美文网首页物理物理·化学
chpt.3 补充——勒让德变换(Legendre transf

chpt.3 补充——勒让德变换(Legendre transf

作者: 有限与微小的面包 | 来源:发表于2020-01-03 08:32 被阅读0次

    注意:这篇补充仅适用于勒让德变换的基础入门,即只针对那些对勒让德变换不了解的同学。接下来的内容只会涵盖勒让德变换的基本定义、几何含义、一维简单勒让德变换以及在热力学中的应用。想要进阶学习和更严格的定义请自行查阅相关教材或者维基百科。

    \boldsymbol{\mathrm{I}}.动机

    在数学中,我们经常会将一个函数f(x)表示为关于其导数\frac{df}{dx}的函数形式。如果令p = \frac{df}{dx},函数f^{\star}(p)则是我们变换后的函数;它是函数f(x)的勒让德变换。


    \boldsymbol{\mathrm{I\!I}}.特点

    \bullet勒让德变换是自身的逆变换。

    \bullet勒让德变换是一个求最大值的过程。

    \bullet只有当目标函数本身是凸函数时(\frac{d^2f}{dx^2} \gt 0)变换才有明确定义。

    \bullet勒让德变换点和线之间二象关系的应用。即,f(x)的函数关系也可以被等价地表示成点集(x,y)或者有确定斜率和截距的切线家族。

    \bullet推广:勒让德-芬切尔变换(Legendre-Fenchel transform)


    \boldsymbol{\mathrm{I\!I\!I}}.定义

    \bullet定义一

    \boxed{f^{\star}(p) = \rm{sup}_{x} (px - f(x))}\\

    其中\rm{sup}_x()表示对变量x的最小上界。(当存在最大值时,即为最大值)

    \bullet定义二

    f^{\star}最大化,需:

    \begin{align*}\frac{d}{dx}(f^{\star}) &= 0\\\frac{d}{dx}(xp-f(x))&= 0\\p - \frac{df}{dx} &= 0\end{align*}  \\

    所以最值的条件为:p(x) = \frac{df}{dx}

    因为f凸函数(convex function),该值亦是最大值:

    \frac{d^2}{dx^2}(xp - f(x)) = -\frac{d^2 f}{dx^2} \lt 0\\

    根据最值条件,求变量x关于p的反函数x(p),再代入f^{\star}得到:

    \boxed{f^{\star}(p) = x(p)p - f(x(p))}\\

    这是定义一的具体表述。

    \bullet定义三

    如果函数ff^{\star}的一阶导互为反函数:

    Df = (Df^{\star})^{-1}\\

    它们被称为彼此的勒让德变换。其中D是微分算符。

    该定义很好验证,

    \frac{d}{dx}f^{\star}(p) = \frac{d}{dx}(xp - f(x)) = x- \frac{df(x)}{dp} = x\\

    结合最值条件,就可以得到

    \begin{cases}p(x) = \frac{df}{dx}(x)\\ x(p) = \frac{df^{\star}}{dp}(p)\end{cases}\\

    \bullet根据上式不难看出,ff^{\star}的唯一性只精确到一个可加常数,所以常数的确定通常需要额外的约束条件:

    (i)标准型

    f(x) + f^{\star}(p) = xp\\

    (ii)非标准型

    f(x) - f^{\star}(p) = xp\\

    后者多用于热力学。


    \boldsymbol{\mathrm{I\!V}}.几何含义

    表达式f^{\star} = px - f(x)是一条经过原点并与原函数在点(x,y)相切的直线。最大化f^{\star}意味着我们要寻找在原函数上一点(x_0,y_0),使得

    px - f(x_0), \quad p = \dot{f}(x_0)\\

    最大,因此切线与y轴的截距必须位于最下方。

    (x_0,y_0)在函数上,设切线方程为

    f(x_0) = mx_0 + b,\quad m = \dot{f}(x_0)\\

    利用斜率表达式,反求x_0

    x_0 = \dot{f}^{-1}(m)\\

    代入切线方程,求解截距b

    b = f(\dot{f}^{-1}(m)) - m\dot{f}^{-1}(m) = -f^{\star}(m)\\

    \implies f^{\star}(m) = m\dot{f}^{-1}(m) -   f(\dot{f}^{-1}(m)) \\

    其中f^{\star}f的勒让德变换。

    可将切线表示为含有参数m的形式:

    f = mx - f^{\star}(m)\\

    或者隐性地写成:

    F(f,f^{\star},m) = f + f^{\star}(m) - mx = 0\\


    \boldsymbol{\mathrm{V}}.一维勒让德变换

    \bullet定义

    f^{\star}(y) = yx - f(x),\quad x = \dot{f}^{-1}(y)\\

    \bullet条件

    \dot{f}(x) = \dot{f^{\star}}^{-1}(x)\\

    \bullet证明

    对等式两边求从x_0x_1的积分:

    \int_{x_0}^{x_1}f(x) dx = \int_{x_0}^{x_1}\dot{f^{\star}}^{-1}(x)dx\\

    左边根据微积分基本原理得到

    f(x_1) - f(x_0) = \int_{x_0}^{x_1}\dot{f^{\star}}^{-1}(x)dx\\

    做代换

    y(x) = \dot{f^{\star}}^{-1}(x);\quad dx = \ddot{f^{\star}}(y)dy\\

    于是

    x_0 = x(y_0) = \dot{f^{\star}}(y_0)\\

    x_1 = x(y_1) = \dot{f^{\star}}(y_1)\\

    f(x_1) - f(x_0) = \int_{y_0}^{y_1}y\ddot{f^{\star}}(y)dy\\

    对右边使用分部积分法

    f(x_1) - f(x_0) = \left.y\dot{f^{\star}}(y)\right|_{y_0}^{y_1} - \int_{y_0}^{y_1}\dot{f^{\star}}(y)dy\\

    \implies f(x_1) - f(x_0) = y_1x_1 - y_0x_0 - f^{\star}(y_1) + f^{\star}(y_0)\\

    进一步整理得到

    f(x_1)+f^{\star}(y_1) - y_1x_1 = f(x_0) + f^{\star}(y_0) - y_0x_0\\

    观察,等式左边是仅依赖x_1的表达式,而右边是仅依赖x_0的表达式,两者相等只可能双方均为常数:

    f(x) + f^{\star}(y) - yx = C\\

    C = 0,整理后便可得到

    \boxed{f^{\star}(y) = xy - f(x)}\\

    并且

    x = \dot{f^{\star}}(y) = \dot{f}^{-1}(y)\\

    \implies \boxed{\dot{f}(x) = \dot{f^{\star}}^{-1}(x)}\\


    \boldsymbol{\mathrm{V\!I}}.热力学应用

    在热力学中,我们经常将一些物理量(内能,自由能等)用新的变量来表示。

    一般技巧如下:

    1. 找出新变量。根据勒让德变换的定义,新变量是原函数对其某原变量的偏导。

    2. 反求原变量关于新变量的表达式。

    3. 写出函数原变量与新变量的乘积。

    4. 将的得到的积与原函数做差。

    (例)

    内能通常可被写成关于系统的熵(或常规熵),体积以及微粒个数的函数

    U(\sigma, V,N)\\

    根据压强的定义

    \left.\frac{\partial U}{\partial V}\right|_{\sigma,N} = -P(V,\sigma,N)\\

    所以当系统的熵和微粒数固定时,存在从函数U(\sigma,V,N)到函数H(P)的勒让德变换(非标准型)。新变量是体积V

    利用压强定义反求V(P,\sigma,N),再执行步骤3,4便可得到

    H(P,\sigma,N) = U + PV(P,\sigma,N)\\

    物理学家将该函数称为系统的焓(enthalpy)


    相关文章

      网友评论

        本文标题:chpt.3 补充——勒让德变换(Legendre transf

        本文链接:https://www.haomeiwen.com/subject/uewaoctx.html