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