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
$$\begin{array}{r}\vec{r}\times \vec{p}=\left|\begin{array}{ccc}\vec{i}& \vec{j}& \vec{k}\\ x_1& y_1& z_1\\ x_2& y_2& z_2\end{array}\right|=\left|\begin{array}{cc}{y}_1& z_1\\ y_2& z_2\end{array}\right|\vec{i}-\left|\begin{array}{cc}{x}_1& z_1\\ x_2& z_2\end{array}\right|\vec{j}+\left|\begin{array}{cc}{x}_1& y_1\\ x_2& y_2\end{array}\right|\vec{k}\end{array}$$
所以
$$\begin{array}{rl}d(\vec{r}\times \vec{p})& =d\left|\begin{array}{cc}{y}_1& z_1\\ y_2& z_2\end{array}\right|\vec{i}-d\left|\begin{array}{cc}{x}_1& z_1\\ x_2& z_2\end{array}\right|\vec{j}+d\left|\begin{array}{cc}{x}_1& y_1\\ x_2& y_2\end{array}\right|\vec{k}\\ & \\ & =d(y_1{z}_2-z_1{y}_2)\vec{i}-d(x_1{z}_2-z_1{x}_2)\vec{j}+d(x_1{y}_2-y_1{x}_2)\vec{k}\\ & \\ & =(z_{2}d{y}_1+y_{1}d{z}_2-y_{2}d{z}_1-z_{1}d{y}_2)\vec{i}-(z_{2}d{x}_1+x_{1}d{z}_2-x_{2}d{z}_1-z_{1}d{x}_2)\vec{j}\\ & \\ & +(y_{2}d{y}_1+x_{1}d{y}_2-x_{2}d{y}_1-y_{1}d{x}_2)\vec{k}\end{array}$$
又因为
$$\begin{array}{rl}d\vec{r}& =(d{x}_1,d{y}_1,d{z}_1)，d\vec{p}=(d{x}_2,d{y}_2,d{z}_2)\end{array}$$
故
$$\begin{array}{rl}d\vec{r}\times \vec{p}+\vec{r}\times d\vec{p}& =\left|\begin{array}{ccc}\vec{i}& \vec{j}& \vec{k}\\ d{x}_2& d{y}_2& d{z}_2\\ x_1& y_1& z_1\end{array}\right|+\left|\begin{array}{ccc}\vec{i}& \vec{j}& \vec{k}\\ x_2& y_2& z_2\\ d{x}_1& d{y}_1& d{z}_1\end{array}\right|\\ & \\ & =(z_{2}d{y}_1+y_{1}d{z}_2-y_{2}d{z}_1-z_{1}d{y}_2)\vec{i}-(z_{2}d{x}_1+x_{1}d{z}_2-x_{2}d{z}_1-z_{1}d{x}_2)\vec{j}\\ & \\ & +(y_{2}d{y}_1+x_{1}d{y}_2-x_{2}d{y}_1-y_{1}d{x}_2)\vec{k}\\ & \\ & =d(\vec{r}\times \vec{p})\end{array}$$
坐标角度进行推导的过程未免太过麻烦，那么我们不如换一个方向，直接从全微分的定义来进行推导

根据全微分的定义：

设函数 $z=f(x,y)$ 在点 $(x_0,y_0)$ 的某邻域内有定义，$P^{\prime }(x+\Delta x,y+\Delta y)$ 为该邻域内任意一点，则称
$$\Delta z=f(x+\Delta x,y+\Delta y)-f(x,y)$$
为函数在点 $P(x,y)$ 处的全增量.

若函数 $z=f(x,y)$ 在点 $P(x,y)$ 处的全增量能表示为
$$\Delta z=A\Delta x+B\Delta y+o(\rho )$$
的形式，则说函数 $z=f(x,y)$ 在点 $P$ 处可微，并称 $A\Delta x+B\Delta y$ 为函数在点 $P$ 处的全微分

那么我们先来试试矢量的点积
$$\begin{array}{rl}\underset{\Delta \vec{F}\to (0,0),\Delta \vec{x}\to (0,0)}{\lim }\Delta (\vec{F}\cdot \vec{x})& =\underset{\Delta \vec{F}\to (0,0),\Delta \vec{x}\to (0,0)}{\lim }(\vec{F}+\Delta \vec{F})\cdot (\vec{x}+\Delta \vec{x})-\vec{F}\cdot \vec{x}\\ & \\ & =\Delta \vec{F}\cdot \vec{x}+\vec{F}\cdot \Delta \vec{x}+\Delta \vec{F}\cdot \Delta \vec{x}\\ & \\ & =\vec{F}\cdot \Delta \vec{x}+\vec{x}\cdot \Delta \vec{F}+o(\rho )\end{array}$$
所以，我们可以得到
$$d(\vec{F}\cdot \vec{x})=\vec{x}d\vec{F}+\vec{F}d\vec{x}$$
接下来，我们尝试推导矢量的叉乘
$$\begin{array}{rl}\underset{\Delta \vec{r}\to (0,0,0),\Delta \vec{p}\to (0,0,0)}{\lim }\Delta (\vec{r}\times \vec{p})& =\underset{\Delta \vec{r}\to (0,0,0),\Delta \vec{p}\to (0,0,0)}{\lim }(\vec{r}+\overrightarrow{\Delta r})\times (\vec{p}+\Delta \vec{p})-\vec{r}\times \vec{p}\\ & \\ & =\vec{r}\times \overrightarrow{\Delta p}+\Delta \vec{r}\times \vec{p}+\overrightarrow{\Delta r}\times \overrightarrow{\Delta p}\\ & \\ & =\vec{r}\times \overrightarrow{\Delta p}+\Delta \vec{r}\times \vec{p}+o(\rho )\end{array}$$
所以，我们同样可以得到
$$d(\vec{r}\times \vec{p})=d\vec{r}\times \vec{p}+\vec{r}\times d\vec{p}$$
与此同时，我们注意到（1）式与（2）式之间细微的区别，将两个等式放在一起比较
$$\begin{array}{rl}d(\vec{F}\cdot \vec{x})& =\vec{x}d\vec{F}+\vec{F}d\vec{x}\\ & \\ d(\vec{r}\times \vec{p})& =d\vec{r}\times \vec{p}+\vec{r}\times d\vec{p}\end{array}$$
不难发现，由于矢量的点积满足交换律，而叉乘不满足交换律，矢量点积的等号右边全部可以写成 $x_{1}d{y}_1+y_{1}d{x}_1$ 的形式，而矢量叉乘必须保持原有顺序，$dx$ 部分与 $y$ 部分不能交换顺序。