🔢 mathematics

An introduction to the vectorial Calculus of Variations in $\textbf{L}^\infty$ AND Aronsson PDE systems

यह व्याख्यात्मक लेख $L^\infty$ में सदिशीय रूपांतरण की विविधताओं (vectorial Calculus of Variations) का परिचय देता है, जो सुप्रीमल फलन (supremal functionals) और उनसे जुड़े एरोनसन (Aronsson) PDE प्रणालियों पर केंद्रित है जो चरमता स्थितियों (extremality conditions) के रूप में उत्पन्न होते हैं, जबकि शास्त्रीय समाकल रूपांतरण समस्याओं (integral variational problems) की तुलना में आवश्यक विशिष्ट चुनौतियों और उपकरणों को रेखांकित करता है।

मूल लेखक: Hussien Abugirda, Nikos Katzourakis

प्रकाशित 2026-08-18

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hussien Abugirda, Nikos Katzourakis

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

गणितज्ञ लंबे समय से यह समझने की कोशिश कर रहे हैं कि चीजें कैसे बदलती हैं, आकृतियाँ कैसे स्थिर होती हैं, और प्रणालियाँ अपने सबसे कुशल राज्य को कैसे प्राप्त करती हैं। यह खोज, जिसे 'कैलकुलस ऑफ वेरिएशंस' (variations का calculus) के रूप में जाना जाता है, आमतौर पर एक पूरे क्षेत्र में ऊर्जा के सूक्ष्म अंशों को जोड़कर कुल औसत निकालने से जुड़ी होती है। कल्पना कीजिए कि आप कागज की एक मुड़ी हुई चादर को चिकना करने की कोशिश कर रहे हैं; पारंपरिक विधि पूरे क्षेत्र में मुड़ने की कुल मात्रा को देखती है और उस योग को कम करने का प्रयास करती है। यह दृष्टिकोण सदियों से खूबसूरती से काम करता आया है, जिसने पुलों के डिजाइन से लेकर ग्रहों के पथ तक का मार्गदर्शन किया है। हालाँकि, एक अलग प्रकार की समस्या भी है जहाँ औसत उतना महत्वपूर्ण नहीं होता जितना कि सबसे खराब एकल बिंदु। इन परिदृश्यों में, लक्ष्य कुल ऊर्जा को कम करना नहीं है, बल्कि यह सुनिश्चित करना है कि कोई भी एकल बिंदु बहुत अधिक ऊँचा न हो जाए। यह 'सुप्रीमम' (supremum) का क्षेत्र है, जो एक फलन (function) द्वारा प्राप्त किए जा सकने वाले पूर्ण अधिकतम मान को देखने का एक गणितीय तरीका है। जबकि जोड़ने वाली पुरानी विधियाँ यहाँ पूरी तरह विफल हो जाती हैं, इस तरह के "सबसे खराब स्थिति" वाले परिदृश्यों से निपटने के लिए एक नया क्षेत्र उभरा है, जो उन समस्याओं को हल करने का एक तरीका प्रदान करता है जहाँ एक बड़ी त्रुटि भी अस्वीकार्य होती है।

इस नए क्षेत्र में, शोधकर्ता एक विशिष्ट प्रकार की समस्या की खोज कर रहे हैं जिसमें ऐसे मानचित्र (maps) शामिल हैं जो एक स्थान से दूसरे स्थान में, अक्सर कई आयामों (dimensions) में विस्तार करते हैं। इस शोध पत्र के लेखक, एच. अबुगिरडा और एन. कत्ज़ौराकिस, हमें इस क्षेत्र में नवीनतम विकास के माध्यम से ले जा रहे हैं, जो इन बहु-आयामी मानचित्रों की अधिकतम ऊर्जा को कम करने पर ध्यान केंद्रित करते हैं। वे बताते हैं कि जबकि सरल, एकल-रेखा वाली समस्याओं के लिए सिद्धांत दशकों से समझा जा रहा है, अधिक जटिल, बहु-आयामी संस्करणों को हाल ही में सुलझाना शुरू किया गया है। मुख्य चुनौती यह है कि औसत की पुरानी दुनिया में उपयोग किए जाने वाले मानक उपकरण तब काम नहीं करते जब हम पूर्ण अधिकतम (absolute maximum) की तलाश कर रहे होते हैं। वे समीकरण जो इन इष्टतम आकृतियों का वर्णन करते हैं, अजीब और कठिन होते हैं, जो अक्सर अप्रत्याशित तरीके से टूट जाते हैं या व्यवहार करते हैं जिन्हें पारंपरिक गणित आसानी से संभाल नहीं पाता है।

यह शोध पत्र जटिल समीकरणों के एक सेट का परिचय देता है, जिन्हें 'एरॉनसन सिस्टम' (Aronsson systems) के रूप में जाना जाता है, जो इन इष्टतम आकृतियों को खोजने के नियम के रूप में कार्य करते हैं। ये समीकरण एक परिचित गणितीय प्रक्रिया को उसके चरम सीमा तक धकेलने का परिणाम हैं, जो प्रभावी रूप से यह पूछते हैं कि क्या होता है जब "औसत" गणना को "अधिकतम" गणना से बदल दिया जाता है। शोधकर्ता दिखाते हैं कि बहु-आयामी मानचित्रों के लिए, समाधान एक एकल, चिकनी वक्र (curve) नहीं है, बल्कि अक्सर विभिन्न चरणों (phases) में विभाजित होने वाली एक संरचना है। मानचित्र के कुछ हिस्सों में, आकृति एक सरल, एक-आयामी रेखा की तरह व्यवहार करती है, जबकि अन्य हिस्सों में, यह एक जटिल, बहु-आयामी सतह की तरह व्यवहार करती है। ये विभिन्न क्षेत्र तीक्ष्ण सीमाओं द्वारा अलग किए गए हैं जहाँ मानचित्र का व्यवहार अचानक बदल जाता है। यह घटना, जिसे 'फेज सेपरेशन' (phase separation) कहा जाता है, यह दर्शाती है कि आकृति को नियंत्रित करने वाले गणितीय नियम हर जगह समान नहीं हैं; वे इस पर निर्भर करते हैं कि मानचित्र वर्तमान में किस चरण में है। यह एक ऐसी प्रणाली बनाता है जिसके गुणांक (coefficients) उछल सकते हैं या असंतत (discontinuous) हो सकते हैं, जिससे समीकरण अपने सरल समकक्षों की तुलना में कहीं अधिक कठिन हो जाते हैं।

इस शोध पत्र की सबसे महत्वपूर्ण खोजों में से एक यह है कि "सर्वश्रेष्ठ" समाधान का पारंपरिक विचार, जहाँ एक आकृति हर जगह पूर्ण न्यूनतम होती है, इन बहु-आयामी समस्याओं के लिए काम नहीं करता है। सरल, एकल-आयामी मामलों में, सर्वश्रेष्ठ समाधान खोजना सीधा था, लेकिन जटिल, बहु-आयामी दुनिया में, शोधकर्ताओं ने पाया कि न्यूनतम की मानक परिभाषा समाधान की वास्तविक प्रकृति को पकड़ने में विफल रहती है। इसके बजाय, वे इन समाधानों के बारे में सोचने का एक नया तरीका प्रस्तावित करते हैं, उन्हें दो अलग-अलग भागों में तोड़ते हैं: एक जो आकृति की सतह के साथ चलता है और दूसरा जो उसके लंबवत (perpendicular) चलता है। प्रत्येक भाग के अपने विशिष्ट नियम हैं जो इसे इष्टतम बनाते हैं। यह अंतर महत्वपूर्ण है क्योंकि यह प्रकट करता है कि एक आकृति एक दिशा में इष्टतम हो सकती है जबकि दूसरी दिशा में नहीं, एक ऐसा सूक्ष्म अंतर जिसे पहले अनदेखा किया गया था।

यह शोध पत्र इस कठिन प्रश्न को भी संबोधित करता है कि क्या वास्तव में इन जटिल समीकरणों के समाधान मौजूद हैं। क्योंकि समीकरण इतने अनियमित हैं और गुणांक उछल सकते हैं, इसलिए समाधान के अस्तित्व को सिद्ध करने के लिए मानक विधियाँ लागू नहीं होती हैं। इससे निपटने के लिए, लेखक एक नया, परिष्कृत दृष्टिकोण वर्णित करते हैं जो आकृति के डेरिवेटिव्स (derivatives) को एकल, निश्चित मानों के रूप में नहीं, बल्कि संभावनाओं के प्रसार के रूप में मानता है, ठीक वैसे ही जैसे कणों का एक बादल व्यवहार कर सकता है। यह विधि, जो 'यंग मेजर' (Young measures) की अवधारणा का उपयोग करती है, गणितज्ञों को समाधान खोजने की अनुमति देती है भले ही आकृति पूरी तरह से चिकनी या अवकलनीय (differentiable) न हो। वे सिद्ध करते हैं कि इन समस्याओं के एक विस्तृत वर्ग के लिए, केवल एक समाधान नहीं है, बल्कि अनगिनत वैध समाधान हैं जो शर्तों को पूरा करते हैं। समाधानों की यह कमी विधि की विफलता नहीं है, बल्कि स्वयं समस्या की एक मौलिक विशेषता है, जो इन बहु-आयामी आकृतियों की जटिल और लचीली प्रकृति को दर्शाती है।

अंततः, यह कार्य समस्याओं के एक वर्ग को समझने के लिए एक मार्गदर्शिका प्रदान करता है जो कई वास्तविक दुनिया के अनुप्रयोगों के लिए महत्वपूर्ण हैं, जैसे कि सामग्रियों के डिजाइन को अनुकूलित करना या मौसम के पूर्वानुमान मॉडल में सुधार करना। पारंपरिक औसत की सीमाओं से आगे बढ़कर और अधिकतम मूल्यों की जटिलता को अपनाकर, लेखकों ने उन समस्याओं को हल करने का द्वार खोल दिया है जहाँ सबसे खराब स्थिति ही एकमात्र मायने रखती है। उनका कार्य स्पष्ट करता है कि इन जटिल प्रणालियों में सर्वोत्तम समाधान का मार्ग एक एकल, चिकनी रेखा नहीं है, बल्कि एक समृद्ध, बहु-आयामी संरचना है जिसके लिए समझने हेतु नए उपकरणों और सोचने के नए तरीकों की आवश्यकता है। अतीत के सरल, चिकने वक्रों से वर्तमान के ऊबड़-खाबड़, चरण-विभाजित परिदृश्यों तक की यात्रा गणित की सबसे कठिन अनुकूलन समस्याओं को मॉडल करने की हमारी क्षमता में एक महत्वपूर्ण प्रगति को चिह्नित करती है।

तकनीकी सारांश: $L^\infty$ में वेक्टोरियल कैलकुलस ऑफ वेरिएशंस और एरोनसन (Aronsson) PDE का एक परिचय

1. समस्या विवरण और संदर्भ

यह शोध पत्र $L^\infty$ में कैलकुलस ऑफ वेरिएशंस (Calculus of Variations) को संबोधित करता है, जो उन परिवर्तनशील समस्याओं (variational problems) से संबंधित है जिनमें शास्त्रीय इंटीग्रल फंक्शनल्स के बजाय सुप्रिमल फंक्शनल्स (supremal functionals) शामिल होते हैं। जबकि स्केलर सिद्धांत (जहाँ अज्ञात फलन $\mathbb{R}$ में मैप करता है) को 1960 के दशक में जी. एरोनसन द्वारा स्थापित किया गया था, वेक्टोरियल मामला (जहाँ अज्ञात मैप $u: \Omega \subseteq \mathbb{R}^n \to \mathbb{R}^N$ है, $N \geq 2$ के साथ) एक बहुत ही हालिया विकास है, जिसकी उत्पत्ति 2010 के दशक की शुरुआत में हुई थी।

केंद्रीय समस्या वेक्टोरियल सुप्रिमल फंक्शनल्स के लिए एक सुदृढ़ परिवर्तनशील ढांचे (variational framework) का अभाव है। शास्त्रीय इंटीग्रल सेटिंग ( $L^p$ ) में, मिनिमाइज़र (minimizers) को अवकलन (differentiation) के माध्यम से प्राप्त यूलर-लैग्रेंज समीकरणों द्वारा अभिलक्षित किया जाता है। हालाँकि, निम्नलिखित रूप के सुप्रिमल फंक्शनल्स:
$E_\infty(u, \mathcal{O}) := \text{ess sup}_{x \in \mathcal{O}} H(x, u(x), Du(x))$
अवकलनीय (differentiable) नहीं होते हैं। फलस्वरूप, मानक परिवर्तनशील तकनीकें विफल हो जाती हैं। इसके अतिरिक्त, $L^\infty$ में "ग्लोबल मिनिमाइज़र" की अवधारणा सुप्रीमम की गैर-योगात्मकता (lack of additivity) के कारण अपर्याप्त है; उपयुक्त धारणा एब्सोल्यूट मिनिमाइज़र (absolute minimizer) की है, जो अपने स्वयं के बाउंड्री मानों के सापेक्ष प्रत्येक उप-डोमेन पर फंक्शनल को न्यूनतम करता है।

यह शोध पत्र एरोनसन सिस्टम्स (Aronsson systems) के व्युत्पन्न और विश्लेषण पर केंद्रित है, जो इन फंक्शनल्स के लिए चरमता स्थितियों (extremality conditions) के रूप में उभरते हैं, विशेष रूप से समस्या की वेक्टोरियल प्रकृति ( $N \geq 2$ ) द्वारा उत्पन्न महत्वपूर्ण जटिलताओं पर प्रकाश डालता है।

2. कार्यप्रणाली (Methodology)

लेखक इस क्षेत्र का परिचय देने के लिए एक बहुआयामी दृष्टिकोण अपनाते हैं, जो इसे शास्त्रीय इंटीग्रल कैलकुलस ऑफ वेरिएशंस के साथ विरोधाभास प्रस्तुत करता है:

सीमित प्रक्रियाएं ( $L^p$ सन्निकटन): एरोनसन सिस्टम्स को व्युत्पन्न करने के लिए एक प्राथमिक विधि $L^p$ -डिरिचलेट इंटीग्रल्स ( $\int |Du|^p$ ) से जुड़े यूलर-लैग्रेंज समीकरणों के औपचारिक सीमा (formal limit) के रूप में $p \to \infty$ लेना है। यह सीमित PDE की संरचना को प्रकट करता है।
ज्यामितीय अपघटन (Geometric Decomposition): वेक्टोरियल मामले में, लेखक ग्रेडिएंट $Du$ के रेंज और उसके लंबवत पूरक (orthogonal complement) पर ऑर्थोगोनल प्रोजेक्शन का उपयोग करते हैं। यह मैप की इमेज के सापेक्ष लिमिटिंग PDE सिस्टम को टेंजेंशियल (tangential) और नॉर्मल (normal) घटकों में विभाजित करने की अनुमति देता है।
सामान्यीकृत समाधान (D-solutions): यह पहचानते हुए कि शास्त्रीय समाधान (यहाँ तक कि $C^2$ भी) अस्तित्व में नहीं हो सकते या डिस्कंटीन्यूअस गुणांकों के कारण बिंदुवार (pointwise) अर्थ में PDE को संतुष्ट नहीं कर सकते, शोध पत्र D-solutions पेश करता है। यह सिद्धांत यंग मेजर (Young measures) और अंतर भाग (difference quotients) के माध्यम से अवकलितों के संभाव्य निरूपण (probabilistic representations) पर निर्भर करता है, जो इंटीग्रेशन बाय पार्ट्स या मैक्सिमम प्रिंसिपल्स से बचता है।
परिवर्तनशील लक्षण वर्णन (Variational Characterization): शोध पत्र इस बात की जांच करता है कि क्या परिवर्तनों के विशिष्ट वर्ग (स्केलर बनाम वेक्टोरियल, टेंजेंशियल बनाम नॉर्मल) एरोनसन सिस्टम के समाधानों को अभिलक्षित कर सकते हैं, जो "रैंक-वन एब्सोल्यूट मिनिमाइज़र" और "मिनिमल एरिया" स्थितियों के बीच अंतर करता है।

3. मुख्य योगदान और परिणाम

3.1. वेक्टोरियल एरोनसन सिस्टम

शोध पत्र एक सामान्य सुप्रेमेंड $H(x, \eta, P)$ के लिए पूर्ण वेक्टोरियल एरोनसन सिस्टम व्युत्पन्न करता है। एकल सेकंड-ऑर्डर क्वासिलिनियर समीकरण वाले स्केलर मामले के विपरीत, वेक्टोरियल मामला एक सिस्टम देता है जो आम तौर पर दो स्वतंत्र भागों से बना होता है:

टेंजेंशियल घटक (Tangential Component): मैप की इमेज के अनुदिश भिन्नता से संबंधित।
नॉर्मल घटक (Normal Component): मैप की इमेज के लंबवत भिन्नता से संबंधित।

मॉडल $\infty$ -डिरिचलेट फंक्शनल ($H = |Du|$) के लिए, सिस्टम है:
$\Delta_\infty u := \left( Du \otimes Du + |Du|^2 [[Du]]^\perp \otimes I \right) : D^2 u = 0$
जहाँ $[[Du]]^\perp$ $Du$ की रेंज के लंबवत पूरक पर प्रोजेक्शन है। यह सिस्टम निम्नानुसार अलग होता है:

$Du \, D(\frac{1}{2}|Du|^2) = 0$ (टेंजेंशियल)
$|Du|^2 [[Du]]^\perp \Delta u = 0$ (नॉर्मल)

3.2. फेज सेपरेशन और डिस्कंटीन्यूअस कोएफिशिएंट्स

एक महत्वपूर्ण निष्कर्ष यह है कि वेक्टोरियल एरोनसन सिस्टम में डिस्कंटीन्यूअस कोएफिशिएंट्स होते हैं, भले ही समाधान स्मूथ (smooth) हों। यह इसलिए होता है क्योंकि ग्रेडिएंट $Du$ का रैंक पूरे डोमेन में स्थिर नहीं हो सकता है।

फेज सेपरेशन (Phase Separation): डोमेन विभिन्न फेजों में विभाजित होता है (जैसे, $\Omega_1$ जहाँ $\text{rk}(Du)=1$ और $\Omega_2$ जहाँ $\text{rk}(Du)=2$ )।
इंटरफेस (Interfaces): इन फेजों के बीच के इंटरफेस पर, प्रोजेक्शन ऑपरेटर $[[Du]]^\perp$ डिस्कंटीन्यूअस हो जाता है।
स्ट्रक्चर थ्योरम: 2D में $C^2$ समाधानों के लिए, मैप या तो आइकल (Eikonal) समीकरण को हल करने वाला एक इमर्शन (immersion) है (रैंक 2) या अनिवार्य रूप से एक स्केलर $\infty$ -हारमोनिक फलन है (रैंक 1)।

3.3. एब्सोल्यूट मिनिमिटी की विफलता

शोध पत्र प्रदर्शित करता है कि स्केलर मामले के विपरीत, वेक्टोरियल एब्सोल्यूट मिनिमाइज़र आवश्यक रूप से $\infty$ -हारमोनिक मैप्स को अभिलक्षित नहीं करते हैं।

$\infty$ -लैपलेस सिस्टम वेक्टोरियल मामले में एब्सोल्यूट मिनिमिटी के लिए पर्याप्त नहीं है।
एक नया परिवर्तनशील विचार, $\infty$ -मिनिमल मैप्स, पेश किया गया है, जिसके लिए यह आवश्यक है कि मैप एक "रैंक-वन एब्सोल्यूट मिनिमल" (टेंजेंशियल) हो और उसका " $\infty$ -मिनिमल एरिया" (नॉर्मल) हो।
ऐसे काउंटर-उदाहरण मौजूद हैं जहाँ स्मूथ $\infty$ -हारमोनिक मैप्स सुप्रीमल फंक्शनल के लिए ग्लोबल मिनिमाइज़र नहीं होते हैं।

3.4. D-solutions का अस्तित्व

शास्त्रीय समाधानों के गैर-अस्तित्व और विस्कोसिटी सॉल्यूशन थ्योरी (जो स्केलर नॉन-डाइवर्जेंस समीकरणों पर लागू होती है लेकिन डिस्कंटीन्यूअस कोएफिशिएंट्स वाले वेक्टोरियल सिस्टमों पर सीधे लागू नहीं होती) को संबोधित करते हुए, शोध पत्र D-solutions के अस्तित्व का परिणाम प्रस्तुत करता है।

प्रमेय: $H$ पर विशिष्ट संरचनात्मक मान्यताओं के साथ एरोनसन सिस्टम के डिरिचलेट समस्या के लिए, लिप्सचिट्ज़ सबमर्सन्स (Lipschitz submersions) के वर्ग में D-solutions का एक अनंत सेट मौजूद है।
गैर-विशिष्टता (Non-uniqueness): समाधान गैर-विशिष्ट है, एक ऐसी घटना जो $n=N=2$ के लिए स्मूथ समाधानों में भी देखी गई है। इसका प्रमाण एक डिफरेंशियल इनक्लूजन पर लागू बेयर कैटेगरी मेथड (Baire category method) (Dacorogna-Marcellini) का उपयोग करता है।

4. महत्व और अनुप्रयोग

यह शोध पत्र वेक्टोरियल कैलकुलस ऑफ वेरिएशंस इन $L^\infty$ को एक विशिष्ट और चुनौतीपूर्ण क्षेत्र के रूप में स्थापित करता जिसे शास्त्रीय PDE सिद्धांत से परे नए उपकरणों की आवश्यकता है। इसका महत्व निम्नलिखित में निहित है:

सैद्धांतिक गहराई: यह स्थापित करता है कि वेक्टोरियल मामला केवल स्केलर मामले का सामान्यीकरण नहीं है, बल्कि इसमें अद्वितीय संरचनात्मक विशेषताएं (फेज सेपरेशन, डिस्कंटीन्यूअस कोएफिशिएंट्स, गैर-विशिष्टता) हैं जो परिवर्तनशील परिदृश्य को मौलिक रूप से बदल देती हैं।
अनुप्रयोग: लेखक कई वास्तविक दुनिया के प्रेरणाओं का उल्लेख करते हैं जहाँ औसत (इंटीग्रल) को न्यूनतम करने के बजाय अधिकतम त्रुटि (सुप्रिमल) को न्यूनतम करना अधिक यथार्थवादी है:
- ऑप्टिमल लिप्सचिट्ज़ एक्सटेंशन: बाउंड्री डेटा का सबसे स्मूथ एक्सटेंशन खोजना।
- क्वासी-कॉन्फॉर्मल मैपिंग का अनुकूलन: मैपिंग के डायलेशन को न्यूनतम करना।
- वेरिएशनल डेटा एसिमिलेशन: विशेष रूप से मौसम के पूर्वानुमान (4DVar) में, जहाँ मॉडल और अवलोकनों के बीच अधिकतम विचलन को न्यूनतम करना "स्पाइक्स" (spikes) से बचने के लिए महत्वपूर्ण है।
- इमेज प्रोसेसिंग और इंजीनियरिंग: इष्टतम आकार डिजाइन (optimal shape design), इनवर्स प्रॉब्लम्स और फ्रैक्चर मैकेनिक्स में अनुप्रयोग।

शोध पत्र निष्कर्ष निकालता है कि जबकि स्केलर सिद्धांत अच्छी तरह से विकसित है, वेक्टोरियल सिद्धांत अभी भी अपने प्रारंभिक चरण में है, जिसमें एरोनसन सिस्टम्स चरमता स्थितियों के अध्ययन के लिए केंद्रीय वस्तु के रूप में कार्य करते हैं। D-solutions का परिचय विभेदन (differentiability) की कमी और इन सिस्टम्स की नॉन-इलिटिक (non-elliptic) प्रकृति को संभालने के लिए एक कठोर ढांचा प्रदान करता है।

तकनीकी सारांश: L∞L^\inftyL∞ में वेक्टोरियल कैलकुलस ऑफ वेरिएशंस और एरोनसन (Aronsson) PDE का एक परिचय