拉普拉斯算子

一、梯度：∇实质是一个向量，用来表示 一个函数在某个点的方向导数 沿该方向取得最大值，即沿着该方向变化最快、变化率最大
u=f(x,y,z)在点p(x,y,z)处的梯度，记为 grad f(x,y,z)或∇f(x,y,z)
∇f(x,y,z)=∂/∂x i ⃗+∂/∂y j ⃗+∂/∂z k ⃗
二、散度：∇∙表示空间中各点矢量场发散的强弱程度，用div(F)表示
（1）div(F)>0：发散能力的正源

（2）div(F)<0：吸收能量的负源（洞）

（3）div(F)=0：无源

三、拉普拉斯算子
接收某个函数 作为输入，给出一个函数 作为输出
多元函数f(x,y)
div(grad f) 记为 ∇∙∇f
如果f是一个矢量函数，其梯度∇f就是一个向量场，然后再对向量场取散度，得到的是一个标量函数

箭头就是梯度向量，表示沿哪个方向，变化率最大
散度就是 把每个点是吸收还是发散
div(grad f)大的点，对应着函数的最小值；梯度散度小，对应函数的最大值
所以说 梯度散度，就像是多元标量函数的二阶导
拉普拉斯算子其实就是针对空间标量函数的一种“操作”，即先求该标量函数的梯度场，再求梯度场的散度。