我们给出向量场及保守向量场(conservative field)的定义,以及如何求出保守向量场的势函数(potential)。如果一个向量场是一个数量函数的梯度,那么这个向量场称为保守向量场,而这个数量函数称为向量场的势函数。
笔记下载:向量场与保守向量场 vector field and conservative vector field
1,向量场(vector field):向量场就是在平面上或者空间中的每一个点对应一个向量。所以平面上的向量场是一个二维向量值函数,而空间中的向量场是一个三维向量值函数。
在平面上,向量场可以表示为
\[\vec{F}(x,y)=F_1(x,y)\vec{i}+F_2(x,y)\vec{j}=(F_1(x,y),F_2(x,y))\]
空间中,
\[\vec{F}(x,y,z)=F_1(x,y,z)\vec{i}+F_2(x,y,z)\vec{j}+F_3(x,y,z)\vec{k}=(F_1(x,y,z),F_2(x,y,z),F_3(x,y,z))\]
这样定义的向量值函数就是向量场。几何上,我们在每一个点上附着一个向量来表示一个向量场。
例1,\(\vec{F}(x,y)=-y\vec{i}+x\vec{j}\) 是平面上的向量场。
我们可以选取一些点,在这些点上求出对应的向量,然后在这些点上画出对应的向量,就可以表示出这个向量场。
\[\vec{F}(0,0)=0\quad \vec{F}(1,0)=\vec{j},\quad \vec{F}(0,1)=-\vec{i}\]
\[\vec{-1,0}=-\vec{j},\quad \vec{0,-1}=\vec{i}\]
\[\vec{F}(1,1)=-\vec{i}+\vec{j},\quad \vec{-1,1}=-\vec{i}-\vec{j}\]
我们将这些点以及它们所对应的向量画出来,就得到了向量场的大致形状。
2,场流线(积分曲线)(field line, integral line) 若在一条曲线 \(\vec{r}(t)=(x(t),y(t),z(t))\) 的每一点,都有一个向量场与曲线 \(\vec{r}(t)\) 相切,那我们就称 \(\vec{r}(t)\) 是 \(\vec{F}\) 的场流线或者积分曲线。由这个定义,我们有
\[\frac{d\vec{r}}{dt}=\lambda(t)\vec{F}(\vec{r}(t))\]
\[(x'(t),y'(t),z'(t))=\lambda(t)(F_1(\vec{r}(t),F_2(\vec{r}(t),F_3(\vec{r}(t)))\]
所以
\[\frac{dx}{dt}=\lambda(t) F_1,\quad \frac{dy}{dt}=\lambda(t)F_2,\quad \frac{dz}{dt}=\lambda(t)F_3\]
消去 \(dt\),我们得到了流线的方程
\[\frac{dx}{\lambda(t) F_1}=\frac{dy}{\lambda(t) F_2}=\frac{dz}{\lambda(t) F_3}\]
例2,求向量场 \(\vec{F}=-y\vec{i}+x\vec{j}\) 的积分曲线(流线)。
解:由上面的公式,
\[\frac{dx}{-y}=\frac{dy}{x}\quad \Rightarrow \quad xdx=-ydy\]
两边积分,得到
\[\int xdx=-\int ydy \quad \Rightarrow \quad \frac{1}{2}x^2+C=\frac{1}{2}y^2\]
所以得到
\[x^2+y^2=C\]
这是一个圆的方程。
3,保守向量场(conservative field):如果一个向量场是一个数值函数的梯度场
\[\vec{F}=\nabla f\]
我们称这个向量场 \(\vec{F}\)是保守向量场。数值函数 \(f\) 称为向量场 \(\vec{F}\) 的势函数(potential function)。
对于保守向量场,我们有这样的定理
定理:若 \(\vec{F}\) 的各个分量的偏导数连续,则 \(\vec{F}\) 是保守向量场的充分必要条件是
\[\frac{\partial F_1}{\partial y}=\frac{\partial F_2}{\partial x} (2D)\]
\[\frac{\partial F_1}{\partial y}=\frac{\partial F_2}{\partial x},\quad \frac{\partial F_1}{\partial z}=\frac{\partial F_3}{\partial x},\quad \frac{\partial F_2}{\partial z}=\frac{\partial F_3}{\partial y} (3D)\]
证明:我们就二维的情形给出证明,三维的情形是类似的。
因为\[\vec{F}(x,y)=F_1(x,y)\vec{i}+F_2(x,y)\vec{j}=\nabla f=\frac{\partial f}{\partial x}\vec{i}+\frac{\partial f}{\partial y}\vec{j}\]
所 以\[\frac{\partial f}{\partial x}=F_1(x,y),\quad \frac{\partial f}{\partial y}=F_2(x,y)\]
因为 \(F_1,F_2\) 的一阶偏导数连续,所以 \(f\) 的二阶混合偏导数连续。由混合偏导数的性质,它们是相等的,也就是\[\frac{\partial F_2}{\partial x}=\frac{\partial^2f}{\partial x\partial y}=\frac{\partial^2f}{\partial y\partial x}=\frac{\partial F_1}{\partial y}\]
4,求势函数:我们看一下怎么求向量场的势函数。我们以三维的情形为例。
因为 \(F_1=\frac{\partial f}{\partial x}\),所以
\[f=\int F_1dx=h(x,y,z)+g(y,z)\]
再两边分别关于 \(y,z\) 求导,
\[\frac{\partial f}{\partial y}=h_y+g_y=F_2,\quad \frac{\partial f}{\partial z}=h_z+g_z=F_3\]
从而求出 \(g(y,z)\)。
例3,设 \(\vec{F}=(xy-\sin z)\vec{i}+(\frac{1}{2}x^2-\frac{e^y}{z})\vec{j}+(\frac{e^y}{z^2}-x\cos z)\),判断 \(\vec{F}\) 是不是保守向量场。如果是,求它的势函数(\(z\ne 0\))。
解:因为
\[\frac{\partial F_1}{\partial y}=x,\quad \frac{\partial F_2}{\partial x}=x,\quad \frac{\partial F_1}{\partial z}=-\cos z\]
\[\frac{\partial F_3}{\partial x}=-\cos z,\quad \frac{\partial F_2}{\partial z}=\frac{e^y}{z^2},\quad \frac{\partial F_3}{\partial y}=\frac{e^y}{z^2}\]
又因为上述各个偏导数在 \(z\ne0\) 的地方都是连续的。所以 \(F\) 是保守向量场。现在我们来求它的势函数。
设 \(\vec{F}=\nabla f\),那么
\[f(x,y,z)=\int F_1(x,y,z)dx=\int(xy-\sin z)dx=\frac{1}{2}x^2y-x\sin z+g(y,z)\]
对 \(f\) 分别关于 \(y,z\) 求导,得到
\[F_2=\frac{\partial f}{\partial y}\Rightarrow \frac{1}{2}x^2-\frac{e^y}{z}=\frac{1}{2}x^2+g_y(y,z)\]
所以 \(g_y(y,z)=-\frac{e^y}{z}\),对它关于 \(y\) 求积分
\[g(y,z)=\int(-\frac{e^y}{z})dy=-\frac{e^y}{z}+h(z)\]
所以 \(f(x,y,z)=\frac{1}{2}x^2y-\frac{e^y}{z}+h(z)\),对它关于 \(z\) 求导,得到
\[F_3=\frac{\partial f}{\partial z}\Rightarrow \frac{e^y}{z^2}-x\cos z=-x\cos z+\frac{e^y}{z^2}+h'(z)\]
所以 \(h'(z)=0\),也就是 \(h(z)=C\) 是一个常数。所以我们得到
\[f(x,y,z)=\frac{1}{2}x^2y-\frac{e^y}{z}+C\]
是向量场 \(\vec{F}\) 的势函数。