一、標量場的梯度
1.1 從等值面與方向導數說起
方向導數(標量) 的計算:比如說我們給出了一個標量場函數:u ( x , y , z ) u(x, y, z) u ( x , y , z ) ,下面要計算這個標量場內一點 M 0 M_0 M 0 處的方向導數,計算公式是這樣的:∂ u ∂ l = ∂ u ∂ x c o s α + ∂ u ∂ y c o s β + ∂ u ∂ z c o s γ
\frac{\partial{u}}{\partial{l}} = \frac{\partial{u}}{\partial{x}}cosα + \frac{\partial{u}}{\partial{y}}cosβ + \frac{\partial{u}}{\partial{z}}cosγ ∂ l ∂ u = ∂ x ∂ u c o s α + ∂ y ∂ u c o s β + ∂ z ∂ u c o s γ
方向導數反應的是在標量場裏面,從 M M M 點開始沿着某一方向 l → \overrightarrow{l} l 距離的變化率。
那麼,如果我們知道了方向 l → \overrightarrow{l} l ,是需要會計算方向餘弦的。計算方法是:比如我們要計算 c o s α cosα c o s α ,(也即是 x x x 方向的方向餘弦)那麼我們就用向量 ( 1 , 0 , 0 ) (1, 0, 0) ( 1 , 0 , 0 ) 去我們的方向向量 l → \overrightarrow{l} l 做點乘運算,就可以把 c o s α cosα c o s α 求出來。
1.2 梯度的意義與計算
梯度,他是一個矢量。它的計算公式如下:g r a d u → = ∂ u ∂ x a x → + ∂ u ∂ y a y → + ∂ u ∂ z a z →
\overrightarrow{grad \space u} = \frac{\partial{u}}{\partial{x}}\overrightarrow{a_x} + \frac{\partial{u}}{\partial{y}}\overrightarrow{a_y} + \frac{\partial{u}}{\partial{z}}\overrightarrow{a_z} g r a d u = ∂ x ∂ u a x + ∂ y ∂ u a y + ∂ z ∂ u a z
如果當 l → \overrightarrow{l} l 和梯度的方向一致,那麼就表示是場函數 u ( x , y , z ) u(x,y,z) u ( x , y , z ) 變化最快的方向,最大變化率就是梯度的模值:∣ g r a d u → ∣ = ∂ u ∂ x 2 + ∂ u ∂ y 2 + ∂ u ∂ z 2
|\overrightarrow{grad \space u} | = \sqrt{\frac{\partial{u}}{\partial{x}}^2+\frac{\partial{u}}{\partial{y}}^2+\frac{\partial{u}}{\partial{z}}^2} ∣ g r a d u ∣ = ∂ x ∂ u 2 + ∂ y ∂ u 2 + ∂ z ∂ u 2
而標量場沿着任意方向的方向導數就等於梯度在這個方向上的投影! ,表示爲:∂ u ∂ l = g r a d u → ⋅ a l →
\frac{\partial{u}}{\partial{l}} = \overrightarrow{gradu} \sdot \overrightarrow{a_l} ∂ l ∂ u = g r a d u ⋅ a l
二、矢量場的散度
2.1 從通量說起
首先,什麼是通量呢?—— 簡單點說,就是單位時間內通過某一面積的曲面的量 。
我們以下面這個不封閉的曲面爲例:我們可以將這個大麴面(設面積爲 S S S )分割成若干個子區域對吧,每一個子區域的面積是 d S dS d S ,d S dS d S 曲面的單位法向矢量是 a n → \overrightarrow{a_n} a n 。這裏還需要說明一件事情:
對於不封閉的曲面來說,其單位法向矢量與曲面構成右手螺旋定則。因此,下圖中的 a n → \overrightarrow{a_n} a n 方向向上
通過 d S dS d S 面的量,我們可以用 A → \overrightarrow{A} A • a n → \overrightarrow{a_n} a n 表示,那麼根據積分的定義,通過整個面積爲 S S S 的曲面的量就可以表示成Φ = ∬ S A → ⋅ a n → d S (1)
Φ=\iint_S\overrightarrow{A}\sdot \overrightarrow{a_n} \space dS\tag{1} Φ = ∬ S A ⋅ a n d S ( 1 )
其中,A → \overrightarrow{A} A • a n → \overrightarrow{a_n} a n 表示矢量 A → \overrightarrow{A} A 在a n → \overrightarrow{a_n} a n 方向上的投影。那麼,類似地,如果這個曲面是面積爲 S S S 的閉合曲面,那麼有Φ = ∯ S A → ⋅ a n → d S (2)
Φ = \oiint_S\overrightarrow{A}\sdot \overrightarrow{a_n} \space dS\tag{2} Φ = ∬ S A ⋅ a n d S ( 2 )
式(1)、(2)就是我們所說的通量了!注意:從上式的形式可以看出:通量是個標量!
2.2 散度及其推導
下面我們就想啊:假如是閉合曲面,講道理淨通量 Φ Φ Φ 應該是 0,也就是說進入閉合曲面的矢量線有幾條,那麼穿出去的應該也是多少條。但是,常常會有下面的情況:
如果 Φ > 0 Φ >0 Φ > 0 ,說明這個閉合曲面內部還有一個“發射”的東西(我們稱之爲能量正源) ,使得穿出曲面的矢量線條數增加了。
如果 Φ > 0 Φ >0 Φ > 0 ,說明這個閉合曲面內部還有一個“吸收”的東西(我們稱之爲能量負源) ,它會吸收穿入曲面的一些 “能量”(矢量線),使得穿出曲面的矢量線條數減小了。
如果我們再定義一個通量源密度 ,也就是單位體積內的通量大小。∯ S A → ⋅ a n → d S V
\frac{\oiint_S\overrightarrow{A}\sdot \overrightarrow{a_n} \space dS}{V} V ∬ S A ⋅ a n d S
當我們將曲面所包圍的體積逐漸縮小的時候,曲面也漸漸逼近通量源,當 V → 0 V\to0 V → 0 時,若極限存在,我們就定義這個極限就是我們所說的散度:d i v A → = lim V → 0 ∯ S A → ⋅ a n → d S V
div\overrightarrow{A} = \lim_{V\to0}\frac{\oiint_S\overrightarrow{A}\sdot \overrightarrow{a_n} \space dS}{V} d i v A = V → 0 lim V ∬ S A ⋅ a n d S
這就是散度的定義。說明:散度也是一個標量!
但是,在應用過程中,使用定義式直接計算散度相當麻煩,我們下面給出一個更好用的式子:
先看下面的情況:
我們看這個長方體的最左下角的 M M M ,定義 M ( x , y , z ) M(x, y, z) M ( x , y , z ) ,長方體的長寬高分別是 △ y , △ x , △ z △y, △x, △z △ y , △ x , △ z
在 M M M 點處的矢量爲:A → = A x a x → + A y a y → + A z a z → \overrightarrow{A} = A_x\overrightarrow{a_x}+A_y\overrightarrow{a_y}+A_z\overrightarrow{a_z} A = A x a x + A y a y + A z a z 這裏特別注意:A x , A y , A z A_x, A_y,A_z A x , A y , A z 都是 ( x , y , z ) (x,y,z) ( x , y , z ) 三者的函數!
我們下面先看看長方體前面的通量:∯ S 1 A → ⋅ a f r o n t → d S = ∯ S 1 A x d S = A x ( x + △ x , y , z ) △ y △ z
\oiint_{S1}\overrightarrow{A}\sdot \overrightarrow{a_{front}} dS = \oiint_{S1}A_xdS = A_x(x+△x, y, z)△y△z
∬ S 1 A ⋅ a f r o n t d S = ∬ S 1 A x d S = A x ( x + △ x , y , z ) △ y △ z
下面,我們回憶一下泰勒公式是怎麼用的,下面是 f ( x ) f(x) f ( x ) 在 x 0 x_0 x 0 處的泰勒展開:f ( x ) = f ( x 0 ) 0 ! + f ′ ( x 0 ) 1 ! ( x − x 0 ) + f ′ ′ ( x 0 ) 2 ! ( x − x 0 ) 2 + ⋯
f(x) = \frac{f(x_0)}{0!} + \frac{f'(x_0)}{1!}(x-x_0) + \frac{f''(x_0)}{2!}(x-x_0)^2 + \cdots f ( x ) = 0 ! f ( x 0 ) + 1 ! f ′ ( x 0 ) ( x − x 0 ) + 2 ! f ′ ′ ( x 0 ) ( x − x 0 ) 2 + ⋯
那麼,類似地使用變量代換,將上式的 x x x 代換成 x + △ x x+△x x + △ x ,x 0 x_0 x 0 換成 x x x ,f ( ) f() f ( ) 函數使用 A x ( ) A_x() A x ( ) 替換,得:A x ( x + △ x , y , z ) = A x ( x , y , z ) + ∂ A x ( x , y , z ) ∂ x △ x + 1 2 ∂ 2 A x ( x , y , z ) ∂ x 2 △ x 2 + ⋯
A_x(x+△x,y,z) =A_x(x,y,z)+\frac{\partial A_x(x,y,z)}{\partial x}△x + \frac{1}{2}\frac{\partial^2 A_x(x,y,z)}{\partial x^2}△x^2+\cdots A x ( x + △ x , y , z ) = A x ( x , y , z ) + ∂ x ∂ A x ( x , y , z ) △ x + 2 1 ∂ x 2 ∂ 2 A x ( x , y , z ) △ x 2 + ⋯
因此,我們可以得到一個近似表達:A x ( x + △ x , y , z ) ≈ A x ( x , y , z ) + ∂ A x ( x , y , z ) ∂ x △ x
A_x(x+△x,y,z) ≈ A_x(x,y,z)+\frac{\partial A_x(x,y,z)}{\partial x}△x A x ( x + △ x , y , z ) ≈ A x ( x , y , z ) + ∂ x ∂ A x ( x , y , z ) △ x
因此,前面的淨通量就近似表示成:∯ S 1 A → ⋅ a f r o n t → d S ≈ A x ( x , y , z ) △ y △ z + ∂ A x ( x , y , z ) ∂ x △ x △ y △ z
\oiint_{S1}\overrightarrow{A}\sdot \overrightarrow{a_{front}} dS ≈A_x(x,y,z)△y△z+\frac{\partial A_x(x,y,z)}{\partial x}△x△y△z
∬ S 1 A ⋅ a f r o n t d S ≈ A x ( x , y , z ) △ y △ z + ∂ x ∂ A x ( x , y , z ) △ x △ y △ z
那麼,我們再看看後面得通量:由於 A x a x → A_x\overrightarrow{a_x} A x a x 的方向是沿着 x x x 軸的正方向,因此與 a b a c k → \overrightarrow{a_{back}} a b a c k 的方向相反,那麼得到的通量結果是:∯ S 2 A → ⋅ a b a c k → d S = − A x ( x , y , z ) △ y △ z
\oiint_{S2}\overrightarrow{A}\sdot \overrightarrow{a_{back}} dS = -A_x(x,y,z)△y△z ∬ S 2 A ⋅ a b a c k d S = − A x ( x , y , z ) △ y △ z
那麼,我們就可以得到前後兩個面的淨通量:Φ f r o n t + Φ b a c k = A x ( x , y , z ) △ y △ z + ∂ A x ( x , y , z ) ∂ x △ x △ y △ z − A x ( x , y , z ) △ y △ z = ∂ A x ( x , y , z ) ∂ x △ x △ y △ z
\begin{aligned}
Φ_{front} + Φ_{back} &= A_x(x,y,z)△y△z+\frac{\partial A_x(x,y,z)}{\partial x}△x△y△z - A_x(x,y,z)△y△z\\
&=\frac{\partial A_x(x,y,z)}{\partial x}△x△y△z
\end{aligned} Φ f r o n t + Φ b a c k = A x ( x , y , z ) △ y △ z + ∂ x ∂ A x ( x , y , z ) △ x △ y △ z − A x ( x , y , z ) △ y △ z = ∂ x ∂ A x ( x , y , z ) △ x △ y △ z
那麼,如果我們求出前後左右上下六個面的淨通量,就可以表示成:Φ t o t a l = ∂ A x ( x , y , z ) ∂ x △ x △ y △ z + ∂ A y ( x , y , z ) ∂ y △ x △ y △ z + ∂ A z ( x , y , z ) ∂ z △ x △ y △ z
Φ_{total} = \frac{\partial A_x(x,y,z)}{\partial x}△x△y△z + \frac{\partial A_y(x,y,z)}{\partial y}△x△y△z + \frac{\partial A_z(x,y,z)}{\partial z}△x△y△z Φ t o t a l = ∂ x ∂ A x ( x , y , z ) △ x △ y △ z + ∂ y ∂ A y ( x , y , z ) △ x △ y △ z + ∂ z ∂ A z ( x , y , z ) △ x △ y △ z
令體積微元 △ V = △ x △ y △ z △V = △x△y△z △ V = △ x △ y △ z ,因此得到閉合曲面淨通量表達式:Φ t o t a l = ∂ A x ( x , y , z ) ∂ x △ V + ∂ A y ( x , y , z ) ∂ y △ V + ∂ A z ( x , y , z ) ∂ z △ V
Φ_{total} = \frac{\partial A_x(x,y,z)}{\partial x}△V + \frac{\partial A_y(x,y,z)}{\partial y}△V + \frac{\partial A_z(x,y,z)}{\partial z}△V Φ t o t a l = ∂ x ∂ A x ( x , y , z ) △ V + ∂ y ∂ A y ( x , y , z ) △ V + ∂ z ∂ A z ( x , y , z ) △ V
把它重新帶入散度的定義式,我們就可以得到散度的計算公式:d i v A → = ∂ A x ( x , y , z ) ∂ x + ∂ A y ( x , y , z ) ∂ y + ∂ A z ( x , y , z ) ∂ z = ∂ A x ∂ x + ∂ A y ∂ y + ∂ A z ∂ z
\begin{aligned}
div\overrightarrow{A} &= \frac{\partial A_x(x,y,z)}{\partial x} + \frac{\partial A_y(x,y,z)}{\partial y} + \frac{\partial A_z(x,y,z)}{\partial z}\\
&=\frac{\partial A_x}{\partial x} + \frac{\partial A_y}{\partial y} + \frac{\partial A_z}{\partial z}
\end{aligned} d i v A = ∂ x ∂ A x ( x , y , z ) + ∂ y ∂ A y ( x , y , z ) + ∂ z ∂ A z ( x , y , z ) = ∂ x ∂ A x + ∂ y ∂ A y + ∂ z ∂ A z
d i v A → > 0 div\overrightarrow{A} > 0 d i v A > 0 :則表示該點處有一個正源(發射矢量線)
d i v A → < 0 div\overrightarrow{A} < 0 d i v A < 0 :則表示該點處有一個負源(吸收矢量線)
d i v A → = 0 div\overrightarrow{A} = 0 d i v A = 0 :則表示該點沒有場源
下面我們定義一個以後非常常用的算子:▽ \triangledown ▽ 算子:(矢量微分算子 )▽ = ∂ ∂ x a x → + ∂ ∂ y a y → + ∂ ∂ z a z →
\triangledown = \frac{\partial }{\partial x}\overrightarrow{a_x} + \frac{\partial}{\partial y}\overrightarrow{a_y} + \frac{\partial }{\partial z}\overrightarrow{a_z} ▽ = ∂ x ∂ a x + ∂ y ∂ a y + ∂ z ∂ a z
因此,散度就可以表示成:d i v A → = ▽ ⋅ A → div\overrightarrow{A} = \triangledown \sdot \overrightarrow{A} d i v A = ▽ ⋅ A ,散度表示矢量場內一點的吸收或者輻射程度
2.3 高斯散度的定理
三、矢量場的旋度
3.1 先從環量說起:
先看看下面的 (a)圖,考慮這樣一個 A → \overrightarrow{A} A 的矢量場。我們舉一個具體的例子:比如說這個一個“風”場,裏面每一點的向量的方向代表該點處風力的方向,矢量長度代表該點風力大小。
假如這是由龍捲風組成的強大的場,那麼試想一下在這個風暴場裏面如果有一個飄零的線圈 c c c ,我們可以想象得出來,這個線圈將會收到風力的影響而旋轉。那麼,如何描述這個線圈 c c c 所受到的風力大小呢?
我們先從線圈的一個點開始計算:
假設在線圈上一點 M M M ,這個點處線圈的方向是 d l → \overrightarrow{dl} d l ,風力場在 M 點的矢量方向是 A → \overrightarrow{A} A ,我們知道,只有切線上的力會導致物體旋轉,因此,我們也考慮風力在切線方向的作用:A → \overrightarrow{A} A 在 d l → \overrightarrow{dl} d l 方向上的投影恰好就是風力在切線方向的大小。
因此,在這一個點 M 上,所受到的風力大小就是:A → ⋅ d l →
\overrightarrow{A}\sdot \overrightarrow{dl} A ⋅ d l
那麼,整個線圈收到的風力大小就是:∮ c A → ⋅ d l →
\oint_c\overrightarrow{A}\sdot \overrightarrow{dl} ∮ c A ⋅ d l
而其實,如果我們假設這個線圈 c c c 內部存在一個渦旋源,我們現在還想研究這個渦旋源的強度:
因此,和推導散度類似的辦法,假設線圈的面積是 S,如果令 S 無限趨近於0,就可以縮到如圖(b)所示的一個點 M,我們有:lim S → 0 ∮ c A → ⋅ d l → S
\lim_{S\to 0}\frac{\oint_c\overrightarrow{A}\sdot \overrightarrow{dl}}{S} S → 0 lim S ∮ c A ⋅ d l
這個叫做矢量場 A → \overrightarrow{A} A 在點 M 處沿着方向 n → \overrightarrow{n} n 處的環量面密度。
欸???按照類比的思路,這裏的形式不應該是旋量嗎?——但是你別忘了,旋量是一個矢量,它還有方向。開始,經過 M 點的平面有無窮多個,那麼方向也就是無窮多個。顯然不符合旋量的定義。
如圖,假設我們的磁場 B → \overrightarrow{B} B 的方向是沿着豎直軸逆時針旋轉的,那麼經過中心點取的一個平面,假設這個平面和磁場方向平行,那麼 B → \overrightarrow{B} B 在該點處沿着該面方向的環量面密度最大。
因此,我們定義環量面密度最大的時候,環量面密度的模值就是旋量的模值,該環線所圍的面積的法向就是旋量的方向。記爲:r o t A → rot\overrightarrow{A} r o t A
公式就直接給出來:r o t A → = ▽ × A →
rot\overrightarrow{A} = \triangledown × \overrightarrow{A} r o t A = ▽ × A
即:r o t A → = ▽ × A → = [ a x → a y → a z → ∂ ∂ x ∂ ∂ x ∂ ∂ x A x A y A Z ]
rot\overrightarrow{A} = \triangledown × \overrightarrow{A} = \begin{bmatrix}
\overrightarrow{a_x} & \overrightarrow{a_y} & \overrightarrow{a_z}\\
\\
\frac{\partial }{\partial x} & \frac{\partial }{\partial x} & \frac{\partial }{\partial x}\\
\\
A_x & A_y & A_Z
\end{bmatrix} r o t A = ▽ × A = ⎣ ⎢ ⎢ ⎢ ⎢ ⎡ a x ∂ x ∂ A x a y ∂ x ∂ A y a z ∂ x ∂ A Z ⎦ ⎥ ⎥ ⎥ ⎥ ⎤
四、梯度、旋度、散度的關係
旋度的散度等於0:▽ ⋅ ( ▽ × A → ) = 0 \triangledown \sdot (\triangledown ×\overrightarrow{A}) = 0 ▽ ⋅ ( ▽ × A ) = 0
梯度的旋度等於0:▽ × ( ▽ u ) = 0 \triangledown × (\triangledown u) = 0 ▽ × ( ▽ u ) = 0
在這篇 B l o g Blog B l o g 的最後,再簡單說明一個問題:▽ \triangledown ▽ 這個算子叫做”矢量微分算子”,也就是說,它既具有矢量的性質,又具有微分的性質(比如複合函數求導法則) ,我們舉兩個例子:
【1】▽ ( u v ) \triangledown{(uv)} ▽ ( u v ) ,這時, ▽ \triangledown ▽ 具有微分的性質,我們可以看成是對 u v uv u v 求導,因爲 u v uv u v 是一個複合函數,因此就有:u ▽ v + v ▽ u u\triangledown{v} + v\triangledown{u} u ▽ v + v ▽ u
【2】因爲向量有下面這個性質:A → ⋅ ( B → × C → ) = B → ⋅ ( A → × C → ) = C → ⋅ ( A → × B → )
\overrightarrow{A}\sdot (\overrightarrow{B} × \overrightarrow{C}) = \overrightarrow{B}\sdot (\overrightarrow{A} × \overrightarrow{C}) = \overrightarrow{C}\sdot (\overrightarrow{A} × \overrightarrow{B}) A ⋅ ( B × C ) = B ⋅ ( A × C ) = C ⋅ ( A × B )
所以,▽ \triangledown ▽ 也有這樣的性質:▽ ⋅ ( B → × C → ) = B → ⋅ ( ▽ × C → ) = C → ⋅ ( ▽ × B → )
\triangledown\sdot (\overrightarrow{B} × \overrightarrow{C}) = \overrightarrow{B}\sdot (\triangledown × \overrightarrow{C}) = \overrightarrow{C}\sdot (\triangledown × \overrightarrow{B}) ▽ ⋅ ( B × C ) = B ⋅ ( ▽ × C ) = C ⋅ ( ▽ × B )
這時我們要把 ▽ \triangledown ▽ 當成矢量看待。