"다변수미적분학"의 두 판 사이의 차이

수학노트
둘러보기로 가기 검색하러 가기
58번째 줄: 58번째 줄:
 
 
 
 
  
* <math>\operatorname{curl}(\mathbf{F}) = \nabla \times \mathbf{F}</math>
+
 
 +
 
 +
<h5>미분연산자 사이의 관계</h5>
 +
 
 +
<math>\nabla \times (\nabla f)=0</math>
 +
 
 +
 
 +
 
 +
: <math>\mbox{curl}\,(\mbox{grad}\,f ) = \nabla \times (\nabla f) = 0</math>
 +
: <math>\mbox{div}\,(\mbox{curl}\,\vec v ) = \nabla \cdot \nabla \times \vec{v} = 0</math>
 +
 
 +
Two of them are always equal:
 +
 
 +
: <math> \mbox{div}\,(\mbox{grad}\,f ) = \nabla \cdot (\nabla f) = \nabla^2 f = \Delta f </math>
 +
 
 +
The 3 remaining vector derivatives are related by the equation:
 +
 
 +
: <math>\nabla \times \nabla \times \vec{v} = \nabla (\nabla \cdot \vec{v}) - \nabla^2 \vec{v}</math>
 +
 
 +
And one of them can even be expressed with the tensor product, if the functions are well-behaved:
 +
 
 +
: <math>\nabla ( \nabla \cdot \vec{v} ) = \nabla \cdot (\nabla \otimes \vec{v})</math>
 +
 
 +
 
 +
 
 +
* <math>\nabla \times (\nabla \times \mathbf{E})=\nabla (\nabla \cdot \mathbf{E}) - \nabla^2 \mathbf{E}</math>
  
 
 
 
 
111번째 줄: 136번째 줄:
 
* http://ko.wikipedia.org/wiki/
 
* http://ko.wikipedia.org/wiki/
 
* http://en.wikipedia.org/wiki/vector_calculus
 
* http://en.wikipedia.org/wiki/vector_calculus
 +
* http://en.wikipedia.org/wiki/Del
 
* http://en.wikipedia.org/wiki/
 
* http://en.wikipedia.org/wiki/
 
* http://www.wolframalpha.com/input/?i=
 
* http://www.wolframalpha.com/input/?i=

2009년 10월 12일 (월) 18:23 판

간단한 요약
  • 다변수 함수의 미분과 적분을 공부함.
  • 라그랑지 승수 법칙과 헤세판정법을 통해, 함수의 최대최소값 구하는 기술을 배움.
  • '미적분학의 기본정리'의 다변수 확장 버전인 '스토크스 정리' 를 공부함.

 

선수 과목 또는 알고 있으면 좋은 것들

 

다루는 대상
  • 곡선, 곡면, n차원 공간
  • 벡터장

 

중요한 개념 및 정리
  • 편미분
  • 미분연산자
    • grad
    • div
    • curl
  • 내적과 외적
  • 라그랑지 승수 법칙
  • 헤세판정법
    • 모스 보조정리 (Morse lemma)
  • 다중적분
  • 좌표변환
    • 자코비안과 행렬식
    • 극좌표계
    • 구면좌표계
    • 원통좌표계
    • 치환적분법
  • 그린 정리, 발산 정리, 스토크스 정리
    • 미분형식으로 표현되는 스토크스 정리의 특별한 경우로 생각할 수 있음.

 

 

미분연산자
  • \(\operatorname{grad}(f) = \nabla f\)
  • \(\operatorname{curl}(\mathbf{F}) = \nabla \times \mathbf{F}\)
  • \(\operatorname{div}(\mathbf{F}) = \nabla \cdot \mathbf{F}\)
  • 라플라시안 \(\Delta f = \nabla^2 f = \nabla \cdot \nabla f\)

 

 

미분연산자 사이의 관계

\(\nabla \times (\nabla f)=0\)

 

\[\mbox{curl}\,(\mbox{grad}\,f ) = \nabla \times (\nabla f) = 0\] \[\mbox{div}\,(\mbox{curl}\,\vec v ) = \nabla \cdot \nabla \times \vec{v} = 0\]

Two of them are always equal:

\[ \mbox{div}\,(\mbox{grad}\,f ) = \nabla \cdot (\nabla f) = \nabla^2 f = \Delta f \]

The 3 remaining vector derivatives are related by the equation:

\[\nabla \times \nabla \times \vec{v} = \nabla (\nabla \cdot \vec{v}) - \nabla^2 \vec{v}\]

And one of them can even be expressed with the tensor product, if the functions are well-behaved:

\[\nabla ( \nabla \cdot \vec{v} ) = \nabla \cdot (\nabla \otimes \vec{v})\]

 

  • \(\nabla \times (\nabla \times \mathbf{E})=\nabla (\nabla \cdot \mathbf{E}) - \nabla^2 \mathbf{E}\)

 

유명한 정리 혹은 재미있는 문제

 

다른 과목과의 관련성

 

 

관련된 대학원 과목 또는 더 공부하면 좋은 것들
  • 미분형식 (differential forms)
    • 스토크스 정리를 고차원으로 일반화하기 위해서는, 미분다양체와 미분형식의 언어가 필요함
  • 미분다양체론

 

표준적인 교과서

 

 

추천도서 및 보조교재

 

사전 형태의 자료

 

 

관련논문과 에세이