寻求非线性坐标系（如polar coordinates）下partial derivatives的严谨数学解释

嘿，我完全懂你这种想把非线性坐标系下的偏导数搞透彻的心情——作为有数学背景的人，模糊的物理类比确实没法满足咱们对严谨性的要求。咱们一步步来拆解这个问题，不用一下子跳进微分几何的深水区。

核心：别混淆“坐标偏导数”和“张量分量” #

在笛卡尔坐标系里，坐标$(x,y)$和对应的切基$\left{\frac{\partial}{\partial x}, \frac{\partial}{\partial y}\right}$都是全局不变的，所以函数对坐标的偏导数直接对应梯度在单位基下的分量，这让一切看起来很“线性”。但到了极坐标$(r,\theta)$这种非线性坐标系，每个点的切基是局部的、随位置变化的，这时候必须区分两个关键概念：

• 坐标偏导数算子：$\frac{\partial}{\partial r}$和$\frac{\partial}{\partial \theta}$，这是极坐标对应的“自然切基”——简单说，$\frac{\partial}{\partial r}$代表“固定$\theta$，沿$r$增加方向移动时，函数的变化率对应的方向向量”，$\frac{\partial}{\partial \theta}$则是“固定$r$，沿$\theta$增加方向移动时的变化率向量”。注意：这个自然切基的长度不是统一为1的，比如$\frac{\partial}{\partial \theta}$的长度是$r$，这是极坐标的非线性特性导致的。
• 单位基向量下的分量：物理里常用的$\hat{r}$和$\hat{\theta}$是把自然切基单位化后的结果，即$\hat{r} = \frac{\partial}{\partial r}$（因为它本身长度就是1），$\hat{\theta} = \frac{1}{r}\frac{\partial}{\partial \theta}$（把长度为$r$的自然切基缩放到1）。

用链式法则+雅可比矩阵搞定基变换 #

不管什么坐标系，欧氏空间中每个点的切空间都是线性空间（这是关键，线性空间的性质依然成立，只是基随点变化）。我们可以通过坐标变换的雅可比矩阵来实现不同坐标系切基之间的转换，完全不用微分几何的复杂术语。

以极坐标转笛卡尔坐标为例，变换关系是：
$x = r\cos\theta, \quad y = r\sin\theta$

它的雅可比矩阵$J$是：
$$J = \begin{pmatrix}
\frac{\partial x}{\partial r} & \frac{\partial x}{\partial \theta} \
\frac{\partial y}{\partial r} & \frac{\partial y}{\partial \theta}
\end{pmatrix} = \begin{pmatrix}
\cos\theta & -r\sin\theta \
\sin\theta & r\cos\theta
\end{pmatrix}$$

这个矩阵告诉我们极坐标的自然切基如何用笛卡尔切基表示：

• $\frac{\partial}{\partial r} = \frac{\partial x}{\partial r}\frac{\partial}{\partial x} + \frac{\partial y}{\partial r}\frac{\partial}{\partial y} = \cos\theta \frac{\partial}{\partial x} + \sin\theta \frac{\partial}{\partial y}$
• $\frac{\partial}{\partial \theta} = \frac{\partial x}{\partial \theta}\frac{\partial}{\partial x} + \frac{\partial y}{\partial \theta}\frac{\partial}{\partial y} = -r\sin\theta \frac{\partial}{\partial x} + r\cos\theta \frac{\partial}{\partial y}$

反过来，笛卡尔切基也可以通过雅可比矩阵的逆变换用极坐标切基表示——这就是所有非线性坐标系下算子推导的核心：用雅可比矩阵做局部基变换，再结合链式法则转换偏导数。

回到梯度的例子：为什么会有$\frac{1}{r}$？ #

咱们用上面的结论推导极坐标下的梯度，彻底搞清楚那个讨厌的$\frac{1}{r}$来源。

笛卡尔坐标系下的梯度是：
$$\nabla f = \frac{\partial f}{\partial x}\frac{\partial}{\partial x} + \frac{\partial f}{\partial y}\frac{\partial}{\partial y}$$

根据链式法则，函数对极坐标的偏导数是：

• $\frac{\partial f}{\partial r} = \frac{\partial f}{\partial x}\cos\theta + \frac{\partial f}{\partial y}\sin\theta$
• $\frac{\partial f}{\partial \theta} = \frac{\partial f}{\partial x}(-r\sin\theta) + \frac{\partial f}{\partial y}(r\cos\theta)$

现在把梯度转换成极坐标单位基的形式：
因为$\hat{r} = \frac{\partial}{\partial r}$，$\hat{\theta} = \frac{1}{r}\frac{\partial}{\partial \theta}$，我们可以把梯度用$\hat{r}$和$\hat{\theta}$展开：
$$\nabla f = A\hat{r} + B\hat{\theta}$$

代入$\hat{r}$和$\hat{\theta}$的表达式，再和笛卡尔梯度对比系数，就能算出：

• $A = \frac{\partial f}{\partial r}$
• $B = \frac{1}{r}\frac{\partial f}{\partial \theta}$

所以最终极坐标下的梯度就是：
$$\nabla f = \frac{\partial f}{\partial r}\hat{r} + \frac{1}{r}\frac{\partial f}{\partial \theta}\hat{\theta}$$

这个推导完全是严谨的，没有任何物理类比，只用到了链式法则和线性空间的基变换——你看，只要理清了自然切基和单位基的区别，再用雅可比矩阵做转换，局部基的变化完全是可控的，根本不是什么“噩梦”。

最后总结一下 #

不用深入微分几何，只要抓住这几点就能严谨处理非线性坐标系下的偏导数：

1. 每个点的切空间都是线性空间，哪怕基随点变化，线性空间的运算规则依然成立；
2. 区分“坐标偏导数算子（自然切基）”和“单位基向量”，前者是坐标变换自带的基，后者是单位化后的结果；
3. 用坐标变换的雅可比矩阵实现不同坐标系切基之间的转换，结合链式法则推导所有算子（梯度、散度、拉普拉斯算子等）的表达式。

这样处理下来，所有的推导都是严格的数学过程，完全能满足咱们对严谨性的要求。

备注：内容来源于stack exchange，提问作者Teddy