想象一个夏天的清晨，你划着小船在湖心撒下一张圆形渔网。湖水并不安分：风吹水面、泉眼上涌、暗流盘旋，每个位置的水都有不同的速度和方向。你沿着渔网外框慢慢划一圈，每次桨叶入水都能感到水流在推它。把整圈桨叶感受到的“推动量”记下来，这就是环流；再低头看网内，每个网眼里还有自己的微型漩涡。斯托克斯定理讲的就是一个惊人的事实：沿着渔网外框的总转动量，恰好等于网内所有微型漩涡强度之和。这就像你不需要数清每张钞票，只要看提款机吐出的一沓钱的总厚度。本文就从这张渔网出发，慢慢认识向量场、环流、旋度，再亲手揭开斯托克斯定理、格林公式与散度定理统一背后的数学之美。

岗位关联

斯托克斯定理是“局部旋转累加为整体环流”的思维工具，是电磁学、流体力学仿真的基石，也是 AI 物理引擎合成数据时最常用的数学校验器。

目录
  1. 可视化演示
  2. 向量场与环流
  3. 旋度定义
  4. 定向与边界
  5. 定理表述
  6. 格林特例
  7. 散度统一
  8. 电磁学应用
  9. 流体涡旋
  10. AI 应用场景
  11. Python 演示
  12. 常见误区
  13. 面试题

可视化演示

展示系统处理流水线、实时性能指标曲线及多方案对比分析，包含数据流转、吞吐延迟监控与方案评估。

本节配有交互动效（进入视口后自动加载，约 3KB）。

系统可视化 处理流程：输入→处理→模型→输出 性能监控：实时指标 P=L×T

向量场与环流

一个夏天的清晨，你解开小船的缆绳，把一张圆形渔网平铺在湖面上。湖水表面每个位置都像藏着一只看不见的手：风推着水面朝东，泉眼让水旋转上升，湖心的暗流又拽着水草转圈。你沿着渔网外框把船划了一圈，每一次桨叶入水，都能感觉水流把桨往某个方向推。把一整圈桨叶收到的推动量记下来，就是网框上的环流。

在数学里，湖面上每一点水流的“方向和快慢”叫做向量场，记作 $\mathbf{F}(x,y,z)=(P,Q,R)$。$P$、$Q$、$R$ 分别是 $x$、$y$、$z$ 三个方向上的分量。渔网外框是一条闭合曲线 $C$，用参数 $\mathbf{r}(t)=(x(t),y(t),z(t))$ 表示小船从时刻 $a$ 到 $b$ 沿 $C$ 走过的位置。

当小船沿曲线走一小段 $d\mathbf{r}$，水流在桨上做的功近似为 $\mathbf{F}\cdot d\mathbf{r}$，这是向量点积。把 $C$ 上所有小段的做功相加，并让每一段都无限小，就得到线积分。因为曲线首尾相接，这种闭合路径上的线积分专称为环流：

环流回答的是一个大问题：整个网框究竟被湖水推动了多少。但环流无法告诉我们湖里哪里有漩涡、哪里在打转——这需要走进网内，看看每个小网眼。

∮CF⋅dr=∫abF(r(t))⋅r′(t) dt\oint_C \mathbf{F}\cdot d\mathbf{r}= \int_a^b \mathbf{F}(\mathbf{r}(t))\cdot \mathbf{r}'(t)\,dt
  1. 闭合曲线 $C$渔网外框，一条首尾相接的路径，方向由 $t$ 从小到大的次序决定。
    C: r(t),a≤t≤bC:\ \mathbf{r}(t),\quad a\le t\le b
  2. 无穷小位移 $d\mathbf{r}$沿着 $C$ 的方向，等于 $\mathbf{r}'(t)dt$，表示桨在瞬间移动的方向和距离。
    dr=r′(t) dtd\mathbf{r}=\mathbf{r}'(t)\,dt
  3. 点积只取水流在前进方向上的分量，表现“推桨”而不是“侧滑”。
    F⋅dr=P dx+Q dy+R dz\mathbf{F}\cdot d\mathbf{r}=P\,dx+Q\,dy+R\,dz
  4. 累加求和把所有小段上的贡献无限细分、全部相加，就得到闭合路径上的总环流。
    ∮C=lim⁡max⁡∣Δt∣→0∑F(r(ti))⋅r′(ti)Δt\oint_C = \lim_{\max|\Delta t|\to 0}\sum \mathbf{F}(\mathbf{r}(t_i))\cdot \mathbf{r}'(t_i)\Delta t

旋度定义

假如渔网不是一整块，而是由上百万个小网眼织成。你在每个网眼中心放一只极轻的微型水轮，湖水经过时水轮会转动。有的网眼水轮转得快，有的转得慢，有的甚至不转；转轴还可能朝不同方向倾斜。每个网眼上这支“微型水轮”的转速与转轴方向，就是该点的旋度。

旋度是一个向量，记作 $\nabla\times\mathbf{F}$。符号 $\nabla$ 叫纳布拉算子，像一把测量变化率的尺子；中间的 $\times$ 表示叉乘，作用是“把变化率组合成一个新向量”。设 $\mathbf{F}=(P,Q,R)$，旋度的三个分量如下：

旋度就是“局部旋转密度”。它描述的不是湖水整体冲得多快，而是每个小网眼里水流打得有多转。

∇×F=(∂R∂y−∂Q∂z,  ∂P∂z−∂R∂x,  ∂Q∂x−∂P∂y)\nabla\times\mathbf{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)
  1. 三个分量第一个分量衡量绕 $x$ 轴的旋转，第二个绕 $y$ 轴，第三个绕 $z$ 轴。
    (∇×F)x=∂R∂y−∂Q∂z(\nabla\times\mathbf{F})_x=\frac{\partial R}{\partial y}-\frac{\partial Q}{\partial z}
  2. 偏导之差每一对偏导之差都在比较“相邻方向上的变化是否不对称”；不对称越大，局部的旋转越强。
    ∂R∂y≠∂Q∂z ⇒ 存在绕 x 轴的旋转\frac{\partial R}{\partial y}\ne \frac{\partial Q}{\partial z}\ \Rightarrow\ \text{存在绕 }x\text{ 轴的旋转}
  3. 方向由右手法则确定四指顺着旋转方向弯曲，拇指指向就是旋度向量的方向。
    旋度方向=转轴方向\text{旋度方向}=\text{转轴方向}

定向与边界

渔网有正反面：从水面上往下看，网眼里的小漩涡在逆时针转；从水面下往上看，同一个漩涡看起来变成了顺时针。如果不说明从哪一面看，“漩涡多大”就没有意义。数学上把这个“看的方向”称为曲面的定向。

解决方案是给曲面 $S$ 指定一个单位法向量 $\mathbf{n}$，它垂直于网面，指向我们选定的正面。一旦 $\mathbf{n}$ 定了，边界 $\partial S$ 的正方向也被唯一确定：右手拇指指向 $\mathbf{n}$，四指弯曲的方向就是沿网框绕行的正方向。这就是右手法则。

有了定向，我们才能把旋度向量“投影”到网面的法线方向上。每个小网眼的贡献是旋度在 $\mathbf{n}$ 方向的分量乘以面积：

定向就像给渔网贴上一张“正面朝上”的标签。标签一贴，边界绕行方向、旋度通量的正负号就全都确定下来，不会再说“正面反面看不清”。

∬S(∇×F)⋅n dS\iint_S (\nabla\times\mathbf{F})\cdot \mathbf{n}\,dS
  1. 曲面 $S$渔网本身，它是一张有面积、有正反面的“二维物体”。
    S⊂R3S\subset \mathbb{R}^3
  2. 单位法向量 $\mathbf{n}$垂直于 $S$ 的单位向量，用来标记正面。
    ∣n∣=1|\mathbf{n}|=1
  3. 面积元 $dS$一个无穷小的网眼面积；带上方向后写作 $\mathbf{n}\,dS$。
    dS=n dSd\mathbf{S}=\mathbf{n}\,dS
  4. 点积投影只保留旋度垂直穿过网面的部分，忽略在网面内打转的分量。
    (∇×F)⋅n(\nabla\times\mathbf{F})\cdot \mathbf{n}

定理表述

现在把两块拼图放在一起：圆的左边是沿网框的环流，圆的右边是网内所有小网眼的旋度之和。斯托克斯定理说，它们是同一个数的两种算法。

更准确地说，设 $S$ 是一张分片光滑的有向曲面，$\partial S$ 是它的边界，按右手法则定向，向量场 $\mathbf{F}$ 在包含 $S$ 的区域上有一阶连续偏导，则：

这个等号相当于说：你不再需要真的绕着网框划一整圈，只要潜入网内，统计所有小水轮的转速并求和，两者数值完全相同。当然，前提是水里没有“奇异点”——如果网眼中心藏着一个无穷强的旋涡点，公式就需要先绕开它再取极限。

∮∂SF⋅dr=∬S(∇×F)⋅n dS\oint_{\partial S}\mathbf{F}\cdot d\mathbf{r}=\iint_S (\nabla\times\mathbf{F})\cdot \mathbf{n}\,dS
  1. 边界 $\partial S$渔网外框，一条闭合曲线，方向与 $\mathbf{n}$ 满足右手法则。
    ∂S=闭合曲线\partial S=\text{闭合曲线}
  2. 左侧环流沿边界走的线积分，对应“绕网框划一圈的总推动量”。
    ∮∂SF⋅dr\oint_{\partial S}\mathbf{F}\cdot d\mathbf{r}
  3. 右侧旋度通量曲面上的面积分，对应“把所有小网眼的微型水轮读数加起来”。
    ∬S(∇×F)⋅n dS\iint_S (\nabla\times\mathbf{F})\cdot \mathbf{n}\,dS
  4. 等号的意义边界上的宏观总量，等于曲面内部的微观增量之和。
    边界总量=内部小量之和\text{边界总量}=\text{内部小量之和}

格林特例

当渔网平平地铺在湖面上，网面完全落在 $xy$ 平面内时，三维的斯托克斯定理会自动“躺平”，变回更古老的格林公式。这也是格林公式与斯托克斯定理关系的核心：格林不是另一个孤立定理，而是斯托克斯在平面上的影子。

此时 $\mathbf{n}=(0,0,1)$，旋度只有第三个分量起作用。设曲线 $C$ 围出平面区域 $D$，向量场写成 $\mathbf{F}=(P,Q)$，斯托克斯定理就简化为：

格林公式是斯托克斯定理“躺平后的样子”。当你把渔网从三维空间压成一个平面，所有小水轮都变成了绕 $z$ 轴转的平面风扇，公式自然就降维了。

∮CP dx+Q dy=∬D(∂Q∂x−∂P∂y)dA\oint_C P\,dx+Q\,dy=\iint_D \left(\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}\right)dA
  1. 左侧平面环流在平面曲线上绕圈，只记 $x$、$y$ 两个方向上的做功。
    P dx+Q dyP\,dx+Q\,dy
  2. 区域 $D$被 $C$ 围出的平面网面，即平铺的渔网。
    C=∂DC=\partial D
  3. 二维旋度$\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}$ 是三维旋度的第三个分量，也是平面小水轮的转速。
    ∇×F⋅n=∂Q∂x−∂P∂y\nabla\times\mathbf{F}\cdot\mathbf{n}=\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}
  4. 面积元 $dA$平面上的小网格面积，对应网眼。
    dA=dx dydA=dx\,dy

散度统一

渔网用来测“旋转”，气球则用来测“涌出”。在湖底埋一个气球，表面开满小孔。如果气球内部有泉眼，水会从表面小孔向外涌；如果有漏水洞，水会向里吸。每个小孔的“涌水量”合在一起，等于内部所有泉眼的总强度。这个想法就是高斯散度定理。

散度记作 $\nabla\cdot\mathbf{F}$，它和旋度不同：旋度描述“转了多少”，散度描述“涌出了多少”。对于封闭曲面 $\partial V$ 围出的体积 $V$，高斯散度定理写作：

散度定理与斯托克斯定理其实是一家人。一维微积分基本定理说“内部导数之和等于端点值之差”，格林、斯托克斯、高斯分别把这个故事推广到了平面、曲面和立体：内部某个微分算子的累积，永远等于边界上的总量。一个管“转”，一个管“涌”，两只手合起来，才真正抓住向量场的全貌。

∭V∇⋅F dV=∬∂VF⋅n dS\iiint_V \nabla\cdot\mathbf{F}\,dV=\iint_{\partial V}\mathbf{F}\cdot \mathbf{n}\,dS
  1. 散度 $\nabla\cdot\mathbf{F}$每个点上的源汇强度，正值表示涌出，负值表示吸入。
    ∇⋅F=∂P∂x+∂Q∂y+∂R∂z\nabla\cdot\mathbf{F}=\frac{\partial P}{\partial x}+\frac{\partial Q}{\partial y}+\frac{\partial R}{\partial z}
  2. 体积元 $dV$把气球内部切成无数小立方体。
    dV=dx dy dzdV=dx\,dy\,dz
  3. 封闭曲面 $\partial V$气球的表面，法向量向外。
    V 的边界V\ \text{的边界}
  4. 表面积分把所有小孔穿过的水流量全部加总。
    ∬∂VF⋅n dS\iint_{\partial V}\mathbf{F}\cdot \mathbf{n}\,dS

电磁学应用

把湖水换成电磁场，把渔网换成一圈金属导线。法拉第发现，当穿过线圈的磁场发生变化时，导线里会被“推”出电流；就好像湖心水位迅速变化，会在湖面推着网框旋转起来。这个绕过一圈导线感受到的“推动力”，就是感应电动势。

麦克斯韦用斯托克斯定理把这一现象写成了法拉第定律：电场 $\mathbf{E}$ 沿边界 $\partial S$ 的环流，等于穿过曲面 $S$ 的磁通量随时间的变化率（取负号）：

从斯托克斯定理看，等式左边是 $\mathbf{E}$ 的边界环流，右边就等于 $\mathbf{E}$ 的旋度通量。因此这一步还能继续推出微分形式：

这正是麦克斯韦方程组中的一条核心方程。没有斯托克斯定理，电磁波的传播、无线通信乃至现代雷达都无从谈起。

∮∂SE⋅dℓ=−ddt∬SB⋅n dS\oint_{\partial S}\mathbf{E}\cdot d\boldsymbol\ell=-\frac{d}{dt}\iint_S \mathbf{B}\cdot \mathbf{n}\,dS
  1. 电场环流电荷沿导线绕一圈获得的推动量。
    ∮∂SE⋅dℓ\oint_{\partial S}\mathbf{E}\cdot d\boldsymbol\ell
  2. 磁通量微元磁场穿过网面的量，像“穿过渔网的水流总量”。
    B⋅n dS\mathbf{B}\cdot \mathbf{n}\,dS
  3. 时间变化率磁通量随时间改变得越快，感应越强。
    ddt∬SB⋅n dS\frac{d}{dt}\iint_S \mathbf{B}\cdot \mathbf{n}\,dS
  4. 负号感应电场的方向总是“抵抗”磁通量的变化，这就是楞次定律。
    ∇×E=−∂B∂t\nabla\times\mathbf{E}=-\frac{\partial \mathbf{B}}{\partial t}

流体涡旋

再看湖面上真正的漩涡：龙卷风中心的水流绕圈子，而几米外的水面却几乎直线前进。如何用一个量把“转与不转”区分开？答案还是旋度。在流体力学中，速度场 $\mathbf{v}$ 的旋度叫做涡量：

斯托克斯定理在流体中还有一个漂亮推论：理想流体中某块流体周界上的环流不随时间改变，因此涡旋会跟着流体一起运动、强度守恒。气象预报和计算流体力学（CFD）因此常常用涡量而非速度作为核心状态量——毕竟，台风眼周围那圈螺旋云带，本质上就是一个巨大涡量的可视化。

ω=∇×v\boldsymbol{\omega}=\nabla\times\mathbf{v}
  1. 速度场 $\mathbf{v}$流体中每个点的运动速度，既包含平移，也包含旋转。
    v=(u,v,w)\mathbf{v}=(u,v,w)
  2. 涡量向量 $\boldsymbol{\omega}$指向局部旋转轴，大小等于旋转角速度的两倍；不转的地方涡量为零。
    ω=(∂w∂y−∂v∂z, ∂u∂z−∂w∂x, ∂v∂x−∂u∂y)\boldsymbol{\omega}=\left(\frac{\partial w}{\partial y}-\frac{\partial v}{\partial z},\ \frac{\partial u}{\partial z}-\frac{\partial w}{\partial x},\ \frac{\partial v}{\partial x}-\frac{\partial u}{\partial y}\right)
  3. 二维特例在湖面这样的平面流中，涡量只剩一个分量，正是格林公式中的被积函数。
    ωz=∂v∂x−∂u∂y\omega_z=\frac{\partial v}{\partial x}-\frac{\partial u}{\partial y}

AI 应用场景

电磁仿真数据生成

阶段：数据生成 / 物理约束校验

解决的问题：真实世界的电磁测量数据昂贵且难以获取，AI 训练常用仿真数据，但仿真器必须保证 Maxwell 方程物理一致。斯托克斯定理为验证“电场环流与磁通量变化是否自洽”提供了最直接的判据。

具体案例：在自动驾驶毫米波雷达仿真中，计算电磁学工程师用 FDTD（时域有限差分）方法求解麦克斯韦方程组。求解完成后，对每个网格面检查外边界环流与内部旋度通量之差，只有当误差低于阈值时，该帧数据才被送入 AI 模型训练。

物理信息神经网络约束

阶段：模型训练 / 损失函数设计

解决的问题：普通神经网络拟合流场时，常常输出一些“看起来平滑但物理上不可能”的速度场。把旋度与散度作为正则项加入损失函数，能让网络输出满足斯托克斯与高斯定理背后的物理规律。

具体案例：训练 PINN（物理信息神经网络）预测机翼附近的流场时，损失函数中加入涡量残差项 $\Vert \nabla\times\mathbf{v}-\boldsymbol{\omega}\Vert^2$；模型在稀疏数据下也能预测出符合环流守恒的流场，大幅提升泛化能力。

气象与 CFD 代理模型

阶段：特征工程 / 模型推理

解决的问题：高分辨率气象模拟计算量巨大，AI 代理模型希望在低维潜空间预测涡量演化。斯托克斯定理保证了“局部涡量之和”与“宏观环流”可互相换算，因此可以用边界环流做守恒监测。

具体案例：某气象 AI 团队用涡量潜空间预测台风中心路径，每步推理后用区域边界环流与内部涡量和做一致性检查，偏差过大时触发重新计算，避免预测风暴在物理上“凭空旋转”。

Python 演示

python48 行
import numpy as np  def discrete_curl(Fx, Fy, x, y):    dFy_dx = np.gradient(Fy, x, axis=1)    dFx_dy = np.gradient(Fx, y, axis=0)    return dFy_dx - dFx_dy  def boundary_circulation(Fx, Fy, x, y):    dx = x[1] - x[0]    dy = y[1] - y[0]    n = x.size    total = 0.0    # 底边: 从左到右    for i in range(n - 1):        total += 0.5 * (Fx[0, i] + Fx[0, i + 1]) * dx    # 右边: 从下到上    for j in range(n - 1):        total += 0.5 * (Fy[j, n - 1] + Fy[j + 1, n - 1]) * dy    # 顶边: 从右到左    for i in range(n - 1, 0, -1):        total += 0.5 * (Fx[n - 1, i] + Fx[n - 1, i - 1]) * (-dx)    # 左边: 从上到下    for j in range(n - 1, 0, -1):        total += 0.5 * (Fy[j, 0] + Fy[j - 1, 0]) * (-dy)    return total  def main():    n = 64    x = np.linspace(0.0, 1.0, n)    y = np.linspace(0.0, 1.0, n)    X, Y = np.meshgrid(x, y)    Fx = -Y    Fy = X    dx = x[1] - x[0]    dy = y[1] - y[0]    curl = discrete_curl(Fx, Fy, x, y)    flux_integral = np.sum(curl) * dx * dy    circulation = boundary_circulation(Fx, Fy, x, y)    print("边界环流: {:.6f}".format(circulation))    print("内部旋度通量: {:.6f}".format(flux_integral))    print("误差: {:.2e}".format(abs(circulation - flux_integral)))  if __name__ == "__main__":    main()
目的：在单位正方形上取旋转向量场 $\mathbf{F}=(-y,x)$，用有限差分计算内部旋度通量，再沿外边界逆时针数值积分环流，二者应都等于 2，以此验证斯托克斯定理。
  1. dFy_dx = np.gradient(Fy, x, axis=1)数值近似偏导 $\partial F_y/\partial x$，相当于量每个网眼在 $x$ 方向的旋转倾向。
  2. curl = dFy_dx - dFx_dy计算二维旋度（curl 的 $z$ 分量），即格林公式中的被积函数。
  3. flux_integral = np.sum(curl) * dx * dy把所有小网眼的旋度乘以面积再相加，得到右端面积分。
  4. boundary_circulation(Fx, Fy, x, y)沿外框逆时针走一圈，把每段“力×位移”加起来，得到左端环流。
  5. print("误差: ...")比较环流与旋度通量，数值误差来自离散化，网格加密后趋近于零。

常见误区

误区旋度是不是就是一个数？环流越大，旋度越大，旋转越剧烈，这样理解应该没问题吧？我看很多地方都直接说“这个场的旋度为多少”。

正解旋度是一个向量，而不是标量。它不仅有大小，还有方向；方向由右手法则确定，指向旋转轴。同一个强度的漩涡，顺时针与逆时针得到的旋度方向恰好相反。就像微型水轮转速相同，但正转和反转是两种状态。把旋度当标量会在三维问题中丢失关键信息。

为何常见：二维格林公式里旋度退化成单个分量，很多人只见过这个平面版本，于是误以为旋度天生就是一个数。

误区斯托克斯定理里有曲面积分和闭合曲线 $\oint$，那它应该适用于气球、地球表面这种封闭曲面吧？只要把曲面取成闭合的就行。

正解斯托克斯定理恰恰要求曲面有边界。渔网必须是“开口”的，才有网框可绕。如果曲面完全闭合，边界为空集，等式左边为零，右边旋度通量通常也退化为零；这时真正适用的是高斯散度定理，而不是斯托克斯定理。两者一管“转”、一管“涌”，不能互相替代。

为何常见：$\oint$ 符号容易让人联想到“封闭”，但这里的“封闭”指的是路径闭合，而不是曲面闭合。

误区格林公式是专门处理平面区域的公式，斯托克斯定理是处理三维曲面的公式，它们是两个不相同也不相干的定理，考试时分开背就好。

正解格林公式就是斯托克斯定理的平面特例。当曲面平躺在 $xy$ 平面、法向量取 $(0,0,1)$ 时，三维斯托克斯定理自动化简为格林公式。它们不是并列的两套知识，而是同一棵思想之树上的主干与分枝。

为何常见：课程通常先讲格林公式、后讲斯托克斯定理，时间跨度大，学生容易把它们记成两个孤立公式。

误区斯托克斯定理不是对任何向量场都成立吗？只要画出边界和曲面，左边等于右边就永远是铁律。

正解定理要求 $\mathbf{F}$ 在包含曲面的区域内有一阶连续偏导。如果场中存在奇点——比如一根无限长直导线产生的磁场在轴线上无穷大——直接套公式会得到错得离谱的结果。物理上处理奇点的办法是挖一个小洞绕开它，再让洞缩到零取极限，这和数学里的主值积分思想一致。

为何常见：课本例题都选取光滑场，学生练习时从未遇到奇点，自然就忘记了前提条件。

面试题

Q1. 斯托克斯定理将哪两类积分联系在一起？

单选题 · easy

  • A.二重积分与三重积分
  • B.曲线积分与曲面积分← 正确答案
  • C.微分方程与差分方程
  • D.幂级数与傅里叶级数

答案：B。斯托克斯定理的本质是“闭合曲线上的线积分 = 曲面上旋度的面积分”，所以是曲线积分与曲面积分的桥梁。二重与三重积分分别出现在格林公式和高斯定理里，但不是本定理的直接关联对象。

Q2. 绕闭合曲线 $C$ 的环流等于曲面上什么量的通量？

单选题 · easy

  • A.梯度通量
  • B.旋度通量← 正确答案
  • C.散度通量
  • D.曲率通量

答案：B。斯托克斯定理的右端是 $(\nabla\times\mathbf{F})$ 的面积分，即旋度通量。散度通量属于高斯散度定理，梯度通量则对应梯度定理（线积分等于端点差），都与“旋转”无关。

Q3. 以下关于斯托克斯定理的说法，正确的有？

多选题 · easy

  • A.格林公式是平面特例← 正确答案
  • B.旋度是一个标量函数
  • C.右端应是散度面积分
  • D.统一线积分与曲面积分← 正确答案

答案：AD。格林公式确实是斯托克斯定理在平面上的特例；定理的核心就是把线积分与曲面积分统一起来。旋度是向量而非标量，右端是旋度通量而非散度通量，因此 B、C 错误。

Q4. 平面向量场 $\mathbf{F}=(P,Q)$ 在格林公式中的被积函数是？

单选题 · mid

  • A.P对y偏导减Q对x偏导
  • B.Q对x偏导减P对y偏导← 正确答案
  • C.P对x偏导加Q对y偏导
  • D.Q对y偏导减P对x偏导

答案：B。格林公式右端是 $\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y}$，它恰好是三维旋度在 $z$ 方向的分量。选项 A 是常见符号抄反错误；C 是散度；D 没有对应意义。

Q5. 已知 $\mathbf{F}=(-y,x,0)$，则它在单位圆盘上的斯托克斯右端积分等于？

单选题 · mid

  • A.0
  • B.π
  • C.2π← 正确答案
  • D.4π

答案：C。$\nabla\times\mathbf{F}=(0,0,2)$，单位圆盘面积是 $\pi$，旋度通量为 $2\pi$。这相当于说：绕单位圆的环流恰为 $2\pi$，正好对应角度转一整圈。

Q6. 斯托克斯定理对曲面和边界有哪些要求？

多选题 · mid

  • A.S 需要分片光滑← 正确答案
  • B.边界按右手规则定向← 正确答案
  • C.S 必须是封闭曲面
  • D.F 有连续偏导数← 正确答案

答案：ABD。曲面分片光滑、边界按右手法则定向、向量场有一阶连续偏导，三者缺一不可。C 是常见误解：Stokes 要求曲面有边界，封闭曲面边界为空，应改用高斯散度定理。

Q7. 法拉第电磁感应定律的微分形式是？

单选题 · mid

  • A.E的旋度等于磁场负变化← 正确答案
  • B.B的散度处处等于零
  • C.B的旋度等于电流密度
  • D.E的散度等于电荷密度

答案：A。由斯托克斯定理可从法拉第定律积分形式推出 $\nabla\times\mathbf{E}=-\partial\mathbf{B}/\partial t$。B 是磁场无源性质，C 是安培-麦克斯韦定律，D 是高斯电场定律。

Q8. 流体力学中涡量的定义是？

单选题 · easy

  • A.速度场的散度
  • B.速度场的旋度← 正确答案
  • C.速度场的梯度
  • D.加速度的旋度

答案：B。涡量 $\boldsymbol{\omega}=\nabla\times\mathbf{v}$，它描述流体微团的局部旋转。散度描述膨胀收缩，梯度描述变化最陡方向，加速度的旋度不是标准涡量定义。

Q9. 若两块有向曲面 $S_1$ 与 $S_2$ 共享同一边界且定向一致，$\mathbf{F}$ 光滑，则旋度通量满足？

单选题 · hard

  • A.数值相等方向相反
  • B.定向一致时通量相等← 正确答案
  • C.结果一定不相同
  • D.曲面必须为平面

答案：B。斯托克斯定理说明旋度通量只由边界环流决定，因此共享同一边界且定向一致的两张曲面，旋度通量必然相等。A 是定向相反时的情况；C 与定理矛盾；D 无必要，曲面不一定要是平面。

Q10. 关于斯托克斯定理与散度定理的统一视角，正确的是？

多选题 · extreme

  • A.都是内部小量之和等于边界总量← 正确答案
  • B.斯托克斯用旋度而高斯用散度← 正确答案
  • C.格林属于斯托克斯的平面特例← 正确答案
  • D.两者只适用于三维向量场

答案：ABC。两者都是“内部微分算子的积分 = 边界上的总量”这一基本定理思想的推广；Stokes 用旋度描述旋转，Gauss 用散度描述源汇；Green 是 Stokes 的平面特例。D 错误：在二维和更高维流形上都有对应版本，并不局限于三维。