向量场的散度和旋度_矢量场,标量场,散度,梯度,旋度的理解

1.

梯度

gradient

设体系中某处的物理参数

(

如温度、速度、浓度等

)

为

w

，在与其垂直距离的

dy

处该参数

为

w+dw

，则称为该物理参数的梯度，也即该物理参数的变化率。如果参数为速度、浓度或

温度，则分别称为速度梯度、浓度梯度或温度梯度。

在向量微积分中，

标量场的梯度是一个向量场。

标量场中某一点上的梯度指向标量场增长

最快的方向，梯度的长度是这个最大的变化率。更严格的说，从欧氏空间

Rn

到

R

的函数的

梯度是在

Rn

某一点最佳的线性近似。在这个意义上，梯度是雅戈比矩阵的一个特殊情况。

在单变量的实值函数的情况，

梯度只是导数，

或者，

对于一个线性函数，

也就是线的斜率。

梯度一词有时用于斜度，

也就是一个曲面沿着给定方向的倾斜程度。

可以通过取向量梯度

和所研究的方向的点积来得到斜度。梯度的数值有时也被成为梯度。

在二元函数的情形，设函数

z=f(x,y)

在平面区域

D

内具有一阶连续偏导数，则对于每一点

P(x,y)

∈

D

，都可以定出一个向量