高数中散度和梯度的概念及公式是什么?

梯度

概念：

梯度是一个向量，它描述了多元函数在某点处变化最快的方向和变化率。对于一个多元函数 $z = f(x,y)$（以二元函数为例），在平面上每一点 $(x,y)$ 处，函数 $f(x,y)$ 沿不同方向的变化率一般是不同的。梯度就是这样一个向量，其方向是函数在该点处变化最快（即方向导数取得最大值）的方向，其大小等于该点处方向导数的最大值。

通俗来讲，如果把函数想象成一座山，梯度就表示在某点处最陡峭的上坡方向，梯度的模长表示这个最陡峭方向上的坡度大小。

 

公式：

对于二元函数 $z = f(x,y)$，它的梯度记为 $\nabla f$ 或 $grad f$，计算公式为 $\nabla f=\left(\frac{\partial f}{\partial x},\frac{\partial f}{\partial y}\right)= \frac{\partial f}{\partial x}\vec{i}+\frac{\partial f}{\partial y}\vec{j}$

+∂y∂f​j

​，其中 $\vec{i}$

和 $\vec{j}$

​ 分别是 $x$ 轴和 $y$ 轴正方向的单位向量，$\frac{\partial f}{\partial x}$ 和 $\frac{\partial f}{\partial y}$ 分别是函数 $f(x,y)$ 对 $x$ 和 $y$ 的偏导数。

对于三元函数 $u = f(x,y,z)$，梯度为 $\nabla f=\left(\frac{\partial f}{\partial x},\frac{\partial f}{\partial y},\frac{\partial f}{\partial z}\right)=\frac{\partial f}{\partial x}\vec{i}+\frac{\partial f}{\partial y}\vec{j}+\frac{\partial f}{\partial z}\vec{k}$

+∂y∂f​j

​+∂z∂f​k

，这里 $\vec{k}$

是 $z$ 轴正方向的单位向量。

 

散度

概念：

散度是一个标量，用于描述向量场在某点处的“发散”程度。考虑一个向量场 $\vec{F}(x,y,z)$

(x,y,z)，散度衡量的是向量场在一点处向外扩散或向内汇聚的强度。如果散度大于零，表示向量场在该点有“源”，即有向量从该点向外流出；如果散度小于零，表示向量场在该点有“汇”，即向量向该点流入；如果散度等于零，则表示向量场在该点既无源也无汇，是无源场。

例如，在流体力学中，向量场可以表示流体的速度场，散度可以用来判断某点处流体是在流出（产生）还是流入（消失）。

 

公式：

设向量场 $\vec{F}(x,y,z)=P(x,y,z)\vec{i}+Q(x,y,z)\vec{j}+R(x,y,z)\vec{k}$

(x,y,z)=P(x,y,z)i

+Q(x,y,z)j

​+R(x,y,z)k

，它的散度记为 $\text{div}\vec{F}$

，计算公式为 $\text{div}\vec{F}=\frac{\partial P}{\partial x}+\frac{\partial Q}{\partial y}+\frac{\partial R}{\partial z}$

=∂x∂P​+∂y∂Q​+∂z∂R​。

 

梯度和散度是向量分析中的重要概念，在物理学、工程学等众多领域都有广泛应用 。