01｜矢量微积分：场、梯度、散度与旋度

返回系列目录 · 下一篇：积分定理

麦克斯韦方程组研究的核心是“场”。你可以将其想象为充满整个空间的某种属性，空间中每一点、每一时刻都有一个对应的物理量。电场和磁场都是既有大小又有方向的向量场，我们通常记为：

$$\mathbf{E}=\mathbf{E}(x,y,z,t),\mathbf{B}=\mathbf{B}(x,y,z,t).$$

要描述这样一个场在某一点附近是如何变化的，我们需要三种基本的局部运算。你可以把它们想象成三种不同的“探测器”：

• 梯度：探测标量场朝哪个方向增加得最快，就像在山坡上寻找最陡峭的向上路径；
• 散度：探测向量场从一个小体积中净流出了多少，就像判断水池里哪里有涌泉，哪里有漏口；
• 旋度：探测向量场沿一个小回路环绕了多少，就像把微小水车放进河流，看它会不会被水流拨动旋转。

本篇将从这些运算的定义出发，推导出它们在坐标系中的常见公式。

1. 标量场、向量场与偏导数

像温度这样只有大小没有方向的物理量，可以用标量场表示。想象房间里的每一个点都有一个确定的温度值：

$$T=T(x,y,z).$$

而像流体速度这样既有大小又有方向的物理量，需要用向量场表示：

$$\mathbf{v}(x,y,z)=v_x{\mathbf{e}}_x+v_y{\mathbf{e}}_y+v_z{\mathbf{e}}_z.$$

当我们在空间中只改变 $x$ 坐标、保持 $y,z$ 不变时，温度 $T$ 的变化率就是偏导数：

$$\frac{\partial T}{\partial x}=\underset{\mathrm{\Delta }x\to 0}{lim}\frac{T(x+\mathrm{\Delta }x,y,z)-T(x,y,z)}{\mathrm{\Delta }x}.$$

如果我们在三个方向都各自移动一个极其微小的距离，忽略二阶及更高阶的极小量，那么总的变化量可以写成全微分：

$$\mathrm{d}T=\frac{\partial T}{\partial x}\mathrm{d}x+\frac{\partial T}{\partial y}\mathrm{d}y+\frac{\partial T}{\partial z}\mathrm{d}z.$$

这个全微分正是我们推导梯度公式的起点。

2. 梯度是怎样得到的

让我们回到“爬山”的类比。山的高度就是一个标量场 $T$。在你脚下的位置，你可以向四面八方迈出极小的一步，把这个小位移写成向量形式：

$$\mathrm{d}\mathbf{r}={\mathbf{e}}_x\mathrm{d}x+{\mathbf{e}}_y\mathrm{d}y+{\mathbf{e}}_z\mathrm{d}z.$$

我们希望找到一个特定的向量，使它与微小位移 $\mathrm{d}\mathbf{r}$ 做点积（点乘）后，恰好等于高度的微小变化 $\mathrm{d}T$。比较上面的全微分公式可知，这个向量必须由各个方向的偏导数组成：

$$\boxed{\mathrm{\nabla }T={\mathbf{e}}_x\frac{\partial T}{\partial x}+{\mathbf{e}}_y\frac{\partial T}{\partial y}+{\mathbf{e}}_z\frac{\partial T}{\partial z}}.$$

这个特殊的向量 $\mathrm{\nabla }T$ 就是梯度。于是，高度的变化就可以简洁地写成：

$$\mathrm{d}T=\mathrm{\nabla }T\cdot \mathrm{d}\mathbf{r}.$$

这说明了什么呢？如果你只沿着某个单位向量 $\mathbf{n}$ 移动一小段距离 $\mathrm{d}s$（此时 $\mathrm{d}\mathbf{r}=\mathbf{n}\mathrm{d}s$），那么沿着 $\mathbf{n}$ 方向的坡度（方向导数）就是：

$$\frac{\mathrm{d}T}{\mathrm{d}s}=\mathrm{\nabla }T\cdot \mathbf{n}.$$

由向量点积的柯西—施瓦茨不等式可知：

$$\mathrm{\nabla }T\cdot \mathbf{n}\le \Vert \mathrm{\nabla }T\Vert \Vert \mathbf{n}\Vert =\Vert \mathrm{\nabla }T\Vert .$$

等号只有在你的移动方向 $\mathbf{n}$ 与梯度 $\mathrm{\nabla }T$ 完全同向时才会成立。因此，梯度 $\mathrm{\nabla }T$ 始终指向标量场 $T$ 增长最快的那个方向，而它的长度正是这个最大的增长率。

例子

假设空间中有一个标量场：

$$T(x,y,z)=x^2+2y^2+3z.$$

根据定义，它的梯度场为：

$$\mathrm{\nabla }T=(2x,4y,3).$$

在特定的点 $(1,1,0)$，场值增长最快的方向是向着向量 $(2,4,3)$ 的方向，而在这个方向上的最大坡度（方向导数）为：

$$\Vert \mathrm{\nabla }T\Vert =\sqrt{2^2+4^2+3^2}=\sqrt{29}.$$

3. 从小立方体推导散度

散度衡量的是空间中某处是“源头”还是“漏口”。想象一个流动的河流向量场，我们在水中假想出一个极小的长方体盒子，通过计算水是净流出还是净流入来量化它。

设这个向量场为：

$$\mathbf{A}=A_x{\mathbf{e}}_x+A_y{\mathbf{e}}_y+A_z{\mathbf{e}}_z.$$

取边长分别为 $\mathrm{\Delta }x,\mathrm{\Delta }y,\mathrm{\Delta }z$ 的微小长方体。先看垂直于 $x$ 轴的左右两个面。

右侧面的向外通量（水流量）近似为：

$$A_x(x+\mathrm{\Delta }x,y,z)\mathrm{\Delta }y\mathrm{\Delta }z.$$

左侧面的外法向量朝向左边（$-x$ 方向），所以它的向外通量为：

$$-A_x(x,y,z)\mathrm{\Delta }y\mathrm{\Delta }z.$$

这两个面加起来的“净流出量”是：

同理，可以得到 $y$ 和 $z$ 方向另外四个面的净流出量：

$$\mathrm{\Delta }{\mathrm{\Phi }}_y\approx \frac{\partial A_y}{\partial y}\mathrm{\Delta }x\mathrm{\Delta }y\mathrm{\Delta }z,$$$$\mathrm{\Delta }{\mathrm{\Phi }}_z\approx \frac{\partial A_z}{\partial z}\mathrm{\Delta }x\mathrm{\Delta }y\mathrm{\Delta }z.$$

把三组表面的通量相加，再除以小长方体体积 $\mathrm{\Delta }V=\mathrm{\Delta }x\mathrm{\Delta }y\mathrm{\Delta }z$，我们就得到了单位体积的净流出率：

$$\frac{\mathrm{\Delta }\mathrm{\Phi }}{\mathrm{\Delta }V}\approx \frac{\partial A_x}{\partial x}+\frac{\partial A_y}{\partial y}+\frac{\partial A_z}{\partial z}.$$

令小长方体不断收缩直到变成一个点，就得到了散度在直角坐标系下的定义：

$$\boxed{\mathrm{\nabla }\cdot \mathbf{A}=\frac{\partial A_x}{\partial x}+\frac{\partial A_y}{\partial y}+\frac{\partial A_z}{\partial z}}.$$

散度还有一个不依赖于具体坐标系的本质定义。它表明，散度就是微小闭合曲面向外的总通量与体积之比的极限：

$$\boxed{\mathrm{\nabla }\cdot \mathbf{A}=\underset{V\to 0}{lim}\frac{1}{V}{∯}_{\partial V}\mathbf{A}\cdot \mathrm{d}\mathbf{S}}.$$

如果某一点的散度为正，说明这个区域流出的量多于流入的量，就像一根往外喷水的水管；散度为负，说明呈现净流入，就像一个下水道漏口；如果散度为零，只说明这里的局部净流出量为零（进去多少就出来多少），但这并不代表流场本身的流速很小。

4. 从小回路推导旋度

旋度衡量的是场的“旋转能力”。如果把一个微小的十字风向标或小水车放进流场，它会不会转起来？我们通过计算流体沿着一个微小回路的环流来量化这种能力。

在 $xy$ 平面取一个边长为 $\mathrm{\Delta }x,\mathrm{\Delta }y$ 的小矩形，并按从 $+z$ 方向（从上往下）看去的逆时针方向绕边界进行路径积分。

四条边的环流总和近似为：

利用一阶展开，把相邻点的值用偏导数表示出来：

$$A_y(x+\mathrm{\Delta }x,y)\approx A_y(x,y)+\frac{\partial A_y}{\partial x}\mathrm{\Delta }x,$$$$A_x(x,y+\mathrm{\Delta }y)\approx A_x(x,y)+\frac{\partial A_x}{\partial y}\mathrm{\Delta }y.$$

将这些近似代回环流公式，相同的项会互相消去，剩下的结果是：

$$\mathrm{\Delta }C\approx (\frac{\partial A_y}{\partial x}-\frac{\partial A_x}{\partial y})\mathrm{\Delta }x\mathrm{\Delta }y.$$

除以矩形的面积并令矩形无限缩小，我们就得到了水车绕着 $z$ 轴旋转的强度，即旋度的 $z$ 分量：

$${(\mathrm{\nabla }\times \mathbf{A})}_z=\frac{\partial A_y}{\partial x}-\frac{\partial A_x}{\partial y}.$$

将 $x,y,z$ 进行轮换，可以得到三个方向的完整公式：

$$\boxed{\mathrm{\nabla }\times \mathbf{A}=\left(\begin{array}{c}{\displaystyle \frac{\partial A_z}{\partial y}}-{\displaystyle \frac{\partial A_y}{\partial z}}\\ {\displaystyle \frac{\partial A_x}{\partial z}}-{\displaystyle \frac{\partial A_z}{\partial x}}\\ {\displaystyle \frac{\partial A_y}{\partial x}}-{\displaystyle \frac{\partial A_x}{\partial y}}\end{array}\right)}.$$

同散度一样，旋度也有一个局部（坐标无关）的定义：

$$\boxed{(\mathrm{\nabla }\times \mathbf{A})\cdot \mathbf{n}=\underset{S\to 0}{lim}\frac{1}{S}{\oint }_{\partial S}\mathbf{A}\cdot \mathrm{d}\mathbf{l}}.$$

因此，旋度向量在任何方向 $\mathbf{n}$ 上的投影分量，其物理意义就是单位面积的微小回路周围的环流。

5. 拉普拉斯算符

如果对一个标量场先求梯度，再对得到的向量场求散度，我们就得到了拉普拉斯算符：

$${\mathrm{\nabla }}^{2}T\equiv \mathrm{\nabla }\cdot \left(\mathrm{\nabla }T\right).$$

在直角坐标系中，它恰好是各个方向上二阶偏导数的总和：

$$\boxed{{\mathrm{\nabla }}^{2}T=\frac{{\partial }^{2}T}{\partial x^2}+\frac{{\partial }^{2}T}{\partial y^2}+\frac{{\partial }^{2}T}{\partial z^2}}.$$

拉普拉斯算符有一个很直观的物理意义：它衡量了空间中某一点的值与其周围邻居平均值之间的差异。比如 说明这个点像个“山谷”（低于周围平均），而 说明像个“山峰”。

它会频繁地出现在静电势的泊松方程和电磁波方程中：

$${\mathrm{\nabla }}^2\varphi =-\frac{\rho }{{\epsilon }_0},$$$${\mathrm{\nabla }}^2\mathbf{E}-\frac{1}{c^2}\frac{{\partial }^2\mathbf{E}}{\partial t^2}=0.$$

6. 两个重要恒等式

在场论中，有两个关于这些算符的恒等式，它们如同天然成立的宇宙法则。

梯度的旋度恒为零

纯粹由高度差（梯度）驱动的场，是不可能让微小水车转起来的。因为你不可能在山坡上找到一条“一直下坡，最后却走回原点”的环形路线（除非是在彭罗斯阶梯那种错觉画里）。

从数学上来看，我们取旋度的 $z$ 分量：

只要标量场的二阶偏导数连续，混合偏导的求导顺序是可以交换的，因此两者相减必定等于零。其他两个分量同理，所以：

$$\boxed{\mathrm{\nabla }\times \left(\mathrm{\nabla }T\right)=0}.$$

旋度的散度恒为零

由旋转产生的东西，都是一圈一圈闭合的。闭合回路既没有源头也没有尽头，所以不存在什么地方在“往外冒”或“往里漏”，其散度必然为零。

我们直接展开数学公式验证：

展开后你会发现，每一个混合二阶偏导数，都必定会与另一个符号相反的同类项完全抵消，因此：

$$\boxed{\mathrm{\nabla }\cdot (\mathrm{\nabla }\times \mathbf{A})=0}.$$

这两个恒等式在电磁学中起到了基石般的作用：

• $\mathrm{\nabla }\cdot \mathbf{B}=0$（磁场无源）使我们能够引入磁矢势，在局部理直气壮地写出 $\mathbf{B}=\mathrm{\nabla }\times \mathbf{A}$；
• 对安培—麦克斯韦方程两侧同时取散度时，方程左边的旋度项自动变为零，从而顺理成章地导出了电荷守恒定律（连续性方程）。

7. 本篇结论

回顾这四个核心算符，它们可以用最简洁的一句话清晰地区分开来：

下一篇我们会把散度和旋度从一个“无限小”的微观区域推广到“有限大”的宏观体积与曲面，这一步正是著名的斯托克斯定理和高斯定理。

返回系列目录 · 下一篇：积分定理