详解散度、旋度(二维、三维)

详解散度、旋度(二维、三维)本文详细介绍了向量分析中的两个关键概念 散度和旋度

大家好,欢迎来到IT知识分享网。

散度、旋度的计算

笔记来源:Khancademy/MultiVariableDerivatives/curl-grant-video

旋度是向量分析中的一个向量算子,可以表示三维向量场对某一点附近的微元造成的旋转程度。 这个向量提供了向量场在这一点的旋转性质

1. 二维散度的计算

详解散度、旋度(二维、三维)

1.1 散度等于0

某坐标点附近的粒子,进入该区域的粒子数量等于离开该区域的粒子数量,所以它的散度 = 0 =0 =0
详解散度、旋度(二维、三维)
详解散度、旋度(二维、三维)

1.2 散度大于0

详解散度、旋度(二维、三维)
详解散度、旋度(二维、三维)

1.3 散度小于0

详解散度、旋度(二维、三维)

1.4 关于计算的具体解释

详解散度、旋度(二维、三维)

2. 三维散度的计算

3. 二维旋度的计算

详解散度、旋度(二维、三维)

旋度为正(逆时针为正)

详解散度、旋度(二维、三维)
计算(3,0)点的旋度为27,旋度大于0,表示该坐标点附近逆时针旋转

详解散度、旋度(二维、三维)

详解散度、旋度(二维、三维)

4. 三维旋度的计算

详解散度、旋度(二维、三维)
详解散度、旋度(二维、三维)

详解散度、旋度(二维、三维)

三维旋度计算

c u r l   v ( x , y , z ) = ∇ × v   ( ∂ ∂ x ∂ ∂ y ∂ ∂ z ) × ( P ( x , y , z ) Q ( x , y , z ) R ( x , y , z ) )   i = [ 1 0 0 ] j = [ 0 1 0 ] k = [ 0 0 1 ]   d e t ( i j k ∂ ∂ x ∂ ∂ y ∂ ∂ z P ( x , y , z ) Q ( x , y , z ) R ( x , y , z ) )     ( ∂ ∂ y ∂ ∂ z Q ( x , y , z ) R ( x , y , z ) ) i − ( ∂ ∂ x ∂ ∂ z P ( x , y , z ) R ( x , y , z ) ) j + ( ∂ ∂ x ∂ ∂ y P ( x , y , z ) Q ( x , y , z ) ) k   ( ∂ R ∂ y − ∂ Q ∂ z ) i − ( ∂ R ∂ x − ∂ P ∂ z ) j + ( ∂ Q ∂ x − ∂ P ∂ y ) k   ( ∂ R ∂ y − ∂ Q ∂ z ) i + ( ∂ P ∂ z − ∂ R ∂ x ) j + ( ∂ Q ∂ x − ∂ P ∂ y ) k   c u r l   v ( x , y , z ) = ( ∂ R ∂ y − ∂ Q ∂ z   ∂ P ∂ z − ∂ R ∂ x   ∂ Q ∂ x − ∂ P ∂ y ) curl\,\boldsymbol{v}(x,y,z)=\nabla×\boldsymbol{v}\\ ~\\ \begin{pmatrix} \frac{\partial}{\partial x}\\ \frac{\partial}{\partial y}\\ \frac{\partial}{\partial z} \end{pmatrix}× \begin{pmatrix} P(x,y,z)\\ Q(x,y,z)\\ R(x,y,z) \end{pmatrix}\\ ~\\ \boldsymbol{i}=\left[ \begin{array}{l} 1\\ 0\\ 0 \end{array} \right] \quad\boldsymbol{j}=\left[ \begin{array}{l} 0\\ 1\\ 0 \end{array} \right] \quad\boldsymbol{k}=\left[ \begin{array}{l} 0\\ 0\\ 1 \end{array} \right]\\ ~\\ det\begin{pmatrix} \boldsymbol{i} & \boldsymbol{j} & \boldsymbol{k}\\ \frac{\partial}{\partial x} & \frac{\partial}{\partial y}&\frac{\partial}{\partial z}\\ P(x,y,z) & Q(x,y,z) & R(x,y,z) \end{pmatrix} ~\\ ~\\ \begin{pmatrix} \frac{\partial}{\partial y} & \frac{\partial}{\partial z}\\ Q(x,y,z) & R(x,y,z) \end{pmatrix}\boldsymbol{i}- \begin{pmatrix} \frac{\partial}{\partial x} & \frac{\partial}{\partial z}\\ P(x,y,z) & R(x,y,z) \end{pmatrix}\boldsymbol{j}+ \begin{pmatrix} \frac{\partial}{\partial x} & \frac{\partial}{\partial y}\\ P(x,y,z) & Q(x,y,z) \end{pmatrix}\boldsymbol{k}\\ ~\\ (\frac{\partial R}{\partial y}-\frac{\partial Q}{\partial z})\boldsymbol{i}-(\frac{\partial R}{\partial x}-\frac{\partial P}{\partial z})\boldsymbol{j}+(\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y})\boldsymbol{k}\\ ~\\ (\frac{\partial R}{\partial y}-\frac{\partial Q}{\partial z})\boldsymbol{i}+(\frac{\partial P}{\partial z}-\frac{\partial R}{\partial x})\boldsymbol{j}+(\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y})\boldsymbol{k}\\ ~\\ curl\,\boldsymbol{v}(x,y,z)= \begin{pmatrix} \frac{\partial R}{\partial y}-\frac{\partial Q}{\partial z}\\ ~\\ \frac{\partial P}{\partial z}-\frac{\partial R}{\partial x}\\ ~\\ \frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y} \end{pmatrix} curlv(x,y,z)=×v 
xyz
×

P(x,y,z)Q(x,y,z)R(x,y,z)
 i=
100
j=

010
k=

001
 det
ixP(x,y,z)jyQ(x,y,z)kzR(x,y,z)
 
 (yQ(x,y,z)zR(x,y,z))i(xP(x,y,z)zR(x,y,z))j+(xP(x,y,z)yQ(x,y,z))k (yRzQ)i(xRzP)j+(xQyP)k (yRzQ)i+(zPxR)j+(xQyP)k curlv(x,y,z)=
yRzQ zPxR xQyP

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://haidsoft.com/114954.html

(0)
上一篇 2025-12-05 20:15
下一篇 2025-12-05 20:26

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信