梯度旋度散度Word版.docx
- 文档编号:16994690
- 上传时间:2023-07-21
- 格式:DOCX
- 页数:24
- 大小:166.38KB
梯度旋度散度Word版.docx
《梯度旋度散度Word版.docx》由会员分享,可在线阅读,更多相关《梯度旋度散度Word版.docx(24页珍藏版)》请在冰点文库上搜索。
梯度旋度散度Word版
梯度、散度和旋度
梯度、散度和旋度是矢量分析里的重要概念。
之所以是“分析”,因为三者是三种偏导数计算形式。
这里假设读者已经了解了三者的定义。
它们的符号分别记作如下:
从符号中可以获得这样的信息:
①求梯度是针对一个标量函数,求梯度的结果是得到一个矢量函数。
这里φ称为势函数;
②求散度则是针对一个矢量函数,得到的结果是一个标量函数,跟求梯度是反一下的;
③求旋度是针对一个矢量函数,得到的还是一个矢量函数。
这三种关系可以从定义式很直观地看出,因此可以求“梯度的散度”、“散度的梯度”、“梯度的旋度”、“旋度的散度”和“旋度的旋度”,只有旋度可以连续作用两次,而一维波动方程具有如下的形式
(1)
其中a为一实数,于是可以设想,对于一个矢量函数来说,要求得它的波动方程,只有求它的“旋度的旋度”才能得到。
下面先给出梯度、散度和旋度的计算式:
(2)
(3)
(4)
旋度公式略显复杂。
这里结合麦克斯韦电磁场理论,来讨论前面几个“X度的X度”。
I.梯度的散度:
根据麦克斯韦方程有:
而
(5)
则电势的梯度的散度为
这是一个三维空间上的标量函数,常记作
(6)
称为泊松方程,而算符▽2称为拉普拉斯算符。
事实上因为定义
所以有
当然,这只是一种记忆方式。
当空间内无电荷分布时,即ρ=0,则称为拉普拉斯方程
当我们仅需要考虑一维情况时,比如电荷均匀分布的无限大平行板电容器之间(不包含极板)的电场,我们知道该电场只有一个指向,场强处处相等,于是该电场满足一维拉普拉斯方程,即
这就是说如果那边平行板电容器的负极板接地,则板间一点处的电压与该点距负极板的距离呈线性关系。
II.散度的梯度:
散度的梯度,从上面的公式中可以看到结果会比较复杂,但是它的物理意义却是很明确的,因为从麦克斯韦方程可以看出空间某点处电场的散度是该点处的电荷密度,那么再求梯度就是空间中电荷密度的梯度。
这就好比说清水中滴入一滴红墨水,起初水面红色浓度最高,杯底浓度最低,这样水面与杯底形成一个浓度梯度,红墨水由水面向杯底扩散,最后均匀。
在半导体中,载流子分布的不均匀会导致扩散电流。
散度的梯度这个概念其实不常用,因为计算复杂,但在后面讲用它来推导一个矢量恒等式。
III.梯度的旋度:
对于梯度的旋度,直接把
(2)式代入(4)式中,有
由于势函数在空间一点的领域内往往是有二阶连续混合偏导数的,因此上式的结果为0.所以说梯度的旋度为零,它的物理意义也是很明确的。
比如一个人从海平面爬到一座山上,无论它是从山的陡坡爬上去还是从缓坡爬上去,亦或者坐直升机上去,重力对他所做的功总是相等的,即力场的做工只与位移有关,而与路径无关,这样的场称为保守场,而保守场是无旋场。
再比如绘有等高线的地图,如果某点只有一个一根等高线穿过,那么该点有一个确定的相对高度。
如果该点有两条或以上的等高线穿过,则这个点处在悬崖边上,这个点处是不可微,也就没有求梯度的意义。
IV.旋度的散度:
求旋度的散度也是将(4)式代入(3)式即可。
若令
(7)
则
从而
将上面三式相加结果也为零。
所以说旋度的散度为零,这就意味着一个散度场任意叠加上一个有旋场不会改变其散度,也就是说光凭矢量场的散度无法唯一地确定这个矢量场
。
而光凭矢量场的旋度也无法唯一地确定这个矢量,这是因为有旋场可以叠加上这么一个矢量场而不改变其旋度,而这个矢量场是一个标量函数的梯度。
V.旋度的旋度:
旋度的旋度将是本文的重点。
若所研究的空间范围内是无源的,即ρ=0,J=0,则根据麦克斯韦方程有:
(8)
(9)
(10)
(11)
对(9)式两端取旋度
(12)
再将(8)式代入(12)式有
(13)
看到这里容易让人想到式
(1),前面说式
(1)的方程为一维波动方程,那么跟(13)式有什么联系呢?
棘手的问题是算旋度已经够复杂了,算旋度的旋度岂不是更费周折?
幸好有矢量恒等式可以利用来帮助简化计算,这里要用到前面所讲的散度的梯度。
即有:
(14)
这里拉普拉斯算子作用于一个矢量函数时,意义变得不明确了,它和前面的几个“X度的X度”都不一样,实际上它有这样的定义:
(15)
为了验证式(14)还是要对计算“旋度的旋度”,但以后可以直接利用该式。
还是做(7)式那样的处理,即令
则
于是
(16)
而令
(17)
两式相减有
(18)
类似地有
由于所关心的空间内是无源的,所以式(13)变成
(19)
这个方程很重要,称为三维波动方程,这也从理论上揭示了电磁波的存在。
它的各分量展开后比较复杂,实际上我们无法绘制出一个向四面八方传播的波的振动图像,但好在可以画出一维和二维的波,从而了解波的性质。
有些事物我们无法在现实世界中呈现,或绘制出图形,但是数学上却可以计算且有确切的物理意义,比如高于三维的空间,不得不感叹数学的神奇,感叹我们生活的世界的神奇。
VI.几个矢量恒等式:
前面已经介绍了一个矢量恒等式,还有其他几个重要的恒等式。
由于三种“度”是三种不同微分算法,虽然有些场合可以把▽当做一个普通的矢量来处理,但并不总是正确的,这一点需要引起注意。
①
②
这里“×”乘的优先级高于“·”乘对于普通三个不共面的矢量A、B、C则有A·B×C=C·A×B=B·C×A。
得到的结果是令三个矢量共起点,以三个矢量的模为棱构成的六面体的体积或它的负值。
但是对于▽算子,则一般
但是一般有
实际上上面的矢量恒等式就是上式的扩展
梯度、散度和旋度
(2011-09-1220:
36:
08)
转载▼
标签:
旋度
散度
梯度
矢量场
拉普拉斯算子
波动方程
分类:
电子技术
梯度、散度和旋度是矢量分析里的重要概念。
之所以是“分析”,因为三者是三种偏导数计算形式。
这里假设读者已经了解了三者的定义。
它们的符号分别记作如下:
从符号中可以获得这样的信息:
①求梯度是针对一个标量函数,求梯度的结果是得到一个矢量函数。
这里φ称为势函数;
②求散度则是针对一个矢量函数,得到的结果是一个标量函数,跟求梯度是反一下的;
③求旋度是针对一个矢量函数,得到的还是一个矢量函数。
这三种关系可以从定义式很直观地看出,因此可以求“梯度的散度”、“散度的梯度”、“梯度的旋度”、“旋度的散度”和“旋度的旋度”,只有旋度可以连续作用两次,而一维波动方程具有如下的形式
(1)
其中a为一实数,于是可以设想,对于一个矢量函数来说,要求得它的波动方程,只有求它的“旋度的旋度”才能得到。
下面先给出梯度、散度和旋度的计算式:
(2)
(3)
(4)
旋度公式略显复杂。
这里结合麦克斯韦电磁场理论,来讨论前面几个“X度的X度”。
I.梯度的散度:
根据麦克斯韦方程有:
而
(5)
则电势的梯度的散度为
这是一个三维空间上的标量函数,常记作
(6)
称为泊松方程,而算符▽2称为拉普拉斯算符。
事实上因为定义
所以有
当然,这只是一种记忆方式。
当空间内无电荷分布时,即ρ=0,则称为拉普拉斯方程
当我们仅需要考虑一维情况时,比如电荷均匀分布的无限大平行板电容器之间(不包含极板)的电场,我们知道该电场只有一个指向,场强处处相等,于是该电场满足一维拉普拉斯方程,即
这就是说如果那边平行板电容器的负极板接地,则板间一点处的电压与该点距负极板的距离呈线性关系。
II.散度的梯度:
散度的梯度,从上面的公式中可以看到结果会比较复杂,但是它的物理意义却是很明确的,因为从麦克斯韦方程可以看出空间某点处电场的散度是该点处的电荷密度,那么再求梯度就是空间中电荷密度的梯度。
这就好比说清水中滴入一滴红墨水,起初水面红色浓度最高,杯底浓度最低,这样水面与杯底形成一个浓度梯度,红墨水由水面向杯底扩散,最后均匀。
在半导体中,载流子分布的不均匀会导致扩散电流。
散度的梯度这个概念其实不常用,因为计算复杂,但在后面讲用它来推导一个矢量恒等式。
III.梯度的旋度:
对于梯度的旋度,直接把
(2)式代入(4)式中,有
由于势函数在空间一点的领域内往往是有二阶连续混合偏导数的,因此上式的结果为0.所以说梯度的旋度为零,它的物理意义也是很明确的。
比如一个人从海平面爬到一座山上,无论它是从山的陡坡爬上去还是从缓坡爬上去,亦或者坐直升机上去,重力对他所做的功总是相等的,即力场的做工只与位移有关,而与路径无关,这样的场称为保守场,而保守场是无旋场。
再比如绘有等高线的地图,如果某点只有一个一根等高线穿过,那么该点有一个确定的相对高度。
如果该点有两条或以上的等高线穿过,则这个点处在悬崖边上,这个点处是不可微,也就没有求梯度的意义。
IV.旋度的散度:
求旋度的散度也是将(4)式代入(3)式即可。
若令
(7)
则
从而
将上面三式相加结果也为零。
所以说旋度的散度为零,这就意味着一个散度场任意叠加上一个有旋场不会改变其散度,也就是说光凭矢量场的散度无法唯一地确定这个矢量场。
而光凭矢量场的旋度也无法唯一地确定这个矢量,这是因为有旋场可以叠加上这么一个矢量场而不改变其旋度,而这个矢量场是一个标量函数的梯度。
V.旋度的旋度:
旋度的旋度将是本文的重点。
若所研究的空间范围内是无源的,即ρ=0,J=0,则根据麦克斯韦方程有:
(8)
(9)
(10)
(11)
对(9)式两端取旋度
(12)
再将(8)式代入(12)式有
(13)
看到这里容易让人想到式
(1),前面说式
(1)的方程为一维波动方程,那么跟(13)式有什么联系呢?
棘手的问题是算旋度已经够复杂了,算旋度的旋度岂不是更费周折?
幸好有矢量恒等式可以利用来帮助简化计算,这里要用到前面所讲的散度的梯度。
即有:
(14)
这里拉普拉斯算子作用于一个矢量函数时,意义变得不明确了,它和前面的几个“X度的X度”都不一样,实际上它有这样的定义:
(15)
为了验证式(14)还是要对计算“旋度的旋度”,但以后可以直接利用该式。
还是做(7)式那样的处理,即令
则
于是
(16)
而令
(17)
两式相减有
(18)
类似地有
由于所关心的空间内是无源的,所以式(13)变成
(19)
这个方程很重要,称为三维波动方程,这也从理论上揭示了电磁波的存在。
它的各分量展开后比较复杂,实际上我们无法绘制出一个向四面八方传播的波的振动图像,但好在可以画出一维和二维的波,从而了解波的性质。
有些事物我们无法在现实世界中呈现,或绘制出图形,但是数学上却可以计算且有确切的物理意义,比如高于三维的空间,不得不感叹数学的神奇,感叹我们生活的世界的神奇。
VI.几个矢量恒等式:
前面已经介绍了一个矢量恒等式,还有其他几个重要的恒等式。
由于三种“度”是三种不同微分算法,虽然有些场合可以把▽当做一个普通的矢量来处理,但并不总是正确的,这一点需要引起注意。
①
②
这里“×”乘的优先级高于“·”乘对于普通三个不共面的矢量A、B、C则有A·B×C=C·A×B=B·C×A。
得到的结果是令三个矢量共起点,以三个矢量的模为棱构成的六面体的体积或它的负值。
但是对于▽算子,则一般
但是一般有
实际上上面的矢量恒等式就是上式的扩展
上两式相减有
记忆上式的方法是记住下标的顺序是xyz,yzx和zxy。
③
这个等式相对容易证明,但前提是要在直角坐标下。
上两式相减有
记忆上式的方法是记住下标的顺序是xyz,yzx和zxy。
③
这个等式相对容易证明,但前提是要在直角坐标下。
再谈梯度
直角坐标上的梯度公式为
这实际上是一个定义式。
也就是说梯度就是这么定义来着,不是以其他数学定理为基础推导出来的。
而这里就讲一讲梯度的几何意义。
实际上梯度几何意义是很简单的,看一维的情况,它就是一个模为曲线φ(x)上某点处导数的一维向量。
那么二维情况时,若以XOY平面为参考面,即
则梯度的几何意义是曲面φ(x,y)上某点处的切平面关于XOY平面的斜率。
而三维以上则变得抽象了,但仍可以此类推。
事实是否如此?
一般的教材都是先从方向导数的概念引出梯度。
但实际上求梯度,比求方向导数容易,并且通过求梯度再得到方向导数比通过定义求方向导数要容易得多。
因为有
这里el是l方向的单位向量。
注意方向导数不是向量。
这里关于二维情况作一个讨论。
在我的前一篇文章《曲面积分的求法》中指出其过程是:
①先将曲面用垂直于x轴和y轴的平面,将曲面分割成无数片;
②每片曲面用平行四边形近似;
③再根据平行四边形与其对应的XOY平面上的矩形的映射关系,将曲面积分的问题转化为关于平面求积分的问题。
图1
这里求梯度是得到微分方程,但是跟上述步骤是相似的。
见图1
通过对曲面的微分和近似,得到了图中所示的平行四边形ABCD,通过平移,把D点移到坐标原点。
且映射到XOY平面上的矩形PQRD。
这里平面ABCD与平面XOY之间的夹角是锐角。
由于微分的任意性,只要我们选取适当的dx和dy可以确保∠BDG等于平面ABCD与平面XOY的夹角。
而此时正是∠BDG取得最大值的情况。
那么按前面的假设应该有
而正是由于dx和dy的任意性,使得值得难以直观地验证上述关系。
而通过方向导数去验证上述关系显然不是想要的,今天我们要另辟新路。
想到平面法向量与平面夹角之间的关系,显然我们可以通过求法向量的方法来解决问题。
而平面的法向量的求法,我已在《曲面积分的求法》一文中阐述。
对于图1的这种曲面,曲面方程可表示为
则作辅助函数
于是曲面某点处的法向量为
得到图2所示的结果
图2
于是得到梯度公式
而梯度的模为
这就验证了前述的结论。
当∠BDQ不再等于两平面的夹角时,则BQ/DQ就不再是梯度的模了,只是一个沿着DQ方向的方向导数罢了。
从图1可以看出
则有
似曾相识吧,这就是所谓的全微分。
这样
而l上的单位向量可表示为
于是
注意以上讨论均在函数可微的前提下,否则一切没有意义。
下面把直角坐标转换为圆柱坐标。
应该说换成极坐标时,就图1所示的划分方式不再相同。
但是我们可以对图1中的平行四边形进行平移和旋转的处理,使得
根据正交性则有
全部代入直角坐标下的梯度公式中,有
同理,对于球坐标有梯度公式
(注:
可编辑下载,若有不当之处,请指正,谢谢!
)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 梯度 旋度散度 Word
![提示](https://static.bingdoc.com/images/bang_tan.gif)