力學、光學與控制背後的同一條方程
我們以一條最配得上宏大二字的方程為本梯級收尾。漢米頓-雅可比方程 是一階偏微分方程 u_t + H(x, grad u) = 0，其中未知量 u(x,t) 是單一純量，而 H——即漢米頓量——是位置與梯度 grad u 的一個給定函數。它是一條完全非線性方程：梯度是透過任意函數 H 進入的，而非僅僅乘上光滑係數，因此前面各梯級的線性機器——疊加、傅立葉模態、格林函數——一概不適用。一個典型例子是 u_t + (1/2)|grad u|^2 = 0，此處 H(p) = (1/2)|p|^2。
為什麼這一條方程一再出現？在力學裡，漢米頓與雅可比發現，解 u_t + H(x, grad u) = 0 等價於把一個粒子的運動積分出來——u 就是作用量，而它的等高集沿著軌跡推進。在光學裡，同一條方程在 H = |grad u| 時（即 eikonal 方程，一個定態的表親）支配著波前如何傳播、光線往何處走。在最優控制裡，u 是最小的剩餘代價，方程便化為我們在最後會遇見的動態規劃關係。三個學科，一條主方程。
特徵線就是射線——而射線會相交
你究竟怎麼解一條漢米頓-雅可比方程？用本階梯前段的特徵線法——但帶著一個漂亮的轉折。對一條完全非線性的一階偏微分方程，特徵線並非攜帶單一值的曲線；它們是帶，同時攜帶位置 x 與梯度 p = grad u，並依漢米頓方程 dx/dt = H_p、dp/dt = -H_x 演化。這些正是光學的射線、力學的軌跡。你從每個起點放出一條射線，推進這些常微分方程，再沿著射線積分而把 u 建構出來。解這條偏微分方程，就是在運行力學。
但這裡有一個整個梯級一直在為你鋪墊的關鍵。射線會彎，而彎曲的射線會相交。當兩條攜帶不同梯度的射線抵達同一點時，梯度 grad u 想同時取兩個值——而一個單值光滑的 u 在那裡無法存在。正如純量守恆律的光滑解會變陡、形成震波，漢米頓-雅可比的光滑解會發展出一道摺痕：一條 u 仍連續、但其斜率跳躍的曲線。（這並非巧合——在一維空間中，把 u_t + H(u_x) = 0 對 x 微分並令 w = u_x，便得到守恆律 w_t + H(w)_x = 0，所以 HJ 的摺痕正是守恆律震波的積分形式。）過了那一刻，古典解不再存在。
一條挺過摺痕的公式：霍普夫-拉克斯
在發明一個全新的解概念之前，先看一個具體的逃生口是值得的。對只依賴梯度的凸漢米頓量 H(p)，搭配初始資料 u(x,0) = g(x)，存在一個明確的答案——霍普夫-拉克斯／拉克斯-奧列尼克 公式——它在所有時間都有效，連折角也照單全收。它說：要找出某點的 u，回頭看你本可能出發的每一個地方，按拉格朗日量（H 的凸對偶）計一筆旅行代價，加上那裡的初始值 g，再取最便宜的組合。
Hamilton-Jacobi: u_t + H(grad u) = 0, u(x,0) = g(x) Hopf-Lax formula (H convex, L = its dual): u(x,t) = min over y of [ g(y) + t * L( (x - y)/t ) ] reading: cheapest start y + cost of travelling from y to x in time t the 'min' is what allows a crease where two minimizers tie example H(p) = (1/2)p^2 => L(v) = (1/2)v^2 (free particle)
盯著那個 `min`，謎團便煙消雲散。在單一出發點 y 最便宜之處，u 是光滑的，並與古典射線解吻合。在兩個不同的 y 並列最便宜之處，公式仍為 u 回傳一個確定的數，但斜率在兩者之間翻轉——那就是摺痕，自動生成。即使在射線圖景雙值之處，極小仍是單值的，所以霍普夫-拉克斯公式悄悄地穿過奇異性選出了一個解。剩下的工作，是抽象地說清它選出的是哪個解——好讓同樣的選擇在沒有明確公式時依然管用。
黏性解：用溫和函數來檢驗
這裡就是那個贏得菲爾茲獎等級關注的想法。我們無法把一個起了摺的 u 代進 u_t + H(x, grad u) = 0，因為在摺痕處 grad u 不存在。所以我們索性絕不直接對 u 微分。取而代之，拿任何一個在某點碰觸 u 的光滑測試函數 phi——比方說從上方碰觸，附近 phi >= u 而在該點 phi = u——並在那裡把方程強加於 phi。訣竅在於：在一個光滑 phi 坐落於 u 之上並與之相觸的點，u 一切應有的導數都被相觸函數的導數夾住，於是我們可以對 phi 而從不對 u 提出不等式。
具體地說，u 是一個黏性解，若它既是下解又是上解。下解：每當一個光滑 phi 從上方碰觸 u（phi >= u，在 x0 處相等），我們便要求在那裡 phi_t + H(x0, grad phi) <= 0。上解：每當一個光滑 phi 從下方碰觸（phi <= u，在 x0 處相等），我們便要求 phi_t + H(x0, grad phi) >= 0。在 u 恰好光滑之處，你可從兩側都取 phi = u，兩個不等式便塌縮為原方程——所以一個光滑的黏性解就只是古典解。在摺痕處，兩個單側的檢驗真正起了作用，而只有物理上正確的形狀才能同時通過兩者。
為何它是對的概念，以及它的代價
回報恰恰是一個初學者該要求的：一個適定問題。在溫和的條件下，帶有給定初始資料的漢米頓-雅可比方程有唯一一個黏性解，它連續地依賴於資料，並且——當有明確公式時——它與霍普夫-拉克斯一致。非線性方程的弱解通常是一群；黏性定義的高明之處，在於那兩個單側的檢驗夠鋒利，足以挑出唯一的一員，也就是一個消失的擴散本會產生的那一個。這就是為什麼對 HJ 而言，標準概念是這個，而非赤裸的弱微分。
對代價與細則要誠實。第一，黏性解通常只是 Lipschitz 連續，而非可微——折角是永久的特徵，不是該被抹平的人工痕跡，任何數值格式都必須去捕捉它們，而非把它們糊掉。第二，上／下解的符號約定與你怎麼寫方程是黏在一起的：把 H 的符號翻轉，或改寫成 H(x, grad u) - u_t = 0，那些不等式也必須跟著翻轉，否則你會選錯解。第三，上面那套乾淨的唯一性理論，對一階 HJ 與恰當（單調）的二階方程最為鋒利；對一般的二階完全非線性偏微分方程，理論存在，但更加精細。這個定義是一件精密儀器——威力強大，也容易瞄錯方向。
最優控制：方程的出處
要體會這一切為何重要，就看一條漢米頓-雅可比方程如何從一個決策問題湧現出來。設想操控一個系統——一枚火箭、一個投資組合、一個機器人——以最小化總代價，並令 u(x,t) 為價值函數：從狀態 x 出發、還剩時間 t 時所能達到的最小代價。動態規劃原理說了一件幾乎不言自明的事：一個長視野上的最佳計畫，必須以最佳的微小第一步開始，此後你面對的是同一個問題、只是時間略少。把這份跨越一瞬間 dt 的自洽性寫下來，再讓 dt -> 0，它便化為一條關於 u 的偏微分方程。
那條偏微分方程就是漢米頓-雅可比-貝爾曼方程——一條漢米頓-雅可比方程，其漢米頓量本身是對你可選的控制取極小，H(x, p) = 對控制 a 取極小 [ 即時代價(x,a) + p . 動力學(x,a) ]。價值函數幾乎從不光滑——划算與否打成平手、最優行動跨越某些曲面驟然切換、摺痕形成——所以古典解根本不會存在。黏性解的架構正是讓價值函數成為 HJB 方程唯一解的關鍵，而在每點讀出那個取極小的控制，便還原出最優的回饋策略。這就是為什麼工程師、經濟學家與強化學習理論家，最終都走到同一條完全非線性偏微分方程前。