Articulo de referencia

Del

Operador Del, representado por el símbolo nabla Del , o nabla , es un operador utilizado en matemáticas (particularmente en cálculo vectorial ) como operador diferencial vectori...

Operador Del, representado por el símbolo nabla

Del , o nabla , es un operador utilizado en matemáticas (particularmente en cálculo vectorial ) como operador diferencial vectorial , generalmente representado por (el símbolo nabla ). Cuando se aplica a una función definida en un dominio unidimensional , denota la derivada estándar de la función tal como se define en cálculo . Cuando se aplica a un campo (una función definida en un dominio multidimensional), puede denotar cualquiera de tres operaciones dependiendo de cómo se aplique: el gradiente o pendiente (localmente) más pronunciada de un campo escalar (o a veces de un campo vectorial , como en las ecuaciones de Navier-Stokes ); la divergencia de un campo vectorial; o el rotacional (rotación) de un campo vectorial.

Del es una notación matemática muy conveniente para esas tres operaciones (gradiente, divergencia y rotacional) que facilita la escritura y memorización de muchas ecuaciones. El símbolo del (o nabla) se puede definir formalmente como un operador vectorial cuyos componentes son los operadores de derivada parcial correspondientes . Como operador vectorial, puede actuar sobre campos escalares y vectoriales de tres maneras diferentes, dando lugar a tres operaciones diferenciales distintas: primero, puede actuar sobre campos escalares mediante una multiplicación escalar formal, para dar un campo vectorial llamado gradiente; segundo, puede actuar sobre campos vectoriales mediante un producto escalar formal , para dar un campo escalar llamado divergencia; y, por último, puede actuar sobre campos vectoriales mediante un producto vectorial formal , para dar un campo vectorial llamado rotacional. Estos productos formales no necesariamente conmutan con otros operadores o productos. Estos tres usos se resumen como:

  • Gradiente:graduadoF=F{\displaystyle \operatorname {grad} f=\nabla f}
  • Divergencia:divv=v{\displaystyle \operatorname {div} \mathbf {v} =\nabla \cdot \mathbf {v} }
  • Rizo:rizov=×v{\displaystyle \operatorname {curl} \mathbf {v} =\nabla \times \mathbf {v} }

Definición

En el sistema de coordenadas cartesianasRnorte{\displaystyle \mathbb {R} ^{n}}con coordenadas(incógnita1,,incógnitanorte){\displaystyle (x_{1},\dots ,x_{n})}y base estándar{mi1,,minorte}{\displaystyle \{\mathbf {e} _{1},\dots,\mathbf {e} _{n}\}}, del es un operador vectorial cuyoincógnita1,,incógnitanorte{\displaystyle x_{1},\dots ,x_{n}}Los componentes son los operadores de derivada parcial.incógnita1,,incógnitanorte{\displaystyle {\partial \over \partial x_{1}},\dots ,{\partial \over \partial x_{n}}}; eso es,

=i=1nortemiiincógnitai=(incógnita1,,incógnitanorte){\displaystyle \nabla =\sum _{i=1}^{n}\mathbf {e} _{i}{\partial \over \partial x_{i}}=\left({\partial \over \partial x_{1}},\ldots ,{\partial \over \partial x_{n}}\right)}

donde la expresión entre paréntesis es un vector fila. En el sistema de coordenadas cartesianas tridimensionalR3{\displaystyle \mathbb {R} ^{3}}con coordenadas(incógnita,y,z){\displaystyle (x,y,z)}y base estándar o vectores unitarios de ejes{miincógnita,miy,miz}{\displaystyle \{\mathbf {e} _{x},\mathbf {e} _{y},\mathbf {e} _{z}\}}, del se escribe como:

=miincógnitaincógnita+miyy+mizz=(incógnita,y,z){\displaystyle \nabla =\mathbf {e} _{x}{\partial \over \partial x}+\mathbf {e} _{y}{\partial \over \partial y}+\mathbf {e} _{z}{\partial \over \partial z}=\left({\partial \over \partial x},{\partial \over \partial y},{\partial \over \partial z}\right)}

Como operador vectorial, del actúa naturalmente sobre campos escalares mediante multiplicación escalar , y actúa naturalmente sobre campos vectoriales mediante productos escalares y productos vectoriales.

Más específicamente, en tres dimensiones, para cualquier campo escalarF{\displaystyle f}y cualquier campo vectorialF=(Fincógnita,Fy,Fz){\displaystyle \mathbf {F} =(F_{x},F_{y},F_{z})}, si uno define

(miiincógnitai)F:=incógnitai(miiF)=Fincógnitaimii{\displaystyle \left(\mathbf {e} _{i}{\partial \over \partial x_{i}}\right)f:={\partial \over \partial x_{i}}(\mathbf {e} _{i}f)={\partial f \over \partial x_{i}}\mathbf {e} _{i}}
(miiincógnitai)F:=incógnitai(miiF)=Fiincógnitai{\displaystyle \left(\mathbf {e} _{i}{\partial \over \partial x_{i}}\right)\cdot \mathbf {F} :={\partial \over \partial x_{i}}(\mathbf {e} _{i}\cdot \mathbf {F} )={\partial F_{i} \over \partial x_{i}}}
(miincógnitaincógnita)×F:=incógnita(miincógnita×F)=incógnita(0,Fz,Fy){\displaystyle \left(\mathbf {e} _{x}{\partial \over \partial x}\right)\times \mathbf {F} :={\partial \over \partial x}(\mathbf {e} _{x}\times \mathbf {F} )={\partial \over \partial x}(0,-F_{z},F_{y})}
(miyy)×F:=y(miy×F)=y(Fz,0,Fincógnita){\displaystyle \left(\mathbf {e} _{y}{\partial \over \partial y}\right)\times \mathbf {F} :={\partial \over \partial y}(\mathbf {e} _{y}\times \mathbf {F} )={\partial \over \partial y}(F_{z},0,-F_{x})}
(mizz)×F:=z(miz×F)=z(Fy,Fincógnita,0),{\displaystyle \left(\mathbf {e} _{z}{\partial \over \partial z}\right)\times \mathbf {F} :={\partial \over \partial z}(\mathbf {e} _{z}\times \mathbf {F} )={\partial \over \partial z}(-F_{y},F_{x},0),}

luego utilizando la definición anterior de{\displaystyle \nabla }, uno puede escribir

F=(miincógnitaincógnita)F+(miyy)F+(mizz)F=Fincógnitamiincógnita+Fymiy+Fzmiz{\displaystyle \nabla f=\left(\mathbf {e} _{x}{\partial \over \partial x}\right)f+\left(\mathbf {e} _{y}{\partial \over \partial y}\right)f+\left(\mathbf {e} _{z}{\partial \over \partial z}\right)f={\partial f \over \partial x}\mathbf {e} _{x}+{\partial f \over \partial y}\mathbf {e} _{y}+{\partial f \over \partial z}\mathbf {e} _{z}}

y

F=(miincógnitaincógnitaF)+(miyyF)+(mizzF)=Fincógnitaincógnita+Fyy+Fzz{\displaystyle \nabla \cdot \mathbf {F} =\left(\mathbf {e} _{x}{\partial \over \partial x}\cdot \mathbf {F} \right)+\left(\mathbf {e} _{y}{\partial \over \partial y}\cdot \mathbf {F} \right)+\left(\mathbf {e} _{z}{\partial \over \partial z}\cdot \mathbf {F} \right)={\partial F_{x} \over \partial x}+{\partial F_{y} \over \partial y}+{\partial F_{z} \over \partial z}}

y

×F=(miincógnitaincógnita×F)+(miyy×F)+(mizz×F)=incógnita(0,Fz,Fy)+y(Fz,0,Fincógnita)+z(Fy,Fincógnita,0)=( FzyFyz)miincógnita+( FincógnitazFzincógnita)miy+( FyincógnitaFincógnitay)miz{\displaystyle {\begin{aligned}\nabla \times \mathbf {F} &=\left(\mathbf {e} _{x}{\partial \over \partial x}\times \mathbf {F} \right)+\left(\mathbf {e} _{y}{\partial \over \partial y}\times \mathbf {F} \right)+\left(\mathbf {e} _{z}{\partial \over \partial z}\times \mathbf {F} \right)\\&={\partial \over \partial x}(0,-F_{z},F_{y})+{\partial \over \partial y}(F_{z},0,-F_{x})+{\partial \over \partial z}(-F_{y},F_{x},0)\\&=\left({\text{ }}{\frac {\partial F_{z}}{\partial y}}-{\frac {\partial F_{y}}{\partial z}}\right)\mathbf {e} _{x}+\left({\text{ }}{\frac {\partial F_{x}}{\partial z}}-{\frac {\partial F_{z}}{\partial x}}\right)\mathbf {e} _{y}+\left({\text{ }}{\frac {\partial F_{y}}{\partial x}}-{\frac {\partial F_{x}}{\partial y}}\right)\mathbf {e} _{z}\end{aligned}}}
Ejemplo:
F(incógnita,y,z)=incógnita+y+z{\displaystyle f(x,y,z)=x+y+z}
F=miincógnitaFincógnita+miyFy+mizFz=(1,1,1){\displaystyle \nabla f=\mathbf {e} _{x}{\partial f \over \partial x}+\mathbf {e} _{y}{\partial f \over \partial y}+\mathbf {e} _{z}{\partial f \over \partial z}=\left(1,1,1\right)}

Del también puede expresarse en otros sistemas de coordenadas, véase por ejemplo del en coordenadas cilíndricas y esféricas .

Usos de la notación

Del se utiliza como una forma abreviada para simplificar muchas expresiones matemáticas largas. Se usa con mayor frecuencia para simplificar expresiones para el gradiente , la divergencia , el rotacional , la derivada direccional y el laplaciano .

Gradiente

El gradiente de un campo escalarF{\displaystyle f}es su derivada como un campo vectorial resultante , y puede representarse como:

F=Fincógnitaincógnita^+Fyy^+Fzz^=graduadoF{\displaystyle \nabla f={\partial f \over \partial x}{\hat {\mathbf {x} }}+{\partial f \over \partial y}{\hat {\mathbf {y} }}+{\partial f \over \partial z}{\hat {\mathbf {z} }}=\operatorname {grad} f}

Siempre apunta en la dirección del mayor aumento deF{\displaystyle f}y tiene una magnitud igual a la tasa máxima de aumento en el punto , al igual que una derivada estándar. En particular, si una colina se define como una función de altura sobre un planoh(incógnita,y){\displaystyle h(x,y)}En un punto determinado, la pendiente será un vector en el plano xy (visible como una flecha en un mapa) que apunta en la dirección de mayor inclinación. La magnitud de la pendiente es el valor de esta inclinación máxima.

En particular, esta notación es poderosa porque la regla del producto gradiente se parece mucho al caso de la derivada unidimensional:

(Fgramo)=Fgramo+gramoF{\displaystyle \nabla (fg)=f\nabla g+g\nabla f}

Sin embargo, las reglas para los productos escalares no resultan ser sencillas, como lo ilustra el siguiente ejemplo:

(v)=()v+(v)+×(×v)+v×(×){\displaystyle \nabla (\mathbf {u} \cdot \mathbf {v} )=(\mathbf {u} \cdot \nabla )\mathbf {v} +(\mathbf {v} \cdot \nabla )\mathbf {u} +\mathbf {u} \times (\nabla \times \mathbf {v} )+\mathbf {v} \times (\nabla \times \mathbf {u} )}

Divergencia

La divergencia de un campo vectorialv(incógnita,y,z)=vincógnitaincógnita^+vyy^+vzz^{\displaystyle \mathbf {v} (x,y,z)=v_{x}{\hat {\mathbf {x} }}+v_{y}{\hat {\mathbf {y} }}+v_{z}{\hat {\mathbf {z} }}}es un campo escalar y puede representarse como:

divv=vincógnitaincógnita+vyy+vzz=v{\displaystyle \operatorname {div} \mathbf {v} ={\partial v_{x} \over \partial x}+{\partial v_{y} \over \partial y}+{\partial v_{z} \over \partial z}=\nabla \cdot \mathbf {v} }

La divergencia es, a grandes rasgos, una medida del aumento de un campo vectorial en la dirección en la que apunta; pero, más precisamente, es una medida de la tendencia de ese campo a converger hacia un punto o a divergir de él.

El poder de la notación del se muestra mediante la siguiente regla de producto:

(Fv)=(F)v+F(v){\displaystyle \nabla \cdot (f\mathbf {v} )=(\nabla f)\cdot \mathbf {v} +f(\nabla \cdot \mathbf {v} )}

La fórmula para el producto vectorial es un poco menos intuitiva, porque este producto no es conmutativo:

(×v)=(×)v(×v){\displaystyle \nabla \cdot (\mathbf {u} \times \mathbf {v} )=(\nabla \times \mathbf {u} )\cdot \mathbf {v} -\mathbf {u} \cdot (\nabla \times \mathbf {v} )}

Rizo

El rotacional de un campo vectorialv(incógnita,y,z)=vincógnitaincógnita^+vyy^+vzz^{\displaystyle \mathbf {v} (x,y,z)=v_{x}{\hat {\mathbf {x} }}+v_{y}{\hat {\mathbf {y} }}+v_{z}{\hat {\mathbf {z} }}}es una función vectorial y puede representarse como:

rizov=(vzyvyz)incógnita^+(vincógnitazvzincógnita)y^+(vyincógnitavincógnitay)z^=×v{\displaystyle \operatorname {curl} \mathbf {v} =\left({\partial v_{z} \over \partial y}-{\partial v_{y} \over \partial z}\right){\hat {\mathbf {x} }}+\left({\partial v_{x} \over \partial z}-{\partial v_{z} \over \partial x}\right){\hat {\mathbf {y} }}+\left({\partial v_{y} \over \partial x}-{\partial v_{x} \over \partial y}\right){\hat {\mathbf {z} }}=\nabla \times \mathbf {v} }

La curvatura en un punto es proporcional al par de torsión sobre el eje al que estaría sometido un pequeño molinillo si estuviera centrado en ese punto.

La operación de producto vectorial puede visualizarse como un pseudodeterminante :

×v=|incógnita^y^z^incógnitayzvincógnitavyvz|{\displaystyle \nabla \times \mathbf {v} =\left|{\begin{matrix}{\hat {\mathbf {x} }}&{\hat {\mathbf {y} }}&{\hat {\mathbf {z} }}\\[2pt]{\frac {\partial }{\partial x}}&{\frac {\partial }{\partial y}}&{\frac {\partial }{\partial z}}\\[2pt]v_{x}&v_{y}&v_{z}\end{matrix}}\right|}

Una vez más, la regla del producto demuestra el poder de la notación:

×(Fv)=(F)×v+F(×v){\displaystyle \nabla \times (f\mathbf {v} )=(\nabla f)\times \mathbf {v} +f(\nabla \times \mathbf {v} )}

La regla para el producto vectorial no resulta ser sencilla:

×(×v)=(v)v()+(v)()v{\displaystyle \nabla \times (\mathbf {u} \times \mathbf {v} )=\mathbf {u} \,(\nabla \cdot \mathbf {v} )-\mathbf {v} \,(\nabla \cdot \mathbf {u} )+(\mathbf {v} \cdot \nabla )\,\mathbf {u} -(\mathbf {u} \cdot \nabla )\,\mathbf {v} }

Derivada direccional

La derivada direccional de un campo escalarF(incógnita,y,z){\displaystyle f(x,y,z)}en la dirección a(incógnita,y,z)=aincógnitaincógnita^+ayy^+azz^{\displaystyle \mathbf {a} (x,y,z)=a_{x}{\hat {\mathbf {x} }}+a_{y}{\hat {\mathbf {y} }}+a_{z}{\hat {\mathbf {z} }}}se define como:

(a)F=límiteh0F(incógnita+aincógnitah,y+ayh,z+azh)F(incógnita,y,z)h.{\displaystyle (\mathbf {a} \cdot \nabla )f=\lim _{h\to 0}{\frac {f(x+a_{x}h,y+a_{y}h,z+a_{z}h)-f(x,y,z)}{h}}.}

Lo cual es igual a lo siguiente cuando existe el gradiente.

agraduadoF=aincógnitaFincógnita+ayFy+azFz=a(F){\displaystyle \mathbf {a} \cdot \operatorname {grad} f=a_{x}{\partial f \over \partial x}+a_{y}{\partial f \over \partial y}+a_{z}{\partial f \over \partial z}=\mathbf {a} \cdot (\nabla f)}

Esto proporciona la tasa de cambio de un campo.F{\displaystyle f}en dirección dea{\displaystyle \mathbf {a} }, escalado por la magnitud dea{\displaystyle \mathbf {a} }En la notación de operadores, el elemento entre paréntesis puede considerarse una sola unidad coherente; la dinámica de fluidos utiliza ampliamente esta convención, denominándola derivada convectiva , la derivada "en movimiento" del fluido.

Tenga en cuenta que(a){\displaystyle (\mathbf {a} \cdot \nabla )}Es un operador que transforma escalares en escalares. Puede extenderse para actuar sobre un campo vectorial aplicándolo componente a componente a cada componente del vector.

Laplaciano

El operador de Laplace es un operador escalar que se puede aplicar tanto a campos vectoriales como escalares; para sistemas de coordenadas cartesianas se define como:

Δ=2incógnita2+2y2+2z2==2{\displaystyle \Delta ={\partial ^{2} \over \partial x^{2}}+{\partial ^{2} \over \partial y^{2}}+{\partial ^{2} \over \partial z^{2}}=\nabla \cdot \nabla =\nabla ^{2}}

y la definición para sistemas de coordenadas más generales se da en el laplaciano vectorial .

El laplaciano es omnipresente en la física matemática moderna , apareciendo, por ejemplo, en la ecuación de Laplace , la ecuación de Poisson , la ecuación del calor , la ecuación de onda y la ecuación de Schrödinger .

matriz hessiana

Mientras2{\displaystyle \nabla ^{2}}generalmente representa al laplaciano , a veces2{\displaystyle \nabla ^{2}}también representa la matriz hessiana . La primera se refiere al producto interno de{\displaystyle \nabla }, mientras que este último se refiere al producto diádico de{\displaystyle \nabla }:

2=T{\displaystyle \nabla ^{2}=\nabla \cdot \nabla ^{T}}.

Entonces, si2{\displaystyle \nabla ^{2}}Se refiere a una matriz laplaciana o hessiana dependiendo del contexto.

derivada tensorial

Del también se puede aplicar a un campo vectorial, obteniéndose como resultado un tensor . La derivada tensorial de un campo vectorial.v{\displaystyle \mathbf {v} }(en tres dimensiones) es un tensor de segundo rango de 9 términos, es decir, una matriz de 3×3, pero puede denotarse simplemente comov{\displaystyle \nabla \otimes \mathbf {v} }, dónde{\displaystyle \otimes }representa el producto diádico . Esta cantidad es equivalente a la transpuesta de la matriz jacobiana del campo vectorial con respecto al espacio. La divergencia del campo vectorial puede expresarse entonces como la traza de esta matriz.

Para un pequeño desplazamientoδr{\displaystyle \delta \mathbf {r} }El cambio en el campo vectorial viene dado por:

δv=(v)Tδr{\displaystyle \delta \mathbf {v} =(\nabla \otimes \mathbf {v} )^{T}\cdot \delta \mathbf {r} }

Reglas del producto

Para cálculo vectorial :

(Fgramo)=Fgramo+gramoF(v)=×(×v)+v×(×)+()v+(v)(Fv)=F(v)+v(F)(×v)=v(×)(×v)×(Fv)=(F)×v+F(×v)×(×v)=(v)v()+(v)()v{\displaystyle {\begin{aligned}\nabla (fg)&=f\nabla g+g\nabla f\\\nabla (\mathbf {u} \cdot \mathbf {v} )&=\mathbf {u} \times (\nabla \times \mathbf {v} )+\mathbf {v} \times (\nabla \times \mathbf {u} )+(\mathbf {u} \cdot \nabla )\mathbf {v} +(\mathbf {v} \cdot \nabla )\mathbf {u} \\\nabla \cdot (f\mathbf {v} )&=f(\nabla \cdot \mathbf {v} )+\mathbf {v} \cdot (\nabla f)\\\nabla \cdot (\mathbf {u} \times \mathbf {v} )&=\mathbf {v} \cdot (\nabla \times \mathbf {u} )-\mathbf {u} \cdot (\nabla \times \mathbf {v} )\\\nabla \times (f\mathbf {v} )&=(\nabla f)\times \mathbf {v} +f(\nabla \times \mathbf {v} )\\\nabla \times (\mathbf {u} \times \mathbf {v} )&=\mathbf {u} \,(\nabla \cdot \mathbf {v} )-\mathbf {v} \,(\nabla \cdot \mathbf {u} )+(\mathbf {v} \cdot \nabla )\,\mathbf {u} -(\mathbf {u} \cdot \nabla )\,\mathbf {v} \end{aligned}}}

Para el cálculo matricial (para el cualv{\displaystyle \mathbf {u} \cdot \mathbf {v} }se puede escribirTv{\displaystyle \mathbf {u} ^{\text{T}}\mathbf {v} }):

(A)T=T(AT)(TAT){\displaystyle {\begin{aligned}\left(\mathbf {A} \nabla \right)^{\text{T}}\mathbf {u} &=\nabla ^{\text{T}}\left(\mathbf {A} ^{\text{T}}\mathbf {u} \right)-\left(\nabla ^{\text{T}}\mathbf {A} ^{\text{T}}\right)\mathbf {u} \end{aligned}}}

Otra relación de interés (véase, por ejemplo, las ecuaciones de Euler ) es la siguiente, dondev{\displaystyle \mathbf {u} \otimes \mathbf {v} }es el tensor de producto exterior :

(v)=()v+()v{\displaystyle {\begin{aligned}\nabla \cdot (\mathbf {u} \otimes \mathbf {v} )=(\nabla \cdot \mathbf {u} )\mathbf {v} +(\mathbf {u} \cdot \nabla )\mathbf {v} \end{aligned}}}

segundas derivadas

Diagrama DCG: Un diagrama sencillo que muestra todas las reglas relativas a las segundas derivadas. D, C, G, L y CC representan la divergencia, el rotacional, el gradiente, el laplaciano y el rotacional del rotacional, respectivamente. Las flechas indican la existencia de segundas derivadas. El círculo azul en el centro representa el rotacional del rotacional, mientras que los otros dos círculos rojos (punteados) indican que no existen DD ni GG.

Cuando la operación `del` se aplica a un escalar o vector, devuelve un escalar o un vector. Debido a la diversidad de productos vectoriales (escalar, escalar, vectorial), una sola aplicación de `del` ya genera tres derivadas principales: el gradiente (producto escalar), la divergencia (producto escalar) y el rotacional (producto vectorial). Al aplicar nuevamente estos tres tipos de derivadas entre sí, se obtienen cinco posibles segundas derivadas para un campo escalar f o un campo vectorial v ; el uso del laplaciano escalar y el laplaciano vectorial proporciona dos más:

div(graduadoF)=(F)=2Frizo(graduadoF)=×(F)graduado(divv)=(v)div(rizov)=(×v)rizo(rizov)=×(×v)ΔF=2FΔv=2v{\displaystyle {\begin{aligned}\operatorname {div} (\operatorname {grad} f)&=\nabla \cdot (\nabla f)=\nabla ^{2}f\\\operatorname {curl} (\operatorname {grad} f)&=\nabla \times (\nabla f)\\\operatorname {grad} (\operatorname {div} \mathbf {v} )&=\nabla (\nabla \cdot \mathbf {v} )\\\operatorname {div} (\operatorname {curl} \mathbf {v} )&=\nabla \cdot (\nabla \times \mathbf {v} )\\\operatorname {curl} (\operatorname {curl} \mathbf {v} )&=\nabla \times (\nabla \times \mathbf {v} )\\\Delta f&=\nabla ^{2}f\\\Delta \mathbf {v} &=\nabla ^{2}\mathbf {v} \end{aligned}}}

Estas son de interés principalmente porque no siempre son únicas o independientes entre sí. Siempre que las funciones se comporten bien (do{\displaystyle C^{\infty }}en la mayoría de los casos), dos de ellos siempre son cero:

rizo(graduadoF)=×(F)=0div(rizov)=(×v)=0{\displaystyle {\begin{aligned}\operatorname {curl} (\operatorname {grad} f)&=\nabla \times (\nabla f)=0\\\operatorname {div} (\operatorname {curl} \mathbf {v} )&=\nabla \cdot (\nabla \times \mathbf {v} )=0\end{aligned}}}

Dos de ellos siempre son iguales:

div(graduadoF)=(F)=2F=ΔF{\displaystyle \operatorname {div} (\operatorname {grad} f)=\nabla \cdot (\nabla f)=\nabla ^{2}f=\Delta f}

Las 3 derivadas vectoriales restantes están relacionadas por la ecuación:

×(×v)=(v)2v{\displaystyle \nabla \times \left(\nabla \times \mathbf {v} \right)=\nabla (\nabla \cdot \mathbf {v} )-\nabla ^{2}\mathbf {v} }

Y una de ellas incluso puede expresarse con el producto tensorial, si las funciones se comportan adecuadamente:

(v)=(v){\displaystyle \nabla (\nabla \cdot \mathbf {v} )=\nabla \cdot (\mathbf {v} \otimes \nabla )}

Precauciones

La mayoría de las propiedades vectoriales mencionadas anteriormente (excepto aquellas que dependen explícitamente de las propiedades diferenciales de del —por ejemplo, la regla del producto—) dependen únicamente de la reorganización de símbolos y deben cumplirse necesariamente si el símbolo del se reemplaza por cualquier otro vector. Esto forma parte de la ventaja de representar este operador mediante notación vectorial.

Aunque a menudo se puede reemplazar del por un vector y obtener una identidad vectorial, lo que hace que esas identidades sean mnemotécnicas, lo contrario no es necesariamente fiable, porque del no conmuta en general.

Un contraejemplo que demuestra la divergencia (v{\displaystyle \nabla \cdot \mathbf {v} }) y el operador de advección (v{\displaystyle \mathbf {v} \cdot \nabla }) no son conmutativas:

(v)F(v)F(v)F=(vincógnitaincógnita+vyy+vzz)F=vincógnitaincógnitaF+vyyF+vzzF(v)F=(vincógnitaincógnita+vyy+vzz)F=vincógnitaFincógnita+vyFy+vzFz(v)F(v)F{\displaystyle {\begin{aligned}(\mathbf {u} \cdot \mathbf {v} )f&\equiv (\mathbf {v} \cdot \mathbf {u} )f\\(\nabla \cdot \mathbf {v} )f&=\left({\frac {\partial v_{x}}{\partial x}}+{\frac {\partial v_{y}}{\partial y}}+{\frac {\partial v_{z}}{\partial z}}\right)f={\frac {\partial v_{x}}{\partial x}}f+{\frac {\partial v_{y}}{\partial y}}f+{\frac {\partial v_{z}}{\partial z}}f\\(\mathbf {v} \cdot \nabla )f&=\left(v_{x}{\frac {\partial }{\partial x}}+v_{y}{\frac {\partial }{\partial y}}+v_{z}{\frac {\partial }{\partial z}}\right)f=v_{x}{\frac {\partial f}{\partial x}}+v_{y}{\frac {\partial f}{\partial y}}+v_{z}{\frac {\partial f}{\partial z}}\\\Rightarrow (\nabla \cdot \mathbf {v} )f&\neq (\mathbf {v} \cdot \nabla )f\\\end{aligned}}}

Un contraejemplo que se basa en las propiedades diferenciales de del:

(incógnita)×(y)=(miincógnitaincógnitaincógnita+miyincógnitay+mizincógnitaz)×(miincógnitayincógnita+miyyy+mizyz)=(miincógnita1+miy0+miz0)×(miincógnita0+miy1+miz0)=miincógnita×miy=miz(incógnita)×(y)=incógnitay(×)=incógnitay0=0{\displaystyle {\begin{aligned}(\nabla x)\times (\nabla y)&=\left(\mathbf {e} _{x}{\frac {\partial x}{\partial x}}+\mathbf {e} _{y}{\frac {\partial x}{\partial y}}+\mathbf {e} _{z}{\frac {\partial x}{\partial z}}\right)\times \left(\mathbf {e} _{x}{\frac {\partial y}{\partial x}}+\mathbf {e} _{y}{\frac {\partial y}{\partial y}}+\mathbf {e} _{z}{\frac {\partial y}{\partial z}}\right)\\&=(\mathbf {e} _{x}\cdot 1+\mathbf {e} _{y}\cdot 0+\mathbf {e} _{z}\cdot 0)\times (\mathbf {e} _{x}\cdot 0+\mathbf {e} _{y}\cdot 1+\mathbf {e} _{z}\cdot 0)\\&=\mathbf {e} _{x}\times \mathbf {e} _{y}\\&=\mathbf {e} _{z}\\(\mathbf {u} x)\times (\mathbf {u} y)&=xy(\mathbf {u} \times \mathbf {u} )\\&=xy\mathbf {0} \\&=\mathbf {0} \end{aligned}}}

Fundamental para estas distinciones es el hecho de que del no es simplemente un vector; es un operador vectorial . Mientras que un vector es un objeto con magnitud y dirección, del no tiene ni magnitud ni dirección hasta que opera sobre una función.

Por esa razón, las identidades que involucran del deben derivarse con cuidado, utilizando tanto identidades vectoriales como identidades de diferenciación , como la regla del producto.

Véase también

Referencias

  • Tai, Chen-To (1994). Un estudio sobre el uso indebido de ∇ en el análisis vectorial (Informe). Laboratorio de Radiación, Universidad de Michigan. hdl : 2027.42/7869 .