散度(Divergence)和旋度(Curl)

原文链接

散度(Divergence)

散度的讨论应从向量和向量场说起。向量是数学中研究多维计算的基本概念。比如,速度可以分解为相互独立的分量,则速度就是一个多维的向量。假如空间中的每一个位置都有一个向量属性的话,这个空间就叫做向量场。比如,游泳池里的水的速度就是一个向量场。

散度就是作用在向量场上的算子。它把向量场映射到标量场。其中某点的标量代表该点的向量是“流入”的,还是“流出”的。

比如在游泳池中考虑一个封闭的正方体区域,在该区域的六个表面中,要么有液体流出,要么有液体流入。设流出为正,流入为负,把六个面的流量相加,如果为正,则代表该区域有正的散度。反之则是负的散度。这就是散度界定中“通量”的概念。

现在如果取一个任意的封闭曲面,则它的通量为曲面表面的向量场在曲面法向量上的分量的积分。假如该封闭曲面的体积无限小,则极限是曲面内某一点,这个极限通量就是散度。从这个角度说,上文的“流入”(散度小于零)表示了通量的湮灭,而“流出”(散度大于零)表示了该区域有新的通量产生。

就如之前的流体文中提到的,由于水流不会凭空产生或消失,即不可压缩流体的总散度必为零。在流体力学中,散度指流体运动时单位体积的改变率。

散度的数学表示法

在笛卡尔坐标系Oxyz中,若向量场为(P(x,y,z), Q(x,y,z), R(x,y,z))
则对以上三个分量分别对x, y, z求偏导数,然后把三个结果相加。

一般来说,使用div或者向下的三角形加一点来表示散度。

假如某处散度为零,则称该处divergence free。

散度的概念来源于物理学中的静电学。十九世纪末,英国物理学家海维赛德(Heaviside)提出既然静电场中的电荷是电场力的原因,那么吧电荷看作一个体积微小的一点,那么该点的电场力“聚集度”就等于这个微小体积散发出的所有电场力的总和。他又把这种“聚集度”称为“散度”。并且他给出了散度计算的公式。从以上可以看出,散度所考虑的对象是某一个点及其接近的很小的空间。

但是,光用散度无法完全描述电场的属性。1873年,英国物理学家麦克斯韦在一篇论文中使用了哈密顿的四元素方法。

旋度(Curl)

还记得以前提到过的四元素吗? 
http://blog.csdn.net/wangxiaojun911/article/details/4644243

对四元素q = i * A + j * B + k * C + D求偏导数。定义微分算子(d/dx)i + (d/dy)j + (d/dz)k, 则对原四元素其中前三项的微分很特别。它的微分结果分为两部分,第一部分是A, B, C分别对x, y, z的偏导,若把(A,B,C)看作向量,其结果正是负的散度。(注意i*i=-1, j*j=-1, k*k=-1)

第二部分则是被称为“旋度”的部分。为(dC/dy-dB/dz)i+(dA/dz-dC/dx)j+(dB/dx-dA/dy)k。麦克斯韦之所以使用了旋度这个名字,是他认为这个量表示了向量场转动倾向的属性。

与散度在一个小位元上是标量不同,旋度运算的结果仍然是一个向量,表示了某个局部微元上的旋转倾向。举例来说,把北极圈看作一个极小的局部对象讨论,一个沿着纬度方向的向量场会造成旋度而散度为零;沿着经度方向的向量场会造成散度而旋度为零。

旋度的数学表示法

假如坐标系和向量场如最开始定义(P,Q,R),令p()为求偏导数,散度的定义为:
(p(R)/p(y)-p(Q)/p(z),
 p(P)/p(z)-p(R)/p(x)
 p(Q)/p(x)-p(P)/p(y))

时间: 2024-08-07 23:58:34

散度(Divergence)和旋度(Curl)的相关文章

梯度、散度和旋度及在图像处理中的应用(图像融合)

 对于有些人,看这些枯燥的公式符号是件痛苦的事情:但痛苦后总会有所欣喜,如果你充分利用它的话,你更能体会到他的美妙:先来几张效果图,激发你学习数学的欲望: 注释:图像融合效果,分别应用了不同的算法 在图像图形处理中, 梯度.散度和旋度 有很重要的作用,比如图像修复中的解泊松方程,目标跟踪等等,可以说是他们无处不在. 来句废话:可能有些人,对于数学符号里面倒三角 正三角 符号的意思?与读法感到迷惑,现稍作解释: △二次函数根的判别式或者指三角形 ▽读Nabla,奈不拉,也可以读作"Del&qu

学习笔记GAN002:DCGAN

Ian J. Goodfellow 论文:https://arxiv.org/abs/1406.2661 两个网络:G(Generator),生成网络,接收随机噪声Z,通过噪声生成样本,G(z).D(Dicriminator),判别网络,判别样本是否真实,输入样本x,输出D(x)代表x真实概率,如果1,100%真实样本,如果0,代表不可能是真实样本. 训练过程,生成网络G尽量生成真实样本欺骗判别网络D,判别网络D尽量把G生成样本和真实样本分别开.理想状态下,G生成样本G(z),使D难以判断真假,

静电场分析

电荷虽然是离散的,但我们可以将其看成连续的 三大密度+点密度? 电偶,R>>l 真空中的静电场 通量和散度 环量和旋度

矢量旋度的散度恒为零

从流体的角度来看,散度表示的是一个场的净流出量.(net flow out of a region)旋度表示的是一个场的旋转量度.(rotation of a fluid)当你取一个场的旋度时(三维的,好理解点),已经把流出量排除在外了.这也正是为什么curl叫做"旋度",因为这个量表示的只有旋转方向的势强度,已经把净流出量排除在外. 换句话说,所有场的curl都不会有任何势的流出. 观察三维旋度的公式,比如组成部分z上是"dfy/dx-dfx/dy"的形式,也就是

深度学习方法:受限玻尔兹曼机RBM(四)对比散度contrastive divergence

技术交流QQ群:433250724,欢迎对算法.技术.应用感兴趣的同学加入. 上篇讲到,如果用Gibbs Sampling方法来训练rbm会非常慢,本篇中介绍一下对比散度contrastive divergence, CD算法. 我们希望得到P(v)分布下的样本,而我们有训练样本,可以认为训练样本就是服从P(v)的.因此,就不需要从随机的状态开始gibbs采样,而从训练样本开始. CD算法大概思路是这样的,从样本集任意一个样本v0开始,经过k次Gibbs采样(实际中k=1往往就足够了),即每一步

关于梯度、旋度和散度的直观理解

转载的,这很现实很直接,建议吃饭的时候别看.... 散度为零,说明是无源场:散度不为零时,则说明是有源场(有正源或负源) 若你的场是一个流速场,则该场的散度是该流体在某一点单位时间流出单位体积的净流量. 如果在某点,某场的散度不为零,表示该场在该点有源,例如若电场在某点散度不为零,表示该点有电荷,若流速场不为零,表是在该点有流体源源不绝地产生或消失(若散度为负). 一个场在某处,沿着一无穷小的平面边界做环积分,平面法向量即由旋度向量给定,旋度向量的长度则是单位面积的环积分值.基本上旋度要衡量的是

梯度、散度和旋度

直角坐标下,梯度grad(f)=df/dxax+df/dyay+df/dzaz df=df/dx·dx+df/dy·dy+df/dz·dz=grad(f)·dl 圆柱坐标下,可以用类似的方法得到梯度表达式: df=df/dr·dr+df/dφ·dφ+df/dz·dz=grad(f)·dl dl=drar+rdφaφ+dzaz 于是grad(f)就有了.

球坐标系下梯度、散度、旋度和拉普拉斯的简单计算

JS散度

JS散度(Jensen-Shannon divergence) JS散度解决了KL不对称的问题,JS是对称的. 很明显,如果P1,P2完全相同,那么JS =0, 如果完全不相同,那么就是1. JS散度是利用KL散度来得到的.JS是对称的而且值是有界的[0,1]. P,Q和第三个分布进行KL计算(第三个分布:(P+Q)/2 ) JS散度是有界的: 但是KL和JS散度来度量时候有一个问题: 如果两个分配P,Q离得很远,完全没有重叠的时候,那么KL值是没有意义的,而JS值是一个常数.这在学习算法中是比