本文搬运自Axeho’s blog,作了一些补充。

Author: Axeho

Link: 关于向量场的微积分

Copyright Notice: All articles in this blog are licensed under CC BY-NC-SA 4.0 unless stating additionally.

Copyright is owned by the author. For commercial reprints, please contact the author for authorization. For non-commercial reprints, please indicate the source.

Hamilton 算符

基本定义与物理含义

  在直角坐标系下,定义如下算子:

=x1e1+x2e2+x3e3\nabla = \frac{\partial }{\partial x_1}\boldsymbol e_1 + \frac{\partial }{\partial x_2}\boldsymbol e_{2} + \frac{\partial }{\partial x_3}\boldsymbol e_3

并称为 Hamilton ~\mathrm{Hamilton}~算子或 Nabla ~\mathrm{Nabla}~算子。算子  ~\nabla~兼有微商和矢量两种运算属性,这是因为

xi=xjxjxi=TjiTxj=Tijxj \frac{\partial}{\partial x_i^{\prime}}=\frac{\partial}{\partial x_j} \cdot \frac{\partial x_j}{\partial x_i^{\prime}}=T_{j i}^{\mathrm{T}} \frac{\partial}{\partial x_j}=T_{i j} \frac{\partial}{\partial x_j}

随坐标的正交变换而作相同系数的正交变换,具有相同的转动性质,所以既是微分算子,又是矢量(注意,这里的矢量和线性空间中抽象向量的定义不同,它连带一个变换)。

  ~\nabla~与函数 φ(x,y,z) ~\varphi(x,y,z)~的“数乘”给出函数的梯度

φ=grad φ=φx1e1+φx2e2+φx3e3\nabla\varphi = \boldsymbol{\mathrm{grad}}~\varphi = \frac{\partial \varphi}{\partial x_1}\boldsymbol e_1 + \frac{\partial \varphi}{\partial x_2}\boldsymbol e_2 + \frac{\partial \varphi}{\partial x_3}\boldsymbol e_3

可以看出,数量场的梯度是一个向量场。
  ~\nabla~与向量场的"点乘"给出向量场的散度

div v=v=Px1+Qx2+Rx3\mathrm{div}~\boldsymbol v = \nabla\cdot\boldsymbol v = \frac{\partial P}{\partial x_1} + \frac{\partial Q}{\partial x_2} + \frac{\partial R}{\partial x_3}

可以看出,向量场的散度是一个数量场。
  ~\nabla~与向量场的“叉乘”给出向量场的旋度

rot v=×v=(RyQz)e1+(PzRx)e2+(QxPy)e3\boldsymbol{\mathrm{rot}}~\boldsymbol v = \nabla\times\boldsymbol v = \left( \frac{\partial R}{\partial y} - \frac{\partial Q}{\partial z} \right) \boldsymbol e_ 1+ \left( \frac{\partial P}{\partial z} - \frac{\partial R}{\partial x} \right) \boldsymbol e_2 + \left( \frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y} \right) \boldsymbol e_3

可以看出,向量场的旋度是一个向量场。
特别的,向量场的旋度可以写为行列式形式

rot v=×v=e1e2e3xyzPQR\boldsymbol{\mathrm{rot}}~\boldsymbol v = \nabla\times\boldsymbol v = \begin{vmatrix} \boldsymbol e_1 & \boldsymbol e_2 & \boldsymbol e_3 \\[6pt] \frac{\partial }{\partial x} & \frac{\partial }{\partial y} & \frac{\partial }{\partial z} \\[6pt] P & Q & R \end{vmatrix}

可以验证以下结果

rot grad φ=×φ=0div rot a=(×a)=0\begin{aligned} \boldsymbol{\mathrm{rot~grad}}~\varphi &= \nabla\times\nabla\varphi = \boldsymbol 0 \\ \mathrm{div}~\boldsymbol{\mathrm{rot}}~\boldsymbol a &= \nabla\cdot(\nabla\times \boldsymbol a) = 0 \end{aligned}

  上式表明,梯度的旋度为零向量,旋度的散度为零。

  我们知道,梯度,旋度和散度有着几何或是物理意义。梯度的方向是数量场增加最快的方向,大小则是该方向的斜率大小。散度描述了向量场的“源”或“漏”,向量从此处发散或汇聚到此处,散度的大小即是某种通量。旋度则描述了向量场的旋转情况,旋度的大小是涡量的最大值,方向则是旋转轴的指向。

  由此,我们可以比较直观的理解梯度的旋度和旋度的散度问题。若梯度的旋度不为零,则意味着梯度场中存在涡量。梯度的方向是增加最快的方向,若在场中沿各个向量可以连接出闭合曲线,那么意味着原数量场的最大值即是其最小值,这在数量场不是常量时是不可能的。

  而旋度的散度为零,则表明向量场各点处涡量(环量除以面积取极限)的旋转轴不会汇聚到或发散自一点。倘若转轴汇聚到或发散自一点,那么涡量会相互抵消,就不存在这些转轴了。

引入求和约定

  引入爱因斯坦求和约定,Hamilton\text{Hamilton} 算符可以简洁的写作如下形式:

=iei \nabla = \partial_i \bm{e}_i

我们约定,在一个单项式中重复出现的下标默认为对该下标求和 ,其中 ei\bm{e}_iii 方向上的单位矢量,这里默认其为欧几里得空间中固定的标准正交基。

标量场的梯度:

φ=iφei \nabla \varphi = \partial_i \varphi\,\bm{e}_i

向量场的散度:

φ=ieiφjej=iφjδij=iφi \nabla \cdot \bm{\varphi} = \partial_i \bm{e}_i \cdot \varphi_j \bm{e}_j = \partial_i\varphi_j \delta_{ij} = \partial_i\varphi_i

向量场的旋度:

×φ=ϵijkjφkei \nabla \times \bm{\varphi} = \epsilon_{ijk}\partial_j \varphi_k \,\bm{e}_i

  可以看到,如果使用求和符号,就可以不用时刻检查作用对象究竟是向量场还是标量场,只需把标量场写作 φjej\varphi_j \bm{e}_j 然后遵守求和约定进行数学运算即可,大大降低了数学推导的繁琐程度。

这是数学史上的一大发现,若不信的话,可以试着返回那不使用这方法的古板日子。

  ——阿尔伯特·爱因斯坦

求和约定以其表示的简洁而著称,但是初学者使用起来非常容易眼花。此处黑体也表示向量或者向量场,请读者一定要拿出草稿纸写一写,认真比较它们的异同。

(×φ)=0\nabla\cdot (\nabla\times \bm{\varphi}) = 0 的一个简洁的证明如下:

(×φ)=ieiϵlmnmφnel=ϵlmnimδilφn=ϵlmnlmφn \begin{aligned} \nabla\cdot (\nabla\times \bm{\varphi}) &= \partial_i \bm{e}_i \cdot \epsilon_{lmn}\partial_m \varphi_n \,\bm{e}_l\\ &= \epsilon_{lmn} \partial_i\partial_m \delta_{il} \varphi_n \\ &= \epsilon_{lmn} \partial_l\partial_m \varphi_n \end{aligned}

由于 lm\partial_l\partial_m 关于 m,nm,n 对称,ϵlmn\epsilon_{lmn} 关于 m,nm,n 反对称,这相当于奇函数在对称区间积分,所以求和为 00

又如,证明 (AB)=(B)A+B×(×A)+(A)B+A×(×B)\nabla(\boldsymbol{A} \cdot \boldsymbol{B})=(\boldsymbol{B} \cdot \nabla) \boldsymbol{A}+\boldsymbol{B} \times(\nabla \times \boldsymbol{A})+(\boldsymbol{A} \cdot \nabla) \boldsymbol{B}+\boldsymbol{A} \times(\nabla \times \boldsymbol{B}) 可以这样证:

等式右边前两项的 ii 分量为

=BjjAi+εijkBj(×A)k=BjjAi+εijkBjεklmlAm=BjjAi+(δilδjmδimδjl)BjlAm=BjjAi+BjiAjBjjAi=BjiAj, \begin{aligned} &=B_j \partial_j A_i+\varepsilon_{i j k} B_j(\nabla \times A)_k \\ &=B_j \partial_j A_i+\varepsilon_{i j k} B_j \varepsilon_{k l m} \partial_l A_m \\ &=B_j \partial_j A_i+\left(\delta_{i l} \delta_{j m}-\delta_{i m} \delta_{j l}\right) B_j \partial_l A_m \\ &=B_j \partial_j A_i+B_j \partial_i A_j-B_j \partial_j A_i=B_j \partial_i A_j, \end{aligned}

同理可得左边 ii 分量。这里只是将分量拿出来了而已。至于不取出分量的情况有无本质困难,读者大可一试(取出分量这么复杂,为什么不用简洁统一的对基矢量求和来表示原来的矢量呢)。

再如,一个电偶极子处于原点,已知电势 UU,求电场:

U=14πε0prr3E=U=14πε0(prr3)=14πε0(pr)r3pr4πε0(1r3)=14πε0i(pjrj)eir3+3pr4πε0r4r=14πε0pjδijeir3+3pr4πε0r4rr=14πε0pr3+3(pr)r4πε0r5 \begin{aligned} U &=\frac{1}{4 \pi \varepsilon_0} \frac{\boldsymbol{p} \cdot \boldsymbol{r}}{r^3} \\ \boldsymbol{E} &=-\nabla U=-\frac{1}{4 \pi \varepsilon_0} \nabla\left(\frac{\boldsymbol{p} \cdot \boldsymbol{r}}{r^3}\right) \\ &=-\frac{1}{4 \pi \varepsilon_0} \frac{\nabla(\boldsymbol{p} \cdot \boldsymbol{r})}{r^3}-\frac{\boldsymbol{p} \cdot \boldsymbol{r}}{4 \pi \varepsilon_0} \nabla\left(\frac{1}{r^3}\right) \\ &=-\frac{1}{4 \pi \varepsilon_0} \frac{\partial_i\left(p_j r_j\right) \boldsymbol{e}_i}{r^3}+\frac{3 \boldsymbol{p} \cdot \boldsymbol{r}}{4 \pi \varepsilon_0 r^4} \nabla r \\ &=-\frac{1}{4 \pi \varepsilon_0} \frac{p_j \delta_{i j} \boldsymbol{e}_i}{r^3}+\frac{3 \boldsymbol{p} \cdot \boldsymbol{r}}{4 \pi \varepsilon_0 r^4} \frac{\boldsymbol{r}}{r}\\ &=-\frac{1}{4 \pi \varepsilon_0} \frac{\boldsymbol{p}}{r^3}+\frac{3(\boldsymbol{p} \cdot \boldsymbol{r}) \boldsymbol{r}}{4 \pi \varepsilon_0 r^5} \end{aligned}

其中 i(pjrj)ei=pjδijei\partial_i\left(p_j r_j\right) \boldsymbol{e}_i = p_j \delta_{i j} \boldsymbol{e}_i 是因为偶极子是放好的、不动的,所以 p\boldsymbol{p} 是常量。

Green定理,Gauss定理与Stocks定理

  设 D ~D~是有限条逐段光滑的封闭曲线 L ~L~围成的平面闭区域(因此 L=D ~L = \partial D~), v=P(x,y)i+Q(x,y)j ~\boldsymbol{v} = P(x,y)\boldsymbol{i} + Q(x,y)\boldsymbol{j}~ D ~D~上的光滑向量场,则( Green ~\mathrm{Green}~公式)

DP dx+Q dy=D(QxPy)dxdy\oint_{\partial D}P~\mathrm{d}x + Q~\mathrm{d}y = \iint_D\left({\frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y}}\right)\mathrm{d}x\mathrm{d}y

其中曲线积分的方向为 L=D ~L = \partial D~的逆时针方向。

  设 D ~D~是平面上的单连通区域(即 D ~D~中任意一条简单闭曲线所围成的区域都包含在 D ~D~中), v ~\boldsymbol{v}~是定义在 D ~D~上的光滑向量场,则下列三个命题互相等价:

向量场 v ~\boldsymbol v~在区域 D ~D~内绕任何简单封闭曲线 L ~L~的环量等于零,即

Lvdr=0\oint_L \boldsymbol{v}\cdot\mathrm{d}\boldsymbol r = 0

或者说 v ~\boldsymbol v~在区域 D ~D~内的曲线积分与路径无关。

向量场 v ~\boldsymbol v~是一个函数的梯度场,即存在一个函数 φ(x,y) ~\varphi(x,y)~,使得

v=grad φ(x,y)=φ(x,y)\boldsymbol v = \boldsymbol{\mathrm{grad}}~\varphi(x,y) = \nabla\varphi(x,y)

且这样的函数 φ(x,y) ~\varphi(x, y)~在相差一个常数意义下是唯一的。

向量场 v ~\boldsymbol v~的两个分量 Q,P ~Q, P~满足

QxPy=0\frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y} = 0

  设 v=P(x,y,z)i+Q(x,y,z)j+R(x,y,z)k ~\boldsymbol v = P(x,y,z)\boldsymbol i + Q(x,y,z)\boldsymbol j + R(x,y,z)\boldsymbol k~ V ~V~上的光滑向量场(即具有连续的偏导数), V ~V~是空间中分片光滑曲面围成的闭区域。如果 V ~V~可以同时分解成有限个互不相重叠的 X ~X~型、 Y ~Y~型和 Z ~Z~型子区域的并,那么有( Gauss ~\mathrm{Gauss}~公式)

 ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣SP dydz+Q dzdx+R dxdy=V(Px+Qy+Rz) dxdydz\bigcirc\!\!\!\!\!\!\!\!\int\!\!\!\!\!\int_S {P~\mathrm dy\mathrm dz + Q~\mathrm dz\mathrm dx + R~\mathrm dx\mathrm dy} = \iiint_V\left({\frac{\partial P}{\partial x} + \frac{\partial Q}{\partial y} + \frac{\partial R}{\partial z}}\right)~\mathrm dx\mathrm dy \mathrm dz

 ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣SvdS=VvdV=Vdiv v dV\bigcirc\!\!\!\!\!\!\!\!\int\!\!\!\!\!\int_S{\boldsymbol v\cdot\mathrm d\boldsymbol S} = \iiint_V\nabla\cdot\boldsymbol v\mathrm dV = \iiint_V\mathrm{div}~\boldsymbol v~\mathrm dV

其中 S ~S~ V ~V~的表面, S=V ~S = \partial V~,方向指向 V ~V~的外侧。

 Gauss ~\mathrm{Gauss}~公式表明,通量对面积的积分等于散度对体积的积分。

  设 v=P(x,y,z)i+Q(x,y,z)j+R(x,y,z)k ~\boldsymbol v = P(x,y,z)\boldsymbol i + Q(x,y,z)\boldsymbol j + R(x,y,z)\boldsymbol k~ V ~V~上的光滑向量场(即具有连续的偏导数),如果 S ~S~是以曲线 L ~L~为边的分片具有二阶连续偏导数的光滑曲面,或者说 L ~L~是有界曲面 S ~S~的边界, L=S ~L = \partial S~,那么有( Stocks ~\mathrm{Stocks}~公式)

LP dx+Q dy+R dz=S(RyQz) dydz+(PzRx) dzdx+(QxPy) dxdy\begin{aligned} &\oint_L P~\mathrm dx + Q~\mathrm dy + R~\mathrm dz \\ &= \iint_S\left({\frac{\partial R}{\partial y} - \frac{\partial Q}{\partial z}}\right)~\mathrm dy\mathrm dz + \left({\frac{\partial P}{\partial z} - \frac{\partial R}{\partial x}}\right)~\mathrm dz\mathrm dx + \left({\frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y}}\right)~\mathrm dx\mathrm dy \end{aligned}

Lvdr=Srot vdS=S×vdS\oint_L\boldsymbol v\cdot \mathrm d\boldsymbol r = \iint_S\boldsymbol{\mathrm{rot}}~\boldsymbol v\cdot \mathrm d\boldsymbol S = \iint_S \nabla\times \boldsymbol v\cdot \mathrm d\boldsymbol S

其中 L ~L~的定向与 S ~S~的定向相协调,即 L ~L~的方向与 S ~S~的法向量形成右手系。

 Stocks ~\mathrm{Stocks}~公式表明,环量等于旋度对面积的积分。
不难看出,当我们在一个光滑平面上使用 Stocks ~\mathrm{Stocks}~定理,就可以得到 Green ~\mathrm{Green}~定理。因此, Green ~\mathrm{Green}~定理可以认为是 Stocks ~\mathrm{Stocks}~定理在平面上的退化形式。
如果我们把 NewtonLeibniz ~\mathrm{Newton-Leibniz}~公式

abf(x) dx=F(b)F(a),F(x)=f(x)\int_a^b f(x)~\mathrm dx = F(b) - F(a),\quad F'(x) = f(x)

的右边看成零维的“积分”(即在 [a,b] ~[a,b]~边界 [a,b]={a,b} ~\partial [a,b] = \{a,b\}~上的“积分”, F(a) ~F(a)~前的负号是由于定向导致的),那么 Green ~\mathrm{Green}~公式, Gauss ~\mathrm{Gauss}~公式和 Stocks ~\mathrm{Stocks}~公式可以看成 NewtonLeibniz ~\mathrm{Newton-Leibniz}~公式在高维的推广。

其他形式的曲线、曲面积分

本节将会涉及以下几种形式的曲线曲面积分

Lφ dr=Lφτ dsLdr×v=Lτ×v dsSφ dS=Sφn dSSdS×v=Sn×v dS\begin{aligned} \int_L \varphi~\mathrm{d}\boldsymbol r &= \int_L \varphi\boldsymbol \tau~\mathrm{d}s \\ \int_L \mathrm{d}\boldsymbol r \times \boldsymbol v &= \int_L \boldsymbol\tau\times\boldsymbol v~\mathrm{d}s \\ \iint_S \varphi~\mathrm{d}\boldsymbol S &= \iint_S \varphi\boldsymbol n~\mathrm{d}S \\ \iint_S \mathrm{d}\boldsymbol S\times \boldsymbol v &= \iint_S \boldsymbol n\times\boldsymbol v~\mathrm{d}S \end{aligned}

其中 τ ~\boldsymbol\tau~表示曲线的单位切向量, n ~\boldsymbol n~是曲面 S ~S~的单位法向量。
它们满足的 Gauss ~\mathrm{Gauss}~和公式 Stocks ~\mathrm{Stocks}~公式如下:

 S ~S~是空间中逐段光滑有界曲面, S ~S~的边界 S ~\partial S~是逐段光滑封闭曲线,则

Sφ dr=SdS×φSdr×v=S(dS×)×v\begin{aligned} \oint_{\partial S}\varphi~\mathrm{d}\boldsymbol r &= \iint_S\mathrm{d}\boldsymbol S\times\nabla\varphi \\ \oint_{\partial S}\mathrm{d}\boldsymbol r\times\boldsymbol v &= \iint_S(\mathrm{d}\boldsymbol S\times\nabla)\times\boldsymbol v \end{aligned}

 V ~V~是空间有界区域, V ~V~的边界 V ~\partial V~是逐段光滑封闭曲面,则

 ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣Vφ dS=Vφ dV ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣VdS×v=V×v dV\begin{aligned} \bigcirc\!\!\!\!\!\!\!\!\int\!\!\!\!\!\int_{\partial V}\varphi~\mathrm{d}\boldsymbol S &= \iiint_V\nabla\varphi~\mathrm{d}V \\ \bigcirc\!\!\!\!\!\!\!\!\int\!\!\!\!\!\int_{\partial V}\mathrm{d}\boldsymbol S\times\boldsymbol v &= \iiint_V\nabla\times\boldsymbol v~\mathrm{d}V \end{aligned}

根据以上两个定理,我们可以给出梯度、散度和旋度的积分表示。设 φ ~\varphi~ v ~\boldsymbol v~分别是一个数量场和向量场,对空间任意一点 P ~P~,定义梯度、散度和旋度如下:

φ=limVP[1σ(V) ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣Sφ dS]v=limVP[1σ(V) ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣SvdS]×v=limVP[1σ(V) ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣ ⁣SdS×v]\begin{aligned} \nabla\varphi &= \lim_{V \to P}\left[\frac{1}{\sigma(V)}\bigcirc\!\!\!\!\!\!\!\!\int\!\!\!\!\!\int_S\varphi~\mathrm{d}\boldsymbol S\right] \\[9pt] \nabla\cdot\boldsymbol v &= \lim_{V \to P}\left[\frac{1}{\sigma(V)}\bigcirc\!\!\!\!\!\!\!\!\int\!\!\!\!\!\int_S\boldsymbol v\cdot\mathrm{d}\boldsymbol S\right] \\[9pt] \nabla\times\boldsymbol v &= \lim_{V \to P}\left[\frac{1}{\sigma(V)}\bigcirc\!\!\!\!\!\!\!\!\int\!\!\!\!\!\int_S\mathrm{d}\boldsymbol S\times\boldsymbol v\right] \end{aligned}

极限 VP ~V \to P~表示区域 V ~V~收缩到点 P ~P~ σ(V) ~{\sigma(V)}~表示 V ~V~的体积, S=V ~\boldsymbol S = \partial V~表示 V ~V~的边界。上面三个等式表面,梯度、散度和旋度是向量场自身的性质,与坐标系的选取无关。据此可以推出一般情况下梯度、散度和旋度的表达式。

曲线坐标系中的矢量分析

我们把一个无限小的位移矢量写为

dl=fduu^+gdvv^+hdww^\mathrm{d}\boldsymbol{l} = f\mathrm{d}u\hat{\boldsymbol{u}} + g\mathrm{d}v\hat{\boldsymbol{v}} + h\mathrm{d}w\hat{\boldsymbol{w}}

其中 f,g,h ~f, g, h~是位置的函数,与使用的坐标系有关。如在直角坐标系中有 f=g=h=1 ~f = g = h = 1~,在球坐标系中有 f=1,g=r,h=rsinθ ~f = 1, g = r, h = r\sin\theta~.
首先考虑散度。
当从点 (u,v,w) ~(u, v, w)~移动到点 (u+du,v+dv,w+dw) ~(u + \mathrm{d}u, v + \mathrm{d}v, w + \mathrm{d}w)~时,标量函数 t(u,v,w) ~t(u, v, w)~的变化为

dt=tudu+tvdv+twdw\mathrm{d}t = \frac{\partial t}{\partial u}\mathrm{d}u + \frac{\partial t}{\partial v}\mathrm{d}v + \frac{\partial t}{\partial w}\mathrm{d}w

另一方面,我们也可以把它写成点积的形式,即

dt=tdl=(t)ufdu+(t)vgdv+(t)whdw\mathrm{d}t = \nabla t \cdot \mathrm{d}\boldsymbol{l} = (\nabla t)_u f \mathrm{d}u + (\nabla t)_v g \mathrm{d}v + (\nabla t)_w h \mathrm{d}w

对比可知

(t)uf=1ftu(t)vg=1gtv(t)wh=1htw(\nabla t)_u f = \frac{1}{f} \frac{\partial t}{\partial u} (\nabla t)_v g = \frac{1}{g} \frac{\partial t}{\partial v} (\nabla t)_w h = \frac{1}{h} \frac{\partial t}{\partial w}

t=1ftuu^+1gtvv^+1htww^\nabla t = \frac{1}{f} \frac{\partial t}{\partial u}\hat{\boldsymbol{u}} + \frac{1}{g} \frac{\partial t}{\partial v}\hat{\boldsymbol{v}} + \frac{1}{h} \frac{\partial t}{\partial w}\hat{\boldsymbol{w}}

接下来是梯度、旋度以及拉普拉斯算子。
推导过程略麻烦,其实通过散度和旋度的物理含义就可以逐步导出。下面直接给出结论。
对于矢量函数

A(u,v,w)=Auu^+Avv^+Aww^\boldsymbol{A}(u, v, w) = A_u\hat{u} + A_v\hat{v} + A_w\hat{w}

无限小的体积元

dτ=dludlvdlw=(fgh)dudvdw\mathrm{d}\tau = \mathrm{d}l_u \mathrm{d}l_v \mathrm{d}l_w = (fgh)\mathrm{d}u\mathrm{d}v\mathrm{d}w

散度为

A=1fgh[u(ghAu)+v(fhAv)+w(fgAw)]\nabla \cdot \boldsymbol{A} = \frac{1}{fgh}\left[\frac{\partial}{\partial u}(gh A_u) + \frac{\partial}{\partial v}(fh A_v) + \frac{\partial}{\partial w}(fg A_w)\right]

无限小的面积元(以与 uv ~uv~平行的面元为例,其他方向类似)

da=(fg)dudvw^\mathrm{d}\boldsymbol{a} = (fg)\mathrm{d}u\mathrm{d}v\hat{\boldsymbol{w}}

散度为

×A=1gh[v(hAw)w(gAv)]u^+1fh[w(fAu)u(hAw)]v^+1fg[u(gAv)v(fAu)]w^\nabla\times\boldsymbol{A} = \frac{1}{gh}\left[ \frac{\partial}{\partial v}(h A_w) - \frac{\partial}{\partial w}(g A_v) \right]\hat{\boldsymbol{u}} + \frac{1}{fh}\left[ \frac{\partial}{\partial w}(f A_u) - \frac{\partial}{\partial u}(h A_w) \right]\hat{\boldsymbol{v}} + \frac{1}{fg}\left[ \frac{\partial}{\partial u}(g A_v) - \frac{\partial}{\partial v}(f A_u) \right]\hat{\boldsymbol{w}}

由上面的结论可以写出拉普拉斯算子作用的结果

2t=1fgh[u(ghftu)+v(fhgtv)+w(fghtw)]\nabla^2 t = \frac{1}{fgh}\left[ \frac{\partial}{\partial u}\left( \frac{gh}{f}\frac{\partial t}{\partial u} \right) + \frac{\partial}{\partial v}\left( \frac{fh}{g}\frac{\partial t}{\partial v} \right) + \frac{\partial}{\partial w}\left( \frac{fg}{h}\frac{\partial t}{\partial w} \right) \right]

矢量恒等式

最后本博文记录一些矢量恒等式,方便随时查阅。
三重积
 A(B×C)=B(C×A)=C(A×B) ~\boldsymbol A \cdot (\boldsymbol B \times \boldsymbol C) = \boldsymbol B \cdot (\boldsymbol C \times \boldsymbol A) = \boldsymbol C \cdot (\boldsymbol A \times \boldsymbol B)~

 A×(B×C)=B(AC)C(AB) ~\boldsymbol A \times (\boldsymbol B \times \boldsymbol C) = \boldsymbol B (\boldsymbol A \cdot \boldsymbol C) - \boldsymbol C (\boldsymbol A \cdot \boldsymbol B)~

积规则

 (fg)=f(g)+g(f) ~\nabla(fg) = f(\nabla g) + g(\nabla f)~

 (AB)=A×(×B)+B×(×A)+(A)B+(B)A ~\nabla(\boldsymbol A \cdot \boldsymbol B) = \boldsymbol A \times (\boldsymbol \times B) + \boldsymbol B \times (\nabla \times \boldsymbol A) + (\boldsymbol A \cdot \nabla)\boldsymbol B + (\boldsymbol B \cdot \nabla)\boldsymbol A~

 (fA)=f(A)+A(f) ~\nabla \cdot (f\boldsymbol A) = f(\nabla \cdot \boldsymbol A) + \boldsymbol A \cdot (\nabla f)~

 (A×B)=B(×A)A(×B) ~\nabla \cdot (\boldsymbol A \times \boldsymbol B) = \boldsymbol B \cdot (\nabla \times \boldsymbol A) - \boldsymbol A \cdot (\nabla \times \boldsymbol B)~

 ×(fA)=f(×A)A×(f) ~\nabla \times (f\boldsymbol A) = f(\nabla \times \boldsymbol A) - \boldsymbol A \times (\nabla f)~

 ×(A×B)=(B)A(A)B+A(B)B(A) ~\nabla \times (\boldsymbol A \times \boldsymbol B) = (\boldsymbol B \cdot \nabla)\boldsymbol A - (\boldsymbol A \cdot \nabla)\boldsymbol B + \boldsymbol A(\nabla \cdot \boldsymbol B) - \boldsymbol B (\nabla \cdot \boldsymbol A)~

二阶导数

 (×A)=0 ~\nabla \cdot(\nabla \times \boldsymbol A) = 0~

 ×(f)=0 ~\nabla \times (\nabla f) = 0~

 ×(×A)=(A)2A ~\nabla \times (\nabla \times \boldsymbol A) = \nabla (\nabla \cdot \boldsymbol A) - \nabla^2 \boldsymbol A~