从一个峰，到一个旋转
上一篇里你认识了拉普拉斯方法：一个 e^{M phi(t)} 形式、M 很大的积分，由 phi 那个最高的峰所主导，因为指数权重压倒性地集中在那里，就像聚光灯打在漆黑舞台的一个点上。你找到极大值、配一条抛物线、做一次高斯积分，再把答案读出来。这篇要处理的，是这个积分坐不住的表亲：把实的、增长的指数换成虚的、振荡的指数。权重不再堆在一个峰上——它开始旋转，需要一个全新的想法来驯服它。
我们现在关心的积分，长得像 g(t) e^{i k phi(t)} dt 的积分，k 是一个很大的实数。这里 e^{i k phi} 是一个绕圈的单位复数：它的模长永远是 1，但当 t 移动时，它的辐角 k phi(t) 飞速旋转。任何地方的模长都不大也不小——那答案究竟能从哪里冒出来呢？诚实而漂亮的答案是相消。想象把上百万支小箭头加起来，每一支指向的方向越转越快。相邻的箭头几乎指向相反方向，成对湮灭；总和坍缩到几乎为零。
几乎为零——但并非全无。有一类地方，相消会失效：相位短暂停止变化的那一点，那里相邻的箭头一时间指向相同，于是相互加强而非抵消。那些就是驻点，满足 phi'(t0) = 0——正是你在第一卷里为找平坦处而令其为零的那个导数。从那场大相消里幸存下来的一切，都住在它们极小的邻域里。仅凭这一个观察，就构成了驻相法。
驻相法：波同步的地方
我们把估计做具体。在驻点 t0 附近，相位局部是平坦的，所以它的泰勒展开从二阶项开始：phi(t) 约等于 phi(t0) + (1/2) phi''(t0) (t - t0)^2。一阶项消失了，正因为 phi'(t0) = 0。把它代回被积函数，幸存的部分就成了 g(t0) e^{i k phi(t0)} 乘以 e^{i (k/2) phi''(t0) (t - t0)^2} dt 的积分——一个高斯，但指数是虚的。这个虚高斯就是全部的诀窍，而它确实收敛，给出一个干净的封闭形式。
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，一处差别立刻跳出来。拉普拉斯的峰给出的贡献按 1/sqrt(M) 缩小，但还乘以一个可能极大或极小的 e^{M phi(t0)}——指数加权。驻相法则完全没有指数加权；模长处处为 1，所以答案只按 1/sqrt(k) 衰减。振荡的相消缓慢而勉强，而指数峰的定域却凶狠高效。还有一处新指纹：那个多出来的相位因子 e^{i sigma pi/4}，其中 sigma 是 phi''(t0) 的符号。它直接来自把高斯旋转到虚轴上，是相位为虚（而非实）所必须诚实付出的代价。
为什么光学与波动活在这里
这不是抽象的把戏——这正是大自然画光的方式。远处屏幕上的波场，是对波可能走的每一条路径求和（积分），每条路径都带着一个与其传播时间成正比的相位 k phi。对大多数路径，你稍微挪动路径，相位就疯狂旋转，于是它们相消。幸存下来的路径，恰恰是传播时间驻定的那些：phi'(t0) = 0。这就是费马原理——光沿着时间驻定的路径传播——它作为一条定理从驻相法中掉出来，而非一条公理。衍射图样的亮斑、透镜的焦点、彩虹的焦散：全都是驻相法的幸存者。
同一套机器还给出波包的群速度及其传播时如何展宽、天线的远场辐射方向图，以及你接下来会遇到的 WKB 方法的连接公式。每当你听说某个系统「挑出」一条驻定的路径、时间或作用量——费马原理、最小作用量原理、半经典极限——背后总有一个驻相或鞍点积分在悄悄完成这场挑选。
进入复平面：最速下降
驻相法管用，但那个虚高斯和那个 pi/4 的扭转感觉像是补丁。最速下降法给出更干净、更深刻的视角：它在复平面里把振荡情形和有峰情形统一成同一幅图。取一个 e^{M f(z)} dz 的积分，其中 f 是复变量 z 的一个解析函数，M 很大。无论指数在实轴上看起来是增长还是振荡，在复平面里它都只是同一片解析的地貌——而我们可以自由地选一条不同的路线走过它。
记 f(z) = u(z) + i v(z)。被积函数的模长是 |e^{M f}| = e^{M u}，完全由实部 u 决定；虚部 v 是纯粹旋转的相位。在实轴上 v 可能飞速狂奔——纯振荡，正是难办的情形。但把路径挪进复平面是一个合法且精确的操作，绝非作弊：因为 f 解析，柯西定理告诉我们，只要在 f 保持解析的区域内变形围道，积分不变——这正是你用来攻克实积分的留数定理所依赖的同一条定理。于是我们去寻找一条更好的路径——一条专为扼杀振荡而量身定做的路径。
关键的地标是一个鞍点 z0，即满足 f'(z0) = 0 的地方。这里，解析性逼出一件惊人的事：一个解析函数的实部 u 在平面里绝不可能有普通的山顶或谷底（这就是调和函数的极值原理——u 始终是一个调和函数）。u 唯一能造出的临界地形是一个鞍——一个山口，朝一个方向向两座峰升起，朝垂直方向落入两道谷。想象你站在那个山口上。恰有一个方向，地面尽可能陡峭地坠落：那就是最速下降的路径。
奇妙之处在这里。沿着穿过鞍点的那条最速下降路径，虚部 v 保持严格不变——相位冻结，旋转戛然而止。（这绝非巧合：对解析函数而言，等相位曲线与高度变化最陡的曲线本就是同一族。）在那条路径上，被积函数是 e^{M u} 中一个实的、尖锐的峰，于是我们又回到了拉普拉斯方法的地盘——配一条抛物线，做一次实高斯积分，完事。仅仅靠选对路线，狂野的振荡就被精确地换成了一个温顺的峰。
操作步骤，以及它在哪里反咬
- 找出鞍点：在复平面里解 f'(z0) = 0。鞍点可能有好几个；你只保留你的围道真正需要的那些。
- 用柯西定理，把原围道变形到穿过所选鞍点的最速下降路径上——即 f 的虚部保持不变的那条曲线。
- 在鞍点处把 f 展开到二阶，f(z) 约等于 f(z0) + (1/2) f''(z0) (z - z0)^2，使局部被积函数变成一个实的高斯峰。
- 沿下降方向做高斯积分。领头项是 e^{M f(z0)} 乘以 sqrt(2 pi / (M |f''(z0)|))，并带一个由下降路径走向决定的相位因子。
注意领头答案与拉普拉斯方法的形状完全相同——e^{M f(z0)} sqrt(2 pi / (M |f''(z0)|))——只不过是在一个复鞍点处求值，并带一个来自路径倾斜的相位。而正如沃森引理把拉普拉斯的领头估计升级为一个完整的渐近级数，在鞍点处把 f 展开到二阶以上，同样能在这里给你更高阶的修正。这一个方法，就交付了一长串特殊函数的大宗量行为：贝塞尔函数、艾里函数、实轴之外的伽马函数，以及大多数积分变换。