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