3.4 Nabla-Kalkül

3.4.1 Der Gradient

Das Symbol für den Gradienten ist  \~/  .  \~/  ist ein sogenannter Vektoroperator.

    ( D1)             (D1f )
      D2               D2f
 \~/  =  .        \~/ f (x) =   .   (x)
      ..                  ..
     Dn                Dnf

 \~/  : Skalarfeld       '-->   Vektorfeld
     f : D  (_  Rn '--> R     \~/ f : D  (_  Rn '--> Rn

3.4.2 Die Divergenz

 \~/ f (x)  heißt Gradient von f  in x =  gradf(x)  .

           T       sum n
 \~/  .f(x) =  \~/  f(x) =  Djfj(x)
                  j=1

 \~/ T : Skalarfeld       '-->   Vektorfeld
              n    n       sum n
     f : D  (_  R '--> R       j=1Djfj(x) = divf(x)

3.4.3 Die Rotation

                  3     3
 \~/ × f(x) f¨ur x : D  (_  R '--> R  \~/  ×f(x) = e1(D2f3- D3f2)+e2(D3f1-D1f3)+e3(D1f2 -D2f1)

3.4.4 LAPLACE-Operator

                        (    )
 \~/ T\ ~/ f(x) = div gradf (x) =  \~/ T \~/  f (x) = (D2 + D2 + ...+ D2)f (x)
                                     --1----2  ------n-
                                          /_\ = \~/ T\ ~/ = \~/ . \~/

aTb = bTa    \~/ Tf /= fT \~/

Beispiel:

Für ein Skalarfeld gilt:

f,g : Rn '--> R f .g : Rn '--> R
      |,             |, 
    \~/ (fg)        \~/ (f g)

 \~/ (f g) =  \~/ (fg) +  \~/ (fg) = g \~/ f + f \~/ g

Für ein dreidimensionales Vektorfeld erhalten wir:

 \~/  × (f .v) =  \~/  × (fv)+  \~/  × (fv) = ( \~/ f )× v+ f \~/  × v = -v×  \~/ f +f  \~/  ×v

 \~/ T(f v) =  \~/ T(fv)+  \~/ T(f v) = vT( \~/ f) +f  \~/ Tv

Problem:

Beispiel:
          (x1)     (     )
v(x) = x = x2        \~/  × v (x)
           x3

( \~/  .v)(x) = n

                ( V~ ---------------)
f(x) = g(||x||) = g  x2+ x2 +...+ x2  kugelsymmetrisch
                    1   2        n

                 ( -x1)
                   ||xx||2
                   ||x||    -x-
h(x) = ||x||, \~/ h(x) =  ...   = ||x||
                   -xn
                   ||x||

                      '     -x-
f(x) = g(|| x||) :  \~/ f(x) = g (||x||)||x||

                                         (        )
f(x) =-1- :  \~/ f (x) = --1-.x--= - -x--     g(t) = 1-
      ||x||            ||x||2 ||x     ||x||2            t

       x   (     )      1            (  1 )    n       -x    n- 1
~f(x) = ||x-||:  \~/  .f (x) = ||x||  \~/  .x+ x. \~/  ||x|| = ||x|| + x. ||x||=  ||x||--

            (      )       x    n - 1
 /_\ ( ||x||) =  \~/  .  \~/ ( ||x||) =  \~/  .||x|| =-||x||

                        (     )      (           )
f(x) = g(||x||) :  /_\ f (x) =  \~/  .  \~/ f (x) =  \~/  . g'(||x||).-x =-x . \~/ g'(||x||)+ g'(||x||) \~/  .-x =
                                              ||x||    ||x||                     ||x||
                     -x-   ''      -x-   '      n--1-   ''      n---1 '
                   = ||x|| .g (|| x ||).||x|| +g (||x||). ||x|| = g (||x||)+  ||x|| g(||x||)
(3.3)

Satz:

f : R3 '--> R : v : R3 '--> R3  : Alle partiellen Ableitungen 2.Ordnung mögen existieren und stetig sein.

Dan gelten:

  •     (   )
 \~/  ×  \~/ f (x) = o   rot gradf = o
  •    (     )
 \~/  .  \~/  × v (x) = 0 div rot v = 0
  •     (     )       (    )
 \~/  ×  \~/  × v (x) =  \~/   \~/  .v (x)-  /_\ v(x)
  •    (    )           (    )      (     )     (    )
a×  b × c = (a.c)b-  a .b c :  \~/  ×  \~/  × v =  \~/   \~/  .v - /_\ v