麦克斯韦方程组在大学物理是比较难以理解的一组方程。它们的推导过程与梯度、散度、与旋度具有密切的关系。本文主要通过对三维空间中梯度、散度与旋度的解释来分析麦克斯韦方程组。为了方便表示,这里 f ( x , y , z ) f(x,y,z) f(x,y,z)表示一个含有三个变量x,y,z的一个函数,并且设 f ( x , y , z ) = x 2 + y 2 + z 2 f(x,y,z)=x^2+y^2+z^2 f(x,y,z)=x2+y2+z2。 F ⃗ = < P , Q , R > \vec{F}=<P,Q,R> F=<P,Q,R>表示空间中的矢量场。可以是梯度场、速度场、力场等。这里就假设是函数f(x,y,z)对应的梯度场。
0. ▽ \triangledown ▽ 算子
又叫“del”算子,即 < ∂ ∂ x , ∂ ∂ y , ∂ ∂ z > <\frac{\partial}{\partial x}, \frac{\partial}{\partial y},\frac{\partial}{\partial z}> <∂x∂,∂y∂,∂z∂>。可以理解为一个符号向量,向量里的元素是偏微分运算符号,没有任何具体意义,只是一个表示方法。
1. 梯度、散度、旋度
有了 ▽ \triangledown ▽算子,梯度、散度、旋度都可以用 ▽ \triangledown ▽向量来表示。
梯度 gradient
函数 f ( x , y , z ) f(x,y,z) f(x,y,z)(标量)的梯度可以理解为 ▽ \triangledown ▽向量与函数的乘积,即:
g r a d ( f ) = ▽ f = < ∂ ∂ x , ∂ ∂ y , ∂ ∂ z > f = < ∂ f ∂ x , ∂ f ∂ y , ∂ f ∂ z > grad(f)=\triangledown f= <\frac{\partial}{\partial x},\frac{\partial}{\partial y}, \frac{\partial}{\partial z}>f=<\frac{\partial f}{\partial x},\frac{\partial f}{\partial y}, \frac{\partial f}{\partial z}> grad(f)=▽f=<∂x∂,∂y∂,∂z∂>f=<∂x∂f,∂y∂f,∂z∂f>
针对一开始给出的例子,可知: ▽ f = < 2 x , 2 y , 2 z > \triangledown f=<2x,2y,2z> ▽f=<2x,2y,2z>
散度 divergence
散度是表示矢量扩散程度的一个量,是对场的一个运算。散度可以表示为 ▽ \triangledown ▽向量与矢量场的点积,这里以 F ⃗ = < P , Q , R > \vec{F}=<P,Q,R> F=<P,Q,R>为例子,则:
d i v ( F ⃗ ) = ▽ ⋅ F ⃗ = < ∂ ∂ x , ∂ ∂ y , ∂ ∂ z > ⋅ < P , Q , R > = ∂