梯度、散度与旋度——向量微积分基础

梯度、散度和旋度，是学生最容易混淆的三个向量微积分算子。快速区分它们的方法是：梯度告诉你标量场在哪个方向增长最快，散度告诉你向量场在某点更像源还是汇，旋度告诉你这个向量场是否具有局部旋转。

在写任何公式之前，有一个前提很重要。梯度定义在标量场上，例如温度 $T(x,y,z)$。散度和旋度定义在向量场上，例如速度场 $\mathbf{F}(x,y,z)$。

梯度、散度和旋度分别表示什么

可以把这三个算子看成是在回答三个不同的问题：

1. 梯度：标量场沿哪个方向上升得最快？
2. 散度：向量场在这里是在向外发散，还是向内汇聚？
3. 旋度：如果把一个很小的桨轮放进这个场里，它会不会转起来？

它们的输出也不同。梯度和旋度得到的是向量，散度得到的是标量。仅这一点，就能避免很多错误。

梯度、散度和旋度的公式

如果

$$f(x,y,z)$$

是一个标量场，那么它的梯度是

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

如果

$$F(x,y,z) = (P,Q,R)$$

是一个向量场，那么它的散度是

$$\nabla \cdot F = \frac{\partial P}{\partial x} + \frac{\partial Q}{\partial y} + \frac{\partial R}{\partial z},$$

它的旋度是

$$\nabla \times F = \left( \frac{\partial R}{\partial y} - \frac{\partial Q}{\partial z}, \frac{\partial P}{\partial z} - \frac{\partial R}{\partial x}, \frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y} \right).$$

这些是在笛卡尔坐标系中的标准公式。如果换到柱坐标或球坐标，公式形式会发生变化。

直观理解：上坡、流出和小桨轮

可以分别联想到山坡、流体和一个很小的桨轮。

对于标量场，梯度指向“上坡”方向。它的方向就是上升最陡的方向，而它的大小表示上升有多陡。

对于向量场，散度告诉你一个很小区域中流出的量是否多于流入的量。散度为正表示净流出。散度为负表示净流入。散度为零表示该点没有净源或净汇，并不表示这个场本身为零。

旋度告诉你，如果把一个很小的桨轮放进场中，它是否会倾向于转动。在 $3$ 维中，旋度是一个向量，它的方向按照右手定则给出局部旋转轴。

例题：把三者都算出来而不混淆

由于这些算子作用于不同类型的输入，一个清晰的例子通常会同时用一个标量场和一个向量场。

设标量场为

$$T(x,y,z) = x^2 + y^2 + z$$

向量场为

$$\mathbf{F}(x,y,z) = (-y, x, z).$$

1. 求 $T$ 的梯度

先计算各个偏导数：

$$\frac{\partial T}{\partial x} = 2x, \qquad \frac{\partial T}{\partial y} = 2y, \qquad \frac{\partial T}{\partial z} = 1.$$

所以

$$\nabla T = (2x, 2y, 1).$$

在点 $(1,2,0)$ 处，

$$\nabla T(1,2,0) = (2,4,1).$$

因此，从 $(1,2,0)$ 出发，场 $T$ 沿方向 $(2,4,1)$ 增长得最快。

2. 求 $\mathbf{F}$ 的散度

这里 $P = -y$，$Q = x$，$R = z$。所以

$$\nabla \cdot \mathbf{F} = \frac{\partial (-y)}{\partial x} + \frac{\partial x}{\partial y} + \frac{\partial z}{\partial z} = 0 + 0 + 1 = 1.$$

答案是一个标量。由于它为正，所以这个场在每一点都有净流出。

3. 求 $\mathbf{F}$ 的旋度

现在使用旋度公式：

$$\nabla \times \mathbf{F} = \left( \frac{\partial z}{\partial y} - \frac{\partial x}{\partial z}, \frac{\partial (-y)}{\partial z} - \frac{\partial z}{\partial x}, \frac{\partial x}{\partial x} - \frac{\partial (-y)}{\partial y} \right).$$

于是得到

$$\nabla \times \mathbf{F} = (0 - 0, 0 - 0, 1 - (-1)) = (0,0,2).$$

所以这个场绕 $z$ 轴存在局部旋转。

这个例子正好说明了本主题的核心：

1. $\nabla T = (2x,2y,1)$ 是表示增长最快方向的向量。
2. $\nabla \cdot \mathbf{F} = 1$ 是衡量流出的标量。
3. $\nabla \times \mathbf{F} = (0,0,2)$ 是衡量旋转的向量。

梯度、散度和旋度的常见错误

最常见的错误，是把错误的算子用在错误类型的场上。梯度作用于标量场，散度和旋度作用于向量场。

另一个错误是只盯着符号看。如果你把散度和“流出”联系起来，把旋度和“旋转”联系起来，这些公式就会更容易记住。

学生还常常把“散度为零”理解成“什么都没有发生”。这并不正确。一个向量场可以不为零，但在某一点的净流出仍然为零。

对于旋度，另一个常见误区是把它当成判断路径是否弯曲的标准。旋度描述的是局部旋转趋势，而不只是大尺度图像中场线是否弯曲。

这些算子用在哪里

梯度出现在优化、热流和电势中。它告诉你哪个方向变化最快。

散度出现在流体力学和电磁学中，尤其是在关心源、汇或守恒时。

旋度出现在流体旋转和麦克斯韦方程组中，因为这些问题关心局部环流。

它们合在一起，提供了三种不同的方式来度量空间中的变化。这就是为什么它们是向量微积分中的基础工具，而不是三个互不相关、只能死记硬背的公式。

自己试一道类似的题

把场稍微改一下，再重新计算：

$$T(x,y,z) = x^2 + y^2 - z, \qquad \mathbf{F}(x,y,z) = (-y, x, 2z).$$

求新的梯度、散度和旋度，然后比较哪些变了，哪些没变。如果你想进一步练习，可以自己换一个标量场和向量场，再根据它们的含义来检查答案，而不只是核对代数计算。