拉普拉斯方程之美:万物的数学之匙

2017 年 11 月 27 日 算法与数学之美


物理是一个天生自带暗语密码的学科。而正是这些密码将宇宙里的各种秘密转为人类语言。它们可以把最纯粹的数学和任意物理下的分科联合在一起。而这,正是其中之一。



它存在于电磁学,存在于流体力学,存在于万有引力,存在于热力学,也存在于表面张力里。它,乃是拉普拉斯方程。它,无处不在。


拉普拉斯方程是由皮埃尔-西蒙·拉普拉斯(Pierre-Simon Laplace)首先提出而得名的。拉普拉斯则是一位世界著名的法国数学家,在维基百科上甚至有数个被冠以他的名字的页面。在1799年,他证明了在天文时间单位里,太阳系是一个稳定的系统,推翻了一个世纪前牛顿的假设。在这个过程中,拉普拉斯方程诞生了。


皮埃尔-西蒙·拉普拉斯


它只有5个符号。被平方的一个名为向量算子的倒三角,希腊字母φ,等号,零。通过这五个符号,拉普拉斯读懂了宇宙。


φ,这个方程的精髓,通常代表势能。虽然它也可以代表其他的数值,但是在这里,我们将φ定为代表一片陆地每一点的海拔。山坡上的φ很大,山谷里的φ则很小。


被一系列运算所代表的向量算子平方被称之为拉普拉斯算子。它所测量的是在这篇陆地上移动时φ值升降之间的平衡。


在山顶上,不论任何方向,唯一的可能就是海拔的下降,因为它已是最高点。这时的拉普拉斯算子是负数,因为下降值比上升值大。山谷底则完全相反,正数的拉普拉斯算子是因为唯一的可能就是上升。而在这两者之间则存在着一处平衡点,在那,一步可能带来的上升和下降完全相同。在这处平衡点上,拉普拉斯算子为零。


在拉普拉斯方程里,一片陆地上所有地点的拉普拉斯算子都等于零。而这有两个结果。第一,在任何一个位置上,你都可以上升或下降相同的海拔。第二,一片陆地最高和最低的φ值都只能存在于边境。这是因为,如果φ值有变,它只能在抵达峰顶或谷底之前发生。


现实的地面很难符合拉普拉斯方程,但是皂膜不一样。把一个铁圈放进肥皂水里再拿出来,你将发现制造出来的皂膜会没有任何起伏。你可以拿着铁圈换一换姿势,但是你会发现你没有任何办法使皂膜高出或底出铁圈。从任何角度来看,铁圈的边缘都是这个平面的最高与最低点。


皂膜之所以形成这个形状是由于表面张力导致的。但是拉普拉斯算子完美的预料到并描述了它。而且你要记住,拉普拉斯发明出这个方程的原因是因为它描述了整个太阳系。


让我们用另外一个例子来描述拉普拉斯方程。想象一块带电荷的金属在空无一物的太空中。通常,太空中是没有电压的。但是,此时金属附近的空间会有和金属相似的电压。距离金属更远的空间电压则会更小,但只有在离金属无穷远的时候电压才会为零。当你离开金属所在的那点,你不会测量到任何电压的波动,因为没有任何其他电荷来导致电压波动。电压只会随着距离的增加而变小。


如果你想知道空间里任何一点的电压,你只需要解开拉普拉斯方程。


听起来很难?不用担心,拉普拉斯方程厉害之处在于,如果你想解开皂膜的拉普拉斯方程,你在最后一步之前不需要任何关于铁圈的数值。所有的步骤完全独立于铁圈。所以,你可以把它完美的套用在电压的计算上。除了最后一步,这个方程不会有一丁点的改变。


同样,它可以被运用在任何地方,只要你把最后一步改好。引力在物体表面最大,但是会渐进归零,拉普拉斯方程可以计算它。水流的速度在被阻碍时为零,但是在远处则不会有任何影响,拉普拉斯同样好使。鼓面被紧固在鼓上,它的表面张力使它持平,拉普拉斯对它也有效。


横跨宇宙,横跨教室,横跨研究,只要你注意找,拉普拉斯方程必然会出现。而你,只需要解它一次。



算法数学之美微信公众号欢迎赐稿

稿件涉及数学、物理、算法、计算机、编程等相关领域。

稿件一经采用,我们将奉上稿酬。

投稿邮箱:math_alg@163.com


登录查看更多
0

相关内容

【ICLR2020】图神经网络与图像处理,微分方程,27页ppt
专知会员服务
47+阅读 · 2020年6月6日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
少标签数据学习,54页ppt
专知会员服务
194+阅读 · 2020年5月22日
最新《机器学习理论初探》概述
专知会员服务
42+阅读 · 2020年5月19日
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
机器学习速查手册,135页pdf
专知会员服务
336+阅读 · 2020年3月15日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
168+阅读 · 2020年3月10日
特征方程的物理意义
算法与数学之美
6+阅读 · 2019年5月13日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
一文详解生成对抗网络(GAN)的原理,通俗易懂
人工智能头条
6+阅读 · 2018年5月6日
傅里叶变换和拉普拉斯变换的物理解释及区别
算法与数学之美
11+阅读 · 2018年2月5日
一杯咖啡背后的拓扑 | 顾险峰
中国物理学会期刊网
7+阅读 · 2018年2月2日
酒鬼漫步的数学——随机过程 | 张天蓉专栏
知识分子
10+阅读 · 2017年8月13日
【基础数学】- 01
遇见数学
19+阅读 · 2017年7月25日
Arxiv
7+阅读 · 2018年1月10日
VIP会员
相关VIP内容
【ICLR2020】图神经网络与图像处理,微分方程,27页ppt
专知会员服务
47+阅读 · 2020年6月6日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
少标签数据学习,54页ppt
专知会员服务
194+阅读 · 2020年5月22日
最新《机器学习理论初探》概述
专知会员服务
42+阅读 · 2020年5月19日
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
机器学习速查手册,135页pdf
专知会员服务
336+阅读 · 2020年3月15日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
168+阅读 · 2020年3月10日
相关资讯
特征方程的物理意义
算法与数学之美
6+阅读 · 2019年5月13日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
一文详解生成对抗网络(GAN)的原理,通俗易懂
人工智能头条
6+阅读 · 2018年5月6日
傅里叶变换和拉普拉斯变换的物理解释及区别
算法与数学之美
11+阅读 · 2018年2月5日
一杯咖啡背后的拓扑 | 顾险峰
中国物理学会期刊网
7+阅读 · 2018年2月2日
酒鬼漫步的数学——随机过程 | 张天蓉专栏
知识分子
10+阅读 · 2017年8月13日
【基础数学】- 01
遇见数学
19+阅读 · 2017年7月25日
Top
微信扫码咨询专知VIP会员