与散度度类似,旋度一般描述场内的运动趋势
用curl表示旋度, v ⃗ \vec{v} v表示一个向量场
因为是二维旋度,前面加2d来区别3d旋度
与散度类似,2d旋度得到的值是一个标量
比如点(3,0)和(0,3)
求得的旋度只能是一个正,负标量
正旋度:
假设一个点(x,y),它的P和Q分量都是0(原点)
这个点左边邻域输出的Q分量大于0
右边邻域输出的Q分量小于0
P分量上,随着y的增加,p是减小的,所以就导数而言,y的增加P反而变小,P分量对于y的导数是负的,即
∂
p
∂
y
<
0
\frac{\partial p}{\partial y}<0
∂y∂p<0
Q分量上,随着X的增加,Q是增加的,所以就导数而言,x的增加Q也会增加,Q分量对于x的导数的正值,即 ∂ p ∂ y > 0 \frac{\partial p}{\partial y}>0 ∂y∂p>0
所以2d旋度就是第一个分量的偏导减去第二个分量的偏导
这样 ∂ p ∂ y \frac{\partial p}{\partial y} ∂y∂p越小,差值越有可能是正值
这就是我们2d旋度的公式,
实例:
算术求偏导得到:
求点(3,0)的旋度
求点(0,3)的旋度
点(0,0)带入,得到旋度为0
对应场中原点,没有旋转存在
对应点的旋度:
上面是第一种情况,当Q分量一开始是负值—逐渐变为0----变成正值
还有一种情况就是Q分量是递增的
放到一个以中心旋转的向量场来看
事实上上面的向量场中的任何一点,求得的旋度都是一样
向量场函数 v ⃗ ( x , y ) = [ − y x ] \vec{v}(x,y)=\begin{bmatrix} -y \\ x \\ \end{bmatrix} v(x,y)=[−yx]表示的场
∂ Q ∂ x = ∂ x ∂ x = 1 \frac{\partial Q}{\partial x}=\frac{\partial x}{\partial x}=1 ∂x∂Q=∂x∂x=1
∂ P ∂ y = ∂ ( − y ) ∂ y = − 1 \frac{\partial P}{\partial y}=\frac{\partial( -y)}{\partial y}=-1 ∂y∂P=∂y∂(−y)=−1
所以
∂ Q ∂ x − ∂ P ∂ y = 1 − ( − 1 ) = 2 \frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}=1-(-1)=2 ∂x∂Q−∂y∂P=1−(−1)=2
这表示任意一点的旋度都与输入的变量x,y无关,任意一点的旋度都等于2