最小曲面问题的欧拉-拉格朗日方程 / 曲面极值问题的变分法推导

题目

问题 4. 曲面的面积为

S=∬D1+ux2+uy2dxdyS = \iint_{D} \sqrt{1 + u_x^2 + u_y^2} dxdyS=∬D1+ux2+uy2 dxdy (5)

其中 z=u(x,y) z = u(x, y) z=u(x,y), (x,y)∈D(x, y) \in D (x,y)∈D 是曲面的方程。

(a) 写出最小面积曲面的欧拉-拉格朗日偏微分方程(边界条件为 u(x,y)=ϕ(x,y) u(x, y) = \phi(x, y) u(x,y)=ϕ(x,y) 当 (x,y)∈Γ(x, y) \in \Gamma (x,y)∈Γ,其中 Γ\GammaΓ 是 D D D 的边界)。

(b) 如果势能为

E=kS−∬DfudxdyE = kS - \iint_{D} f u dxdyE=kS−∬Dfudxdy (6)

其中 S S S 由 (5) 定义,f f f 是外力的面密度。写出最小能量曲面的欧拉-拉格朗日偏微分方程。

解题过程

部分 (a)

我们需要最小化曲面面积泛函:
I[u]=∬D1+ux2+uy2dxdy I[u] = \iint_{D} \sqrt{1 + u_x^2 + u_y^2} dxdy I[u]=∬D1+ux2+uy2 dxdy

定义被积函数 F=1+ux2+uy2 F = \sqrt{1 + u_x^2 + u_y^2} F=1+ux2+uy2 。由于 F F F 不显式依赖于 u u u,即 ∂F∂u=0 \frac{\partial F}{\partial u} = 0 ∂u∂F=0,欧拉-拉格朗日方程为:
∂F∂u−∂∂x(∂F∂ux)−∂∂y(∂F∂uy)=0 \frac{\partial F}{\partial u} - \frac{\partial}{\partial x} \left( \frac{\partial F}{\partial u_x} \right) - \frac{\partial}{\partial y} \left( \frac{\partial F}{\partial u_y} \right) = 0 ∂u∂F−∂x∂(∂ux∂F)−∂y∂(∂uy∂F)=0

计算偏导数:
∂F∂ux=ux1+ux2+uy2,∂F∂uy=uy1+ux2+uy2 \frac{\partial F}{\partial u_x} = \frac{u_x}{\sqrt{1 + u_x^2 + u_y^2}}, \quad \frac{\partial F}{\partial u_y} = \frac{u_y}{\sqrt{1 + u_x^2 + u_y^2}} ∂ux∂F=1+ux2+uy2 ux,∂uy∂F=1+ux2+uy2 uy

因此,欧拉-拉格朗日方程变为:
−∂∂x(ux1+ux2+uy2)−∂∂y(uy1+ux2+uy2)=0 -\frac{\partial}{\partial x} \left( \frac{u_x}{\sqrt{1 + u_x^2 + u_y^2}} \right) - \frac{\partial}{\partial y} \left( \frac{u_y}{\sqrt{1 + u_x^2 + u_y^2}} \right) = 0 −∂x∂⎝⎛1+ux2+uy2 ux⎠⎞−∂y∂⎝⎛1+ux2+uy2 uy⎠⎞=0

或等价地:
∂∂x(ux1+ux2+uy2)+∂∂y(uy1+ux2+uy2)=0 \frac{\partial}{\partial x} \left( \frac{u_x}{\sqrt{1 + u_x^2 + u_y^2}} \right) + \frac{\partial}{\partial y} \left( \frac{u_y}{\sqrt{1 + u_x^2 + u_y^2}} \right) = 0 ∂x∂⎝⎛1+ux2+uy2 ux⎠⎞+∂y∂⎝⎛1+ux2+uy2 uy⎠⎞=0

这是最小面积曲面的欧拉-拉格朗日 PDE。边界条件为 u(x,y)=ϕ(x,y) u(x, y) = \phi(x, y) u(x,y)=ϕ(x,y) on Γ \Gamma Γ.

部分 (b)

势能泛函为:
E=kS−∬Dfudxdy=∬D[k1+ux2+uy2−fu]dxdy E = kS - \iint_{D} f u dxdy = \iint_{D} \left[ k \sqrt{1 + u_x^2 + u_y^2} - f u \right] dxdy E=kS−∬Dfudxdy=∬D[k1+ux2+uy2 −fu]dxdy

定义被积函数 F=k1+ux2+uy2−fu F = k \sqrt{1 + u_x^2 + u_y^2} - f u F=k1+ux2+uy2 −fu。欧拉-拉格朗日方程为:
∂F∂u−∂∂x(∂F∂ux)−∂∂y(∂F∂uy)=0 \frac{\partial F}{\partial u} - \frac{\partial}{\partial x} \left( \frac{\partial F}{\partial u_x} \right) - \frac{\partial}{\partial y} \left( \frac{\partial F}{\partial u_y} \right) = 0 ∂u∂F−∂x∂(∂ux∂F)−∂y∂(∂uy∂F)=0

计算偏导数:
∂F∂u=−f \frac{\partial F}{\partial u} = -f ∂u∂F=−f
∂F∂ux=k⋅ux1+ux2+uy2,∂F∂uy=k⋅uy1+ux2+uy2 \frac{\partial F}{\partial u_x} = k \cdot \frac{u_x}{\sqrt{1 + u_x^2 + u_y^2}}, \quad \frac{\partial F}{\partial u_y} = k \cdot \frac{u_y}{\sqrt{1 + u_x^2 + u_y^2}} ∂ux∂F=k⋅1+ux2+uy2 ux,∂uy∂F=k⋅1+ux2+uy2 uy

因此,
∂∂x(∂F∂ux)=k∂∂x(ux1+ux2+uy2),∂∂y(∂F∂uy)=k∂∂y(uy1+ux2+uy2) \frac{\partial}{\partial x} \left( \frac{\partial F}{\partial u_x} \right) = k \frac{\partial}{\partial x} \left( \frac{u_x}{\sqrt{1 + u_x^2 + u_y^2}} \right), \quad \frac{\partial}{\partial y} \left( \frac{\partial F}{\partial u_y} \right) = k \frac{\partial}{\partial y} \left( \frac{u_y}{\sqrt{1 + u_x^2 + u_y^2}} \right) ∂x∂(∂ux∂F)=k∂x∂⎝⎛1+ux2+uy2 ux⎠⎞,∂y∂(∂uy∂F)=k∂y∂⎝⎛1+ux2+uy2 uy⎠⎞

代入欧拉-拉格朗日方程:
−f−k∂∂x(ux1+ux2+uy2)−k∂∂y(uy1+ux2+uy2)=0 -f - k \frac{\partial}{\partial x} \left( \frac{u_x}{\sqrt{1 + u_x^2 + u_y^2}} \right) - k \frac{\partial}{\partial y} \left( \frac{u_y}{\sqrt{1 + u_x^2 + u_y^2}} \right) = 0 −f−k∂x∂⎝⎛1+ux2+uy2 ux⎠⎞−k∂y∂⎝⎛1+ux2+uy2 uy⎠⎞=0

整理得:
k[∂∂x(ux1+ux2+uy2)+∂∂y(uy1+ux2+uy2)]=−f k \left[ \frac{\partial}{\partial x} \left( \frac{u_x}{\sqrt{1 + u_x^2 + u_y^2}} \right) + \frac{\partial}{\partial y} \left( \frac{u_y}{\sqrt{1 + u_x^2 + u_y^2}} \right) \right] = -f k⎣⎡∂x∂⎝⎛1+ux2+uy2 ux⎠⎞+∂y∂⎝⎛1+ux2+uy2 uy⎠⎞⎦⎤=−f


∂∂x(ux1+ux2+uy2)+∂∂y(uy1+ux2+uy2)=−fk \frac{\partial}{\partial x} \left( \frac{u_x}{\sqrt{1 + u_x^2 + u_y^2}} \right) + \frac{\partial}{\partial y} \left( \frac{u_y}{\sqrt{1 + u_x^2 + u_y^2}} \right) = -\frac{f}{k} ∂x∂⎝⎛1+ux2+uy2 ux⎠⎞+∂y∂⎝⎛1+ux2+uy2 uy⎠⎞=−kf

这是最小能量曲面的欧拉-拉格朗日 PDE。边界条件同样为 u(x,y)=ϕ(x,y) u(x, y) = \phi(x, y) u(x,y)=ϕ(x,y) on Γ \Gamma Γ.

答案

(a) 最小面积曲面的欧拉-拉格朗日 PDE 为:
∂∂x(ux1+ux2+uy2)+∂∂y(uy1+ux2+uy2)=0 \frac{\partial}{\partial x} \left( \frac{u_x}{\sqrt{1 + u_x^2 + u_y^2}} \right) + \frac{\partial}{\partial y} \left( \frac{u_y}{\sqrt{1 + u_x^2 + u_y^2}} \right) = 0 ∂x∂⎝⎛1+ux2+uy2 ux⎠⎞+∂y∂⎝⎛1+ux2+uy2 uy⎠⎞=0

(b) 最小能量曲面的欧拉-拉格朗日 PDE 为:
∂∂x(ux1+ux2+uy2)+∂∂y(uy1+ux2+uy2)=−fk \frac{\partial}{\partial x} \left( \frac{u_x}{\sqrt{1 + u_x^2 + u_y^2}} \right) + \frac{\partial}{\partial y} \left( \frac{u_y}{\sqrt{1 + u_x^2 + u_y^2}} \right) = -\frac{f}{k} ∂x∂⎝⎛1+ux2+uy2 ux⎠⎞+∂y∂⎝⎛1+ux2+uy2 uy⎠⎞=−kf

相关推荐
代码中介商19 小时前
排序算法完全指南(一):冒泡排序深度详解
算法·排序算法
灰灰勇闯IT19 小时前
MindSpore 和 CANN 是什么关系——用一个厨房讲明白
人工智能·深度学习·算法·cann
阳明山水19 小时前
模型迭代实战:如何将准确率从75%提升到89%
数据结构·人工智能·算法·机器学习·微信·微信公众平台·微信开放平台
呃呃本19 小时前
算法题(贪心算法)
算法·贪心算法
听你说3219 小时前
不迷路、不重扫、不遗漏:库萨科技无人清扫车以空间智能领跑无人环卫赛道
人工智能·科技·算法·机器人
吃好睡好便好19 小时前
在Matlab中绘制三维直方图
开发语言·学习·算法·matlab·信息可视化
故事和你9119 小时前
洛谷-【图论2-2】最短路4
开发语言·数据结构·c++·算法·动态规划·图论
我爱cope19 小时前
【力扣hot100:239. 滑动窗口最大值】
算法·leetcode·职场和发展
XINVRY-FPGA20 小时前
XC7Z010-2CLG400I Xilinx Zynq-7000 FPGA
arm开发·嵌入式硬件·算法·fpga开发·硬件工程·dsp开发·fpga
承渊政道20 小时前
【贪心算法】(经典实战应用解析(四):分发饼干、最优除法、跳跃游戏、跳跃游戏Ⅱ、加油站)
数据结构·c++·算法·leetcode·贪心算法·动态规划·哈希算法