我那个“四元数系列”的笔记断断续续写到了第13篇。说实话定下“四元数散度和旋度”这个标题时我犹豫了一阵散度和旋度是三维矢量分析里的老朋友四元数是个四维超复数硬拼在一起怎么看都有点生拉硬扯。但真正动手推了一遍之后我发现这个组合不但不违和反而给出了一个非常漂亮的结论如果把nabla算子当成一个“纯四元数”去乘一个矢量场那么散度会落在乘法的实部旋度会落在乘法的虚部两者一次全部到手。这篇内容适合三类人一是做四元数姿态解算的朋友已经对四元数乘法滚瓜烂熟但很少从微分几何的角度重新审视它二是刚学完矢量分析、想知道“散度旋度还能怎么理解”的数学物理方向学生三是在折腾四元数场论、想找一套统一记号的研究者。你不需要四元数用得炉火纯青只要知道四元数是什么、会做基本乘法就能完整跟上后面的推导。1. 为什么“四元数”会和“散度旋度”出现在同一个标题里1.1 三个概念各自的“地盘”先快速对齐一下概念。四元数是哈密顿当年在都柏林桥边灵光一现搞出来的东西形式上是一个实部加三个虚部q w xi yj zk它最出名的是乘法不满足交换律以及被大规模用于三维旋转表示。散度divergence和旋度curl则是三维矢量场微分的两个主角散度度量一个区域里“源”的总强度——把矢量场理解成水流的话散度就是数水管里流出了多少水旋度度量“转”的强弱——把一个小风车放进流场里转得越快的地方旋度越大。表面上看四元数是四维的散度旋度是三维的两者不是一个量纲。但这里有一个容易被忽略的细节四元数的虚部xi yj zk恰好就是一个三维向量。换句话说每一个四元数都可以拆成“一个实数加一个三维向量”而这个拆分正好给散度旋度留出了天然的位置。1.2 不是“四元数的散度和旋度”而是“用四元数乘法重写散度和旋度”标题容易让人产生一个误会难道四元数本身也有散度和旋度吗严格说不是。我们讨论的是这样一种操作把nabla算子∇视为一个纯四元数实部为零、虚部是偏导算符把参与运算的矢量场也视为纯四元数然后做四元数乘法。乘出来的结果里实部对应散度的负值虚部对应旋度。也就是说这不是给四元数“发明”了散度和旋度而是把经典矢量分析中的两个概念装进了四元数乘法的代数框架里。这个视角的价值在于统一。以前你写div和curl是两个不同的记号运算规则也各管各的现在它们只是同一个四元数乘法的两个投影方向很多恒等式写起来会格外对称。这种统一在理论推导和符号计算里非常有用后面我会详细展示。1.3 搜索时会撞见的“JS散度”准备这篇笔记时我顺手搜了一下关键词首页混进来不少“JS散度”。这是信息论里的Jensen-Shannon散度用来度量两个概率分布之间的差异跟本文说的矢量场散度没有任何关系。如果你是从算法题、机器学习资料里搜到这篇文章先确认一下自己到底在找哪个散度。信息论里的JS散度和矢量分析里的散度只是中文翻译撞了车。还有一个容易混淆的词是“两向量相乘求散度和旋度”。这其实正是本文的核心内容两个向量包括nabla算符这种形式向量在四元数乘法下确实能同时吐出散度和旋度但前提是你要理解负号和叉积方向约定不然很容易算完符号是反的。2. 核心公式的诞生两向量相乘为何能同时吐散度和旋度2.1 先记住这个漂亮的乘法结构四元数乘法的一般形式是(w1, v1)(w2, v2) (w1w2 - v1·v2, w1v2 w2v1 v1×v2)其中v1、v2是三维向量部分。如果两个四元数都是纯四元数也就是实部w1 w2 0那么公式直接退化成一个非常精致的结构(0, a)(0, b) (-a·b, a×b)看明白这个式子的意义a和b是两个三维向量把它们都填进四元数的虚部、实部置零乘出来的四元数实部是“负的内积”虚部是“叉积”。也就是说四元数乘法把向量分析里最常用的两种运算——点积和叉积——捆绑进了同一个代数结构里。这个式子是一把钥匙后面所有内容都从它派生。2.2 让nabla算子客串“纯四元数”nabla算子在直角坐标系下定义为∇ i·∂/∂x j·∂/∂y k·∂/∂z它本来是一个“形式向量”微分算子。现在我们把i、j、k理解为四元数的三个虚单位那么这个∇就自然成为一个“纯四元数系数微分算子”实部为0。对一个三维矢量场F (Fx, Fy, Fz)同样把它写成纯四元数形式F Fx·i Fy·j Fz·k然后做四元数乘法∇F。这里要特别注意运算顺序先把∂/∂x作用到Fx、Fy、Fz上再按四元数乘法规则把结果组合起来。展开后实部是-(∂Fx/∂x ∂Fy/∂y ∂Fz/∂z)这一项正是负的散度。虚部是i(∂Fz/∂y - ∂Fy/∂z) j(∂Fx/∂z - ∂Fz/∂x) k(∂Fy/∂x - ∂Fx/∂y)这一项正是旋度。于是得到一个极其漂亮的公式∇F -div(F) curl(F)用自然语言说nabla算子左乘一个“纯四元数形式的矢量场”实部自动给出负散度虚部自动给出旋度。2.3 为什么散度前面带一个负号很多第一次看到这个公式的人会问为什么是“负散度”不是“正散度”答案藏在四元数的乘法表里。纯四元数相乘时实部来自三个虚单位的平方项i² j² k² -1。你可以自己乘一下(ix jy kz)·(iFx jFy kFz)展开实部时i·i项贡献-xFx但不是xFx因为i² -1。三个分量加在一起实部天然就是负的内积。换句话说负号不是我们人为加进去的而是由“虚单位平方等于-1”这个代数规则决定的。这其实是一件好事。它提醒我们四元数框架下的散度天然带一个负号约定任何推导都必须把这个负号焊死在公式里。我在后面讲踩坑时还会提到不少符号错乱都是从这里开始的。2.4 两个能用手算验证的例子理论推导完最好做两个可以直接手算的验证避免公式停留在抽象层面。例一取F r (x, y, z)也就是位置矢量本身。经典计算div r ∂x/∂x ∂y/∂y ∂z/∂z 3curl r 0套用四元数公式∇r -3。结果是一个纯实数-3虚部为零。这说明位置矢量场是纯散度场完全没有旋转分量而且散度为正值时四元数乘法的实部为-3。例二取旋转流场F (-y, x, 0)。这个场描述的是绕z轴做刚体旋转的线速度场。div F 0curl F (0, 0, 2)套用公式∇F 2k。结果是一个纯四元数实部为零虚部只有k方向分量2。完美对应旋度指向z轴、大小为2。这两个例子特别适合自己动手算一遍计算量小却能完整印证公式的两个方向一个纯散度、一个纯旋度四元数乘法的实部和虚部分别接住了它们。3. 当被作用的是完整四元数场——梯度也跟着进来了3.1 拆开一个完整的四元数场上一节只处理了纯四元数场也就是只有虚部、实部恒为零的场。但更一般的情况是场本身有实部。记q(x,y,z) s(x,y,z) u(x,y,z)·i v(x,y,z)·j w(x,y,z)·k其中s是标量函数v (u,v,w)是三维矢量函数。这类四元数场在物理里很常见比如把标量势和矢量势拼在一起或者把电磁场写成某种四元数形式。现在计算∇q。推导过程我建议自己拿纸笔走一遍只给出关键思路先把i·∂q/∂x、j·∂q/∂y、k·∂q/∂z三项分别展开利用四元数乘法表i·j kj·i -k等等整理实部和虚部然后合并。3.2 三种微分算子的“合体结果”展开并合并后得到∇q -div(v) grad(s) curl(v)用四元数语言完整写出来实部-div(v)只与矢量部分的散度有关标量部分不贡献实部虚部grad(s) curl(v)是标量部分的梯度与矢量部分的旋度之和这个公式把矢量分析里的三个主角一次全请了出来梯度、散度、旋度被一个nabla算符的四元数乘法统一起来。以前你写“梯度场”“散度场”“旋度场”时它们是三套概念现在它们只是同一个代数对象的不同投影。3.3 退化情况的对照表为了印象更直观我整理了一张退化情况表场的类型q的形式∇q结果说明纯标量场sgrad(s)只有梯度虚部纯矢量场v-div(v) curl(v)实部装散度虚部装旋度完整四元数场s v-div(v) grad(s) curl(v)梯度、散度、旋度全部出现看到没有纯标量场时四元数乘法自动退化为梯度运算纯矢量场时退化为“负散度加旋度”完整四元数场时三者并存。这个统一的视角在推导恒等式时非常省力尤其是涉及多个场相乘、需要交换运算顺序时四元数记号的紧凑性会明显降低出错概率。3.4 物理直觉一个对象装两类信息为什么我要强调“完整四元数场”这个结构因为在很多物理框架里一个场往往同时携带标量信息和矢量信息。比如电磁学中标量势φ和矢量势A各自独立却可以通过某种四元数组合放在一起。这时∇q的实部和虚部就成了两个天然的信息通道实部通道负责“源”的信息即散度虚部通道负责“变化与旋转”的信息即梯度和旋度这种“一个对象、两条通道”的视角是四元数分析相对于经典向量分析的核心优势。它不是给你新的物理规律而是给已有的规律换一套更整齐的记账方式。4. 左乘还是右乘结果完全不同4.1 非交换性是第一个坑四元数乘法不满足交换律∇q和q∇不相等。很多人第一次在这上面栽跟头明明按公式算对了∇F -div curl换成F∇就发现对不上号。这一点必须在一开始就建立意识我们讨论的是“nabla算子左乘场”还是“场左乘nabla算子”这两个操作在四元数框架下是两个不同的东西。经典向量分析里不会有这个纠结因为点积是交换的、叉积反交换但有明确规则而四元数乘法既有内积的影子又有叉积的影子顺序一换符号会乱。4.2 右乘结果对比我直接给出右乘的关键结果。对纯矢量场F定义右乘算符(∂F/∂x)i (∂F/∂y)j (∂F/∂z)k展开合并后得到F∇ -div(F) (curl_x·i - curl_y·j curl_z·k)也就是说实部仍然等于负散度但虚部不是完整的旋度矢量而是旋度矢量把y分量取反之后的镜像。我用一张表把左乘和右乘的差异列清楚操作实部虚部∇F左乘-div(F)curl(F) (curl_x, curl_y, curl_z)F∇右乘-div(F)(curl_x, -curl_y, curl_z)这个镜像现象是四元数内在手性的体现。i、j、k在乘法表里不是完全对称的ijk -1这条规则偷偷给坐标系钦定了一个手性所以右乘会把某个分量翻转。换用JPL约定或别的虚部基序镜像的形式还会改变。4.3 实际使用时的选择建议既然左乘右乘不一致实战中到底该用哪个我的建议很明确默认使用左乘∇F形式因为它的虚部正好是标准旋度含义清晰、不容易混淆。右乘形式更适合某些特定对称性分析但如果你没有非用不可的理由就别给自己添麻烦。在做四元数姿态解算时类似的问题也存在角速度到底放在四元数左边乘还是右边乘取决于你用的是“世界系”还是“载体系”约定。这个行业里最怕的就是左手一套约定、右手一套约定写代码时看着都对结果同一个旋转在不同模块里方向相反。记住一个原则选好约定后把它写进项目文档的第一页并配上一条最基本的测试用例。5. 从公式到姿态解算——旋转场的旋度到底意味着什么5.1 为什么姿态解算最终选了四元数热词里提到了“三维姿态roll、pitch、yaw或四元数”这里展开几句。欧拉角roll、pitch、yaw直观但不省心最大的问题是万向锁当pitch达到±90度时roll和yaw的旋转轴重合系统失去一个自由度姿态解算出现奇异。此外欧拉角的插值不平滑两个姿态之间直接插值三个角会得到怪异的中间姿态。四元数则不存在这些问题单位四元数q (cos(θ/2), n·sin(θ/2))可以直接表示绕单位轴n旋转θ角不会出现奇异插值时用球面线性插值SLERP能得到平滑的中间姿态所以姿态解算领域基本都被四元数接管了。5.2 四元数微分方程与角速度的联系姿态解算的核心微分方程是dq/dt (1/2)·q⊗ω其中ω是载体坐标系下的角速度写成纯四元数形式。这个方程把四元数随时间的变化率和角速度联系起来。如果已知角速度就能积分出姿态如果已知姿态序列也能反解出角速度。但这里有一个很少被讨论的点上面的ω是时间的函数描述刚体在某个时刻的“瞬时旋转”。如果旋转不是整体的而是随空间位置变化的——比如流体微团的局部旋转、变形体的扭转变形——那么角速度ω就不再只依赖时间t而是同时依赖空间位置(x,y,z)。此时ω(x,y,z)变成一个矢量场可以对其求散度和旋度。5.3 用四元数方法处理“旋转场”当一个旋转场ω(r)随空间变化时本文前面推的公式就派上用场了∇ω -div(ω) curl(ω)这里div(ω)度量角速度场的“源汇”。例如在某个区域持续有涡旋注入角速度div就反映了这种注入强度curl(ω)度量角速度场本身的不均匀旋转。注意这已经是旋度的旋度概念了物理上对应“角速度的剪切不均匀程度”举一个直观例子刚体整体匀速旋转时角速度场是常矢量场div和curl都为零∇ω 0而流体中的涡旋在不同半径处角速度不同角速度场不再是常值curl(ω)就会给出关于涡旋空间结构的信息。用四元数乘法一次就能同时得到两个量在流体力学、陀螺仪数据分析里可以把中间步骤省掉不少。5.4 对工程写法的一个启发我自己做姿态解算调试时会把“四元数微分方程”和“三维矢量场的散度旋度”分开来看。前者的任务是递推动作属于常微分方程范畴后者是空间分析的视角属于场论范畴。很多代码用四元数只处理了前者却忽视了后者其实也能用四元数统一表达。如果你的项目里同时涉及姿态变化和空间流场分析可以考虑把这两套逻辑都建立在四元数乘法上代码结构会更清爽。6. 踩坑记录与自我验证方法6.1 约定不一致神仙难救我在这个主题上踩过的最大一个坑是四元数乘法的方向约定。市面上一共流行两套主要的四元数约定Hamilton约定也常直接称“标准四元数”和JPL约定。两者虚部符号相反乘法顺序相反直接导致同样的代码在A库和B库之间迁移时结果差一个负号。再加上左乘右乘的选择差异一共会出现四种排列组合。我见过一个项目姿态解算模块用的是Hamilton约定传感器融合模块用的是JPL约定两个模块单独单元测试都通过一联调就转飞。我的建议是项目中只允许出现一种约定并在接口文档里显式声明在模块入口处写一个“公约数测试”给定一个已知绕z轴旋转90度的四元数验证输出是否和预期一致任何库函数先跑通一个有标准答案的用例再接入业务逻辑这一步看着琐碎但能省下后面至少一个晚上的调试时间。数学公式的负号问题往往不是不会而是约定漂移。6.2 四元数的“散度”搜出来一堆JS散度前面已经提过搜索“四元数散度”时会被信息论里的JS散度Jensen-Shannon散度干扰。这里再说细一点如果你是在做机器学习相关的东西看到“散度”两个字先确认到底是概率分布不等式里的散度还是矢量微积分里的散度。前者关心两个分布之间的差异程度后者关心矢量场的源汇强度除了共享一个译名数学对象完全不同。我自己搜索时一般会加上限定词比如“四元数 散度 矢量场”“nabla 四元数 旋度”能过滤掉不少无关结果。工欲善其事必先利其器搜索词的准确性能直接决定资料质量。6.3 用SymPy做符号验证手推四元数公式很容易因为漏项或符号错乱翻车尤其是实部虚部分开展开的时候。我推荐一个很有效的自检方法用SymPy做符号验证。下面是一段可以直接运行的验证代码。import sympy as sp x, y, z sp.symbols(x y z, realTrue) # 定义矢量场 F (-y, x, 0) Fx, Fy, Fz -y, x, sp.Integer(0) # 经典散度和旋度用于对照 div sp.diff(Fx, x) sp.diff(Fy, y) sp.diff(Fz, z) curl sp.Matrix([ sp.diff(Fz, y) - sp.diff(Fy, z), sp.diff(Fx, z) - sp.diff(Fz, x), sp.diff(Fy, x) - sp.diff(Fx, y), ]) # 四元数乘法版本∇F -div curl real_part -div vector_part curl print(div , sp.simplify(div)) print(curl , sp.simplify(curl[0]), sp.simplify(curl[1]), sp.simplify(curl[2])) print(nabla(F) 实部 , sp.simplify(real_part)) print(nabla(F) 虚部 , sp.simplify(vector_part[0]), sp.simplify(vector_part[1]), sp.simplify(vector_part[2]))输出会明确显示“实部 0、虚部 (0, 0, 2)”和手算一致。当你自己设计一个四元数场时把未知函数符号填进去跑一遍就能快速发现实部虚部是否放反、y分量符号是否写错。PyTorch、JAX这类框架跑偏微分也很快但做符号层面的验证SymPy最舒服。6.4 什么时候该用四元数求散度旋度最后说一点个人体会四元数方法适合做统一表达和理论推导不适合当日常计算工具。日常需要算某个具体矢量场的散度旋度时直接用经典公式div、curl最省事没有理由绕道四元数。但当你面对以下场景时四元数方法是更优解需要在同一个代数结构里同时处理梯度、散度、旋度且希望避免大量无关公式的来回转换在做符号推导需要简洁的乘法记法让表达式短一些已经在用四元数处理姿态或旋转数据希望把场论分析也整合进同一套数学语言我不会假装四元数是万能的。它的乘法非交换虚部基有手性问题这些特性在工程里都会增加认知负担。但它把散度和旋度拼进一个公式这件事至少在数学上是足够精巧、也足够值得记住的一个视角。我自己的习惯是把∇F -div curl这个式子贴在工位前面不是为了每次计算都想起它而是为了提醒自己很多看似毫无关联的数学结构换个代数包装就能拼到同一张桌上。技巧在其次这种“包装感”才是四元数真正教给我的东西。