เกรเดียนต์และไดเวอร์เจนซ์เป็นตัวดำเนินการพื้นฐานในแคลคูลัสเวกเตอร์ที่อธิบายการเปลี่ยนแปลงของสนามในอวกาศ เกรเดียนต์จะเปลี่ยนสนามสเกลาร์ให้เป็นสนามเวกเตอร์ที่ชี้ไปยังจุดที่มีการเพิ่มขึ้นมากที่สุด ในขณะที่ไดเวอร์เจนซ์จะบีบอัดสนามเวกเตอร์ให้เป็นค่าสเกลาร์ที่วัดการไหลสุทธิหรือความแรงของ 'แหล่งกำเนิด' ณ จุดใดจุดหนึ่ง
ตัวดำเนินการที่รับฟังก์ชันสเกลาร์และสร้างสนามเวกเตอร์ที่แสดงทิศทางและขนาดของการเปลี่ยนแปลงที่มากที่สุด
ตัวดำเนินการที่ใช้วัดขนาดของแหล่งกำเนิดหรือตัวดูดของสนามเวกเตอร์ ณ จุดใดจุดหนึ่ง
| ฟีเจอร์ | เกรเดียนต์ (∇f) | ความแตกต่าง (∇·F) |
|---|---|---|
| ประเภทอินพุต | ฟิลด์สเกลาร์ | สนามเวกเตอร์ |
| ประเภทเอาต์พุต | สนามเวกเตอร์ | ฟิลด์สเกลาร์ |
| สัญกรณ์เชิงสัญลักษณ์ | $\nabla f$ หรือ grad $f$ | $\nabla \cdot \mathbf{F}$ หรือ div $\mathbf{F}$ |
| ความหมายทางกายภาพ | ทิศทางการเพิ่มขึ้นที่ชันที่สุด | ความหนาแน่นของการไหลออกสุทธิ |
| ผลลัพธ์ทางเรขาคณิต | ความลาดชัน/ความชัน | การขยายตัว/การบีบอัด |
| การคำนวณพิกัด | อนุพันธ์ย่อยเป็นส่วนประกอบ | ผลรวมของอนุพันธ์ย่อย |
| ความสัมพันธ์ภาคสนาม | ตั้งฉากกับชุดระดับ | อินทิกรัลเหนือขอบเขตพื้นผิว |
ความแตกต่างที่เห็นได้ชัดที่สุดคือสิ่งที่พวกมันทำกับมิติของข้อมูลของคุณ เกรเดียนต์จะใช้ข้อมูลภูมิประเทศแบบง่ายๆ (เช่น ความสูง) และสร้างแผนที่ลูกศร (เวกเตอร์) ที่แสดงให้คุณเห็นว่าควรเดินไปทางไหนเพื่อปีนขึ้นไปได้เร็วที่สุด ส่วนไดเวอร์เจนซ์นั้นทำตรงกันข้าม: มันจะใช้แผนที่ลูกศร (เช่น ความเร็วลม) และคำนวณตัวเลขเดียวในทุกจุดเพื่อบอกคุณว่าอากาศกำลังรวมตัวกันหรือกระจายออกไป
ลองนึกภาพห้องที่มีเครื่องทำความร้อนอยู่มุมหนึ่ง อุณหภูมิเป็นปริมาณสเกลาร์ ส่วนความชันของอุณหภูมิเป็นเวกเตอร์ที่ชี้ตรงไปยังเครื่องทำความร้อน แสดงทิศทางการเพิ่มขึ้นของความร้อน ทีนี้ ลองนึกภาพหัวฉีดน้ำดับเพลิง ละอองน้ำเป็นปริมาณเวกเตอร์ ส่วนการเบี่ยงเบนที่หัวฉีดน้ำจะมีค่าเป็นบวกสูงมาก เพราะน้ำ "กำเนิด" มาจากตรงนั้นและไหลออกไปด้านนอก
การหาค่าความชัน (Gradient) ใช้ตัวดำเนินการ 'del' ($ \nabla $) เป็นตัวคูณโดยตรง ซึ่งโดยพื้นฐานแล้วเป็นการกระจายอนุพันธ์ไปทั่วค่าสเกลาร์ ส่วนการหาค่าความแตกต่าง (Divergence) ใช้ตัวดำเนินการ del ใน 'ผลคูณดอท' ($ \nabla \cdot \mathbf{F} $) เนื่องจากผลคูณดอทเป็นการรวมผลคูณของส่วนประกอบแต่ละส่วนเข้าด้วยกัน ข้อมูลทิศทางของเวกเตอร์ดั้งเดิมจึงหายไป เหลือเพียงค่าสเกลาร์เดียวที่อธิบายการเปลี่ยนแปลงความหนาแน่นเฉพาะที่
ทั้งสองอย่างเป็นหลักการสำคัญของสมการของแม็กซ์เวลล์และพลศาสตร์ของไหล ค่าความชันใช้ในการหาแรงจากพลังงานศักยภาพ (เช่น แรงโน้มถ่วง) ในขณะที่ค่าไดเวอร์เจนซ์ใช้ในการแสดงกฎของเกาส์ ซึ่งระบุว่าฟลักซ์ไฟฟ้าที่ผ่านพื้นผิวขึ้นอยู่กับ 'ไดเวอร์เจนซ์' ของประจุภายใน กล่าวโดยสรุป ค่าความชันบอกคุณว่าควรไปที่ไหน และค่าไดเวอร์เจนซ์บอกคุณว่ามีการสะสมอยู่เท่าใด
เกรเดียนต์ของสนามเวกเตอร์นั้นเหมือนกับไดเวอร์เจนซ์ของสนามเวกเตอร์นั้น
นี่ไม่ถูกต้อง คุณไม่สามารถหาเกรเดียนต์ของสนามเวกเตอร์ในแคลคูลัสมาตรฐานได้ (เพราะจะทำให้ได้เทนเซอร์) เกรเดียนต์ใช้สำหรับปริมาณสเกลาร์ ส่วนไดเวอร์เจนซ์ใช้สำหรับเวกเตอร์
ค่าการเบี่ยงเบนเป็นศูนย์หมายความว่าไม่มีการเคลื่อนไหว
การไม่มีจุดแยกหมายความว่าสิ่งใดก็ตามที่ไหลเข้าสู่จุดหนึ่ง ก็จะไหลออกจากจุดนั้นด้วยเช่นกัน แม่น้ำอาจมีน้ำไหลเชี่ยวมาก แต่ก็อาจมีการไม่มีจุดแยกได้หากน้ำไม่ถูกบีบอัดหรือขยายตัว
ความชันชี้ไปในทิศทางของค่าเอง
เส้นกราฟแสดงความชันชี้ไปในทิศทางที่ค่า *เพิ่มขึ้น* ถ้าคุณยืนอยู่บนเนินเขา เส้นกราฟแสดงความชันจะชี้ไปทางยอดเขา ไม่ใช่ชี้ลงไปที่พื้นด้านล่าง
คุณสามารถใช้สิ่งเหล่านี้ได้เฉพาะในสามมิติเท่านั้น
ตัวดำเนินการทั้งสองได้รับการกำหนดไว้สำหรับจำนวนมิติใดๆ ก็ได้ ตั้งแต่แผนที่ความร้อน 2 มิติแบบง่ายๆ ไปจนถึงฟิลด์ข้อมูลที่มีมิติสูงที่ซับซ้อนในด้านการเรียนรู้ของเครื่อง
ใช้ค่าความชันเมื่อต้องการหาทิศทางการเปลี่ยนแปลงหรือความลาดชันของพื้นผิว ใช้ค่าความแตกต่างเมื่อต้องการวิเคราะห์รูปแบบการไหลหรือพิจารณาว่าจุดใดจุดหนึ่งในแปลงเป็นแหล่งกำเนิดหรือจุดระบาย
ทั้งการแปลงลาปลาสและการแปลงฟูริเยร์เป็นเครื่องมือที่ขาดไม่ได้สำหรับการเปลี่ยนสมการเชิงอนุพันธ์จากโดเมนเวลาที่ซับซ้อนไปสู่โดเมนความถี่เชิงพีชคณิตที่ง่ายกว่า ในขณะที่การแปลงฟูริเยร์เป็นเครื่องมือที่นิยมใช้ในการวิเคราะห์สัญญาณสภาวะคงที่และรูปแบบคลื่น การแปลงลาปลาสเป็นการขยายความที่มีประสิทธิภาพมากกว่า ซึ่งสามารถจัดการกับพฤติกรรมชั่วคราวและระบบที่ไม่เสถียรได้โดยการเพิ่มปัจจัยการลดทอนในการคำนวณ
การแยกตัวประกอบเฉพาะคือเป้าหมายทางคณิตศาสตร์ในการแยกจำนวนประกอบออกเป็นหน่วยพื้นฐานที่เป็นจำนวนเฉพาะ ในขณะที่แผนผังตัวประกอบเป็นเครื่องมือแสดงภาพแบบแตกแขนงที่ใช้เพื่อให้ได้ผลลัพธ์นั้น โดยที่อย่างหนึ่งคือผลลัพธ์เชิงตัวเลขสุดท้าย อีกอย่างหนึ่งคือแผนที่ขั้นตอนทีละขั้นที่ใช้ในการค้นหาผลลัพธ์นั้น
ในสาขาคณิตศาสตร์เชิงการจัดเรียง คำว่า 'การเรียงสับเปลี่ยน' และ 'การจัดเรียง' มักถูกใช้แทนกันได้เพื่ออธิบายลำดับเฉพาะของชุดสิ่งของ โดยที่ลำดับมีความสำคัญ การเรียงสับเปลี่ยนเป็นการดำเนินการทางคณิตศาสตร์อย่างเป็นทางการในการเรียงลำดับองค์ประกอบ ในขณะที่การจัดเรียงเป็นผลลัพธ์ทางกายภาพหรือเชิงแนวคิดของกระบวนการนั้น ซึ่งแตกต่างจากการรวมกันแบบง่ายๆ ที่ลำดับไม่สำคัญ
แม้ว่าทั้งสองแนวคิดจะเกี่ยวข้องกับการเลือกรายการจากกลุ่มที่ใหญ่กว่า แต่ความแตกต่างพื้นฐานอยู่ที่ว่าลำดับของรายการเหล่านั้นมีความสำคัญหรือไม่ การเรียงสับเปลี่ยนมุ่งเน้นไปที่การจัดเรียงเฉพาะที่ตำแหน่งเป็นกุญแจสำคัญ ในขณะที่การจัดหมู่พิจารณาเฉพาะรายการที่ถูกเลือก ทำให้การเรียงสับเปลี่ยนเป็นเครื่องมือที่จำเป็นสำหรับความน่าจะเป็น สถิติ และการแก้ปัญหาที่ซับซ้อน
การเรียงสับเปลี่ยนเป็นเทคนิคการนับที่ใช้ในการหาจำนวนวิธีทั้งหมดที่ชุดสิ่งของสามารถเรียงลำดับได้อย่างเฉพาะเจาะจง ในขณะที่ความน่าจะเป็นคืออัตราส่วนที่เปรียบเทียบการเรียงลำดับเฉพาะเหล่านั้นกับผลลัพธ์ที่เป็นไปได้ทั้งหมด เพื่อกำหนดโอกาสที่จะเกิดเหตุการณ์ขึ้น
