族谱网 头条 人物百科

拉普拉斯算子

2020-10-16
出处:族谱网
作者:阿族小谱
浏览:960
转发:0
评论:0
定义拉普拉斯算子是n维欧几里得空间中的一个二阶微分算子,定义为梯度(∇∇-->f{displaystylenablaf}散度的散度(∇∇-->⋅⋅-->∇∇-->f{di

定义

拉普拉斯算子是n维欧几里得空间中的一个二阶微分算子,定义为梯度( ∇ ∇ --> f {\displaystyle \nabla f}散度的散度( ∇ ∇ --> ⋅ ⋅ --> ∇ ∇ --> f {\displaystyle \nabla \cdot \nabla f} )。因此如果f是二阶可微的实函数,则f的拉普拉斯算子定义为:

f的拉普拉斯算子也是笛卡儿坐标系 x i {\displaystyle x_{i}} 中的所有非混合二阶偏导数:

作为一个二阶微分算子,拉普拉斯算子把C函数映射到C函数,对于k ≥ 2。表达式((1)或(2))定义了一个算子Δ:C(R)→ C(R),或更一般地,定义了一个算子Δ:C(Ω)→ C(Ω),对于任何开集Ω。

函数的拉普拉斯算子也是该函数的黑塞矩阵的迹:

坐标表示式

二维空间

三维空间

N维空间

在参数方程为 x = r θ θ --> ∈ ∈ --> R N {\displaystyle x=r\theta \in {\mathbb {R} }^{N}} (其中 r ∈ ∈ --> [ 0 , + ∞ ∞ --> ) {\displaystyle r\in [0,+\infty )} 以及 θ θ --> ∈ ∈ --> S N − − --> 1 {\displaystyle \theta \in S^{N-1}} )的 N {\displaystyle N} 维球坐标系中,拉普拉斯算子为:

其中 Δ Δ --> S N − − --> 1 {\displaystyle \Delta _{S^{N-1}}} 是 N − − --> 1 {\displaystyle N-1} 维贝尔特拉米普拉斯-贝尔特拉米算子。我们也可以把 ∂ ∂ --> 2 f ∂ ∂ --> r 2 + N − − --> 1 r ∂ ∂ --> f ∂ ∂ --> r {\displaystyle {\partial ^{2}f \over \partial r^{2}}+{\frac {N-1}{r}}{\frac {\partial f}{\partial r}}} 的项写成 1 r N − − --> 1 ∂ ∂ --> ∂ ∂ --> r ( r N − − --> 1 ∂ ∂ --> f ∂ ∂ --> r ) {\displaystyle {\frac {1}{r^{N-1}}}{\frac {\partial }{\partial r}}{\Bigl (}r^{N-1}{\frac {\partial f}{\partial r}}{\Bigr )}} 。

恒等式

如果f和g是两个函数,则它们的乘积的拉普拉斯算子为:

f是径向函数 f ( r ) {\displaystyle f(r)} 且g是球谐函数 Y l m ( θ θ --> , ϕ ϕ --> ) {\displaystyle Y_{lm}(\theta ,\phi )} ,是一个特殊情况。这个情况在许多物理模型中有所出现。 f ( r ) {\displaystyle f(r)} 的梯度是一个径向向量,而角函数的梯度与径向向量相切,因此:

球谐函数还是球坐标系中的拉普拉斯算子的角部分的特征函数:

因此:

推广

复杂空间上的实值函数

拉普拉斯算子可以用一定的方法推广到非欧几里得空间,这时它就有可能是椭圆型算子,双曲型算子,或超双曲型算子。

在闵可夫斯基空间中,拉普拉斯算子变为达朗贝尔算子:

达朗贝尔算子通常用来表达克莱因-戈尔登方程以及四维波动方程。第四个项前面的符号是负号,而在欧几里德空间中则是正号。因子c是需要的,这是因为时间和空间通常用不同的单位来衡量;如果x方向用寸来衡量,y方向用厘米来衡量,也需要一个类似的因子。

值域为复杂空间

向量值函数的拉普拉斯算子

更多资料::en:Vector Laplacian

拉普拉斯算子作用在向量值函数上,其结果被定义为一个向量,这个向量的各个分量分别为向量值函数各个分量的拉普拉斯,即

更一般地,对没有坐标的向量,我们用下面的方式定义(受向量恒等式的启发):

拉普拉斯-贝尔特拉米算子

拉普拉斯算子也可以推广为定义在黎曼流形上的椭圆型算子,称为拉普拉斯-贝尔特拉米算子。达朗贝尔算子则推广为伪黎曼流形上的双曲型算子。拉普拉斯–贝尔特拉米算子还可以推广为运行于张量场上的算子(也称为拉普拉斯–贝尔特拉米算子)。

另外一种把拉普拉斯算子推广到伪黎曼流形的方法,是通过拉普拉斯–德拉姆算子,它作用在微分形式上。这便可以通过外森比克恒等式来与拉普拉斯–贝尔特拉米算子联系起来。

参考文献

Feynman, R, Leighton, R, and Sands, M. Chapter 12: Electrostatic Analogs. The Feynman Lectures on Physics. Volume 2. Addison-Wesley-Longman. 1970. 

Gilbarg, D and Trudinger, N. Elliptic partial differential equations of second order. Springer. 2001. ISBN 978-3540411604. 

Schey, H. M. Div, grad, curl, and all that. W W Norton & Company. 1996. ISBN 978-0393969979. 


免责声明:以上内容版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。感谢每一位辛勤著写的作者,感谢每一位的分享。

——— 没有了 ———
编辑:阿族小谱
发表评论
写好了,提交
{{item.label}}
{{commentTotal}}条评论
{{item.userName}}
发布时间:{{item.time}}
{{item.content}}
回复
举报
点击加载更多
打赏作者
“感谢您的打赏,我会更努力的创作”
— 请选择您要打赏的金额 —
{{item.label}}
{{item.label}}
打赏成功!
“感谢您的打赏,我会更努力的创作”
返回

更多文章

更多精彩文章
打赏
私信

推荐阅读

· 拉普拉斯变换
形式定义对于所有实数t≥≥-->0{\displaystylet\geq0},函数f(t){\displaystylef(t)}的拉普拉斯变换是函数F(s){\displaystyleF(s)},定义为:参数s{\displaystyles}是一个复数:拉普拉斯变换的其他表示法中使用Lf{\displaystyle\displaystyle{\mathcal{L}}f}或Lt{f(t)}{\displaystyle\displaystyle{\mathcal{L}}_{t}\left\{f(t)\right\}}而非F{\displaystyleF}。L{\displaystyle{\mathcal{L}}}是一个运算符号。积分的含义取决于函数的类型。该积分存在的一个必要条件是在f{\displaystylef}必须在[0,∞∞-->){\displaystyle[0,\inf...
· 拉普拉斯数
相关条目奥内佐格数Oh,和拉普拉斯数有以下的关系La=Oh−−-->2{\displaystyle\mathrm{La}=\mathrm{Oh}^{-2}}
· 拉普拉斯妖
原文引述拉普拉斯坚信决定论,他在他的概率论(Essaiphilosophiquesurlesprobabilités)导论部分说:“Nousdevonsdoncenvisagerl"étatprésentdel"univers,commel"effetdesonétatantérieur,etcommelacausedeceluiquivasuivre.Uneintelligencequipouruninstantdonné,connaîtraittouteslesforcesdontlaNatureestanimée,etlasituationrespectivedesêtresquilacomposent,sid"ailleu...
· 拉普拉斯展开
公式设B=(bij)是一个n×n矩阵。B关于第i行第j列的余子式Mij是指B中去掉第i行第j列后得到的n−1阶子矩阵的行列式。有时可以简称为B的(i,j)余子式。B的(i,j)代数余子式:Cij是指B的(i,j)余子式Mij与(−1)的乘积:Cij=(−1)Mij拉普拉斯展开最初由范德蒙德给出,为如下公式:对于任意i,j∈{1,2,...,n}:例子考虑以下的矩阵:这个矩阵的行列式可以用沿着第一行的拉普拉斯展开式来计算:也可以用沿着第二列的拉普拉斯展开式来计算:很容易看到这个结果是正确的:这个矩阵是奇异的,因为它的第一列和第三列的和与第二列成比例,因此它的行列式是零。证明设B是一个n×n的矩阵,i、j∈{1,2,...,n}。为了明确起见,将Mij{\displaystyleM_{ij}}的系数记为(ast){\displaystyle(a_{st})},其中1≤s...
· 拉普拉斯分布
概率分布、概率密度以及分位数函数如果随机变量的概率密度函数分布为那么它就是拉普拉斯分布。其中,μ是位置参数,b>0是尺度参数。如果μ=0,那么,正半部分恰好是尺度为1/2的指数分布。拉普拉斯分布的概率密度函数让我们联想到正态分布,但是,正态分布是用相对于μ平均值的差的平方来表示,而拉普拉斯概率密度用相对于平均值的差的绝对值来表示。因此,拉普拉斯分布的尾部比正态分布更加平坦。根据绝对值函数,如果将一个拉普拉斯分布分成两个对称的情形,那么很容易对拉普拉斯分布进行积分。它的累积分布函数为:逆累积分布函数为生成拉普拉斯变量已知区间(-1/2,1/2]中均匀分布上的随机变量U,随机变量为参数μ与b的拉普拉斯分布。根据上面的逆累计分布函数可以得到这样的结果。当两个相互独立同分布指数(1/b)变化的时候也可以得到Laplace(0,b)变量。同样,当两个相互独立同分布一致变量的比值变化的时候也可以得到L...

关于我们

关注族谱网 微信公众号,每日及时查看相关推荐,订阅互动等。

APP下载

下载族谱APP 微信公众号,每日及时查看
扫一扫添加客服微信