梯度、散度、旋度与麦克斯韦方程组

麦克斯韦方程组在大学物理是比较难以理解的一组方程。它们的推导过程与梯度、散度、与旋度具有密切的关系。本文主要通过对三维空间中梯度、散度与旋度的解释来分析麦克斯韦方程组。为了方便表示，这里$f(x,y,z)$表示一个含有三个变量x,y,z的一个函数，并且设$f(x,y,z)=x^2+y^2+z^2$。$\vec{F}=<P,Q,R>$表示空间中的矢量场。可以是梯度场、速度场、力场等。这里就假设是函数f(x,y,z)对应的梯度场。

0. $▽$ 算子

又叫“del”算子，即$<\frac{\partial }{\partial x},\frac{\partial }{\partial y},\frac{\partial }{\partial z}>$。可以理解为一个符号向量，向量里的元素是偏微分运算符号，没有任何具体意义，只是一个表示方法。

1. 梯度、散度、旋度

有了$▽$算子，梯度、散度、旋度都可以用$▽$向量来表示。

梯度 gradient

函数$f(x,y,z)$(标量)的梯度可以理解为$▽$向量与函数的乘积,即：
$$grad(f)=▽f=<\frac{\partial }{\partial x},\frac{\partial }{\partial y},\frac{\partial }{\partial z}>f=<\frac{\partial f}{\partial x},\frac{\partial f}{\partial y},\frac{\partial f}{\partial z}>$$
针对一开始给出的例子，可知： $▽f=<2x,2y,2z>$

散度 divergence

散度是表示矢量扩散程度的一个量，是对场的一个运算。散度可以表示为$▽$向量与矢量场的点积，这里以$\vec{F}=<P,Q,R>$为例子，则：
$$div(\vec{F})=▽\cdot \vec{F}=<\frac{\partial }{\partial x},\frac{\partial }{\partial y},\frac{\partial }{\partial z}>\cdot <P,Q,R>=\frac{\partial P}{\partial x}+\frac{\partial Q}{\partial y}+\frac{\partial R}{\partial z}$$
假如$\vec{F}$刚好是f(x,y,z)对应的梯度场，即$\vec{F}=<2x,2y,2z>$则：
$$div(\vec{F})=2+2+2=6$$

旋度 curl

旋度表示矢量场的选择程度和方向的一个矢量。可以表示为$▽$向量与矢量场的叉积。即：
$$curl(\vec{F})=▽\times \vec{F}=\left|\begin{array}{ccc}\hat{i}& \hat{j}& \hat{k}\\ \frac{\partial }{\partial x}& \frac{\partial }{\partial x}& \frac{\partial }{\partial z}\\ P& Q& R\end{array}\right|=<R_y-Q_z,P_z-R_x,Q_x-P_y>$$
假如此处$\vec{F}=▽f$， 则：
$$curl(\vec{F})=0$$
推论：假如$\vec{F}$是梯度，则$curl\vec{F}$=0

2. Gauss-Green 定理与Stokes 定理

线积分

上图中，$\vec{F}$是空间中的矢量场， C是含有方向的线段。则$\vec{F}$对C的积分(理解为物理上的功)可以表示为：
$${\int }_C\vec{F}d\vec{r}={\int }_{C}Pdx+Qdy+Rdz$$

面积分

上图中，S表示空间中一个曲面，$\hat{n}$表示曲面的法向量(两个方向中选一个)。则矢量$\vec{F}$对曲面S的积分表示通量（Flux），即：
$$Flux={\iint }_S\vec{F}\cdot \hat{n}dS$$

Gauss-Green 定理

如果S是空间中的封闭曲面，包裹了一个区域D，法向量$\hat{n}$向外，$\vec{F}$在D的每一个区域都定义且可微，则下式成立：
$$\iint \vec{F}\cdot d\vec{S}={\iiint }_{D}div(\vec{F})dV$$
因此，Gauss-Green定理又叫散度定理。

Stokes 定理

如果C是一个封闭曲线，S是以C为边的任意曲面，$\vec{F}$在S上有定义，$\hat{n}$为满足右手定则方向向外，则有如下公式：
$${\oint }_C\vec{F}\cdot d\vec{r}={\iint }_{S}curl(\vec{F})\cdot \hat{n}dS$$
即：
$${\oint }_C\vec{F}\cdot d\vec{r}={\iint }_S(▽\times \vec{F})\cdot \hat{n}dS$$

推论：如果$\vec{F}$是梯度场，则线积分是路径无关的。

例如，在上图中，
$${\int }_{C1}\vec{F}\cdot d\vec{r}-{\int }_{C2}\vec{F}\cdot d\vec{r}=\underset{C:C=C1-C2}{\iint }\vec{F}\cdot d\vec{r}\stackrel{stokes}{=}{\iint }_{S}curl(\vec{F})\cdot d\vec{S}$$
因为梯度场中的curl=0,所以上式为0，即$${\int }_{C1}\vec{F}\cdot d\vec{r}={\int }_{C2}\vec{F}\cdot d\vec{r}$$

3. 麦克斯韦方程组

有了上述知识，麦克斯韦方程组就更容易理解。就是Gauss-Green定理和Stokes定理的运用。想要了解的更详细，请参考MIT关于多变量微积分和物理的公开课。