族谱网 头条 人物百科

勒让德变换

2020-10-16
出处:族谱网
作者:阿族小谱
浏览:701
转发:0
评论:0
概述为了研究一个系统内部蕴藏的数学结构,表述此系统的函数关系f(x){displaystylef(x),!}改用一个新函数f⋆⋆-->(p){displaystylef^{star}(

概述

为了研究一个系统内部蕴藏的数学结构,表述此系统的函数关系 f ( x ) {\displaystyle f(x)\,\!} 改用一个新函数 f ⋆ ⋆ --> ( p ) {\displaystyle f^{\star }(p)\,\!} 来表示,其变数 p {\displaystyle p\,\!} 是 f ( x ) {\displaystyle f(x)\,\!} 的导数, p = d f d x {\displaystyle p={\frac {\mathrm {d} f}{\mathrm {d} x}}\,\!} 。而 f ⋆ ⋆ --> ( p ) {\displaystyle f^{\star }(p)\,\!} 的值是如右图蓝线在 y 轴的截距

换句话说,从 ( x , f ( x ) ) {\displaystyle (x,f(x))\,\!} x 值到 y 值的函数,转换成 ( p , f ⋆ ⋆ --> ( p ) ) {\displaystyle (p,f^{\star }(p))\,\!} f(x) 在 x 点的导数到在 x 点切线 y 截距的函数

这程序是由阿德里安-马里·勒壤得所发明的,因此称为勒让德变换。称函数 f ⋆ ⋆ --> ( p ) {\displaystyle f^{\star }(p)\,\!} 为 f ( x ) {\displaystyle f(x)\,\!} 的勒让德变换;

用方程表示

此式子表示 f ⋆ ⋆ --> ( p ) = p u − − --> f ( u ) {\displaystyle f^{\star }(p)=pu-f(u)} 中的 u 对 f ⋆ ⋆ --> ( p ) {\displaystyle f^{\star }(p)} 而言是个参数,且参数 u 会满足 d [ p u − − --> f ( u ) ] d u = 0 {\displaystyle {{\mathrm {d} [pu-f(u)] \over \mathrm {d} u}=0}\,\!} 的 u {\displaystyle u} 。即求算表达式关于变数 u {\displaystyle u\,\!} 的极值。

为方便讨论,把讨论限定在 f ( x ) {\displaystyle f(x)} 为严格单调递增。会有这方程是因为在 p = f ′ ( x 0 ) {\displaystyle p=f"(x_{0})} 也就是斜率不变的状况下,对每个 x 0 {\displaystyle x_{0}} 而言,所有与曲线 ( u , f ( u ) ) {\displaystyle (u,f(u))} 相交且斜率为 f ′ ( x 0 ) {\displaystyle f"(x_{0})} 的直线族为 y = f ′ ( x 0 ) ( x − − --> u ) + f ( u ) {\displaystyle y=f"(x_{0})(x-u)+f(u)\,\!} 。若令 u = x 0 {\displaystyle u=x_{0}} ,该直线即是 f ( x ) {\displaystyle f(x)} 在 x 0 {\displaystyle x_{0}} 的切线方程。把x当作常数并由右图直接观察可知,在 u = x 0 {\displaystyle u=x_{0}} 的情况下, y = f ′ ( x 0 ) ( x − − --> u ) + f ( u ) = f ′ ( x 0 ) x − − --> [ f ′ ( x 0 ) u − − --> f ( u ) ] {\displaystyle y=f"(x_{0})(x-u)+f(u)=f"(x_{0})x-[f"(x_{0})u-f(u)]} 值是最小的,也就是说直线方程中 [ f ′ ( x 0 ) u − − --> f ( u ) ] {\displaystyle [f"(x_{0})u-f(u)]} 这部分是最大的,而正好 f ⋆ ⋆ --> ( p ) = p u − − --> f ( u ) | d [ p u − − --> f ( u ) ] d u = 0 {\displaystyle f^{\star }(p)=pu-f(u)|_{{\mathrm {d} [pu-f(u)] \over \mathrm {d} u}=0}\,\!} ,正是原方程所求的极值。

勒让德变换是点与线之间对偶性关系(duality)的一个应用。函数 f ( x ) {\displaystyle f(x)\,\!} 设定的函数关系可以用 ( x ,   y = f ( x ) ) {\displaystyle (x,\ y=f(x))\,\!} 点集合来表示;也可以用切线(在严格单调递增的讨论下,切线跟导数p有一对一的关系)集合表示。

若将勒让德变换广义化,则会变为勒壤得-芬伽转换(Legendre-Fenchel transformation)。勒让德变换时常用于热力学与哈密顿力学。

定义

最大值式定义

更详细地定义勒让德变换,为了求得 L ( x ,   p ) = p x − − --> f ( x ) {\displaystyle L(x,\ p)=px-f(x)\,\!} 关于 x {\displaystyle x\,\!} 的最大值,设定 L ( x ,   p ) {\displaystyle L(x,\ p)\,\!} 关于 x {\displaystyle x\,\!} 的偏导数为零:

这表达式必为最大值。因为,凸函数 L ( x ,   p ) {\displaystyle L(x,\ p)\,\!} 的二阶导数是负数:

用方程 (1) 来计算函数 f {\displaystyle f\,\!} 的反函数 x = g ( p ) {\displaystyle x=g(p)\,\!} 。代入 L ( x ,   p ) {\displaystyle L(x,\ p)\,\!} 方程,即可以得到想要的形式:

计算 f ( x ) {\displaystyle f(x)\,\!} 的勒让德变换,所需的步骤为:

找出导函数 p = d f d x {\displaystyle p={\frac {df}{dx}}\,\!} ,

计算导函数 p = d f d x {\displaystyle p={\frac {df}{dx}}\,\!} 的反函数 x = g ( p ) {\displaystyle x=g(p)\,\!} ,

代入 F ( x ) {\displaystyle F(x)\,\!} 方程来求得新函数 f ⋆ ⋆ --> ( p ) = g ( p )   p − − --> f ( g ( p ) ) {\displaystyle f^{\star }(p)=g(p)\ p-f(g(p))\,\!} 。

这定义切确地阐明:勒让德变换制造出一个新函数 f ⋆ ⋆ --> ( p ) {\displaystyle f^{\star }(p)\,\!} ;其新自变数为 p = d f d x {\displaystyle p={df \over dx}\,\!} 。

反函数式定义

另外一种勒让德变换的定义是:假若两个函数 f ( x ) {\displaystyle f(x)\,\!} 与 f ⋆ ⋆ --> ( p ) {\displaystyle f^{\star }(p)\,\!} 的一阶导数是互相的反函数;

或者,

则 f {\displaystyle f\,\!} 与 f ⋆ ⋆ --> {\displaystyle f^{\star }\,\!} 互相为彼此的勒让德变换。

依照定义,

思考下述运算:

所以,

这里, x = g ( p ) {\displaystyle x=g(p)\,\!} 。

这答案是标准答案;但并不是唯一的答案。设定

也可以满足定义的要求。在某些情况下(例如:热力势(thermodynamic potential),会采用非标准的答案。除非另外注明,此页面一律采用标准答案。

数学性质

以下讨论,函数 f {\displaystyle f\,\!} 的勒让德变换皆标记为 f ⋆ ⋆ --> {\displaystyle f^{\star }\,\!} 。

标度性质

勒让德变换有以下这些标度性质:

由此可知,一个 r {\displaystyle r\,\!} 次齐次函数的勒让德变换是一个 s {\displaystyle s\,\!} 次齐次函数;这里,

平移性质

反演性质

线形变换性质

让 A {\displaystyle A\,\!} 成为一个从 R n {\displaystyle R^{n}\,\!} 到 R m {\displaystyle R^{m}\,\!} 的线形变换。对于任何定义域为 R n {\displaystyle R^{n}\,\!} 的凸函数 f {\displaystyle f\,\!} ,必有

这里, A ⋆ ⋆ --> {\displaystyle A^{\star }\,\!} 是 A {\displaystyle A\,\!} 的伴随算子定义为

应用

热力学

在热力学里,使用勒让德变换主要的目的是,将一个函数与所含有的一个自变数,转换为一个新函数与所含有的一个新自变数,(此新自变数是旧函数对于旧自变数的偏导数);将旧函数减去新自变数与旧自变数的乘积,得到的差就是新函数。勒让德变换可以用来在各种热力势(thermodynamic potential)之间作转换。例如,内能 U {\displaystyle U\,\!} 是外延量(extensive)熵 S {\displaystyle S\,\!} ,体积 V {\displaystyle V\,\!} ,与化学成分(chemical composition) N i {\displaystyle N_{i}\,\!} 的显函数

对于 − − --> P V {\displaystyle -PV\,\!} ,函数 U {\displaystyle U\,\!} (非标准的)勒让德变换为焓函数 H {\displaystyle H\,\!} :

一个熵与内含量(intensive)压力的函数。当压力是常数时,这函数很有用。

对于 T S {\displaystyle TS\,\!} ,函数 H {\displaystyle H\,\!} 勒让德变换为吉布斯能函数 G {\displaystyle G\,\!}  :

对于 T S {\displaystyle TS\,\!} ,函数 U {\displaystyle U\,\!} 勒让德变换为亥姆霍兹自由能函数 A {\displaystyle A\,\!}  :

这些自由能函数时常用在常温的物理系统。

经典力学(哈密顿力学)

在经典力学里,勒让德变换专门用来从拉格朗日表述导引出哈密顿表述,或反导之。拉格朗日量 L {\displaystyle {\mathcal {L}}\,\!} 是广义坐标 q = ( q 1 ,   q 2 ,   … … --> ,   q N ) {\displaystyle \mathbf {q} =(q_{1},\ q_{2},\ \dots ,\ q_{N})\,\!} 与广义速度 q ˙ ˙ --> {\displaystyle {\dot {\mathbf {q} }}\,\!} 的函数;而哈密顿量 H {\displaystyle {\mathcal {H}}\,\!} 将函数的自变量转换为广义坐标 q {\displaystyle \mathbf {q} \,\!} 与广义动量 p = ( p 1 ,   p 2 ,   … … --> ,   p N ) {\displaystyle \mathbf {p} =(p_{1},\ p_{2},\ \dots ,\ p_{N})\,\!} :

正则变换

正则变换广泛地应用勒让德变换在其理论里。正则变换是一种正则坐标的改变, ( q ,   p ) → → --> ( Q ,   P ) {\displaystyle (\mathbf {q} ,\ \mathbf {p} )\rightarrow (\mathbf {Q} ,\ \mathbf {P} )\,\!\,\!} ,而同时维持哈密顿方程的形式,虽然哈密顿量可能会改变。正则变换的方程为

这里, q ,   p {\displaystyle \mathbf {q} ,\ \mathbf {p} \,\!} 是旧正则坐标, Q ,   P {\displaystyle \mathbf {Q} ,\ \mathbf {P} \,\!} 是新正则坐标, H {\displaystyle {\mathcal {H}}\,\!} 是旧哈密顿量, K {\displaystyle {\mathcal {K}}\,\!} 是新哈密顿量, G {\displaystyle G\,\!} 是生成函数。

参阅

哈密顿力学

切触几何

正则变换

参考文献

Arnold, Vladimir. Mathematical Methods of Classical Mechanics (second edition). Springer. 1989. ISBN 0-387-96890-3. 

Rockafellar, Ralph Tyrell. Convex Analysis. Princeton University Press. 1996. ISBN 0-691-01586-4. 


免责声明:以上内容版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。感谢每一位辛勤著写的作者,感谢每一位的分享。

——— 没有了 ———
编辑:阿族小谱

更多文章

更多精彩文章
评论 {{commentTotal}} 文明上网理性发言,请遵守《新闻评论服务协议》
游客
发表评论
  • {{item.userName}} 举报

    {{item.content}}

    {{item.time}} {{item.replyListShow ? '收起' : '展开'}}评论 {{curReplyId == item.id ? '取消回复' : '回复'}}

    回复评论
加载更多评论
打赏作者
“感谢您的打赏,我会更努力的创作”
— 请选择您要打赏的金额 —
{{item.label}}
{{item.label}}
打赏成功!
“感谢您的打赏,我会更努力的创作”
返回
打赏
私信

推荐阅读

关于我们

关注族谱网 微信公众号,每日及时查看相关推荐,订阅互动等。

APP下载

下载族谱APP 微信公众号,每日及时查看
扫一扫添加客服微信