python计算矩阵的散度_用python计算矢量场的散度

@user2818943的答案是好的，但是可以稍微优化一下：def divergence(F):

""" compute the divergence of n-D scalar field `F` """

return reduce(np.add,np.gradient(F))

时间：F = np.random.rand(100,100)

timeit reduce(np.add,np.gradient(F))

# 1000 loops, best of 3: 318 us per loop

timeit np.sum(np.gradient(F),axis=0)

# 100 loops, best of 3: 2.27 ms per loop

大约快7倍：

sum从np.gradient返回的渐变字段列表隐式构造一个3d数组。避免使用reduce

现在，在你的问题中，你所说的div[A * grad(F)]是什么意思？关于A * grad(F)：A是二维数组，而grad(f)是二维数组的列表。所以我认为这意味着把每个梯度场乘以A。

关于将散度应用于(按A缩放的)梯度场，目前还不清楚。根据定义，div(F) = d(F)/dx + d(F)/dy + ...。我想这只是公式的错误。

对于1，可以将总和元素Bi乘以相同的因子A：Sum(A*Bi) = A*Sum(Bi)

因此，只需使用A*divergence(F)就可以得到这个加权梯度

如果̀A是一个因子列表，每个维度一个，那么解决方案是：def