Простейшие задачи вариационного исчисления. Учебно-методическое пособие

Министерство образования и науки Российской Федерации Уральский федеральный университет

имени первого Президента России Б. Н. Ельцина

Ю. В. Авербух, Т. И. Сережникова

ПРОСТЕЙШИЕ ЗАДАЧИ ВАРИАЦИОННОГО ИСЧИСЛЕНИЯ

Рекомендовано методическим советом УрФУ в качестве

учебно-методического пособия для студентов, обучающихся по направлениям подготовки:

230401 — Прикладная математика (специалитет),

220300 — Автоматизированные технологии и производства (специалитет),

231300 — Прикладная математика (бакалавриат)

Екатеринбург Издательство Уральского университета

2014

Содержание

6.Необходимые условия первого порядка в простейшей задаче вариационного исчисления

3

1. Введение

Настоящее пособие посвящено изучению простейших задач вариационного исчисления. Нами будет рассмотрены задачи с фиксированным и со свободным правыми концами. Для задачи с фиксированным правым концом кроме необходимого условия первого порядка будут рассмотрены необходимые условия второго порядка и достаточные условия.

Отметим, что вариационному исчислению посвящено множество работ. Некоторые из них указаны в списке литературы. Материал параграфов 2–6 следует книге [1]. Материал параграфов 7, 8 изложен в соответствии с [5]. Параграфы 9 и 10 следуют учебнику [7]. Также отметим учебники [4], [6], они содержат необходимые условия. Важная, но трудная в освоении монография [3] может быть рекомендована студентам специальности «Прикладная математика». Отметим, что для закрепления материала полезно прорешать задания из сборника задач [2].

2. Постановка задачи

Пусть x Rn, это вектор-столбец, то есть

x1

x2 x = .. :

.

xn

В дальнейшем вектор-столбцы будем называть просто векторами. Множество n-мерных вектор-столбцов будем обозначать через Rn. Вектор-строка есть s = (s1; s2; : : : ; sn). Вектор-строки будем называть ковекторами. Множество всех ковекторов будем обозначать через Rn . Операцию транспонирования будем обозначать через T , эта операция переводит строку в столбец и наоборот. Если s Rn , x Rn, то

∑n

sx = sixi

i=1

4

есть произведение ковектора s на вектор x. Если x Rn, то длина вектора x есть

Основное внимание в данном пособии уделяется вектор-функциям, то есть функциям t 7→x(t). Мы будем предполагать достаточную гладкость функций. Вектор-функцию t 7→x(t) как целое мы будем обозначать x(·).

xn(t)

то производная по времени функции x(t) есть вектор, составленный из производных

x˙n(t)

Кроме вектор-функций времени, мы будем рассматривать скалярные функции одного или нескольких векторных аргументов. То есть функции (t; x; u) 7→F (t; x; u). Здесь t – время (скалярный аргумент), x и u – n- мерные векторы. Частные производные будем обозначать через Ft, Fx и Fu соответственно. При этом мы считаем, что Fx и Fu – ковекторы

Напомним, что если заданы функции некоторого аргумента x( ) и

5

Принято называть функцию, которая сопоставляет функции x(·) число

J[x(·)] , функционалом.

Простейшая задача вариационного исчисления формулируется следующим образом. Среди всех функций x(·) таких, что x(t0) = x0, x(t1) = x1,

найти функцию, минимизирующую функционал

∫ t1

J1[x(·)] = F (t; x(t); x˙(t))dt: (2)

t0

Аналогично формулируется простейшая задача вариационного исчисления со свободным правым концом (задача Больца). Среди всех функций

x(·) таких, что x(t0) = x0, найти функцию, минимизирующую функционал

∫ t1

J2[x(·)] = F (t; x(t); x˙(t))dt + (x(t1)): (3)

t0

Значения t0; t1; x0 и x1 считаем фиксированными параметрами задачи.

Вдальнейшем будем называть непрерывно дифференцируемые функции x(·) такие, что x(t0) = x0, x(t1 = x1) (для задачи с закрепленными концами)

иx(t0) = x0 (для задачи со свободным правым концом) допустимыми.

Вдальнейшем будем использовать понятие метрики. Метрикой на множестве X называется функция (x; y) такая, что

1) (x; y) ≥ 0 и (x; y) = 0 тогда и только тогда, когда x = y; 2) (x; y) = (y; x);

3) (x; y) ≤ (x; z) + (z; y).

Для того чтобы найти расстояние между двумя функциями, мы используем две метрики. Первая метрика использует лишь значение функций, вторая использует значение самих функций и их производных.

Положим,

Определение 1. Будем говорить, что x (·) является сильным локальным минимумом в задаче с закрепленными концами (со свободным правым концом), если существует такое " > 0, что для любой функции x(·) такой, что 0(x (·); x(·)) < ", выполнено неравенство J1[x (·)] ≤ J1[x(·)]

(J2[x (·)] ≤ J2[x(·)]).

6

Отметим, что сильный минимум использует близость функций. Если учитывать и близость производных, то получается понятие слабого минимума.

Определение 2. Будем говорить, что x (·) является слабым локальным минимумом в задаче с закрепленными концами (со свободным правым концом), если существует такое " > 0, что для любой функции x(·) такой, что 1(x (·); x(·)) < ", выполнено неравенство J1[x (·)] ≤ J1[x(·)]

(J2[x (·)] ≤ J2[x(·)]).

Аналогично вводятся понятия сильного и слабого локальных максимумов. Если функция x (·) доставляет либо локальный минимум, либо локальный максимум, то говорят, что она доставляет локальный экстремум.

Внекоторых задачах интерес представляет глобальный экстремум, в то же время глобальный экстремум обязательно является локальным экстремумом, и задача нахождения глобального экстремума может быть решена

сиспользованием перебора всех локальных экстремумов.

Взаключение отметим связь сильного и слабого экстремума.

Предложение 1. Если x (·) – сильный минимум (максимум), то x (·) – слабый минимум (максимум).

Доказательство. Мы докажем это утверждение для задачи с закрепленными концами. В самом деле, пусть " таково, что для любой допустимой функции x(·), удовлетворяющей условию 0(x ; x(·)) < ", верно неравенство J1[x (·)] ≤ J1[x(·)]. Так как 0(x (·); x(·)) ≤ 1(x (·); x(·)), то из неравенства1(x (·); x(·)) < " следует неравенство 0(x (·); x(·)) < ". Откуда мы заключаем, что для любой допустимой функции такой, что 1(x (·); x(·)) < ", верно неравенство J1[x (·)] ≤ J1[x(·)]. Это в точности определение слабого экстремума.

Обратное утверждение неверно. Для того чтобы это показать, рассмот-

рим пример. Мы минимизируем функционал

∫ 1

J1[x(·)] = (2x˙2(t) − x˙4(t))dt

0

при условиях x(0) = x(1) = 0. Здесь предполагается, что x(t) является числом. Отметим, что функция x (t) ≡ 0 является слабым минимумом, но

7

0

Однако, если мы рассмотрим функции xk(t) = sin(k2 t)=k, то

0(x (·); xk(·)) → 0, a J1[xk(·)] → −∞ при k → ∞.

Основное внимание далее уделяется условиям слабого минимума.

3.Необходимые условия первого порядка для задачи с закрепленными концами

Теорема 1. Пусть x (·) доставляет функционалу J1 слабый локальный экстремум в классе функций с закрепленными концами. Тогда вдоль этой функции выполнено соотношение (уравнение Эйлера–Лагранжа)

Доказательство. Основная идея доказательства состоит в том, чтобы отступить от x (·) вдоль некоторого функционального направления. Будем считать, что это направление задается функцией u. То есть мы рассмат-

un(t)

Интеграл ее мы понимаем как интеграл от каждой компоненты, а 0 – как вектор, состоящий из n нулей.

8

В качестве тестовой функции рассмотрим функцию

Отметим, что x (·) допустимая функция. В самом деле, из определения y(t; u(·)) (см (5)) имеем, что y(t0; u(·)) = 0 (в силу того, что y(t; u(·)) определяется как интеграл от u(·)). Тогда

x (t0) = x (t0) + y(t0; u(·)) = x (t0) = x0:

Также y(t1; u(·)) = 0 (так как интеграл по отрезку [t0; t1] от функции u(·)

равен 0),

x (t1) = x (t1) + y(t1; u(·)) = x1:

Теперь покажем, что при достаточно малых функция x (·) близка к функции x (·) в метрике 1. В самом деле найдем x˙ (t)−x˙ (t) . Для этого продифференцируем выражение для x (t) (см. (6)). Имеем, что

x˙ (t) − x˙ (t) = x˙ (t) + y˙(t; u(·)) − x˙ (t) = u(t) :

Как видно, при достаточна малых x˙ (t) − x˙ (t) будет меньше ". Мы показали близость производных, надо показать еще близость значений.

x (t) − x (t) = x (t) + y(t; u(·)) − x (t) = y(t; u(·)) :

Также можно выбрать так, чтобы y(t; u(·)) стало меньше ".

Теперь подставим x (·) в определение слабого экстремума. При подста-

Из определения x (·) следует, что при = 0 x (·) = x (·). То есть, если мы

рассмотрим функцию

∫ t1

g( ) = F (t; x (t); x˙ (t));

t0

то для нее = 0 является точкой локального минимума, т. е. g(0) ≤ g( ) при достаточно малых . Воспользуемся принципом Ферма. Раз = 0 доставляет g( ) локальный минимум, имеем, что

dg(0) = 0: d

9

Найдем производную функции g( ) при = 0. Нам нужно продифференцировать интеграл в случае, когда подынтегральная функция зависит от параметра. Результат – интеграл, от производной подынтегральной функции по параметру.

0 = [Fx(t; x (t); x˙ (t)) · y(t; u(·)) + Fx(t; x (t); x˙ (t)) · u(t)] dt:

t0

Дальше мы проведем некоторые преобразования. Для упрощения обо-

По свойствам интеграла с переменным верхним пределом

p0(t1) = 0; p˙0(t) = Fx (t):

Рассмотрим отдельно первое слагаемое в правой части равенства (8). Воспользуемся методом интегрирования по частям и определением функ-

10