在物理学中,
有一个方程组大家都不陌生
![6dc2041309634ebc3f6f68040b2f0d4a.png](https://i-blog.csdnimg.cn/blog_migrate/722b7b364d5c0483aa91d5685cabf72c.jpeg)
(麦克斯韦方程组微分形式)
没错,他就是(折磨)帮助广大物理学子们
解决各种电磁学问题的麦克斯韦·最美·方程组
当然,它并不是我们本次的主角
这次,小物要讲的是
大量出现在这个方程组里的倒三角
梯度、旋度、散度
这些概念大家还有印象是在哪里学的吗?
没错,就是在(万恶的)我们最喜爱的高等数学中!
课本中,对于这三个概念给出了如下定义:
![bec2325b069245b169da247dfeeb27e1.png](https://i-blog.csdnimg.cn/blog_migrate/685732a225de0653d5a1428e61412a5e.jpeg)
(二维梯度定义)
![807adc3f6e07d623c19478866717568f.png](https://i-blog.csdnimg.cn/blog_migrate/3333d870a38d6b32dfd3d88baae98279.jpeg)
(散度定义)
![0258d4703e49813c6f567e2553822f0a.png](https://i-blog.csdnimg.cn/blog_migrate/f5cff8c983f24b32c8cb512b8e7a877b.jpeg)
(旋度定义)
对于书本上的长篇大论,相信大家也不会去看(滑稽)
下面就让小物来给大家讲一讲吧
一、梯度
要理解梯度,我们得先从偏导数讲起
偏导数反映的是函数沿着坐标轴方向的变化率
那如果我们想知道函数
沿着除坐标轴外的某一个特定方向
的变化率该怎么办呢?
于是,人们引入了方向导数的概念
![39c7aa20ceafc469403777339d972a7d.png](https://i-blog.csdnimg.cn/blog_migrate/987b843c148959894f6002d023a7d096.jpeg)
根据定义,我们知道
方向导数就是函数在一给定点P处
沿一特定方向l的变化率
除了上面的这种极限写法
方向导数还能写成梯度与l单位向量的点积:
![41c28705b98267055dde6c4980b7aab2.png](https://i-blog.csdnimg.cn/blog_migrate/05c9903a2d8718f8c6cd84e5d4a4790b.jpeg)
可以看到
函数沿某方向的变化率是有极值的
当l方向和梯度方向同向时
函数的变化率最大
所以,我们说
梯度方向是函数变化率最大的方向
二、散度
在一个向量场中,
为了度量某个量的大小,
我们通常会引用一个叫做通量的概念。
(比如:磁通量、电通量等)
所以我们对通量做如下定义:
![76d67574f64dcd6510b4438b3e9ff3a2.png](https://i-blog.csdnimg.cn/blog_migrate/7123cdac0cd1a5fd8917e4705ac48752.jpeg)
注意到,在通量的计算公式中
出现了我们十分熟悉(并不)的一个东西
![9db69c332cca812f3ebdd7f6c5c11438.png](https://i-blog.csdnimg.cn/blog_migrate/069475fdb9c6a525919782ffe258e820.jpeg)
没错,就是高斯公式!!
![b77d41ca08161483db61de673c5342e1.png](https://i-blog.csdnimg.cn/blog_migrate/8d9693c4121ef62f418879bd433a8bc4.jpeg)
本着不用白不用的心理,
我们把通量的面取为闭合面,
然后代入到高斯公式中去,可以得到:
![c4fe0255232c02bc9cc7da8faa872809.png](https://i-blog.csdnimg.cn/blog_migrate/fd6246f068bae1d50397551f1180282c.jpeg)
应用积分中值定理,有:
![eb7b6569373760a17b204c4b5dad1233.png](https://i-blog.csdnimg.cn/blog_migrate/fb5c5b89f0df43b56f6f5e599c64fce6.jpeg)
对上式取极限,我们得到:
![70a0f7b6a2d520dd399bfb842cfb4d8a.png](https://i-blog.csdnimg.cn/blog_migrate/22cf15122f89b2558d8bc4dcc0e196d1.jpeg)
于是,我们把左边记为散度,
它表示向量场A在M点的通量密度,即:
![38d2bd0dd941b979ddba5ddf2e4a3b24.png](https://i-blog.csdnimg.cn/blog_migrate/b7ab3398d196485cf94c25cda4646565.jpeg)
之所以把它称为散度
小物觉得可能是因为它衡量的是向量场的散开程度
可见,当在某点,向量的方向是散开
(即“源”“source”)的
则它的散度是正数
如果是汇聚(即“汇”“sink”)的
则它的散度是负数
三、旋度
在向量场中,有两个比较特殊的方向
他们便是平行于场方向和垂直于场的方向
在垂直方向上,我们有了通量这个概念
而在平行方向上,我们便引入环流量这个概念
![d39bcb239c2095bf7cf243aea3464d7d.png](https://i-blog.csdnimg.cn/blog_migrate/70a57efe22ebadb883b6b9ae853d86e6.jpeg)
类似地
得到的表达式中有我们熟悉的斯托克斯公式的影子
![b4c999337607382555d1c54ccf44d47f.png](https://i-blog.csdnimg.cn/blog_migrate/54b191252439dcc2245785bd930652c0.jpeg)
于是,类似地
我们将它代入斯托克斯公式,得到:
![149ef56b866fbf81e94bb2945f391919.png](https://i-blog.csdnimg.cn/blog_migrate/329742a369036570df7d7a58ec221cde.jpeg)
于是,我们将左边记作旋度
它表示向量场A在一点的环量密度
它是一个向量
![0258d4703e49813c6f567e2553822f0a.png](https://i-blog.csdnimg.cn/blog_migrate/f5cff8c983f24b32c8cb512b8e7a877b.jpeg)
如同字面意思,
旋度就是度量向量场对某一点附近的微元
造成的旋转程度
可见
当微元逆时针旋转
该点旋度为正
瞬时针旋转则为负
以上便是本期的全部内容了
因为篇幅原因,这里的说明是不够严谨的!
要想彻底了解梯度、散度和旋度,
小物建议大家翻开(满是灰尘)大学生最爱的
《高等数学》
让我们一起在知识的海洋中(溺水)畅游吧!
参考资料:
1、《高等数学》(同济大学出版社)
2、《高等数学》(兰州大学出版社)
3、《托马斯微积分》
4、散度与旋度:麦克斯韦方程组、流体等所用到的语言
(https://www.bilibili.com/video/BV19s41157Z4?from=search&seid=5144081306136683528)
5、百度百科——旋度
(https://baike.baidu.com/item/%E6%97%8B%E5%BA%A6/8106439?fr=aladdin)
6、百度百科——散度
(https://baike.baidu.com/item/%E6%95%A3%E5%BA%A6/8281793?fr=aladdin)
7、百度百科——环量
(https://baike.baidu.com/item/%E7%8E%AF%E9%87%8F/5291896)
8、百度百科——梯度
(https://baike.baidu.com/item/%E6%A2%AF%E5%BA%A6/13014729?fr=aladdin)
图片来自网络
执行编辑 | 谭梁睿
责任编辑 | 崔清玥
![72551613a756ceb7066c9edb6a584ffa.png](https://i-blog.csdnimg.cn/blog_migrate/fe108ac2860d3036486e4ba7ac1436e5.png)