浅谈Nabla算子

哈密顿算子与梯度、散度、旋度 哈密顿算子 点乘 叉乘 1、定义与性质 哈密顿算子:(数学符号:∇\nabla∇(又称nabla,奈布拉算子)),读来作Hamilton。 向量微分算子:∇=∂∂xi⃗+∂∂yj⃗+∂∂zk⃗\nabla=\frac{\partial }{\partial x}\vec{i}+\frac{\partial}{\partial y} \vec{j}+\frac{\partial }{\partial z}\vec{k}∇=∂x∂​i+∂y∂​j​+∂z∂​k 性质: 矢量性 微分算子 只对算子∇\nabla 阅读详情
AI摘要

本文深入探讨了Nabla算子的概念及其在不同坐标系下的应用,包括直角、柱面和球面坐标系。文章详细解析了Nabla算子与矢量分析的关系,如散度、旋度的计算,并提供了矢量分析中的关键公式,适用于电动力学、量子力学等多个物理学领域的学习与研究。


这是一篇用来纪念我始终记不住的矢量分析公式
矢量(向量)运算?不是很简单吗?内积外积三重混合积四重混合积还有吗?
有!!!
当引入了Nabla算子以后,世界都不一样了

从大一学数学分析,大二学数学物理方法和微分几何,大三学量子力学和电动力学
我几乎没记住过柱坐标系和球坐标系的nabla算子公式
或者说明天考试,今天背过了,明天考完了,下次要用到的时候又忘了。
想哭
不多吐槽了
下面开始正文

1 Nabla算子的相关理解

1.1 Nabla算子概念

定义nabla算子
∇ = ( ∂ ∂ x ∂ ∂ y ∂ ∂ z ) \nabla=\begin{pmatrix}\frac{\partial}{\partial x}\\\frac{\partial}{\partial y}\\\frac{\partial}{\partial z}\end{pmatrix} ∇=⎝⎛​∂x∂​∂y∂​∂z∂​​⎠⎞​
但这样的写法,是在直角坐标系下定义的,为了凸显基的作用,可以考虑写成
∇ = ( x ^ y ^ z ^ ) ( ∂ ∂ x ∂ ∂ y ∂ ∂ z ) = x ^ ∂ ∂ x + y ^ ∂ ∂ y + z ^ ∂ ∂ z \begin{aligned}\nabla&=\begin{pmatrix}\hat{x}&\hat{y}&\hat{z}\end{pmatrix}\begin{pmatrix}\frac{\partial}{\partial x}\\\frac{\partial}{\partial y}\\\frac{\partial}{\partial z}\end{pmatrix}\\ &=\hat{x}\frac{\partial}{\partial x}+\hat{y}\frac{\partial}{\partial y}+\hat{z}\frac{\partial}{\partial z}\end{aligned} ∇​=(x^​y^​​z^​)⎝⎛​∂x∂​∂y∂​∂z∂​​⎠⎞​=x^∂x∂​+y^​∂y∂​+z^∂z∂​​

1.2 并矢

为后文行文方便,引入并矢概念,即对同一基下的两个矢量表示(注意,下标x,y,z和下标1,2,3是等效的,全文可能出现混用)
A ⃗ B ⃗ = ( A 1 B 1 A 1 B 2 A 1 B 3 A 2 B 1 A 2 B 2 A 2 B 3 A 3 B 1 A 3 B 2 A 3 B 3 ) \vec A\vec B=\begin{pmatrix}A_1B_1&A_1B_2&A_1B_3\\A_2B_1&A_2B_2&A_2B_3\\A_3B_1&A_3B_2 & A_3B_3&\end{pmatrix} A B =⎝⎛​A1​B1​A2​B1​A3​B1​​A1​B2​A2​B2​A3​B2​​A1​B3​A2​B3​A3​B3​​​⎠⎞​
例如,Nabla算子作用在矢量函数A上就可以写作
∇ A ⃗ = ( x ^ y ^ z ^ ) ( ∂ A x ∂ x ∂ A y ∂ x ∂ A z ∂ x ∂ A x ∂ y ∂ A y ∂ y ∂ A z ∂ y ∂ A x ∂ z ∂ A y ∂ x ∂ A z ∂ z ) \begin{aligned} \nabla\vec A&=\begin{pmatrix}\hat{x}&\hat{y}&\hat{z}\end{pmatrix}\begin{pmatrix}\frac{\partial A_x}{\partial x}&\frac{\partial A_y}{\partial x}&\frac{\partial A_z}{\partial x}\\\frac{\partial A_x}{\partial y}&\frac{\partial A_y}{\partial y}&\frac{\partial A_z}{\partial y}\\\frac{\partial A_x}{\partial z}&\frac{\partial A_y}{\partial x}&\frac{\partial A_z}{\partial z}\end{pmatrix} \end{aligned} ∇A ​=(x^​y^​​z^​)⎝⎜⎛​∂x∂Ax​​∂y∂Ax​​∂z∂Ax​​​∂x∂Ay​​∂y∂Ay​​∂x∂Ay​​​∂x∂Az​​∂y∂Az​​∂z∂Az​​​⎠⎟⎞​​

1.3 三维正交坐标系与Nabla算子

考虑新的正交三维坐标系的基矢为 ( e ^ 1 e ^ 2 e ^ 3 ) \begin{pmatrix}\hat e_1&\hat e_2&\hat e_3\end{pmatrix} (e^1​​e^2​​e^3​​),选取的独立变数为 ( e 1 e 2 e 3 ) \begin{pmatrix}e_1&e_2&e_3\end{pmatrix} (e1​​e2​​e3​​)。对于两个点
( e 1 e 2 e 3 ) , ( e 1 + d e 1 e 2 + d e 2 e 3 + d e 3 ) \begin{pmatrix}e_1\\e_2\\e_3\end{pmatrix},\begin{pmatrix}e_1+{\rm d} e_1\\e_2+{\rm d}e_2\\e_3+{\rm d}e_3\end{pmatrix} ⎝⎛​e1​e2​e3​​⎠⎞​,⎝⎛​e1​+de1​e2​+de2​e3​+de3​​⎠⎞​
定义
d l ⃗ = ( e ^ 1 e ^ 2 e ^ 3 ) ( f 1 d e 1 f 2 d e 2 f 3 d e 3 ) = ∑ i e ^ i f i d e i {\rm d}\vec l=\begin{pmatrix}\hat e_1&\hat e_2&\hat e_3\end{pmatrix}\begin{pmatrix}f_1{\rm d}e_1\\f_2{\rm d}e_2\\f_3{\rm d}e_3\end{pmatrix}=\sum_i\hat e_if_i{\rm d}e_i dl =(e^1​​e^2​​e^3​​)⎝⎛​f1​de1​f2​de2​f3​de3​​⎠⎞​=i∑​e^i​fi​dei​
引入度量函数 f i ( e 1 , e 2 , e 3 ) f_i(e_1,e_2,e_3) fi​(e1​,e2​,e3​),考虑对一个标量函数 T T T
d T = ∑ i ∂ T ∂ e i d e i {\rm d}T=\sum_i \frac{\partial T}{\partial e_i}{\rm d}e_i dT=i∑​∂ei​∂T​dei​
不妨将其写作Nabla算子作用的形式
d T = ∇ T ⋅ d l ⃗ = ∑ i ( ∇ T ) i f i d e i {\rm d}T=\nabla T\cdot{\rm d}\vec l=\sum_i (\nabla T)_if_i{\rm d}e_i dT=∇T⋅dl =i∑​(∇T)i​fi​dei​
与上式对比,可以得到
∇ T = ∑ i 1 f i ∂ T ∂ e i \nabla T=\sum_i \frac{1}{f_i}\frac{\partial T}{\partial e_i} ∇T=i∑​fi​1​∂ei​∂T​
则可以得到Nabla算子在其他坐标系中的表示
∇ = ∑ i e ^ i 1 f i ∂ ∂ e i \nabla =\sum_i \hat e_i\frac{1}{f_i}\frac{\partial}{\partial e_i} ∇=i∑​e^i​fi​1​∂ei​∂​
那么接下来需要解决的问题就是,如何找到合适的度量函数?
度量张量是一个适用范围更广的讨论

1.4 度量张量

黎曼几何里面用来衡量度量空间中矩阵、面积及角度的二阶张量。
引入度量张量是必须考虑到,坐标系无论怎么选取,都不能影响到该情况下计量的结果。
度量张量表示为
d s 2 = ∑ i j g i j d e i d e j {\rm d}s^2=\sum_{ij}g_{ij}{\rm d}e_i{\rm d}e_j ds2=ij∑​gij​dei​dej​
在此定义下, a a a点到 b b b点的弧线长度定义为
L = ∫ a b ∑ i j g i j d x i d t d x j d t d t L=\int_a^b \sqrt{\sum_{ij}g_{ij}\frac{{\rm d}x_i}{{\rm d}t}\frac{{\rm d}x_j}{{\rm d}t}}{\rm d}t L=∫ab​ij∑​gij​dtdxi​​dtdxj​​ ​dt
若存在一个 R n R^n Rn到 R n R^n Rn的微分同胚 f f f,则
G = J T J G=J^TJ G=JTJ
其中 J J J为雅可比矩阵

具体实例

  1. 平面极坐标系,独立变数 ρ , ϕ \rho,\phi ρ,ϕ
    { x = ρ cos ⁡ ϕ y = ρ sin ⁡ ϕ \begin{cases} x&=\rho\cos\phi\\ y&=\rho\sin\phi \end{cases} {xy​=ρcosϕ=ρsinϕ​
    雅可比矩阵
    J = ∂ ( x , y ) ∂ ( ρ , ϕ ) = ( cos ⁡ θ − ρ sin ⁡ θ sin ⁡ θ ρ cos ⁡ θ ) J=\frac{\partial(x,y)}{\partial(\rho,\phi)}=\begin{pmatrix}\cos\theta&-\rho\sin\theta\\\sin\theta&\rho\cos\theta\end{pmatrix} J=∂(ρ,ϕ)∂(x,y)​=(cosθsinθ​−ρsinθρcosθ​)
    度量张量
    G = J T J = ( cos ⁡ θ sin ⁡ θ − ρ sin ⁡ θ ρ cos ⁡ θ ) ( cos ⁡ θ − ρ sin ⁡ θ sin ⁡ θ ρ cos ⁡ θ ) = ( 1 0 0 ρ 2 ) G=J^TJ=\begin{pmatrix}\cos\theta&\sin\theta\\-\rho\sin\theta&\rho\cos\theta\end{pmatrix}\begin{pmatrix}\cos\theta&-\rho\sin\theta\\\sin\theta&\rho\cos\theta\end{pmatrix}=\begin{pmatrix}1&0\\0&\rho^2\end{pmatrix} G=JTJ=(cosθ−ρsinθ​sinθρcosθ​)(cosθsinθ​−ρsinθρcosθ​)=(10​0ρ2​)
    则
    f 1 = 1 , f 2 = ρ f_1=1,f_2=\rho f1​=1,f2​=ρ
  2. 对于空间柱坐标系 ρ , ϕ , z \rho,\phi,z ρ,ϕ,z,同理可以得到
    f 1 = 1 , f 2 = ρ , f 3 = 1 f_1=1,f_2=\rho,f_3=1 f1​=1,f2​=ρ,f3​=1
  3. 对于空间球坐标系 r , θ , ϕ r,\theta,\phi r,θ,ϕ,同理可以得到
    f 1 = 1 , f 2 = r , f 3 = r sin ⁡ θ f_1=1,f_2=r,f_3=r\sin\theta f1​=1,f2​=r,f3​=rsinθ

1.5 Nabla算子和散度

设有 A ⃗ ( e 1 , e 2 , e 3 ) \vec A(e_1,e_2,e_3) A (e1​,e2​,e3​),而体积元
d τ = ( ∏ i f i ( d e i ) ) {\rm d}\tau=(\prod_i f_i({\rm d}e_i)) dτ=(i∏​fi​(dei​))
例如对于体积元,在 e ^ 1 \hat e_1 e^1​方向上的前表面(指向方向为 − e ^ 1 -\hat e_1 −e^1​),有
d a ⃗ = − e ^ 1 ( f 2 f 3 ) d e 2 d e 3 {\rm d}\vec a=-\hat e_1(f_2f_3){\rm d}e_2{\rm d}e_3 da =−e^1​(f2​f3​)de2​de3​
该有向面积的指向可以通过外微分形式来判断
则 A ⃗ \vec A A 在该方向上的散度满足
A ⃗ ⋅ d a ⃗ = F ( e 1 + d e 1 ) − F ( e 1 ) = ∂ ( f 2 f 3 A 1 ) ∂ e 1 d e 1 \vec A\cdot{\rm d}\vec a=F(e_1+{\rm d}e_1)-F(e_1)=\frac{\partial (f_2f_3A_1)}{\partial e_1}{\rm d}e_1 A ⋅da =F(e1​+de1​)−F(e1​)=∂e1​∂(f2​f3​A1​)​de1​
则整个体积元在该方向上贡献
∂ ( f 2 f 3 A 1 ) ∂ e 1 d e 1 d e 2 d e 3 = 1 ∏ i f i ∂ ( f 2 f 3 A 1 ) ∂ e 1 d τ \frac{\partial (f_2f_3A_1)}{\partial e_1}{\rm d}e_1{\rm d}e_2{\rm d}e_3=\frac{1}{\prod_i f_i}\frac{\partial (f_2f_3A_1)}{\partial e_1}{\rm d}\tau ∂e1​∂(f2​f3​A1​)​de1​de2​de3​=∏i​fi​1​∂e1​∂(f2​f3​A1​)​dτ
根据Stokes公式,取极限后
∇ ⋅ A ⃗ = 1 ∏ i f i ( ∑ i ∂ ( f i + 1 f i + 2 A i ) ∂ e i ) \nabla\cdot\vec A=\frac{1}{\prod_i f_i} \left( \sum_i \frac{\partial (f_{i+1}f_{i+2}A_i)}{\partial e_i}\right) ∇⋅A =∏i​fi​1​(i∑​∂ei​∂(fi+1​fi+2​Ai​)​)
这里的 i + 1 , i + 2 i+1,i+2 i+1,i+2可以理解为下标的循环。
则立即可以得到
∇ ⋅ ( ∇ T ) = 1 ∏ i f i ( ∑ i ∂ ∂ e i f i + 1 f i + 2 f i ∂ T ∂ e i ) \nabla\cdot(\nabla T)=\frac{1}{\prod_i f_i} \left( \sum_i \frac{\partial }{\partial e_i}\frac{f_{i+1}f_{i+2}}{f_i}\frac{\partial T}{\partial e_i}\right) ∇⋅(∇T)=∏i​fi​1​(i∑​∂ei​∂​fi​fi+1​fi+2​​∂ei​∂T​)

1.5 Nabla算子和旋度

考虑在 e 3 e_3 e3​平面上,有向面积元
d a ⃗ = e ^ 3 ( f 1 f 2 ) d e 1 d e 2 {\rm d}\vec a=\hat e_3(f_1f_2){\rm d}e_1{\rm d}e_2 da =e^3​(f1​f2​)de1​de2​
对于沿着坐标网格的曲线 e 1 e_1 e1​线积分,有
[ − ( f 1 A 1 ) ∣ e 2 + d e 2 + ( f 1 A 1 ) ∣ e 2 ] d e 1 = − [ ∂ ∂ e 2 ( f 1 A 1 ) ] d e 1 d e 2 [-(f_1A_1)|_{e_2+{\rm d}e_2}+(f_1A_1)|_{e_2}]{\rm d}e_1=-\left[\frac{\partial}{\partial e_2}(f_1A_1)\right]{\rm d}e_1{\rm d}e_2 [−(f1​A1​)∣e2​+de2​​+(f1​A1​)∣e2​​]de1​=−[∂e2​∂​(f1​A1​)]de1​de2​
同理对于另一对 e 2 e_2 e2​线,则贡献为
[ ∂ ∂ e 1 ( f 2 A 2 ) ] d e 1 d e 2 \left[\frac{\partial}{\partial e_1}(f_2A_2)\right]{\rm d}e_1{\rm d}e_2 [∂e1​∂​(f2​A2​)]de1​de2​
则按照格林公式计算,最终结果为
∇ × A ⃗ = ∑ i e ^ i f i + 1 f i + 2 [ ∂ ∂ e i + 1 ( f i + 2 A i + 2 ) − ∂ ∂ e i + 2 ( f i + 1 A i + 1 ) ] \nabla\times\vec A=\sum_i\frac{\hat e_i}{f_{i+1}f_{i+2}}\left[\frac{\partial}{\partial e_{i+1}}(f_{i+2}A_{i+2})-\frac{\partial}{\partial e_{i+2}}(f_{i+1}A_{i+1})\right] ∇×A =i∑​fi+1​fi+2​e^i​​[∂ei+1​∂​(fi+2​Ai+2​)−∂ei+2​∂​(fi+1​Ai+1​)]

2 矢量分析公式

2.1 不满足交换律的展开

A ⃗ , B ⃗ , C ⃗ \vec A,\vec B,\vec C A ,B ,C 表示三个矢量,在相乘不可以交换顺序和互相结合的情况下,
[ A ⃗ × ( B ⃗ × C ⃗ ) ] z = [ A x ( B z C x ) + A y ( B z C y ) + A z ( B z C z ) ] − [ A x ( B x C z ) + A y ( B y C z ) + A z ( B z C z ) ] [ ( A ⃗ × B ⃗ ) × C ⃗ ] z = [ ( A x B z ) C x + ( A y B z ) C y + ( A z B z ) C z ] − [ ( A z B x ) C x + ( A z B y ) C y + ( A z B z ) C z ] [\vec A\times(\vec B\times\vec C)]_z=[A_x(B_zC_x)+A_y(B_zC_y)+A_z(B_zC_z)]-[A_x(B_xC_z)+A_y(B_yC_z)+A_z(B_zC_z)]\\ [(\vec A\times\vec B)\times\vec C]_z=[(A_xB_z)C_x+(A_yB_z)C_y+(A_zB_z)C_z]-[(A_zB_x)C_x+(A_zB_y)C_y+(A_zB_z)C_z] [A ×(B ×C )]z​=[Ax​(Bz​Cx​)+Ay​(Bz​Cy​)+Az​(Bz​Cz​)]−[Ax​(Bx​Cz​)+Ay​(By​Cz​)+Az​(Bz​Cz​)][(A ×B )×C ]z​=[(Ax​Bz​)Cx​+(Ay​Bz​)Cy​+(Az​Bz​)Cz​]−[(Az​Bx​)Cx​+(Az​By​)Cy​+(Az​Bz​)Cz​]
当可以交换顺序和乘法结合时,即为常见的展开
A ⃗ × ( B ⃗ × C ⃗ ) = ( A ⃗ ⋅ C ⃗ ) B ⃗ − ( A ⃗ ⋅ B ⃗ ) C ⃗ ( A ⃗ × B ⃗ ) × C ⃗ = ( A ⃗ ⋅ C ⃗ ) B ⃗ − ( C ⃗ ⋅ B ⃗ ) A ⃗ \vec A\times(\vec B\times\vec C)=(\vec A\cdot\vec C)\vec B-(\vec A\cdot\vec B)\vec C \\ (\vec A\times\vec B)\times\vec C=(\vec A\cdot\vec C)\vec B-(\vec C\cdot\vec B)\vec A A ×(B ×C )=(A ⋅C )B −(A ⋅B )C (A ×B )×C =(A ⋅C )B −(C ⋅B )A

2.2 nabla算子的运算规则

nabla算子需要在注意微分运算的同时,注意到不可以随意交换分量之间的顺序的问题
(放到量子力学里面,就是算符对易与否的问题)
(但这里的公式,已经将需要作用的函数写上了;量子力学中的算符运算,一般省略后面的作用函数不写,所以结果有微妙的区别)
以下公式中, c c c表示任意常数, α , β \alpha,\beta α,β表示一标量函数,而 A ⃗ , B ⃗ , C ⃗ \vec A,\vec B,\vec C A ,B ,C 表示一矢量函数

  1. 含常量组,非常简单
    ∇ ( c α ) = c ∇ α ∇ ⋅ ( c A ⃗ ) = c ( ∇ ⋅ A ⃗ ) ∇ × ( c A ⃗ ) = c ( ∇ × A ⃗ ) \begin{aligned} \nabla(c\alpha)&=c\nabla\alpha\\ \nabla\cdot(c\vec A)&=c(\nabla\cdot\vec A)\\ \nabla\times(c\vec A)&=c(\nabla\times\vec A)\\ \end{aligned} ∇(cα)∇⋅(cA )∇×(cA )​=c∇α=c(∇⋅A )=c(∇×A )​
  2. 梯度组
    ∇ ( α β ) = α ( ∇ β ) + ( ∇ α ) β ∇ ( A ⃗ ⋅ B ⃗ ) = A ⃗ × ( ∇ × B ⃗ ) + B ⃗ × ( ∇ × A ⃗ ) + ( A ⃗ ⋅ ∇ ) B ⃗ + ( B ⃗ ⋅ ∇ ) A ⃗ , 在 这 里 要 求 交 换 ∇ ( ∇ ⋅ A ⃗ ) = 不 展 开 计 算 \begin{aligned} \nabla(\alpha\beta)&=\alpha(\nabla\beta)+(\nabla\alpha)\beta\\ \nabla(\vec A\cdot\vec B)&=\vec A\times(\nabla\times \vec B)+\vec B\times(\nabla\times \vec A)+(\vec A\cdot\nabla)\vec B+(\vec B\cdot\nabla)\vec A,在这里要求交换\\ \nabla(\nabla\cdot\vec A)&=不展开计算\\ \end{aligned} ∇(αβ)∇(A ⋅B )∇(∇⋅A )​=α(∇β)+(∇α)β=A ×(∇×B )+B ×(∇×A )+(A ⋅∇)B +(B ⋅∇)A ,在这里要求交换=不展开计算​
  3. 散度组
    ∇ ⋅ ( α A ⃗ ) = ( ∇ α ) ⋅ A ⃗ + α ( ∇ ⋅ A ⃗ ) ∇ ⋅ ( A ⃗ × B ⃗ ) = ( ∇ × A ⃗ ) ⋅ B ⃗ − A ⃗ ⋅ ( ∇ × B ⃗ ) ∇ ⋅ ( ∇ α ) = Δ α ∇ ⋅ ( ∇ × A ⃗ ) = 0 \begin{aligned} \nabla\cdot(\alpha\vec A)&=(\nabla\alpha)\cdot\vec A+\alpha(\nabla\cdot\vec A)\\ \nabla\cdot(\vec A\times\vec B)&=(\nabla\times\vec A)\cdot\vec B-\vec A\cdot(\nabla\times\vec B)\\ \nabla\cdot(\nabla\alpha)&=\Delta\alpha\\ \nabla\cdot(\nabla\times\vec A)&=0\\ \end{aligned} ∇⋅(αA )∇⋅(A ×B )∇⋅(∇α)∇⋅(∇×A )​=(∇α)⋅A +α(∇⋅A )=(∇×A )⋅B −A ⋅(∇×B )=Δα=0​
  4. 旋度组
    ∇ × ( α A ⃗ ) = ( ∇ α ) × A ⃗ + α ( ∇ × A ⃗ ) ∇ × ( A ⃗ × B ⃗ ) = ( B ⃗ ⋅ ∇ ) A ⃗ + A ⃗ ( ∇ ⋅ B ⃗ ) − ( A ⃗ ⋅ ∇ ) B ⃗ − B ⃗ ( ∇ ⋅ A ⃗ ) , 同 样 要 求 交 换 ∇ × ( ∇ α ) = 0 ∇ × ( ∇ × A ⃗ ) = 0 \begin{aligned} \nabla\times(\alpha\vec A)&=(\nabla\alpha)\times\vec A+\alpha(\nabla\times\vec A)\\ \nabla\times(\vec A\times\vec B)&=(\vec B\cdot\nabla)\vec A+\vec A(\nabla\cdot\vec B)-(\vec A\cdot\nabla)\vec B-\vec B(\nabla\cdot\vec A),同样要求交换\\ \nabla\times(\nabla\alpha)&=0\\ \nabla\times(\nabla\times\vec A)&=0\\ \end{aligned} ∇×(αA )∇×(A ×B )∇×(∇α)∇×(∇×A )​=(∇α)×A +α(∇×A )=(B ⋅∇)A +A (∇⋅B )−(A ⋅∇)B −B (∇⋅A ),同样要求交换=0=0​

Reference

David J. Griffiths, Introduction to electrodynamics[M].1999

拉普拉斯算子的疑惑--拉普拉斯算子作用于矢量和定义Hessian矩阵时遇到的问题 拉普拉斯算子的疑惑 国内许多工科教材在讲到有关拉普拉斯算子(Δ\DeltaΔ)与哈密顿算子(∇\nabla∇)的内容时含混不清,忽略了许多重要定义,使得一些进一步的推导难以理解 现记录我发现的两个主要问题,并予以解答,希望可以帮助到学习国内教材时有相似疑惑的同学 1. 拉普拉斯算子作用于矢量 1.1 课本中的定义 课本在介绍拉普拉斯算子时,一般会有如下定义: 设f\displaystyle ff为二阶可微的实函数,那么有: Δf=∇2f=∇⋅∇f \Delta f = \nabla^2f = \nabla 阅读详情

相关推荐

Nabla算子详解:梯度、散度、旋度与拉普拉斯的本质与应用

向量微积分中,nabla算子(∇)是描述场变化的核心工具,它将偏导运算封装成一个“向量”,由此派生出梯度、散度和旋度三大基本运算。梯度刻画标量场的最陡上升方向,散度衡量向量场的源与汇,旋度捕捉局域旋转强度,而拉普拉斯算子则通过二阶偏导反映场与周围环境的差异。这些概念不仅是数学抽象,更直接支撑着电磁学中的麦克斯韦方程组、流体力学中的纳维-斯托克斯方程以及量子力学中的薛定谔方程。理解nabla算子在直角坐标、柱坐标和球坐标下的不同形式,有助于深入掌握偏微分方程与场论分析。本文从基础概念出发,结合实际算例与物理应

weixin_31423955的博客 282

一文读懂Nabla算子

∇称作Nabla算子或del算子,本文将从∇算子的定义出发得到梯度、散度、旋度的定义,并将介绍∇算子运算律,推导∇算子常用公式等。笔者将通过一篇文章带你彻底了解∇算子基本知识。

Moster2469的博客 3万+

浅谈Green公式和外微分形式

数学分析大作业6,时隔一年半才想起来没发。 衷心感谢北航的杨小远老师。 希望学弟学妹们能够继续认真的完成杨老师的大作业。 经过一年半的继续学习和理解才发现 Green公式的作用,到用Green函数解偏微分方程时候才能真正体现出来。 Green函数法解偏微分方程,具体就有很多应用了。 比如,简单的静电场的边值问题,直接就是Green函数模型提出的背景 比如,量子力学计算散射问题,声子的引入就类似于G...

一个专业的读书分享博客(误,现在目测是年更) 8936

Nabla算子

Nabla算子的定义: 梯度: 散度: 旋度:

sinat_38064165的博客 3554

概率统计期末试卷6套含答案 word版

这几份试卷值得你去做,对你复习有很大帮助,其中也有上海交大的期末试卷!

中山大学版概率论与数理统计课后答案

邓集贤中山大学版概率论与数理统计(下册)课后习题答案

【科技历史与纪录片 物理学】麦克斯韦方程组+散度&旋度+电磁波方程+波动方程

【科技历史与纪录片 物理学】麦克斯韦方程组+散度&旋度+电磁波方程+波动方程

ResumeProject的博客 278

Agent 长期记忆三代演进:从 RAG 到 Memory Graph,mem0 / Zep / LangMem / Letta 深度横评

文章摘要 2026年,Agent长期记忆技术迎来关键突破,OpenAI、Anthropic等厂商通过扩大上下文窗口和推出记忆工具,推动长期记忆从工程补丁发展为独立技术层。本文通过分析三代记忆架构演进(RAG→结构化Fact→MemoryGraph)和四大方案(mem0/Zep/LangMem/Letta)的8维度横评,揭示以下核心观点: 长上下文≠长期记忆:128K上下文如同RAM,仍需硬盘式记忆层筛选和结构化存储,避免“Context Rot”导致的准确率下降。 三代架构演进: Gen1(RAG):向量检

LDZKKJ的博客 1402

拉普拉斯算子

介绍哈密尔顿算子,梯度,散度和拉普拉斯算子,及将拉普拉斯算子应用到图片上,利用拉普拉斯卷积核对图像进行边缘化处理

weixin_63936336的博客 9469

SpringBoot实战——仿b站项目(一)

热部署就是当应用程序这种运行的时候升级冉家或者修改某一部分代码、配置文件时,无需手动启动应用,即可修改的部分生效工具 + IDEA配置。

weixin_52880572的博客 3453

深入解析国家企业征信系统瑞数6vmp算法逆向实战

本文深入解析了国家企业征信系统所采用的双层防护机制,重点聚焦于瑞数6代vmp算法的逆向实战。文章详细拆解了从加速乐521状态码的绕过,到瑞数412挑战的核心算法还原过程,提供了通过动态Hook、日志分析进行算法逆向,并用Python实现自动化请求链的完整技术方案,旨在为安全研究与技术学习提供参考。

yellow的专栏 607

【前置知识】散度、梯度、旋度及其衍生

在CFD理论研究中,以下的算符是不得不品的基础。下文整理在笛卡尔坐标系下,散度、梯度、旋度等一系列物理量。

a5567899的博客 1万+

pi/4QPSK调制解调原理

文章目录1. π/4\pi/4π/4QPSK 信号的调制原理2. 匹配滤波器与成形滤波器 1. π/4\pi/4π/4QPSK 信号的调制原理 减小相位突变量的QPSK由偏置键控QPSK(OK-QPSK)和 π/4\pi/4π/4偏置的QPSK( π/4\pi/4π/4QPSK)。由于 π/4\pi/4π/4QPSK是用差分相位编码产生的(因此也叫做 π/4\pi/4π/4DQPSK),能有效地进行差分解调和鉴频器解调,在一些不易提取相干载波的场合很有用。 在常规的QPSK中,输入数据经过串/并变换后,分成

gemengxia的博客 2万+

【数学理论】Nabla 算子

Nabla算子(∇)是一个兼具向量和微分性质的形式微分算子,在三维直角坐标系中表示为(∂/∂x, ∂/∂y, ∂/∂z)。它有三种主要作用方式:梯度(∇f)将标量场转为向量场,散度(∇·F)将向量场转为标量场,旋度(∇×F)保持向量场性质。Nabla运算类比于向量运算(数乘、点积、叉积),并遵循莱布尼茨乘积法则和链式法则。在不同坐标系中(直角、柱面、球面),Nabla的形式会变化,其中直角坐标系形式最简洁,而曲线坐标系因单位向量随位置变化而更复杂。

comedate的专栏 354

量子阱技术解析:从基础原理到前沿应用

本文深入解析量子阱技术,从微观“能量游泳池”的基础原理出发,阐释了其通过限制电子实现能级量子化,从而精确调控发光波长的核心机制。文章详细探讨了量子阱在半导体激光器和LED中的革命性应用,如实现低阈值电流与高亮度显示,并展望了其在能带工程及量子级联激光器等前沿领域的发展与挑战。

weixin_29267307的博客 282

YOLOv8【第十章:多任务扩展深度篇·第18节】不规则工业缺陷分割——针对划痕、裂纹的 Seg 模型调优!

🏆 本文收录于 《YOLOv8实战:从入门到深度优化》 专栏。该专栏系统复现并梳理全网各类 YOLOv8 改进与实战案例(当前已覆盖分类 / 检测 / 分割 / 追踪 / 关键点 / OBB 检测等方向),坚持持续更新 + 深度解析,质量分长期稳定在 97 分以上,可视为当前市面上 覆盖较全、更新较快、实战导向极强 的 YOLO 改进系列内容之一。

**My Coding Family** 3978

Nabla 算子

Nabla 算子 定义 运算 它只是一个方便的使用的数学符号,这使得许多方程易于书写和记忆。

qq_45467893的博客 5257

Mamba SSM 实战:IMDb 文本分类 + Mamba-ssm 全流程

Mamba SSM 文本分类链路:IMDb 二分类 → MambaLMHeadModel (d_model=256, n_layer=8, d_state=16, exp2=2) → 末 token 分类头。5 epoch 达 89.2% 准确率 (与 BERT-base 持平), 但显存降低 44% (3.5GB vs 6.2GB)。建议序列长度 ≥ 1024 再选 Mamba, 短序列 (< 512) 用 BERT 更高效。扩展时注意d_state。

m0_71589036的博客 57

哈密顿算子和拉普拉斯算子 格林公式高斯公式和斯托克斯公式 多重积分的分部积分公式

哈密顿算子(Hamiltionian) ∇\nabla∇ 标量性质 u(x,y)u(x,y)u(x,y)是一个标量函数, ∇u=(∂u∂x∂u∂y)\nabla u=\begin{pmatrix} \frac {\partial u}{\partial x} \\ \frac {\partial u}{\partial y} \\ \end{pmatrix}∇u=(∂x∂u​∂y∂u​​) 表示梯度 矢量性质 u=(u1u2)u=\begin{pmatrix} u_1 \\ u_2\\ \end{pmatr

xiexinning的博客 1万+

基于Simulink进行步进电机的重复控制仿真建模

重复控制概述目的:通过引入一个周期延迟环节来补偿系统的周期性误差,从而提高系统对周期性参考信号或扰动的跟踪性能。方法内部模型原理:在控制器中嵌入一个与周期性信号相关的模型(例如周期延迟环节),以实现对周期性误差的零稳态误差控制。滤波器设计:为了避免高频噪声放大,通常会在重复控制器中加入低通滤波器。优势对周期性信号具有良好的跟踪性能。不需要精确的数学模型即可实现高性能控制。挑战:需要合理设计重复控制器的参数以避免系统不稳定。

amy_mhd的博客 266

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

某些数学符号的读音

∇ 读音

weixin_40994552的博客 5178

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

通俗理解拉普拉斯算子(Laplace)

中心点为负数,上下左右都是正数,经过Laplace算子处理后 (对应位置相乘再相加),如果中心的上下左右都是有灰度变化的,那么判定该中心点位于边缘内,那么经此处理后,边缘中心的灰度值会变小,而周围上下左右灰度值不变,因而最后输出的图像中,只有边缘周围上下左右部分的灰度值被保留,而边缘部分则趋于0或等于0 (小于0的部分会被截断为0),因此需要变号 (公式中令c = -1) ,即从原图中减去Laplace算子处理后的图像,使得边缘中心的灰度值变大,而边缘周围的灰度值减少,就表现为原图中的边缘

daimashiren的博客 3万+

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

拉普拉斯算子从笛卡尔坐标系到圆柱坐标系下的推导过程

这段时间推导圆膜振动方程的时候,需要将振动方程从笛卡尔坐标系转换到圆柱坐标系。虽然这个结果书上都有了,但是不满足于直接给出的结果,想自己推导一下。于是就有了下面的内容。总结起来:就是将笛卡尔坐标系下的拉普拉斯算子定义式和圆柱坐标系下拉普拉斯算子定义式之间的关系通过坐标转换对应起来,然后利用待定系数法求解相应的系数就可以了。话不多说,上干货。 笛卡尔坐标系下的拉普拉斯算子定义为: (2-1)

u013102281的博客 3万+

拉普拉斯算子(Laplacian)

拉普拉斯算子(英语:**Laplacian**),通常记作 $\nabla^2$ 或 $\Delta$,是向量分析(矢量微积分)中非常重要的微分算子。它对于描述物理和数学领域中许多现象都具有核心地位

m0_66890670的博客 3507

数学符号理解——Nabla符号(倒三角形符号)说明(算子符号&梯度符号)

算子符号,梯度符号 Nabla

ComputerInBook的专栏 985

Laplace(拉普拉斯)算子

【摘要】   Laplace算子作为边缘检测之一,和Sobel算子一样也是工程数学中常用的一种积分变换,属于空间锐化滤波操作。拉普拉斯算子(Laplace Operator)是n维欧几里德空间中的一个二阶微分算子,定义为梯度(▽f)的散度(▽·f)。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。(百度百科) 【原理】   拉普拉斯算子是二阶微分线性算子,...

hellocsz的博客 3万+
上一篇: 浅谈Green函数法
下一篇: 《高等数学引论》杂记(二)&(三)
KatherineLOVER
博客等级 码龄12年 52粉丝 10原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值