矢量算符运算法则

贡献者： addis

每个等式给出一些百科中应用的链接

预备知识　梯度，旋度，列维—奇维塔符号

　　¹这里列举一些常用的矢量算符恒等式，证明见文末。

1. 一阶导数

梯度

\begin{matrix} (1) & \nabla (f g) = f \nabla g + g \nabla f, \end{matrix}

\begin{matrix} (2) & \nabla (A \cdot B) = A \times (\nabla \times B) + B \times (\nabla \times A) + (A \cdot \nabla) B + (B \cdot \nabla) A . \end{matrix}

散度

\begin{matrix} (3) & \nabla \cdot (f A) = f (\nabla \cdot A) + A \cdot (\nabla f), \end{matrix}

\begin{matrix} (4) & \nabla \cdot (A \times B) = B \cdot (\nabla \times A) - A \cdot (\nabla \times B) . \end{matrix}

旋度

\begin{matrix} (5) & \nabla \times (f A) = f (\nabla \times A) + (\nabla f) \times A, \end{matrix}

\begin{matrix} (6) & \nabla \times (A \times B) = (B \cdot \nabla) A - (A \cdot \nabla) B + A (\nabla \cdot B) - B (\nabla \cdot A) . \end{matrix}

2. 二阶导数

\begin{matrix} (7) & \nabla \cdot (\nabla f) = \nabla^{2} f, \end{matrix}

\begin{matrix} (8) & \nabla^{2} (f v) = (\nabla^{2} f) v + f \nabla^{2} v + 2 (\nabla f \cdot \nabla) v, \end{matrix}

\begin{matrix} (9) & \nabla \times (\nabla f) = 0, \end{matrix}

\begin{matrix} (10) & \nabla \cdot (\nabla \times v) = 0, \end{matrix}

\begin{matrix} (11) & \nabla \times (\nabla \times v) = \nabla (\nabla \cdot v) - \nabla^{2} v . \end{matrix}

3. 复合函数求导

　　使用链式法则容易证明以下关系

\begin{matrix} (12) & \nabla f [g (r)] = f^{'} [g (r)] \nabla g (r), \end{matrix}

\begin{matrix} (13) & \nabla \cdot f [g (r)] = f^{'} [g (r)] \cdot \nabla g (r), \end{matrix}

\begin{matrix} (14) & \nabla \times f [g (r)] = [\nabla g (r)] \times f^{'} [g (r)], \end{matrix}

\begin{matrix} (15) & \nabla^{2} f [g (r)] = f^{″} [g (r)] (\nabla g)^{2} + f^{'} [g (r)] \nabla^{2} g (r) . \end{matrix}

4. 证明

　　理论上，我们可以直接根据定义，将各个矢量记为分量的形式证明，但直接写出来非常繁琐。一种简单的记号是使用克罗内克 delta 函数 $δ_{i, j}$ 和 Levi-Civita 符号 $ϵ_{i, j, k}$ ，再结合爱因斯坦求和约定证明。

　　我们另外推荐一种不需要写出分量的推导方法，见 “一种矢量算符的运算方法”。

1. ^ 参考 [1] 相关章节。

[1] ^ David Griffiths, Introduction to Electrodynamics, 4ed

致读者：小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。因此，我们请求广大读者热心打赏 ，使网站得以健康发展。如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损，并在接下来的一年里向所有读者继续免费提供优质内容。但遗憾的是只有不到 1% 的读者愿意捐款，他们的付出帮助了 99% 的读者免费获取知识，我们在此表示感谢。