问小白 wenxiaobai
资讯
历史
科技
环境与自然
成长
游戏
财经
文学与艺术
美食
健康
家居
文化
情感
汽车
三农
军事
旅行
运动
教育
生活
星座命理

哈密顿算子与梯度、散度、旋度

创作时间:
作者:
@小白创作中心

哈密顿算子与梯度、散度、旋度

引用
CSDN
1.
https://blog.csdn.net/irober/article/details/106231611

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:∇ = ∂ ∂ x i ⃗ + ∂ ∂ y j ⃗ + ∂ ∂ z k ⃗ \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∇右边的量发生微分作用

麦克斯韦方程的微分形式

∂ D x ∂ x + ∂ D y ∂ y + ∂ D z ∂ z = ρ \frac{\partial D_{x}}{\partial x}+\frac{\partial D_{y}}{\partial y}+\frac{\partial D_{z}}{\partial z}=\rho∂x∂Dx +∂y∂Dy +∂z∂Dz =ρ∂ B x ∂ x + ∂ B y ∂ y + ∂ B z ∂ z = 0 \frac{\partial B_{x}}{\partial x}+\frac{\partial B_{y}}{\partial y}+\frac{\partial B_{z}}{\partial z}=0∂x∂Bx +∂y∂By +∂z∂Bz =0

∂ H z ∂ y − ∂ H y ∂ z = δ x + ∂ D x ∂ t \frac{\partial H_{z}}{\partial y} -\frac{\partial H_y}{\partial z} = \delta_{x}+\frac{\partial D_{x}}{\partial t}∂y∂Hz −∂z∂Hy =δx +∂t∂Dx ∂ H x ∂ z − ∂ H z ∂ x = δ y + ∂ D y ∂ t \frac{\partial H_{x}}{\partial z}-\frac{\partial H_{z}}{\partial x}=\delta_{y}+\frac{\partial D_{y}}{\partial t}∂z∂Hx −∂x∂Hz =δy +∂t∂Dy ∂ H y ∂ x − ∂ H x ∂ y = δ z + ∂ D z ∂ t \frac{\partial H_{y}}{\partial x}-\frac{\partial H_{x}}{\partial y}=\delta_{z}+\frac{\partial D_{z}}{\partial t}∂x∂Hy −∂y∂Hx =δz +∂t∂Dz

∂ E z ∂ y − ∂ E y ∂ z = − ∂ B x ∂ t \frac{\partial E_{z}}{\partial y}-\frac{\partial E_{y}}{\partial z}=-\frac{\partial B_{x}}{\partial t}∂y∂Ez −∂z∂Ey =−∂t∂Bx

∂ E x ∂ z − ∂ E z ∂ x = − ∂ B y ∂ t \frac{\partial E_{x}}{\partial z}-\frac{\partial E_{z}}{\partial x}=-\frac{\partial B_{y}}{\partial t}∂z∂Ex −∂x∂Ez =−∂t∂By

∂ E y ∂ x − ∂ E x ∂ y = − ∂ B z ∂ t \frac{\partial E_{y}}{\partial x}-\frac{\partial E_{x}}{\partial y}=-\frac{\partial B_{z}}{\partial t}∂x∂Ey −∂y∂Ex =−∂t∂Bz

引进哈密顿算子,上式简化为:

{ ∇ ⋅ D ⃗ = ρ ∇ ⋅ B ⃗ = 0 ∇ × H ⃗ = δ ⃗ + ∂ D ⃗ ∂ t ∇ × E ⃗ = − ∂ B ⃗ ∂ t \begin{cases} \nabla \cdot \vec{D}=\rho \ \nabla \cdot \vec{B}=0 \ \nabla \times \vec{H}=\vec{\delta}+\frac{\partial \vec{D}}{\partial t} \ \nabla \times \vec{E}=-\frac{\partial \vec{B}}{\partial t} \end{cases}⎩⎪⎪⎪⎨⎪⎪⎪⎧ ∇⋅D=ρ∇⋅B=0∇×H=δ+∂t∂D ∇×E=−∂t∂B

2、标量场的梯度

笛卡尔坐标系下的梯度:

∇ P = ∂ P ∂ x i ⃗ + ∂ P ∂ y j ⃗ + ∂ P ∂ z k ⃗ = g r a d P \nabla{P}=\frac{\partial P}{\partial x} \vec{i}+\frac{\partial P}{\partial y} \vec{j}+\frac{\partial P}{\partial z} \vec{k}=gradP∇P=∂x∂P i+∂y∂P j +∂z∂P k=gradP

(结果为矢量)

3、矢量场的散度

∇ ∙ V ⃗ = ∂ V x ∂ x + ∂ V y ∂ y + ∂ V z ∂ z = d i v V ⃗ \nabla \bullet \vec{V}=\frac{\partial V_{x}}{\partial x}+\frac{\partial V_{y}}{\partial y}+\frac{\partial V_{z}}{\partial z}=div \vec{V}∇∙V=∂x∂Vx +∂y∂Vy +∂z∂Vz =divV

(结果为标量)

4、矢量场的旋度

笛卡尔坐标系下旋度定义:

∇ × V ⃗ = ∣ i ⃗ j ⃗ k ⃗ ∂ ∂ x ∂ ∂ y ∂ ∂ z V x V y V z ∣ = ( ∂ V z ∂ y − ∂ V y ∂ z ) i ⃗ + ( ∂ V x ∂ z − ∂ V z ∂ x ) j ⃗ + ( ∂ V y ∂ x − ∂ V x ∂ y ) k ⃗ = r o t V ⃗ \nabla \times \vec{V}=\left|\begin{array}{ccc} \vec{i} & \vec{j} & \vec{k} \ \frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z} \ V_{x} & V_{y} & V_{z} \end{array}\right| = \left(\frac{\partial V_z}{\partial y} -\frac{\partial V_{y}}{\partial z}\right) \vec{i}+\left(\frac{\partial V_{x}}{\partial z}-\frac{\partial V_{z}}{\partial x}\right) \vec{j}+\left(\frac{\partial V_{y}}{\partial x}-\frac{\partial V_{x}}{\partial y}\right) \vec{k} = rot \vec{V}∇×V=∣∣∣∣∣∣ i∂x∂ Vx j ∂y∂ Vy k∂z∂ Vz ∣∣∣∣∣∣ =(∂y∂Vz −∂z∂Vy )i+(∂z∂Vx −∂x∂Vz )j +(∂x∂Vy −∂y∂Vx )k=rotV

(结果为矢量)

5、哈密顿算子重要运算性质

∇ ⋅ ( A ⃗ × B ⃗ ) = B ⃗ ⋅ ∇ × A ⃗ − A ⃗ ⋅ ∇ × B ⃗ \nabla \cdot(\vec{A} \times \vec{B})=\vec{B} \cdot \nabla \times \vec{A}-\vec{A} \cdot \nabla \times \vec{B}∇⋅(A×B)=B⋅∇×A−A⋅∇×B

证明

6、向量内积与外积的性质与几何意义

向量内积的性质:

  • a^2 ≥ 0;当a^2 = 0时,必有a= 0. (正定性)

  • a·b = b·a. (对称性)

  • a+ μbc= λa·c+ μb·c,对任意实数λ, μ成立. (线性)

  • cos∠(a,b) =a·b/(|a||b|).

  • |a·b| ≤ |a||b|,等号只在ab共线时成立.

内积(点乘)的几何意义包括:

  • 表征或计算两个向量之间的夹角

  • b向量在a向量方向上的投影

向量外积的性质

  • a × b= -b × a. (反称性)

  • a+ μb) ×c= λ(a ×c) + μ(b ×c). (线性)

向量外积的几何意义

在三维几何中,向量a和向量b的外积结果是一个向量,有个更通俗易懂的叫法是法向量,该向量垂直于a和b向量构成的平面。

在3D图像学中,外积的概念非常有用,可以通过两个向量的外积,生成第三个垂直于a,b的法向量,从而构建X、Y、Z坐标系。如下图所示:

在二维空间中,外积还有另外一个几何意义就是:|a×b|在数值上等于由向量a和向量b构成的平行四边形的面积。

7、矢量分析中常用恒等式

参考

© 2023 北京元石科技有限公司 ◎ 京公网安备 11010802042949号