Table of Contents

数学2(09):向量解析


内积、外积

内积:点积,结果是一个数字 $$\vec{a}\cdot\vec{b}=a_1b_1+a_2b_2+a_3b_3=|\vec{a}|\cdot|\vec{b}|\cdot\cos{\theta}$$

外积:叉乘,结果还是一个向量。几何意义:方向,右手定则;大小,$|\vec{a}\times\vec{b}|=|\vec{a}|\cdot|\vec{b}|\cdot\sin{\theta}$

应用

计算平行六面体的体积
$|(\vec{a}\times \vec{b})\cdot \vec{c}|$(其中$\vec{a}\,\vec{b}\,\vec{c}$是立方体不共线的3条边)

grad、div、rot

梯度、散度、旋度。日语:勾配grad,発散div,回転rot(curl)

grad

计算对象是:多个自变量的标量函数(函数结果是一个标量,一个数字,比如$f(x,y,z)=x+y-z$),如果只有一个自变量,梯度就退化为导数。
多个自变量的标量函数:(在3维中)相当于空间中的每一个点的位置都有一个标量,这是标量场。

计算方式: $$\mathrm{grad}{\phi(x,y,z)}=(\frac{\partial \phi}{\partial x},\frac{\partial \phi}{\partial y},\frac{\partial \phi}{\partial z})$$

如何理解:导数是变化率,偏导数是沿着某一个方向的变化率,由偏导数组成的向量,指向了下降最快的方向。

nabla算子,求梯度的算子,$\nabla \phi = \mathrm{grad} \phi$(因为$\phi$是一个标量函数,所以这里相当于是数乘)

拓展:随机梯度下降,沿着loss函数值下降的方向前进

div

计算对象是向量场。什么是向量场?(在3维中)相当于在空间中,每个点的位置都有一个向量。数学表示是:
$$F(x,y,z)=(P(x,y,z),Q(x,y,z),R(x,y,z))$$ 也就是向量→向量。(向量场)

那么如何计算散度呢? $$\mathrm{div}\vec{F}=\nabla \cdot \vec{F}=(\frac{\partial}{\partial x},\frac{\partial}{\partial y},\frac{\partial}{\partial z})\cdot (P,Q,R)=\frac{\partial P}{\partial x}+\frac{\partial Q}{\partial y}+\frac{\partial R}{\partial z}$$ 可以看到散度是一个标量
几何意义是:在某一点,是在“释放”还是“吸收”(对应散度的正负)。
可以用一个$\mathrm{d}x\mathrm{d}y\mathrm{d}z$的体积微元,理解散度的几何意义。

散度的积分:空间中某一个范围内,是在“释放”还是“吸收”

rot

计算对象是:向量场。类比上文散度中的$F(x,y,z)=(P,Q,R)$,计算方式: $$ \mathrm{rot} \vec{F}=\nabla \times \vec{F} = \begin{vmatrix} i & j & k \\ \frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z} \\ P & Q & R \end{vmatrix} =(\frac{\partial R}{\partial y}-\frac{\partial Q}{\partial z},\frac{\partial P}{\partial z}-\frac{\partial R}{\partial x},\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}) $$ 则可以看出,旋度是一个向量。其中,$\frac{\partial R}{\partial y}-\frac{\partial Q}{\partial z}$是沿着$x$轴的旋度,其他轴也可类比。

几何意义:旋转的剧烈程度。这个剧烈程度不仅有强度(数值),还有方向。

一些性质

1梯度的旋度为0

$\phi(x,y,z)$是任意一个标量函数,则: $$\mathrm{rot}(\mathrm{grad}\phi)=\nabla \times (\nabla \phi)=\vec{0}$$

2旋度的散度为0

$F(x,y,z)=(P,Q,R)$是任意一个向量函数(向量场),则: $$\mathrm{div}(\mathrm{rot}\vec{F})=\nabla \cdot (\nabla \times \vec{F})=0$$

3运算顺序

内积可交互顺序,外积不可以
偏导数算子、$\nabla$等只能和后面的东西结合,所以注意运算顺序,$\nabla \cdot \vec{F} \neq \vec{F} \cdot \nabla$

4一个运算规则

$$(\vec{A} \cdot \nabla)\vec{A}=\frac{1}{2} \nabla\vec{A}^2-\vec{A} \times (\nabla \times \vec{A})$$

5拉普拉斯算子

$$ \nabla \cdot \nabla = \nabla^2 = \Delta = (\frac{\partial^2}{\partial{x^2}},\frac{\partial^2}{\partial{y^2}},\frac{\partial^2}{\partial{z^2}})$$

potential function

向量函数就是函数结果是一个向量,就是向量场(概念和上文一样,这里只是重新解释一下向量函数这个名字)

对于向量函数$\vec{v}$,若存在标量函数$\phi$,满足:$\vec{v}=\mathrm{grad}\phi$,则$\phi$是$\vec{v}$的potential function(注意最终的重点,标量函数是potential function)

$\vec{v}$的旋度不为0→没有potential function(参照上文提到的性质)

线积分、面积分

线积分

一般形式:$c$是积分路径(一条曲线),$\vec{A}$是被积分的向量函数(类比向量场,在空间中任意一点,都对应有一个向量) $$\int_c{\vec{A}\mathrm{d}\vec{r}}$$

物理意义:做功

计算方法

利用参数(空间曲线的参数方程):$\vec{r}=(x(t),y(t),z(t))$($\vec{r}$就是曲线的表达式) $$ \mathrm{d}\vec{r}=\frac{\mathrm{d}\vec{r}}{\mathrm{d}{t}}{\mathrm{d}{t}}=(\frac{\mathrm{d} r_x}{\mathrm{d} t},\frac{\mathrm{d} r_y}{\mathrm{d} t},\frac{\mathrm{d} r_z}{\mathrm{d} t}){\mathrm{d}{t}}$$

性质

如果$\vec{A}$存在potential function,则对$\vec{A}$在封闭路径上的积分为0

面积分