從一個峰，到一個旋轉
上一篇裡你認識了拉普拉斯方法：一個 e^{M phi(t)} 形式、M 很大的積分，由 phi 那個最高的峰所主導，因為指數權重壓倒性地集中在那裡，就像聚光燈打在漆黑舞台的一個點上。你找到極大值、配一條拋物線、做一次高斯積分，再把答案讀出來。這篇要處理的，是這個積分坐不住的表親：把實的、增長的指數換成虛的、振盪的指數。權重不再堆在一個峰上——它開始旋轉，需要一個全新的想法來馴服它。
我們現在關心的積分，長得像 g(t) e^{i k phi(t)} dt 的積分，k 是一個很大的實數。這裡 e^{i k phi} 是一個繞圈的單位複數：它的模長永遠是 1，但當 t 移動時，它的輻角 k phi(t) 飛速旋轉。任何地方的模長都不大也不小——那答案究竟能從哪裡冒出來呢？誠實而漂亮的答案是相消。想象把上百萬支小箭頭加起來，每一支指向的方向越轉越快。相鄰的箭頭幾乎指向相反方向，成對湮滅；總和坍縮到幾乎為零。
幾乎為零——但並非全無。有一類地方，相消會失效：相位短暫停止變化的那一點，那裡相鄰的箭頭一時間指向相同，於是相互加強而非抵消。那些就是駐點，滿足 phi'(t0) = 0——正是你在第一卷裡為找平坦處而令其為零的那個導數。從那場大相消裡倖存下來的一切，都住在它們極小的鄰域裡。僅憑這一個觀察，就構成了駐相法。
駐相法：波同步的地方
我們把估計做具體。在駐點 t0 附近，相位局部是平坦的，所以它的泰勒展開從二階項開始：phi(t) 約等於 phi(t0) + (1/2) phi''(t0) (t - t0)^2。一階項消失了，正因為 phi'(t0) = 0。把它代回被積函數，倖存的部分就成了 g(t0) e^{i k phi(t0)} 乘以 e^{i (k/2) phi''(t0) (t - t0)^2} dt 的積分——一個高斯，但指數是虛的。這個虛高斯就是全部的訣竅，而它確實收斂，給出一個乾淨的封閉形式。
integral of g(t) e^{i k phi(t)} dt (large k)
only phi'(t0) = 0 survives ->
~ g(t0) * sqrt( 2*pi / (k * |phi''(t0)|) )
* e^{ i k phi(t0) }
* e^{ i * sigma * pi/4 }, sigma = sign of phi''(t0)
size of the surviving piece ~ 1 / sqrt(k) (slow decay)把它和拉普拉斯方法比一比，一處差別立刻跳出來。拉普拉斯的峰給出的貢獻按 1/sqrt(M) 縮小，但還乘以一個可能極大或極小的 e^{M phi(t0)}——指數加權。駐相法則完全沒有指數加權；模長處處為 1，所以答案只按 1/sqrt(k) 衰減。振盪的相消緩慢而勉強，而指數峰的定域卻凶狠高效。還有一處新指紋：那個多出來的相位因子 e^{i sigma pi/4}，其中 sigma 是 phi''(t0) 的符號。它直接來自把高斯旋轉到虛軸上，是相位為虛（而非實）所必須誠實付出的代價。
為什麼光學與波動活在這裡
這不是抽象的把戲——這正是大自然畫光的方式。遠處螢幕上的波場，是對波可能走的每一條路徑求和（積分），每條路徑都帶著一個與其傳播時間成正比的相位 k phi。對大多數路徑，你稍微挪動路徑，相位就瘋狂旋轉，於是它們相消。倖存下來的路徑，恰恰是傳播時間駐定的那些：phi'(t0) = 0。這就是費馬原理——光沿著時間駐定的路徑傳播——它作為一條定理從駐相法中掉出來，而非一條公理。衍射圖樣的亮斑、透鏡的焦點、彩虹的焦散：全都是駐相法的倖存者。
同一套機器還給出波包的群速度及其傳播時如何展寬、天線的遠場輻射方向圖，以及你接下來會遇到的 WKB 方法的連接公式。每當你聽說某個系統「挑出」一條駐定的路徑、時間或作用量——費馬原理、最小作用量原理、半經典極限——背後總有一個駐相或鞍點積分在悄悄完成這場挑選。
進入複平面：最速下降
駐相法管用，但那個虛高斯和那個 pi/4 的扭轉感覺像是補丁。最速下降法給出更乾淨、更深刻的視角：它在複平面裡把振盪情形和有峰情形統一成同一幅圖。取一個 e^{M f(z)} dz 的積分，其中 f 是複變量 z 的一個解析函數，M 很大。無論指數在實軸上看起來是增長還是振盪，在複平面裡它都只是同一片解析的地貌——而我們可以自由地選一條不同的路線走過它。
記 f(z) = u(z) + i v(z)。被積函數的模長是 |e^{M f}| = e^{M u}，完全由實部 u 決定；虛部 v 是純粹旋轉的相位。在實軸上 v 可能飛速狂奔——純振盪，正是難辦的情形。但把路徑挪進複平面是一個合法且精確的操作，絕非作弊：因為 f 解析，柯西定理告訴我們，只要在 f 保持解析的區域內變形圍道，積分不變——這正是你用來攻克實積分的留數定理所依賴的同一條定理。於是我們去尋找一條更好的路徑——一條專為扼殺振盪而量身定做的路徑。
關鍵的地標是一個鞍點 z0，即滿足 f'(z0) = 0 的地方。這裡，解析性逼出一件驚人的事：一個解析函數的實部 u 在平面裡絕不可能有普通的山頂或谷底（這就是調和函數的極值原理——u 始終是一個調和函數）。u 唯一能造出的臨界地形是一個鞍——一個山口，朝一個方向向兩座峰升起，朝垂直方向落入兩道谷。想象你站在那個山口上。恰有一個方向，地面盡可能陡峭地墜落：那就是最速下降的路徑。
奇妙之處在這裡。沿著穿過鞍點的那條最速下降路徑，虛部 v 保持嚴格不變——相位凍結，旋轉戛然而止。（這絕非巧合：對解析函數而言，等相位曲線與高度變化最陡的曲線本就是同一族。）在那條路徑上，被積函數是 e^{M u} 中一個實的、尖銳的峰，於是我們又回到了拉普拉斯方法的地盤——配一條拋物線，做一次實高斯積分，完事。僅僅靠選對路線，狂野的振盪就被精確地換成了一個溫順的峰。
操作步驟，以及它在哪裡反咬
- 找出鞍點：在複平面裡解 f'(z0) = 0。鞍點可能有好幾個；你只保留你的圍道真正需要的那些。
- 用柯西定理，把原圍道變形到穿過所選鞍點的最速下降路徑上——即 f 的虛部保持不變的那條曲線。
- 在鞍點處把 f 展開到二階，f(z) 約等於 f(z0) + (1/2) f''(z0) (z - z0)^2，使局部被積函數變成一個實的高斯峰。
- 沿下降方向做高斯積分。領頭項是 e^{M f(z0)} 乘以 sqrt(2 pi / (M |f''(z0)|))，並帶一個由下降路徑走向決定的相位因子。
注意領頭答案與拉普拉斯方法的形狀完全相同——e^{M f(z0)} sqrt(2 pi / (M |f''(z0)|))——只不過是在一個複鞍點處求值，並帶一個來自路徑傾斜的相位。而正如沃森引理把拉普拉斯的領頭估計升級為一個完整的漸近級數，在鞍點處把 f 展開到二階以上，同樣能在這裡給你更高階的修正。這一個方法，就交付了一長串特殊函數的大宗量行為：貝塞爾函數、艾里函數、實軸之外的伽馬函數，以及大多數積分變換。