化、平衡与建模的学科。它不仅提供计算工具，也提供理解自然规律和设计工程系统的基本框架。
10.1 物理学
在物理学中，变分法用于描述力学系统、光学传播、场的演化与平衡态问题。许多基本方程都可从极值原理统一推导。
它的优势在于形式统一，能够把看似不同的现象纳入同一数学结构之中。
10.2 工程学
工程学中常借助变分法进行结构优化、材料设计、控制系统分析和形状优化。比如，如何在满足强度要求的前提下减少材料用量，就是典型的变分型设计问题。
在计算工程中，变分法也为有限元等数值技术提供了理论基础。
10.3 经济学中的最优化模型
经济学中的资源配置、成本控制和效用最大化模型，常可转化为变分或泛函优化问题。通过对连续时间或连续分布变量建模，可以分析最优策略与均衡状态。
这类模型强调约束下的最优选择，与变分法的基本思想高度一致。
10.4 图像处理与机器学习
在图像处理和机器学习中，变分法常用于去噪、分割、重建和正则化建模。通过设计合适的能量泛函，可以在保真度与平滑性之间取得平衡。
随着算法的发展，变分思想也逐渐进入深度学习和数据驱动优化框架，成为处理复杂目标函数的重要工具。