#物理空间##数学魅力#

在重力条件下，哪条曲线能赢得竞赛？

变分法（Calculus of Variations）就是当你不再优化单个数值，而是开始优化整个几何形状时发生的事。未知量不再是一个x值……而是整条曲线 y(x)。在更高维度，则是整个曲面 u(x,y)。你要最小化的通常不是一眼就能看出的公式，而是一个评判整个形状的积分。

在我们的第一篇阅读材料中，来看看著名的最速降线问题（Brachistochrone problem）。先固定两个点，开启重力，问一个听起来简单到过分的问题：哪条轨道让小珠从A到B用时最短？

你的直觉第一次就会出卖你。它不是直线。也不是“先猛掉然后平滑滑行”的草图。
赢家是摆线（cycloid）——一个圆周上一点滚动时描出的曲线。

在动画中，轨道是移动的角色。我们从一条不完美的曲线开始，在“曲线空间”里跑梯度下降，一帧一帧看着几何形状重塑，直到总时间 T[y] 坍缩并锁定成最速降线。

以下是数学原理的分解：

设置坐标让下坡视觉上明显（避免负号）：起点在上方，终点在x轴上。

A = (0, H)，B = (L, 0)，H > 0。
轨道是一条图 y = y(x)，x ∈ [0, L]，满足 y(0) = H，y(L) = 0。

从小珠静止开始的物理：
能量守恒：高度落差 (H − y(x)) 转化为速度，
v(x) = √[2g(H − y(x))]。

几何给出弧长元素：
ds = √[1 + (y′(x))²] dx。

时间微元就是路程除以速度：
dt = ds / v = √[1 + (y′)²] / √[2g(H − y)] · dx。

于是总时间成为一个泛函：
T[y] = ∫₀ᴸ √[(1 + (y′(x))²) / (2g(H − y(x)))] dx。

目标就是最小化 T[y]——不是最短路径，也不是最陡下降，而是时间最短。

然后做一个从离散到变分的诚实操作：参数化满足端点条件的曲线，在精细网格上用数值积分算 T[y]，对系数跑梯度下降来缩小 T，直到收敛到最优几何。

所长注：这就是最速降线（brachistochrone）的经典问题，由约翰·伯努利1696年提出，解正是摆线（cycloid）。它比直线快得多，因为它先急剧下降快速加速，然后逐渐变缓但速度已很高，巧妙平衡了“快”和“路程”。

这个问题的解奠定了变分法的基础，后来影响了光学（费马原理）、力学、现代最优控制，甚至机器学习中的路径优化和神经网络训练思路。 http://t.cn/AXtJ1LdY