【你也能看得懂的电磁场与电磁波系列连载 16】

在上一个连载里面,我们成功推导出了 M a x w e l l Maxwell Maxwell 方程的积分形式,一共有四个方程,分别描述电生磁、磁生电、磁场和电场,我们再来回顾一下:
【你也能看得懂的电磁场与电磁波系列连载 16】_第1张图片
那么,在后续的几个连载里面,我们将会看看 M a x w e l l Maxwell Maxwell 方程组的微分形式,到时候我们将会感叹科学家们伟大的创造力!首先,我们需要引入微分形式里面的重要人物——矢量微分算子。在此之前,我们先来看看什么是方向导数梯度


在一元函数里面,我们知道可以用导数反应函数的变化率:
【你也能看得懂的电磁场与电磁波系列连载 16】_第2张图片
所谓导数,定义就是:
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200704094648312.png#pic_center
我们看第一张图: d x = △ x dx = △x dx=x这个没问题,但是我们发现,其实 d y dy dy 并不等于 △ y △y y 。但是他们俩很接近。在一元函数里面,我们可以这样表示 △ y △y y △ y = y ′ ( M ) △ x + o ( △ x ) △y = y'(M) △x + o(△x) y=y(M)x+o(x)
其中, y ′ ( M ) = d y d x y'(M) = \frac{dy}{dx} y(M)=dxdy,那很显然, y ′ ( M ) △ x y'(M) △x y(M)x 就等于 d y dy dy而我们刚刚不是说其实 d y dy dy 并不等于 △ y △y y嘛,他们之间还差了那么一小段长度,这个很小的长度我们用 o ( △ x ) o(△x) o(x) 表示 。如果这个高阶无穷小量 o ( △ x ) o(△x) o(x) 咱们可以忽略不计,那么函数在 △ x △x x 上的值的变化 △ y △y y 我们就可以近似地写成: △ y ≈ y ′ ( M ) △ x (1) △y ≈ y'(M) △x \tag{1} yy(M)x(1)


那么,现在我们推广到二元函数,即型如: f ( x , y ) f(x, y) f(x,y)

在刚刚的讨论里面我们知道,对于一元函数,因为他只有 x x x 这一个自变量,所以我们很自然可以用: d y d x \frac{dy}{dx} dxdy来表示函数 y ( x ) y(x) y(x) 沿着x轴方向变化的快慢

但是对于二元函数呢,直接用 d f d x \frac{df}{dx} dxdf 么?好像不太对,因为我们 f ( x , y ) f(x, y) f(x,y) 是一个关于x和y的二元函数,它的变量有两个,你这样直接 d f d x \frac{df}{dx} dxdf 合适么?

但是,如果我在考虑x轴方向的时候,把y看作一个常数,也就是把y轴固定住,这样函数 f ( x , y ) f(x, y) f(x,y) 就只跟x相关了,于是我们就把一个二元函数(曲面)变成了一个一元函数(曲线)那么此时 f ( x , y ) f(x,y) f(x,y) 对x的求导就可以反应在 x 方向的变化率。同理,在考虑 y y y 方向时,把 x 固定住,这样函数就只跟 y 相关了,那么此时 f ( x , y ) f(x,y) f(x,y) 对y的求导就可以反应在 y 方向的变化率

这就是偏导数的由来。


下面,我们以一个二元函数为例,在二元函数上找一点 A ,过A 点分别平行于 x o z xoz xoz y o z yoz yoz 的平面(即分别把 y y y x x x 固定)那么这两个平面截得的 f ( x , y ) f(x,y) f(x,y) 的图像就是两根曲线了:
【你也能看得懂的电磁场与电磁波系列连载 16】_第3张图片
那么,偏导数就是两根曲线在 A 点处的切线,我们把他画出来:
【你也能看得懂的电磁场与电磁波系列连载 16】_第4张图片

这两根切线是共面的(事实上我们发现在 A 点是不是可以做无数条曲线,而这无数条曲线,每一条都会有自己的切线,巧合的是这所有的切线都是共面的!!)那么,我们先把上面这两条切线 u , v u, v u,v 所在的平面画出来(这个平面也是所有经过A 点曲线的切线所在的平面)
【你也能看得懂的电磁场与电磁波系列连载 16】_第5张图片
那么有趣的事情就来了:在一元函数里面,我们不是可以用一点附近的切线代替 A 点附近的曲线嘛,那么在二元函数里面,我们就可以用 一点附近的切平面来代替一点来代替一点附近的曲面了

那么回顾我们在一元函数里面的表达: △ y ≈ d y d x △ x (1) △y ≈ \frac{dy}{dx} △x \tag{1} ydxdyx(1)

那么在二元函数里面,我们就可以写成:
在这里插入图片描述
这就是二元函数的全微分公式,那么继续推广到更高维也是类似的表达式。


说了半天为啥要讲全微分呢,这是为了引入方向导数和梯度的概念。大家记得我们最后推出来的这个式子,我们在下一个连载里面将会学习方向导数和梯度,并且引入矢量微分算子

你可能感兴趣的:(#,Electromagnetic,Field)