3127 字
16 分钟
梯度、散度、旋度

我们首先介绍矢量微分算子 \nabla (Nabla 或 Del 算子)。在三维笛卡尔坐标系中,它的定义是:

=ix+jy+kz\nabla = \mathbf{i} \frac{\partial}{\partial x} + \mathbf{j} \frac{\partial}{\partial y} + \mathbf{k} \frac{\partial}{\partial z}

其中 i,j,k\mathbf{i}, \mathbf{j}, \mathbf{k} 分别是 x,y,zx, y, z 方向的单位矢量。

下面我们将分别推导梯度、散度和旋度的计算公式及其物理意义。

一、梯度 (Gradient)#

梯度作用于一个标量场 f(x,y,z)f(x, y, z),结果是一个矢量场。

1、定义与推导#

考虑一个标量场 f(x,y,z)f(x, y, z)。我们想知道这个标量场在空间中某一点附近的变化情况。根据多元函数微分学的知识,标量场 ff 的全微分(total differential)为:

df=fxdx+fydy+fzdz\mathrm{d}f = \frac{\partial f}{\partial x} \mathrm{d}x + \frac{\partial f}{\partial y} \mathrm{d}y + \frac{\partial f}{\partial z} \mathrm{d}z

这表示当位置从 (x,y,z)(x, y, z) 移动一个微小位移 (dx,dy,dz)(\mathrm{d}x, \mathrm{d}y, \mathrm{d}z) 时,ff 值的微小变化量。

我们可以将上式看作两个矢量的点积。定义一个矢量,称为 ff 的梯度,记作 f\nabla fgrad(f)\mathrm{grad}(f):

f=(fxi+fyj+fzk)\nabla f = \left( \frac{\partial f}{\partial x} \mathbf{i} + \frac{\partial f}{\partial y} \mathbf{j} + \frac{\partial f}{\partial z} \mathbf{k} \right)

再定义微小位移矢量 dr\mathrm{d}\mathbf{r}:

dr=dxi+dyj+dzk\mathrm{d}\mathbf{r} = \mathrm{d}x \mathbf{i} + \mathrm{d}y \mathbf{j} + \mathrm{d}z \mathbf{k}

于是,全微分可以写成:

df=(f)dr\mathrm{d}f = (\nabla f) \cdot \mathrm{d}\mathbf{r}

根据点积的定义,df=fdrcosθ\mathrm{d}f = |\nabla f| |\mathrm{d}\mathbf{r}| \cos\theta,其中 θ\thetaf\nabla fdr\mathrm{d}\mathbf{r} 之间的夹角。 单位位移的变化率(即方向导数)为:

dfdr=fcosθ\frac{\mathrm{d}f}{|\mathrm{d}\mathbf{r}|} = |\nabla f| \cos\theta

这个变化率在 cosθ=1\cos\theta = 1 时取得最大值,即当 θ=0\theta = 0 时。这意味着 dr\mathrm{d}\mathbf{r} 的方向与 f\nabla f 的方向一致。此时,最大的变化率为 f|\nabla f|

所以,梯度 f\nabla f 的方向是标量场 ff 变化率最大的方向,其大小是这个最大变化率。

计算公式 (笛卡尔坐标系):

f=fxi+fyj+fzk\nabla f = \frac{\partial f}{\partial x} \mathbf{i} + \frac{\partial f}{\partial y} \mathbf{j} + \frac{\partial f}{\partial z} \mathbf{k}

2、物理意义#

  1. 方向:梯度 f\nabla f 的方向指向标量场 ff 在该点增加最快的方向。
  2. 大小:梯度 f|\nabla f| 的大小表示标量场 ff 在该点沿最快增加方向的单位距离变化率(即最大方向导数)。
  3. 等值面法线:对于一个等值面(或等值线)f(x,y,z)=Cf(x,y,z) = C(常数),在该面上任意一点的微小位移 dr\mathrm{d}\mathbf{r} 都满足 df=0\mathrm{d}f = 0。由于 df=fdr\mathrm{d}f = \nabla f \cdot \mathrm{d}\mathbf{r},所以 fdr=0\nabla f \cdot \mathrm{d}\mathbf{r} = 0。这意味着梯度 f\nabla f 与等值面在该点的切平面(或切线)上的任何矢量 dr\mathrm{d}\mathbf{r} 都正交。因此,梯度 f\nabla f 的方向是等值面的法线方向。

例子

  • 温度场 T(x,y,z)T(x,y,z)T\nabla T 指向温度升高最快的方向,其大小表示温度变化率。热流密度通常与 T-\nabla T 成正比(傅里叶热传导定律)。
  • 电势场 V(x,y,z)V(x,y,z)V-\nabla V 是电场强度 E\mathbf{E}。电场线指向电势降低最快的方向。
  • 高度场 h(x,y)h(x,y)h\nabla h 指向坡度最陡峭的向上方向。

二、散度 (Divergence)#

散度作用于一个矢量场 F(x,y,z)=Fxi+Fyj+Fzk\mathbf{F}(x, y, z) = F_x \mathbf{i} + F_y \mathbf{j} + F_z \mathbf{k},结果是一个标量场。

1、定义与推导#

散度的物理解释是矢量场在某一点的源的强度或汇的强度。一个更严格的定义是:

F=limΔV01ΔV ⁣ ⁣ ⁣SFdS\nabla \cdot \mathbf{F} = \lim_{\Delta V \to 0} \frac{1}{\Delta V} {\int\kern{-8pt}\int \kern{-23mu} \bigcirc}_{\!\!\!S} \mathbf{F} \cdot \mathrm{d}\mathbf{S}

其中 ΔV\Delta V 是一个包含某点的微小体积元, SS 是包围 ΔV\Delta V 的闭合曲面,dS\mathrm{d}\mathbf{S} 是指向外侧的面积元矢量。这个积分表示通过闭合曲面 SS 的矢量场 F\mathbf{F} 的总通量。散度就是单位体积的净流出通量。

我们考虑一个在点 (x,y,z)(x,y,z) 附近,边长分别为 Δx,Δy,Δz\Delta x, \Delta y, \Delta z 的微小长方体体积元 ΔV=ΔxΔyΔz\Delta V = \Delta x \Delta y \Delta z。长方体的中心近似为 (x,y,z)(x,y,z)。 我们计算通过这个长方体六个面的通量。

  1. 考虑沿 xx 方向的通量

    • 右侧面 (在 x+Δx2x + \frac{\Delta x}{2} 处,面积 ΔyΔz\Delta y \Delta z,法向 i\mathbf{i}): 通量 Φx,rightFx(x+Δx2,y,z)ΔyΔz\Phi_{x,right} \approx F_x(x + \frac{\Delta x}{2}, y, z) \Delta y \Delta z
    • 左侧面 (在 xΔx2x - \frac{\Delta x}{2} 处,面积 ΔyΔz\Delta y \Delta z,法向 i-\mathbf{i}): 通量 Φx,leftFx(xΔx2,y,z)ΔyΔz\Phi_{x,left} \approx -F_x(x - \frac{\Delta x}{2}, y, z) \Delta y \Delta z
    • 沿 xx 方向的净通量 ΔΦx=Φx,right+Φx,left\Delta \Phi_x = \Phi_{x,right} + \Phi_{x,left}: ΔΦx[Fx(x+Δx2,y,z)Fx(xΔx2,y,z)]ΔyΔz\Delta \Phi_x \approx \left[ F_x\left(x + \frac{\Delta x}{2}, y, z\right) - F_x\left(x - \frac{\Delta x}{2}, y, z\right) \right] \Delta y \Delta z 对于微小的 Δx\Delta x,方括号内的差值可以近似为(根据中值定理或泰勒展开): Fx(x+Δx2,y,z)Fx(xΔx2,y,z)FxxΔxF_x\left(x + \frac{\Delta x}{2}, y, z\right) - F_x\left(x - \frac{\Delta x}{2}, y, z\right) \approx \frac{\partial F_x}{\partial x} \Delta x 所以, ΔΦxFxxΔxΔyΔz=FxxΔV\Delta \Phi_x \approx \frac{\partial F_x}{\partial x} \Delta x \Delta y \Delta z = \frac{\partial F_x}{\partial x} \Delta V
  2. 类似地,沿 yy 方向的净通量

    • 上侧面 (在 y+Δy2y + \frac{\Delta y}{2} 处,法向 j\mathbf{j}): Fy(x,y+Δy2,z)ΔxΔzF_y(x, y + \frac{\Delta y}{2}, z) \Delta x \Delta z
    • 下侧面 (在 yΔy2y - \frac{\Delta y}{2} 处,法向 j-\mathbf{j}): Fy(x,yΔy2,z)ΔxΔz-F_y(x, y - \frac{\Delta y}{2}, z) \Delta x \Delta z
    • 净通量 ΔΦyFyyΔxΔyΔz=FyyΔV\Delta \Phi_y \approx \frac{\partial F_y}{\partial y} \Delta x \Delta y \Delta z = \frac{\partial F_y}{\partial y} \Delta V
  3. 沿 zz 方向的净通量

    • 前侧面 (在 z+Δz2z + \frac{\Delta z}{2} 处,法向 k\mathbf{k}): Fz(x,y,z+Δz2)ΔxΔyF_z(x, y, z + \frac{\Delta z}{2}) \Delta x \Delta y
    • 后侧面 (在 zΔz2z - \frac{\Delta z}{2} 处,法向 k-\mathbf{k}): Fz(x,y,zΔz2)ΔxΔy-F_z(x, y, z - \frac{\Delta z}{2}) \Delta x \Delta y
    • 净通量 ΔΦzFzzΔxΔyΔz=FzzΔV\Delta \Phi_z \approx \frac{\partial F_z}{\partial z} \Delta x \Delta y \Delta z = \frac{\partial F_z}{\partial z} \Delta V

总的净通量

 ⁣ ⁣ ⁣SFdS=ΔΦx+ΔΦy+ΔΦz{\int\kern{-8pt}\int \kern{-23mu} \bigcirc}_{\!\!\!S} \mathbf{F} \cdot \mathrm{d}\mathbf{S} = \Delta \Phi_x + \Delta \Phi_y + \Delta \Phi_z ⁣ ⁣ ⁣SFdS(Fxx+Fyy+Fzz)ΔV{\int\kern{-8pt}\int \kern{-23mu} \bigcirc}_{\!\!\!S} \mathbf{F} \cdot \mathrm{d}\mathbf{S} \approx \left( \frac{\partial F_x}{\partial x} + \frac{\partial F_y}{\partial y} + \frac{\partial F_z}{\partial z} \right) \Delta V

根据散度的定义:

F=limΔV01ΔV ⁣ ⁣ ⁣SFdS=Fxx+Fyy+Fzz\nabla \cdot \mathbf{F} = \lim_{\Delta V \to 0} \frac{1}{\Delta V} {\int\kern{-8pt}\int \kern{-23mu} \bigcirc}_{\!\!\!S} \mathbf{F} \cdot \mathrm{d}\mathbf{S} = \frac{\partial F_x}{\partial x} + \frac{\partial F_y}{\partial y} + \frac{\partial F_z}{\partial z}

这也可以看作是 \nabla 算子与矢量场 F\mathbf{F} 的点积:

F=(ix+jy+kz)(Fxi+Fyj+Fzk)=Fxx+Fyy+Fzz\nabla \cdot \mathbf{F} = \left( \mathbf{i} \frac{\partial}{\partial x} + \mathbf{j} \frac{\partial}{\partial y} + \mathbf{k} \frac{\partial}{\partial z} \right) \cdot (F_x \mathbf{i} + F_y \mathbf{j} + F_z \mathbf{k}) = \frac{\partial F_x}{\partial x} + \frac{\partial F_y}{\partial y} + \frac{\partial F_z}{\partial z}

计算公式 (笛卡尔坐标系):

F=Fxx+Fyy+Fzz\nabla \cdot \mathbf{F} = \frac{\partial F_x}{\partial x} + \frac{\partial F_y}{\partial y} + \frac{\partial F_z}{\partial z}

2、物理意义#

  1. 源与汇:散度描述了矢量场在某一点的“流出”或“汇入”的强度。

    • F>0\nabla \cdot \mathbf{F} > 0:该点是矢量场的“源”(source),表示有净流出。例如,流体在此处膨胀或有物质产生。
    • F<0\nabla \cdot \mathbf{F} < 0:该点是矢量场的“汇”(sink),表示有净流入。例如,流体在此处压缩或有物质消失。
    • F=0\nabla \cdot \mathbf{F} = 0:该点无源无汇,或者流入量等于流出量。这样的场称为无源场或螺线管场(solenoidal field)。例如,不可压缩流体的速度场(没有源或汇的情况下),磁场(B=0\nabla \cdot \mathbf{B} = 0,磁单极子不存在)。
  2. 高斯散度定理:散度与高斯散度定理密切相关,该定理指出:

    V(F)dV= ⁣ ⁣ ⁣SFdS\iiint_V (\nabla \cdot \mathbf{F}) \mathrm{d}V = {\int\kern{-8pt}\int \kern{-23mu} \bigcirc}_{\!\!\!S} \mathbf{F} \cdot \mathrm{d}\mathbf{S}

    这表示体积 VV 内所有源(或汇)的总强度等于通过包围该体积的闭合曲面 SS 的净通量。

例子

  • 流体速度场 v\mathbf{v}v\nabla \cdot \mathbf{v} 表示流体在某点的膨胀率或压缩率。对于不可压缩流体,v=0\nabla \cdot \mathbf{v} = 0
  • 电场 E\mathbf{E}E=ρ/ϵ0\nabla \cdot \mathbf{E} = \rho/\epsilon_0 (高斯定律的微分形式),其中 ρ\rho 是电荷密度,ϵ0\epsilon_0 是真空介电常数。电荷是电场的源。
  • 磁场 B\mathbf{B}B=0\nabla \cdot \mathbf{B} = 0 (高斯磁定律),表明不存在磁单极子。

三、旋度 (Curl)#

旋度作用于一个矢量场 F(x,y,z)=Fxi+Fyj+Fzk\mathbf{F}(x, y, z) = F_x \mathbf{i} + F_y \mathbf{j} + F_z \mathbf{k},结果是另一个矢量场。

1、定义与推导#

旋度描述了矢量场在某一点的“旋转”或“环流”的程度和方向。旋度矢量的方向是旋转轴的方向(遵循右手法则),其大小表示旋转的强度。 旋度 ×F\nabla \times \mathbf{F} 的任意方向 n^\mathbf{\hat{n}} 上的分量定义为:

(×F)n^=limΔA01ΔACFdr(\nabla \times \mathbf{F}) \cdot \mathbf{\hat{n}} = \lim_{\Delta A \to 0} \frac{1}{\Delta A} \oint_C \mathbf{F} \cdot \mathrm{d}\mathbf{r}

其中 CC 是一个以 n^\mathbf{\hat{n}} 为法线方向的微小闭合回路,ΔA\Delta A 是该回路所围成的面积。积分 CFdr\oint_C \mathbf{F} \cdot \mathrm{d}\mathbf{r} 称为矢量场 F\mathbf{F} 沿闭合路径 CC 的环量。

我们推导旋度的 zz 分量 (×F)z(\nabla \times \mathbf{F})_z。考虑在 xyxy 平面内,以点 (x,y,z)(x,y,z) 为中心的一个微小矩形回路,其顶点为 (xΔx2,yΔy2)(x - \frac{\Delta x}{2}, y - \frac{\Delta y}{2}), (x+Δx2,yΔy2)(x + \frac{\Delta x}{2}, y - \frac{\Delta y}{2}), (x+Δx2,y+Δy2)(x + \frac{\Delta x}{2}, y + \frac{\Delta y}{2}), (xΔx2,y+Δy2)(x - \frac{\Delta x}{2}, y + \frac{\Delta y}{2})。面积 ΔA=ΔxΔy\Delta A = \Delta x \Delta y,法向为 k\mathbf{k}。我们沿逆时针方向计算环量。

  1. 路径 1 (底边): 从 (xΔx2,yΔy2)(x - \frac{\Delta x}{2}, y - \frac{\Delta y}{2})(x+Δx2,yΔy2)(x + \frac{\Delta x}{2}, y - \frac{\Delta y}{2})dr=dxi\mathrm{d}\mathbf{r} = \mathrm{d}x \mathbf{i}1FdrFx(x,yΔy2,z)Δx\int_1 \mathbf{F} \cdot \mathrm{d}\mathbf{r} \approx F_x(x, y - \frac{\Delta y}{2}, z) \Delta x
  2. 路径 2 (右边): 从 (x+Δx2,yΔy2)(x + \frac{\Delta x}{2}, y - \frac{\Delta y}{2})(x+Δx2,y+Δy2)(x + \frac{\Delta x}{2}, y + \frac{\Delta y}{2})dr=dyj\mathrm{d}\mathbf{r} = \mathrm{d}y \mathbf{j}2FdrFy(x+Δx2,y,z)Δy\int_2 \mathbf{F} \cdot \mathrm{d}\mathbf{r} \approx F_y(x + \frac{\Delta x}{2}, y, z) \Delta y
  3. 路径 3 (顶边): 从 (x+Δx2,y+Δy2)(x + \frac{\Delta x}{2}, y + \frac{\Delta y}{2})(xΔx2,y+Δy2)(x - \frac{\Delta x}{2}, y + \frac{\Delta y}{2})dr=dxi\mathrm{d}\mathbf{r} = -\mathrm{d}x \mathbf{i}3FdrFx(x,y+Δy2,z)Δx\int_3 \mathbf{F} \cdot \mathrm{d}\mathbf{r} \approx -F_x(x, y + \frac{\Delta y}{2}, z) \Delta x
  4. 路径 4 (左边): 从 (xΔx2,y+Δy2)(x - \frac{\Delta x}{2}, y + \frac{\Delta y}{2})(xΔx2,yΔy2)(x - \frac{\Delta x}{2}, y - \frac{\Delta y}{2})dr=dyj\mathrm{d}\mathbf{r} = -\mathrm{d}y \mathbf{j}4FdrFy(xΔx2,y,z)Δy\int_4 \mathbf{F} \cdot \mathrm{d}\mathbf{r} \approx -F_y(x - \frac{\Delta x}{2}, y, z) \Delta y

总环量 CFdr=1+2+3+4\oint_C \mathbf{F} \cdot \mathrm{d}\mathbf{r} = \int_1 + \int_2 + \int_3 + \int_4:

CFdr[Fx(x,yΔy2,z)Fx(x,y+Δy2,z)]Δx+[Fy(x+Δx2,y,z)Fy(xΔx2,y,z)]Δy\oint_C \mathbf{F} \cdot \mathrm{d}\mathbf{r} \approx \left[ F_x\left(x, y - \frac{\Delta y}{2}, z\right) - F_x\left(x, y + \frac{\Delta y}{2}, z\right) \right] \Delta x + \left[ F_y\left(x + \frac{\Delta x}{2}, y, z\right) - F_y\left(x - \frac{\Delta x}{2}, y, z\right) \right] \Delta y

对于微小的 Δx,Δy\Delta x, \Delta y:

  • Fx(x,yΔy2,z)Fx(x,y+Δy2,z)FxyΔyF_x(x, y - \frac{\Delta y}{2}, z) - F_x(x, y + \frac{\Delta y}{2}, z) \approx -\frac{\partial F_x}{\partial y} \Delta y
  • Fy(x+Δx2,y,z)Fy(xΔx2,y,z)FyxΔxF_y(x + \frac{\Delta x}{2}, y, z) - F_y(x - \frac{\Delta x}{2}, y, z) \approx \frac{\partial F_y}{\partial x} \Delta x

所以,

CFdr(FxyΔy)Δx+(FyxΔx)Δy=(FyxFxy)ΔxΔy\oint_C \mathbf{F} \cdot \mathrm{d}\mathbf{r} \approx \left( -\frac{\partial F_x}{\partial y} \Delta y \right) \Delta x + \left( \frac{\partial F_y}{\partial x} \Delta x \right) \Delta y = \left( \frac{\partial F_y}{\partial x} - \frac{\partial F_x}{\partial y} \right) \Delta x \Delta y

根据旋度分量的定义,(×F)z=(×F)k(\nabla \times \mathbf{F})_z = (\nabla \times \mathbf{F}) \cdot \mathbf{k}:

(×F)z=limΔA01ΔACFdr=(FyxFxy)ΔxΔyΔxΔy=FyxFxy(\nabla \times \mathbf{F})_z = \lim_{\Delta A \to 0} \frac{1}{\Delta A} \oint_C \mathbf{F} \cdot \mathrm{d}\mathbf{r} = \frac{\left( \frac{\partial F_y}{\partial x} - \frac{\partial F_x}{\partial y} \right) \Delta x \Delta y}{\Delta x \Delta y} = \frac{\partial F_y}{\partial x} - \frac{\partial F_x}{\partial y}

通过对坐标进行轮换对称 (xyzx)(x \to y \to z \to x),可以得到旋度的其他分量:

(×F)x=FzyFyz(\nabla \times \mathbf{F})_x = \frac{\partial F_z}{\partial y} - \frac{\partial F_y}{\partial z}(×F)y=FxzFzx(\nabla \times \mathbf{F})_y = \frac{\partial F_x}{\partial z} - \frac{\partial F_z}{\partial x}

将这三个分量组合起来,得到旋度矢量:

×F=(FzyFyz)i+(FxzFzx)j+(FyxFxy)k\nabla \times \mathbf{F} = \left( \frac{\partial F_z}{\partial y} - \frac{\partial F_y}{\partial z} \right) \mathbf{i} + \left( \frac{\partial F_x}{\partial z} - \frac{\partial F_z}{\partial x} \right) \mathbf{j} + \left( \frac{\partial F_y}{\partial x} - \frac{\partial F_x}{\partial y} \right) \mathbf{k}

这可以形式上写成 \nabla 算子与矢量场 F\mathbf{F} 的叉积,通常用行列式表示:

×F=ijkxyzFxFyFz\nabla \times \mathbf{F} = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ \frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z} \\ F_x & F_y & F_z \end{vmatrix}

计算公式 (笛卡尔坐标系):

×F=(FzyFyz)i+(FxzFzx)j+(FyxFxy)k\nabla \times \mathbf{F} = \left( \frac{\partial F_z}{\partial y} - \frac{\partial F_y}{\partial z} \right) \mathbf{i} + \left( \frac{\partial F_x}{\partial z} - \frac{\partial F_z}{\partial x} \right) \mathbf{j} + \left( \frac{\partial F_y}{\partial x} - \frac{\partial F_x}{\partial y} \right) \mathbf{k}

2、物理意义#

  1. 旋转性:旋度描述了矢量场在某一点的涡旋强度和旋转轴方向。

    • 如果 ×F0\nabla \times \mathbf{F} \neq \mathbf{0},则该场是有旋场 (rotational field)。想象在场中放置一个微小的桨叶轮,如果它开始旋转,则该点旋度非零。旋度矢量的方向是桨叶轮的旋转轴方向(由右手法则确定),其大小与旋转角速度成正比。
    • 如果 ×F=0\nabla \times \mathbf{F} = \mathbf{0},则该场是无旋场 (irrotational field) 或保守场。这意味着场线不会形成闭合的小环路,或者说场中没有涡旋。对于无旋场,一定存在一个标量势 ϕ\phi 使得 F=ϕ\mathbf{F} = \nabla \phi(如果场是单连通的)。
  2. 斯托克斯定理:旋度与斯托克斯定理密切相关,该定理指出:

    S(×F)dS=CFdr\iint_S (\nabla \times \mathbf{F}) \cdot \mathrm{d}\mathbf{S} = \oint_C \mathbf{F} \cdot \mathrm{d}\mathbf{r}

    这表示通过一个开放曲面 SS 的旋度通量等于矢量场 F\mathbf{F} 沿该曲面边界闭合路径 CC 的环量。

例子

  • 流体速度场 v\mathbf{v}×v\nabla \times \mathbf{v} 是流体的涡量 (vorticity) 的两倍,描述了流体微团的旋转。如果 ×v=0\nabla \times \mathbf{v} = \mathbf{0},流动是无旋流动。
  • 磁场 B\mathbf{B}×B=μ0J+μ0ϵ0Et\nabla \times \mathbf{B} = \mu_0 \mathbf{J} + \mu_0 \epsilon_0 \frac{\partial \mathbf{E}}{\partial t} (安培-麦克斯韦定律的微分形式),其中 J\mathbf{J} 是电流密度。电流和变化的电场是磁场的涡旋源。
  • 静电场 Estatic\mathbf{E}_{static}×Estatic=0\nabla \times \mathbf{E}_{static} = \mathbf{0},表明静电场是无旋场,因此可以表示为电势的梯度 Estatic=V\mathbf{E}_{static} = -\nabla V

总结:

  • 梯度 f\nabla f:标量场 \to 矢量场。表示标量场变化最快的方向和速率。
  • 散度 F\nabla \cdot \mathbf{F}:矢量场 \to 标量场。表示矢量场的源强度或流发程度。
  • 旋度 ×F\nabla \times \mathbf{F}:矢量场 \to 矢量场。表示矢量场的旋转或环流程度。

这些算子是电磁学、流体力学、热力学等许多物理学分支中描述场的基本工具。

分享

如果这篇文章对你有帮助,欢迎分享给更多人!

梯度、散度、旋度
https://www.laoguantx.cn/posts/gradientdivergencecurl/
作者
老官童鞋gogo
发布于
2025-05-28
许可协议
CC BY-NC-SA 4.0

部分信息可能已经过时

封面
Sample Song
Sample Artist
封面
Sample Song
Sample Artist
0:00 / 0:00