一图搞懂梯度、散度、旋度、Jacobian、Hessian、Laplacian之间的关系

2020-7-3 09:29| 发布者: 炼数成金_小数| 查看: 26597| 评论: 0|原作者: 王赟 Maigo|来自: 知乎

摘要: Laplacian 是一个作用于标量的二阶微分运算，其结果也是标量。但我们也可以把它作用于一个向量的每一个元素，得到一个向量；这种运算称为向量 Laplacian。向量 Laplacian 的结果，恰好等于「散度的梯度」与「旋度的 ...

来自 | 知乎作者 | 王赟 Maigo

链接 | https://zhuanlan.zhihu.com/p/35323714

编辑 | 深度学习这件小事公众号

本文仅作学术交流，如有侵权，请联系小编删除

一、入门

图中的细实线箭头表示了四种一阶微分运算，包括梯度、散度、旋度和 Jacobian。每条箭头的起点表示了相应运算的自变量的类型，终点表示了相应运算的因变量的类型，例如梯度运算是作用在标量上的，结果是向量。图中的「向量」默认为列向量。

图中的粗实线箭头表示了两种二阶微分运算，它们可以由两个一阶微分运算组合而成，即：

梯度的散度就是 Laplacian；

梯度的 Jacobian 就是 Hessian。

图中的虚线箭头表示了一种不涉及微分的运算（迹）。在微分运算之后接上「迹」运算，可能得到另一种微分运算，如：

Jacobian 的迹就是散度；

Hessian 的迹就是 Laplacian。

二、入迷

图中的四种一阶微分运算两两搭配，一共可以得到 7 种二阶微分运算。第一节的图中画出了两种，本节的图中画出了另外五种（浅蓝色与灰色）。这五种二阶微分运算并没有特别的名字，但其中有两种是恒等于 0 的：

梯度的旋度恒为零向量；

旋度的散度恒为 0。

其中，「梯度无旋」可以用下面的图形象说明（图片来自@得分的）：

如果梯度有旋会怎么样？

三、入魔

Laplacian 是一个作用于标量的二阶微分运算，其结果也是标量。但我们也可以把它作用于一个向量的每一个元素，得到一个向量；这种运算称为向量 Laplacian。

向量 Laplacian 的结果，恰好等于「散度的梯度」与「旋度的旋度」之差。为了体现出这种关系，我把「从向量到向量」的三种二阶微分运算改用橙红色箭头表示。

四、入土

既然引入了「逐行散度」这个一阶微分运算，那就索性把它能组合出来的二阶微分运算也全都放到图里去吧！这样就得到了一个完美对称的图，它包含了 11 种二阶微分运算，其中：

有两种比较常见：Laplacian 和 Hessian；

有两种恒等于零：「梯度的旋度」和「旋度的散度」；

有三种满足减法关系：向量 Laplacian = 散度的梯度 - 旋度的旋度；

剩下的四种没有专门的名字，也很罕见。

其中任何一种微分运算后面接上「迹」，都可以得到另一种同阶微分运算：

Jacobian 的迹就是散度；

Hessian 的迹就是 Laplacian；

旋度的 Jacobian 的迹就是旋度的散度，恒等于 0；

矩阵逐行散度的 Jacobian 的迹，就是它的逐行散度的散度。

但需要注意只能在运算之后接上「迹」，在运算之前接「迹」是不行的，比如矩阵的迹的梯度不等于它的逐行散度。

如果有读者知道图中几种没有名字的运算叫什么名字、有什么用途，或者在图中内容之外还有什么值得包括进来的微分运算，欢迎补充。

声明：文章收集于网络，版权归原作者所有，为传播信息而发，如有侵权，请联系小编删除，谢谢！

欢迎加入本站公开兴趣群

高性能计算群

兴趣范围包括：并行计算，GPU计算，CUDA，MPI，OpenMP等各种流行计算框架，超级计算机，超级计算在气象，军事，航空，汽车设计，科学探索，生物，医药等各个领域里的应用

QQ群：326600878

鲜花

握手

雷人

路过

鸡蛋

刚表态过的朋友 (1 人)

cjb18

分享到新浪微博收藏分享邀请

上一篇：陶哲轩挑战失败的百年数学问题，被两名在家隔离的数学家破解了下一篇：最全数学各个分支简介

一图搞懂梯度、散度、旋度、Jacobian、Hessian、Laplacian之间的关系

刚表态过的朋友 (1 人)

相关阅读

最新评论

热门频道

即将开课

热门文章