变分法：自然界自己解的最优化

两点之间直线最短——然后呢

第三讲学的是「找最好的数」：什么价格利润最大。更高级的问题是找最好的曲线：从 A 到 B 有无数条路，哪一条最好？这种「在无穷多条曲线里挑最优」的学问叫变分法，是微积分的皇冠。

最速降线：直线竟然不是最快

1696 年伯努利公开悬赏：小球从高处滑到低处，沿什么曲线最快？直觉是直线——错！答案是「摆线」：先陡后缓，开头多攒速度，全程反而更快。牛顿收到题后一夜解出，匿名寄回。今天滑雪跳台的弧线、过山车下坡的形状，都是摆线的后代。

光是天生的最优化大师

光从空气射进水里会弯折——它走的总是耗时最短的路径，而不是路程最短的（费马原理）。肥皂膜自动绷成面积最小的曲面，挂着的链条自然垂成能量最低的弧线。大自然仿佛处处在解变分题，物理学家后来干脆把整个力学重写成「作用量取最小」一句话。

从变分法到 AI

回到熟悉的梯度下降：训练神经网络，就是在亿万种「参数组合」里找误差最小的一个——一个超大规模的最优化问题。从伯努利的小球到今天的 AI，变分法一直在回答同一个问题：最好的那条路，长什么样？

练一练：把一根项链两端固定让它自然垂下，观察它的弧线——它刚刚实时解了一道变分题。