此頁面將回顧物理學和向量微積分中一些必要的背景資訊。在本頁中,我們將廣泛使用向量場和水流之間的類比,以便您對材料獲得直觀的理解。
Del 運算元,∇ 定義如下

這個運算元,乍一看很讓人困惑,但它是向量和標量進行微分的方法。
當 ∇ 作用於一個標量場時,比如這樣

它同時對標量進行所有 3 個軸(x、y、z)的微分。結果被稱為標量的“梯度”。梯度是一個向量,它指向原始標量場變化最快的方向(具有最大的導數)。
此外,
給出了
在
方向上的變化率。因此,梯度的垂直線構成等勢面,即
都相等的表面。
| 示例 1.1 |
 的繪圖和梯度
函式 和 在相關的圖表中展示。這裡的關鍵概念是梯度的向量指向 的更高幅度,並且向量表示該向量起點和終點之間的變化率。 如果 是一個均勻剛性表面,並且一個完美的球體恰好放置在 上,它將向 移動,最終穩定在 。在這種情況下,如果 y 始終不為零,那麼球最終會從表面上掉下來。
|
∇ 運算子可以鬆散地看作一個“向量”,其分量是偏微分運算子。如果我們對向量場執行“點積”運算,我們將得到

這被稱為向量場的“散度”。它衡量了向量從一個點的“發散”程度。它測量向量場的“源”和“匯”。想象一下一池水的速度向量場。水龍頭是正散度很大的地方,因為它是水速度場的源頭,而水槽(排水溝)是負散度很大的地方,因為這是所有水匯聚的地方。
如果我們將 ∇ 與向量場進行叉乘,我們將得到另一個重要的運算子

得到的向量是原始向量的“旋度”。它測量向量場在一個點的“捲曲”或“旋轉”。因此,回到池塘的類比,漩渦將是一個旋度很大的地方。在穩定流中,旋度為 0,因為場不想圍繞那個點捲曲。
上面介紹的梯度 ∇Φ 是一個向量場。如果我們求它的散度會怎樣?

這個重要的運算子被稱為“拉普拉斯運算元”。拉普拉斯運算元也定義了向量場

人們可能還會期望透過取旋度的散度來獲得一個重要的運算元

雖然零當然是一個重要的概念,但它沒有為我們提供一個有用的運算元。然而,這個恆等式本身很有趣。事實證明,每一個無散度的向量場都是另一個向量場的旋度。
同樣地,

事實證明,每一個沒有旋度的向量場都是一個標量場的梯度。
向量場是三維空間,其中該空間內的每個點都可以根據某個給定規則分配一個向量大小。重力是向量場的一個例子,其中重力場內的每個點都以某個力大小被拉向中心。向量場由一個三維函式表示,例如A(x, y, z)。每個三元組的函式值是該點向量場的大小。
在談論向量場時,我們將討論通量的概念,尤其是電通量。我們可以定義一個給定向量場G(x, y, z)穿過一個微小面積dA的通量,該面積具有一個法向量n

我們將其讀作“穿過dA,在n方向上的通量”。
通量的概念最初來自流體力學。穿過一個小表面的通量是流經它的液體量。如果速度場很大,那麼通量自然會很大。此外,如果表面平行於速度場,那麼通量為 0,因為沒有水流經該區域。事實證明,通量在電動力學中也是一個非常有用的概念。
如果我們對這個方程關於dA積分,我們得到以下結果

我們也可以證明(雖然推導過程可能很長),流入或流出一個給定向量場 *G* 的通量可以用該向量場的散度表示。

假設我們有一個任意體積 *V*,位於向量場 *G* 中,它被一個表面 *S* 圍繞,該表面的面積為 *A*。高斯定理指出流入該體積的通量等於流過表面 *S* 的通量。

這個公式直觀地成立,因為正如我們之前看到的,場的散度表示場從該點擴散的程度。如果我們將體積內每個點的擴散程度加起來,這應該等於從封閉表面流出的通量。無散度的場的任何封閉表面的通量都為 0。
假設我們有一條路徑
,由小的長度元素
組成。向量場 *A* 的線積分表示場在路徑上的投影。形式上,它由下式給出

假設 *A* 是一個無旋場。如上所述,這意味著它可以寫成某個場的梯度。假設
。*事實證明,*A* 沿著連線兩點的任何路徑的線積分都是相同的*。此外,

其中 *a* 和 *b* 是路徑的起點和終點。此外,沿著這種場的閉合迴路的線積分始終為 0。無旋場稱為*保守場*。這個術語的來源是力學:在力學中,如果空間中的力場是無旋的,那麼你總是可以定義一個勢能函式,使得將物體從 *a* 移動到 *b* 所做的功等於勢能的差。在這種情況下,機械能是守恆的。
正如我們將看到的,靜電場是一個保守場,而磁場和一般的電場則不是。
一般來說,向量場沿著閉合迴路的線積分並不為零。然而,事實證明
。換句話說,向量場的線積分等於該場的旋度在迴路上的通量。我們透過哪個表面來求通量?任何表面都可以!迴路包圍的任何表面都可以。
我們可以這樣直觀地理解這個定理:閉合迴路的線積分就像場繞回路旋轉的程度。然而,某一點的旋度表示場圍繞該點的旋轉程度。因此,整個表面的總積分表示圍繞回路的總“旋轉”。
我們已經證明,任意向量 *A* 的散度由下式給出

同樣,我們定義了一個稱為旋度的運算子,它作用於向量場,定義如下

在電磁學後續章節中,我們將使用散度和旋度。