最后更新: 2025-04-27 10:26 查看: 282 次纠错评论(0) 课件开VIP

数量场和向量场

> 场论内容较为抽象，初学者可以参考 [高等数学](https://kb.kmath.cn/kbase/detail.aspx?id=1879) 配合学习
 
 
### 数量场和向量场
本书的场论内容实际上从讲方向导数时引入梯度向量就开始了，然后陆续引入了散度和通量，旋度和环流量，势函数等场论的基本概念．其中最主要的是三大公式：Green 公式，Gauss 公式和 Stokes 公式．又对于平面和空间分别得到了 Green定理。这里只是作一个小结。

注意在场论中普遍使用 nabla 算子 $\nabla$ 。
以下都在空间 $R ^3$ 中来叙述。

## 数量场和向量场
在区域 $D \subset R$ 上定义的数值函数 $f(x, y, z)$ 称为 $D$ 上的**数量场**，同样，在 $D$ 上定义的向量值函数 $a (x, y, z)=(P, Q, R)$ 称为 $D$ 上的**向量场**．

对于数量场 $f$ 有梯度

$$
\operatorname{grad} f=\nabla f=\left(\frac{\partial f}{\partial x}, \frac{\partial f}{\partial y}, \frac{\partial f}{\partial z}\right)
$$

即生成了一个向量场，称为 $f$ 的梯度场，$f$ 就是这个梯度场的势函数．如前所述，梯度反映了 $f$ 增长的最快方向和大小．

对于向量场 $a =(P, Q, R)$ 有散度
$$
\operatorname{div} a =\nabla \cdot a =\frac{\partial P}{\partial x}+\frac{\partial Q}{\partial y}+\frac{\partial R}{\partial z}
$$

即生成了一个数量场，称为 $a$ 的散度场．如前所述，散度反映了流体速度场中的＂源＂和＂汇＂。

从向量场 $a =(P, Q, R)$ 还有旋度

$$
\begin{aligned}
\operatorname{rot} a & =\nabla \times a =\left|\begin{array}{ccc} 
i & j & k \\
\frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z} \\
P & Q & R
\end{array}\right| \\
& =\left(\frac{\partial R}{\partial y}-\frac{\partial Q}{\partial z}, \frac{\partial P}{\partial z}-\frac{\partial R}{\partial z}, \frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}\right),
\end{aligned}
$$

这样就又生成了一个向量场，称为 $a$ 的**旋度场**．如前所述，旋度反映了向量场的旋转程度。

## 梯度、散度和旋度的运算公式
设 $f, g$ 为数量场， $a , b$ 为向量场，假定都连续可微．则有以下用 nabla 算子写出的运算规则，它们都可以按照定义直接验证．
$$
\boxed{
\begin{aligned}
& \nabla(\alpha f+\beta g)=\alpha \nabla f+\beta \nabla g, \\
& \nabla \cdot(\alpha a +\beta b )=\alpha \nabla \cdot a +\beta \nabla \cdot b , \\
& \nabla \times(\alpha a +\beta b )=\alpha \nabla \times a +\beta \nabla \times b , \\
& \nabla(f g)=(\nabla f) g+f(\nabla g), \\
& \nabla \cdot(f a )=f(\nabla \cdot a )+(\nabla f) \cdot a , \\
& \nabla \times(f a )=f(\nabla \times a )+(\nabla f) \times a , \\
& \nabla \cdot(\nabla \times a )=0, \\
& \nabla \times(\nabla f)= 0 .
\end{aligned}
}
$$

特别注意最后两个公式，**前者表明任何向量场的旋度的散度为零，即旋度不生不灭，后者表明任和数量场的梯度的旋度为零向量，即梯度场没有任何旋转性质**
从 Green 定理知道这就是满足恰当条件，在单连通区域内与存在势函数等价．

下面是关于 $\nabla \cdot(\nabla \times a )=0$ 的验证．由以下计算得到

$$
\begin{aligned}
\nabla \cdot(\nabla \times a ) & =\left|\begin{array}{ccc}
\frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z} \\
\frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z} \\
P & Q & R
\end{array}\right| \\
& =\frac{\partial}{\partial x}\left(\frac{\partial R}{\partial y}-\frac{\partial Q}{\partial z}\right)+\frac{\partial}{\partial y}\left(\frac{\partial P}{\partial z}-\frac{\partial R}{\partial x}\right)+\frac{\partial}{\partial z}\left(\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}\right)
\end{aligned}
$$

可见对于二阶连续可微的向量场来说，由于二阶混合偏导数与求偏导顺序无关，因此一定成立。

同样可以直接验证 $\nabla \times(\nabla f)= 0$ ．为此只要作如下计算：

$$
\nabla \times(\nabla f)=\left|\begin{array}{ccc} 
i & j & k \\
\frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z} \\
\frac{\partial f}{\partial x} & \frac{\partial f}{\partial y} & \frac{\partial f}{\partial z}
\end{array}\right|
$$

就可以直接看出当数量场 $f$ 二阶连续可微时，同样由于二阶混合偏导数与求偏导的顺序无关，因此上述向量场的三个分量都恒等于 0 ．这表明有势场一定满足恰当条件，且对一般区域都如此。

此外还有常用记号为
$$
\nabla \cdot \nabla f=\Delta f
$$

其中 $\Delta=\frac{\partial^2}{\partial x^2}+\frac{\partial^2}{\partial y^2}+\frac{\partial^2}{\partial z^2}$ 为 Laplace 算子，二阶偏微分方程方程 $\Delta u=0$ 称为 Laplace 方程或调和方程，满足该方程的函数称为**调和函数**． 关于调和函数可以在《复变函数与积分变换》课程里，会给出进一步研究，详见[复变函数里的调和函数](https://kb.kmath.cn/kbase/detail.aspx?id=854)。

其他版本
【复变函数与积分变换】调和函数的一个实例—恒温箱【高等数学】梯度【高等数学】通量与散度【高等数学】向量场【高等数学】数量场与向量场

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：第十五篇曲线与曲面积分

下一篇：保守场

本文对您是否有用？有用 (0) 无用 (0)