梯度的直观理解_关于梯度、旋度和散度的直观理解

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