在數學裏,一個正交坐標系定義為一組正交坐標 q = ( q 1 , q 2 , q 3 , … q n ) {\displaystyle \mathbf {q} =(q_{1},\ q_{2},\ q_{3},\ \dots \ q_{n})} ,其坐標曲面都以直角相交(注意:很多作者采用爱因斯坦记号对坐标标号使用上标并非表示指数)。坐標曲面定義為特定坐標解析失败 (SVG(MathML可通过浏览器插件启用):从服务器“http://localhost:6011/zh.wikipedia.org/v1/”返回无效的响应(“Math extension cannot connect to Restbase.”):): {\displaystyle q_i} 的等值曲面,即 q i {\displaystyle q_{i}} 為常数的曲线、曲面或超曲面。例如,三維直角坐標 ( x , y , z ) {\displaystyle (x,\ y,\ z)} 是一種正交坐標系,它的 x {\displaystyle x} 為常數, y {\displaystyle y} 為常數, z {\displaystyle z} 為常數的坐標曲面,都是互相以直角相交的平面,都互相垂直。正交坐标系是曲线坐标系的特殊的但极其常见的形式。
正交座標時常用來解析一些出現於量子力學、流體動力學、電動力學、熱力學等等的偏微分方程。舉例而言,選擇一個恰當的的正交座標來解析氫離子 H 2 − {\displaystyle H_{2}\,^{-}} 的波函數或消防水管的噴水,也許會比用直角座標方便的多。這主要是因為恰當的正交座標能夠與一個問題的對稱性相配合,從而促使應用分離變數法來成功的解析關於這問題的方程式。分離變數法是一種數學技巧,專門用來將一個複雜的 n {\displaystyle n} 維問題變為 n {\displaystyle n} 個一維問題。很多問題都可以簡化為拉普拉斯方程或亥姆霍茲方程,這些方程式可以用很多種正交座標來分離。拉普拉斯方程可以在13个正交坐标系中分离(本文列出的14个中圆环坐标系除外),而亥姆霍茲方程可以在11个正交坐标系中分离[1][2]。
正交坐標的度規張量絕對沒有非對角項目。換句話說,無窮小距離的平方 d s 2 {\displaystyle ds^{2}} ,可以寫為無窮小坐標位移的平方和:
其中, n {\displaystyle n} 是維數,標度因子 h i {\displaystyle h_{i}} 是度規張量的對角元素 g i i {\displaystyle g_{ii}} 的平方根:
這些標度因子可以用來計算一個正交坐標系的微分算子。例如,梯度、拉普拉斯算子、散度、或旋度。
在數學裏,存在有各種各樣的正交座標系。應用二維直角座標系 ( x , y ) {\displaystyle (x,\ y)} 的共形映射方法,可以簡易的生成這些正交座標系。一個複數 z = x + i y {\displaystyle z=x+iy} 的任何全純函數 w = f ( z ) {\displaystyle w=f(z)} ,其複值的導數,如果不等於零,則會造成一個共形映射。如果答案可以表達為 w = u + i v {\displaystyle w=u+iv} ,則 u {\displaystyle u} 與 v {\displaystyle v} 的等值曲線以直角相交,就如同原本的 x {\displaystyle x} 與 y {\displaystyle y} 的等值曲線以直角相交。
三維與更高維的正交座標系可以由一個二維正交座標系生成,只要將二維正交座標往一個新的座標軸投射(形成類似圓柱座標系的座標系),或者將二維正交座標繞著其對稱軸旋轉。可是,也有一些三維正交座標系,例如橢球座標系,則不能夠用上述方法得到。更一般的正交坐标可以从一些必要的坐标曲面/曲线起步并通过考虑它们的正交轨迹线(英语:Orthogonal trajectory)而得到。
在正交坐標系裏,內積的公式仍舊不變:
從前面的距離公式,可以觀察出,一個正交坐標 q i {\displaystyle q_{i}} 的無窮小改變 d q i {\displaystyle dq_{i}} ,其相伴的長度是 d s i = h i d q i {\displaystyle ds_{i}=h_{i}dq_{i}} 。因此,一個位移向量的全微分 d r {\displaystyle d\mathbf {r} } 等於
其中, e i {\displaystyle \mathbf {e} _{i}} 是垂直於 q i {\displaystyle q_{i}} 等值曲面的單位向量,指向著 q i {\displaystyle q_{i}} 增值最快的方向,這些單位向量形成了一個局部直角坐標系的坐標軸。
因此,向量 F {\displaystyle \mathbf {F} } 沿著周線 C {\displaystyle \mathbb {C} } 的線積分等於
其中, F i {\displaystyle F_{i}} 是向量 F {\displaystyle \mathbf {F} } 在單位向量 e i {\displaystyle \mathbf {e} _{i}} 方向的分量:
類似地,一個無窮小面積元素是
一個無窮小體積元素是
例如,向量 F {\displaystyle \mathbf {F} } 對於一個曲面 S {\displaystyle \mathbb {S} } 的曲面積分是
直角坐標 ( x , y , z ) {\displaystyle (x,\ y,\ z)} 與球坐標 ( r , θ , ϕ ) {\displaystyle (r,\ \theta ,\phi )} 的變換方程式為
直角坐標的全微分是
所以,無窮小距離的平方是
標度因子是
向量 F {\displaystyle \mathbf {F} } 沿著周線 C {\displaystyle \mathbb {C} } 的線積分等於
向量 F {\displaystyle \mathbf {F} } 對於一個曲面 S {\displaystyle \mathbb {S} } 的曲面積分是
上面表达式可以使用列維-奇維塔符號 ϵ {\displaystyle \epsilon } 的更简洁形式书写,定义 H = h 1 h 2 h 3 {\displaystyle H=h_{1}h_{2}h_{3}} ,并使用爱因斯坦记号,即在同时出现上标和下标的项目上求此项所有可能的总和:
x + i y = f ( u + i v ) {\displaystyle x+iy=f(u+iv)}
除了直角坐标系之外,下表列出其他常见的正交坐标系[3],为了简明性在坐标列中使用了区间符号。
( r , θ , ϕ ) ∈ [ 0 , ∞ ) × [ 0 , π ] × [ 0 , 2 π ) {\displaystyle (r,\theta ,\phi )\in [0,\infty )\times [0,\pi ]\times [0,2\pi )}
( ρ , ϕ , z ) ∈ [ 0 , ∞ ) × [ 0 , 2 π ) × ( − ∞ , ∞ ) {\displaystyle (\rho ,\phi ,z)\in [0,\infty )\times [0,2\pi )\times (-\infty ,\infty )}
( u , v , z ) ∈ ( − ∞ , ∞ ) × [ 0 , ∞ ) × ( − ∞ , ∞ ) {\displaystyle (u,v,z)\in (-\infty ,\infty )\times [0,\infty )\times (-\infty ,\infty )}
( u , v , ϕ ) ∈ [ 0 , ∞ ) × [ 0 , ∞ ) × [ 0 , 2 π ) {\displaystyle (u,v,\phi )\in [0,\infty )\times [0,\infty )\times [0,2\pi )}
( u , v , z ) ∈ [ 0 , ∞ ) × [ 0 , 2 π ) × ( − ∞ , ∞ ) {\displaystyle (u,v,z)\in [0,\infty )\times [0,2\pi )\times (-\infty ,\infty )}
( ξ , η , ϕ ) ∈ [ 0 , ∞ ) × [ 0 , π ] × [ 0 , 2 π ) {\displaystyle (\xi ,\eta ,\phi )\in [0,\infty )\times [0,\pi ]\times [0,2\pi )}
( ξ , η , ϕ ) ∈ [ 0 , ∞ ) × [ − π 2 , π 2 ] × [ 0 , 2 π ) {\displaystyle (\xi ,\eta ,\phi )\in [0,\infty )\times \left[-{\frac {\pi }{2}},{\frac {\pi }{2}}\right]\times [0,2\pi )}
( u , v , z ) ∈ [ 0 , 2 π ) × ( − ∞ , ∞ ) × ( − ∞ , ∞ ) {\displaystyle (u,v,z)\in [0,2\pi )\times (-\infty ,\infty )\times (-\infty ,\infty )}
( u , v , ϕ ) ∈ ( − π , π ] × [ 0 , ∞ ) × [ 0 , 2 π ) {\displaystyle (u,v,\phi )\in (-\pi ,\pi ]\times [0,\infty )\times [0,2\pi )}
( λ , μ , ν ) ν 2 < b 2 < μ 2 < a 2 λ ∈ [ 0 , ∞ ) {\displaystyle {\begin{aligned}&(\lambda ,\mu ,\nu )\\&\nu ^{2}<b^{2}<\mu ^{2}<a^{2}\\&\lambda \in [0,\infty )\end{aligned}}}
( λ , μ , ν ) λ < b 2 < μ < a 2 < ν {\displaystyle {\begin{aligned}&(\lambda ,\mu ,\nu )\\&\lambda <b^{2}<\mu <a^{2}<\nu \end{aligned}}}
其中 ( q 1 , q 2 , q 3 ) = ( λ , μ , ν ) {\displaystyle (q_{1},q_{2},q_{3})=(\lambda ,\mu ,\nu )}
( λ , μ , ν ) λ < c 2 < b 2 < a 2 , c 2 < μ < b 2 < a 2 , c 2 < b 2 < ν < a 2 , {\displaystyle {\begin{aligned}&(\lambda ,\mu ,\nu )\\&\lambda <c^{2}<b^{2}<a^{2},\\&c^{2}<\mu <b^{2}<a^{2},\\&c^{2}<b^{2}<\nu <a^{2},\end{aligned}}}
一個函數 ϕ {\displaystyle \phi } 的梯度朝某個方向 n ^ {\displaystyle {\hat {\mathbf {n} }}} 的分量,等於方向導數 d ϕ d s {\displaystyle {\frac {d\phi }{ds}}} 朝 n ^ {\displaystyle {\hat {\mathbf {n} }}} 方向的值:
其中, d s {\displaystyle ds} 是朝 n ^ {\displaystyle {\hat {\mathbf {n} }}} 方向的無窮小位移。
假若,這 n ^ {\displaystyle {\hat {\mathbf {n} }}} 與正交坐標軸 e ^ i {\displaystyle {\hat {\mathbf {e} }}_{i}} 同方向。那麼, d s = h i d q i {\displaystyle ds=h_{i}dq_{i}} 。所以,函數 ϕ {\displaystyle \phi } 的梯度朝 e ^ i {\displaystyle {\hat {\mathbf {e} }}_{i}} 的分量是 ∂ ϕ h i ∂ q i {\displaystyle {\frac {\partial \phi }{h_{i}\partial q_{i}}}} ;也就是說,
取右手邊第一個項目,
應用向量恆等式 ∇ ⋅ ( A ϕ ) = ϕ ∇ ⋅ A + A ⋅ ( ∇ ϕ ) {\displaystyle \nabla \cdot (\mathbf {A} \phi )=\phi \nabla \cdot \mathbf {A} +\mathbf {A} \cdot (\nabla \phi )} 與 ∇ ⋅ ( ∇ ϕ 1 × ∇ ϕ 2 ) = 0 {\displaystyle \nabla \cdot (\nabla \phi _{1}\times \nabla \phi _{2})=0} ,可以得到
總合所有項目,
應用向量恆等式 ∇ × ( A ϕ ) = ϕ ∇ × A − A × ( ∇ ϕ ) {\displaystyle \nabla \times (\mathbf {A} \phi )=\phi \nabla \times \mathbf {A} -\mathbf {A} \times (\nabla \phi )} ,
應用向量恆等式 ∇ × ( ∇ ϕ ) = 0 {\displaystyle \nabla \times (\nabla \phi )=0} ,