各种坐标系下的散度、梯度、旋度公式
引言
本文介绍了散度、梯度和旋度在直角坐标系、柱坐标系和球坐标系三种常见坐标系下的表示。记录一下,具体可以利用梅拉系数进行推导。
谨记:
梯度:标量求梯度得到矢量。
散度:矢量求散度得到标量。
旋度:矢量求旋度得到矢量。
1.直角坐标系
标量表示
f=f(x,y,z)f=f(x,y,z)f=f(x,y,z)
矢量表示
f→=fxex→+fyey→+fzez→\mathbf{\overrightarrow{f}}=f_x\mathbf{\overrightarrow{e_x}}+f_y\mathbf{\overrightarrow{e_y}}+f_z\mathbf{\overrightarrow{e_z}}f=fxex+fyey+fzez
梯度:
▽f=∂f∂xex→+∂f∂yey→+∂f∂zez→\bigtriangledown {f}=\frac{\partial f}{\partial x}\mathbf{\overrightarrow{e_x}}+\frac{\partial f}{\partial y}\mathbf{\overrightarrow{e_y}}+\frac{\partial f}{\partial z}\mathbf{\overrightarrow{e_z}}▽f=∂x∂fex+∂y∂fey+∂z∂fez
散度:
▽⋅f→=∂fx∂x+∂fy∂y+∂fz∂z\bigtriangledown \cdot \mathbf{\overrightarrow{f}}=\frac{\partial f_x}{\partial x}+\frac{\partial f_y}{\partial y}+\frac{\partial f_z}{\partial z}▽⋅f=∂x∂fx+∂y∂fy+∂z∂fz
旋度:
▽×f→=[ex→ey→ez→∂∂x∂∂y∂∂zfxfyfz]=(∂fz∂y−∂fy∂z)ex→+(∂fx∂z−∂fz∂x)ey→+(∂fy∂x−∂fx∂y)ez→\begin{aligned} \bigtriangledown \times \mathbf{\overrightarrow{f}}&= \begin{bmatrix} \mathbf{\overrightarrow{e_x}} &\mathbf{\overrightarrow{e_y}} &\mathbf{\overrightarrow{e_z}} \\ \frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z} \\f_x & f_y & f_z\end{bmatrix}\\&=(\frac{\partial f_z}{\partial y}-\frac{\partial f_y}{\partial z})\mathbf{\overrightarrow{e_x}}+(\frac{\partial f_x}{\partial z}-\frac{\partial f_z}{\partial x})\mathbf{\overrightarrow{e_y}}+(\frac{\partial f_y}{\partial x}-\frac{\partial f_x}{\partial y})\mathbf{\overrightarrow{e_z}} \end{aligned} ▽×f=⎣⎡ex∂x∂fxey∂y∂fyez∂z∂fz⎦⎤=(∂y∂fz−∂z∂fy)ex+(∂z∂fx−∂x∂fz)ey+(∂x∂fy−∂y∂fx)ez
2.柱坐标系
标量表示
f=f(ρ,θ,z)f=f(\rho,\theta,z)f=f(ρ,θ,z)
矢量表示
f→=fρeρ→+fθeθ→+fzez→\mathbf{\overrightarrow{f}}=f_\rho\mathbf{\overrightarrow{e_\rho}}+f_\theta\mathbf{\overrightarrow{e_\theta}}+f_z\mathbf{\overrightarrow{e_z}}f=fρeρ+fθeθ+fzez
梯度:
▽f=∂f∂ρeρ→+1ρ∂f∂θeθ→+∂f∂zez→\bigtriangledown {f} =\frac{\partial f}{\partial \rho}\mathbf{\overrightarrow{e_\rho}}+\frac{1}{\rho}\frac{\partial f}{\partial \theta}\mathbf{\overrightarrow{e_\theta}}+\frac{\partial f}{\partial z}\mathbf{\overrightarrow{e_z}}▽f=∂ρ∂feρ+ρ1∂θ∂feθ+∂z∂fez
散度:
▽⋅f→=1ρ∂(ρfρ)∂ρ+1ρ∂fθ∂θ+∂fz∂z\bigtriangledown \cdot \mathbf{\overrightarrow{f}}=\frac{1}{\rho}\frac{\partial (\rho f_\rho)}{\partial \rho}+\frac{1}{\rho}\frac{\partial f_\theta}{\partial \theta}+\frac{\partial f_z}{\partial z}▽⋅f=ρ1∂ρ∂(ρfρ)+ρ1∂θ∂fθ+∂z∂fz
旋度:
▽×f→=1ρ[eρ→ρeθ→ez→∂∂ρ∂∂θ∂∂zfρρfθfz]=1ρ[(∂fz∂θ−∂(ρfθ)∂z)eρ→+(∂fρ∂z−∂fz∂ρ)ρeθ→+(∂(ρfθ)∂ρ−∂fρ∂θ)ez→]\begin{aligned} \bigtriangledown \times \mathbf{\overrightarrow{f}}&=\frac{1}{\rho} \begin{bmatrix} \mathbf{\overrightarrow{e_\rho}} &\rho\mathbf{\overrightarrow{e_\theta}} &\mathbf{\overrightarrow{e_z}} \\ \frac{\partial}{\partial \rho} & \frac{\partial}{\partial \theta} & \frac{\partial}{\partial z} \\f_\rho & \rho f_\theta & f_z\end{bmatrix}\\&=\frac{1}{\rho}\left[(\frac{\partial f_z}{\partial \theta}-\frac{\partial (\rho f_\theta)}{\partial z})\mathbf{\overrightarrow{e_\rho}}+(\frac{\partial f_\rho}{\partial z}-\frac{\partial f_z}{\partial \rho})\rho\mathbf{\overrightarrow{e_\theta}}+(\frac{\partial (\rho f_\theta)}{\partial \rho}-\frac{\partial f_\rho}{\partial \theta})\mathbf{\overrightarrow{e_z}}\right] \end{aligned} ▽×f=ρ1⎣⎡eρ∂ρ∂fρρeθ∂θ∂ρfθez∂z∂fz⎦⎤=ρ1[(∂θ∂fz−∂z∂(ρfθ))eρ+(∂z∂fρ−∂ρ∂fz)ρeθ+(∂ρ∂(ρfθ)−∂θ∂fρ)ez]
3.球坐标系
(请注意这里的θ\thetaθ和柱坐标系中的θ\thetaθ的定义不同,详细见图)
标量表示
f=f(ρ,θ,ϕ)f=f(\rho,\theta,\phi)f=f(ρ,θ,ϕ)
矢量表示
f→=fρeρ→+fθeθ→+fϕeϕ→\mathbf{\overrightarrow{f}}=f_\rho\mathbf{\overrightarrow{e_\rho}}+f_\theta\mathbf{\overrightarrow{e_\theta}}+f_\phi\mathbf{\overrightarrow{e_\phi}}f=fρeρ+fθeθ+fϕeϕ
梯度:
▽f=∂f∂ρeρ→+1ρ∂f∂θeθ→+1ρsinθ∂f∂ϕeϕ→\bigtriangledown {f} =\frac{\partial f}{\partial \rho}\mathbf{\overrightarrow{e_\rho}}+\frac{1}{\rho}\frac{\partial f}{\partial \theta}\mathbf{\overrightarrow{e_\theta}}+\frac{1}{\rho sin\theta}\frac{\partial f}{\partial \phi}\mathbf{\overrightarrow{e_\phi}}▽f=∂ρ∂feρ+ρ1∂θ∂feθ+ρsinθ1∂ϕ∂feϕ
散度:
▽⋅f→=1ρ2∂(ρ2fρ)∂ρ+1ρsinθ∂(sinθfθ)∂θ+1ρsinθ∂fϕ∂ϕ\bigtriangledown \cdot \mathbf{\overrightarrow{f}}=\frac{1}{\rho^2}\frac{\partial (\rho^2 f_\rho)}{\partial \rho}+\frac{1}{\rho sin\theta}\frac{\partial (sin\theta f_\theta)}{\partial \theta}+\frac{1}{\rho sin\theta}\frac{\partial f_\phi}{\partial \phi}▽⋅f=ρ21∂ρ∂(ρ2fρ)+ρsinθ1∂θ∂(sinθfθ)+ρsinθ1∂ϕ∂fϕ
旋度:
▽×f→=1ρ2sinθ[eρ→ρeθ→ρsinθeϕ→∂∂ρ∂∂θ∂∂ϕfρρfθρsinθfϕ]=1ρ2sinθ[(∂(ρsinθfϕ)∂θ−∂(ρfθ)∂ϕ)eρ→+(∂fρ∂ϕ−∂(ρsinθfϕ)∂ρ)ρeθ→+(∂(ρfθ)∂ρ−∂fρ∂θ)ρsinθeϕ→]\begin{aligned} \bigtriangledown \times \mathbf{\overrightarrow{f}}&=\frac{1}{\rho^2sin\theta} \begin{bmatrix} \mathbf{\overrightarrow{e_\rho}} &\rho\mathbf{\overrightarrow{e_\theta}} &\rho sin\theta\mathbf{\overrightarrow{e_\phi}} \\ \frac{\partial}{\partial \rho} & \frac{\partial}{\partial \theta} & \frac{\partial}{\partial \phi} \\f_\rho & \rho f_\theta & \rho sin\theta f_\phi\end{bmatrix}\\&=\frac{1}{\rho^2sin\theta}\left[(\frac{\partial (\rho sin\theta f_\phi)}{\partial \theta}-\frac{\partial (\rho f_\theta)}{\partial \phi})\mathbf{\overrightarrow{e_\rho}}+(\frac{\partial f_\rho}{\partial \phi}-\frac{\partial (\rho sin\theta f_\phi)}{\partial \rho})\rho\mathbf{\overrightarrow{e_\theta}}+(\frac{\partial (\rho f_\theta)}{\partial \rho}-\frac{\partial f_\rho}{\partial \theta})\rho sin\theta \mathbf{\overrightarrow{e_\phi}}\right] \end{aligned} ▽×f=ρ2sinθ1⎣⎡eρ∂ρ∂fρρeθ∂θ∂ρfθρsinθeϕ∂ϕ∂ρsinθfϕ⎦⎤=ρ2sinθ1[(∂θ∂(ρsinθfϕ)−∂ϕ∂(ρfθ))eρ+(∂ϕ∂fρ−∂ρ∂(ρsinθfϕ))ρeθ+(∂ρ∂(ρfθ)−∂θ∂fρ)ρsinθeϕ]
由于笔者之前一直想不清楚柱坐标系和球坐标系下三度的变换,于是查阅资料,其中发现[1]是极好的,推荐一看!!!详细推导见下面的参考资料[1],利用梅拉系数很容易地可以进行推导,利用拉梅系数还可以很直接地推导了斯托克斯公式和高斯公式,非常地简单易懂!!感谢知乎@弧长长长长长。另外[2]写得也比较详细,可以用作其他的参考。
[1] 浅谈:拉梅系数那些事儿
[2] 柱面及球面坐标系中散度、旋度的应用
附:
1.常用的梅拉系数
直角坐标系:
Hx=1,Hy=1,Hz=1H_x=1,H_y=1,H_z=1Hx=1,Hy=1,Hz=1
柱坐标系:
Hr=1,Hθ=r,Hz=1H_r=1,H_\theta=r,H_z=1Hr=1,Hθ=r,Hz=1
球坐标系:
Hr=1,Hθ=r,Hϕ=rsinθH_r=1,H_\theta=r,H_\phi=rsin\thetaHr=1,Hθ=r,Hϕ=rsinθ
2.通用公式
梯度:
▽f=1H1∂f∂q1e1→+1H2∂f∂q2e2→+1H3∂f∂q3e3→\bigtriangledown f=\frac{1}{H_{1}} \frac{\partial f}{\partial q_{1}} \mathbf{\overrightarrow{e_1}}+\frac{1}{H_{2}} \frac{\partial f}{\partial q_{2}} \mathbf{\overrightarrow{e_2}}+\frac{1}{H_{3}} \frac{\partial f}{\partial q_{3}} \mathbf{\overrightarrow{e_3}}▽f=H11∂q1∂fe1+H21∂q2∂fe2+H31∂q3∂fe3
散度:
divr=limV→0∮SridSV=1H1H2H3(∂(r1H2H3)∂q1+∂(r2H1H3)∂q2+∂(r3H2H1)∂q3)\operatorname{div} \boldsymbol{r}=\lim _{V \rightarrow 0} \frac{\oint_{S} r_{i} d S}{V}=\frac{1}{H_{1} H_{2} H_{3}}\left(\frac{\partial\left(r_{1} H_{2} H_{3}\right)}{\partial q_{1}}+\frac{\partial\left(r_{2} H_{1} H_{3}\right)}{\partial q_{2}}+\frac{\partial\left(r_{3} H_{2} H_{1}\right)}{\partial q_{3}}\right)divr=V→0limV∮SridS=H1H2H31(∂q1∂(r1H2H3)+∂q2∂(r2H1H3)+∂q3∂(r3H2H1))
旋度:
{rotq1r=1H2H3[∂(r3H3)∂q2−∂(r2H2)∂q3]rotq2r=1H1H3[∂(r1H1)∂q3−∂(r3H3)∂q1]rotq3r=1H2H1[∂(r2H2)∂q1−∂(r1H1)∂q2]\left\{\begin{array}{l} \operatorname{rot}_{q_{1}} \boldsymbol{r}=\frac{1}{H_{2} H_{3}}\left[\frac{\partial\left(r_{3} H_{3}\right)}{\partial q_{2}}-\frac{\partial\left(r_{2} H_{2}\right)}{\partial q_{3}}\right] \\ \operatorname{rot}_{q_{2}} \boldsymbol{r}=\frac{1}{H_{1} H_{3}}\left[\frac{\partial\left(r_{1} H_{1}\right)}{\partial q_{3}}-\frac{\partial\left(r_{3} H_{3}\right)}{\partial q_{1}}\right] \\ \operatorname{rot}_{q_{3}} \boldsymbol{r}=\frac{1}{H_{2} H_{1}}\left[\frac{\partial\left(r_{2} H_{2}\right)}{\partial q_{1}}-\frac{\partial\left(r_{1} H_{1}\right)}{\partial q_{2}}\right] \end{array}\right.⎩⎪⎪⎪⎨⎪⎪⎪⎧rotq1r=H2H31[∂q2∂(r3H3)−∂q3∂(r2H2)]rotq2r=H1H31[∂q3∂(r1H1)−∂q1∂(r3H3)]rotq3r=H2H11[∂q1∂(r2H2)−∂q2∂(r1H1)]
或
rotr=1H1H2H3∣H1e1H2e2H3e3∂∂q1∂∂q2∂∂q3H1r1H2r2H3r3∣\operatorname{rot} \boldsymbol{r}=\frac{1}{H_{1} H_{2} H_{3}}\left|\begin{array}{ccc} H_{1} \boldsymbol{e}_{1} & H_{2} \boldsymbol{e}_{2} & H_{3} \boldsymbol{e}_{3} \\ \frac{\partial}{\partial q_{1}} & \frac{\partial}{\partial q_{2}} & \frac{\partial}{\partial q_{3}} \\ H_{1} r_{1} & H_{2} r_{2} & H_{3} r_{3} \end{array}\right|rotr=H1H2H31∣∣∣∣∣∣H1e1∂q1∂H1r1H2e2∂q2∂H2r2H3e3∂q3∂H3r3∣∣∣∣∣∣
各种坐标系下的散度、梯度、旋度公式相关推荐
- 向量场的散度和旋度_矢量场,标量场,散度,梯度,旋度的理解
1. 梯度 gradient 设体系中某处的物理参数 ( 如温度.速度.浓度等 ) 为 w ,在与其垂直距离的 dy 处该参数 为 w+dw ,则称为该物理参数的梯度,也即该物理参数的变化率.如果参数 ...
- 从本质出发理解掌握三大坐标系下的三大方程(一)——梯度公式
对于很多数学和工程问题,我们常常需要使用到梯度.散度和旋度公式,而有的时候,虽然在使用这些公式,却对他们其中的物理意义不甚清楚,这样的后果是只能对公式死记硬背,但结果还是常常忘记.这篇文章便从这三大公 ...
- 柱坐标系下的ns方程_麦克斯韦方程组小结
一.▽ 算子.点积.叉积 l▽ 算子叫"del"算子,即<< span="">∂/∂x,∂/∂y,∂/∂z>,可以理解为一个符号向量,向 ...
- 正交曲面系下梯度散度旋度公式速记
正交曲面系下梯度散度旋度公式速记 1. 回忆正交曲面系的度量系数hih_ihi 记每种坐标系中不同的3个分量分别为u1u_{1}u1 u2u_{2}u2 u3u_{3}u3,其度量系数分别为 ...
- 有关对梯度、散度、旋度的纯数学理解
声明:由于笔者只是一名大一并且非数学系的本科生,以下内容基于自己的理解与参考了几位博主的blog通俗易懂的讲解梯度,散度,旋度(有图很好理解)!!!(算是对这个博客的通俗理解吧)所以想深度了解的请转向 ...
- 场论 梯度 旋度 散度
梯度(grad)▽f 设二元函数 在平面区域D上具有一阶连续偏导数,则对于每一个点P(x,y)都可定出一个向量 ,该函数就称为函数 在点P(x,y)的梯度,记作gradf(x,y)或 , 即有: ...
- matlab电磁场散度与旋度,梯度、散度和旋度大揭秘
一.基本概念理解 1.方向导数:在函数定义域内的点,对某一方向求导得到的导数. 2.梯度:是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值. 3.通量:在流体运动中,单位时间内流 ...
- 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 ...
- 中计算散度的函数_梯度、散度、旋度
一.麦克斯韦基于四元数观点导出散度与旋度 已知的最早的关于散度和旋度的描述都来自麦克斯韦1873年的<A Treatise on Electricity and Magnetism>(电磁 ...
- 旋度的散度为零证明_(大牛分享)实列讲解:Python Sympy计算梯度、散度和旋度...
今天为大家带来的内容是:(大牛分享)实列讲解:Python Sympy计算梯度.散度和旋度 sympy有个vector 模块,里面提供了求解标量场.向量场的梯度.散度.旋度等计算,官方参考连接: ht ...
最新文章
- PTA 基础编程题目集 7-12 两个数的简单计算器 C语言
- pdf转ppt怎么转换,pdf转换ppt的方法分享
- PHP之使用网络函数和协议函数
- 一个失败项目的复盘会
- jQuery下的ajax【5分钟掌握】
- 为什么将0.1f改为0会使性能降低10倍?
- 电工接线模拟仿真软件_VERICUT数控加工仿真软件,最强的数控加工模拟软件,你知道么?...
- java stringbuffer长度限制_Java中的String、StringBuffer和StringBuilder
- 爬虫-练习-爬取访问后可见的内容
- Python开发环境Anaconda3使用指南(入门篇)
- 每天一道剑指offer-从上往下打印二叉树
- centos6 revive-adserver
- 编译ffmpeg安卓库(clang篇),含armeabi-v7a , arm64-v8a, x86, x86_64
- 【springmvc+mybatis项目实战】杰信商贸-29.购销合同技术难点分析
- 三层交换机与路由器之间的区别
- whois的原理及介绍
- 关于MMO游戏服务器从零开发基本内容介绍
- 计算机win7如何连接wifi网络,win7怎么连wifi,win7电脑连不上网
- java Zip文件压缩含加密
- 关于DefaultHttpClient的作用已经被弃之后的新方法