梯度的直观理解_关于梯度、旋度和散度的直观理解

散度为零，说明是无源场；散度不为零时，则说明是有源场(有正源或负源)

若你的场是一个流速场

,

则该场的散度是该流体在某一点单位时间流出单位体积的净流

量

.

如果在某点

,

某场的散度不为零

,

表示该场在该点有源

,

例如若电场在某点散度不为零

,

表

示该点有电荷

,

若流速场不为零

,

表是在该点有流体源源不绝地产生或消失

(

若散度为负

).

一个场在某处

,

沿着一无穷小的平面边界做环积分

,

平面法向量即由旋度向量给定

,

旋度

向量的长度则是单位面积的环积分值

.

基本上旋度要衡量的是一向量场在某点是否有转弯

.

梯度

:

运算的对像是纯量

,

运算出来的结果会是向量在一个纯量场中

,

梯度的计算结果会是

"

在每个位置都算出一个向量

,

而这个向量的方向会是在任何一点上从其周围

(

极接近的周围

,

学过微积分该知道甚么叫极限吧

?)

纯量值最小处指向周围纯量值最大处

.

而这个向量的大小会是上面所说的那个最小与最大的差距程度

"

举例子来讲会比较简单

,

如果现在的纯量场用一座山来表示

,

纯量值越大的地方越高

,

反之则越低

.

经过梯度这个运操作数的运算以后

,

会在这座山的每一个点上都算出一个向量

,

这个向量会指向每个点最陡的

那个方向

,

而向量的大小则代表了这个最陡的方向到底有多陡

.

散度

:

运算的对像是向量

,

运算出来的结果会是纯量

散度的作用对像是向量场

,

如果现在我们考虑任何一个点

(

或者说这个点的周围极小的一块区域

),

在这个点上

,

向量场的发散程度

,

如果是正的

,

代表这些向量场是往外散出的

.

如果是负的

,

代表这些向量场是往内集中的

.

一样

,

举例子

:

因为散度的作用对像是向量场

,

所以就不能用上面所讲的山来想象

,

这次要想象一个大广场里挤了很多人

,

如果每个人都在到处走动

,

是不是可以把每个人的行动都看成是一个向量

,

假如现在某人放了一个屁

,

周围的人

(

可能包含他自己

)

都想要赶快闪远一点

,

就会发现

,

在这块区域的人都往这小块区域以外的方向移动

.

对啦

..

这就是散度

(

你也可以想说是闪远一点的闪度

....

冷

....),

大家如果散得越快

,

散得人越多

,

这个散度算出来就就越大

.

旋度

:

运算的对像是向量

,

运算出来的结果会是向量

旋度的作用对象也是向量场

,

这次直接用上面的例子来讲

:

如果现在散开的众人都是直直的往那个屁的反方向散开

,

这时候你看到这些人的动线是不是就是一个标准的幅射状

??

不过事实上

,

每个人在闻到屁的时候是不会确切的知道

屁到底是来自哪个方向的

.