矢量点积与矢量叉乘的微分

矢量点积与矢量叉乘的微分

​ 在对矢量点积与叉乘的微分公式进行推导之前，我们先看看这两个公式长什么样

矢量点积的微分：
$$d(\vec{F}\cdot \vec{x})=\vec{x}d\vec{F}+\vec{F}d\vec{x}\text{\hspace{1em}(1)}$$
矢量叉乘的微分：
$$d(\vec{r}\times \vec{p})=d\vec{r}\times \vec{p}+\vec{r}\times d\vec{p}\text{\hspace{1em}(2)}$$
​ 我们可以发现，其形式与多元函数的全微分形式一致，那么问题来了，为什么点积与叉乘也满足多元函数的链导法则？

首先，我们将矢量写成坐标形式来进行讨论.

对于矢量的点积，设$\vec{F}=(x_1,y_1),\vec{x}=(x2,y2)$，则有
$$\begin{array}{rl}d(\vec{F}\cdot \vec{x})& =d(x_1{x}_2+y_1{y}_2)=d(x_1{x}_2)+d(y_1{y}_2)\\ & \\ & =x_{2}d{x}_1+x_{1}d{x}_2+y_{2}d{y}_1+y_{1}d{y}_2\\ & \\ & =(x_2,y_2)(d{x}_1,d{y}_1)+(x_1,y_1)(d{x}_2,d{y}_2)\\ & \\ & =\vec{x}d\vec{F}+\vec{F}d\vec{x}\end{array}$$
同样，对于矢量的叉乘，设$\vec{r}=(x_1,y_1,z_1),\vec{p}=(x_2,y_2,z_2)$，则有
r ⃗ × p ⃗ = ∣ i ⃗ j ⃗ k ⃗ x 1 y 1 z 1 x 2 y 2 z 2 ∣ = ∣ y 1 z 1 y 2 z 2 ∣   i ⃗ − ∣ x 1 z 1 x 2 z 2 ∣   j ⃗ + ∣ x 1 y 1 x 2 y 2 ∣   k ⃗ \begin{aligned} \vec{r} \times \vec{p} = \begin{vmatrix} \vec{i} & \vec{j} & \vec{k} \\ x_1 & y_1 & z_1 \\ x_2 & y_2 & z_2 \end{vmatrix} = \begin{vmatrix} y_1 & z_1 \\ y_2 & z_2 \end{vmatrix} \ \vec{i} - \begin{vmatrix} x_1 & z_1 \\ x_2 & z_2 \end{vmatrix} \ \vec{j} + \begin{vmatrix} x_1 & y_1 \\ x_2 & y_2 \end{vmatrix} \ \vec{k}\end{aligned} r ×p ​=∣∣∣∣∣∣​i x