Div

Div 把数组的阶数减少 1：

Div[{f1,f2,…,fn},{x1,x2,…,xn}] 是 f 的梯度的迹：

通过转换为直角坐标然后再转换回来，计算欧几里得坐标系 c 中的 Div：

与直接计算 Div[f,{x1,…,xn},c] 的结果一样：

双变量形式 Div[f,vars] 在第一个变量中是 Listable 的：

Div[array,vars,sys] 实际上是在最后两个位置上先使用 Grad，然后使用 TensorContract：

但是，该操作通常不是 Listable：

如果 chart 是用度规 g 定义的，以正交形式表示，则 Div[g,{x1,…,xn},chart] 给出零：

Div 压缩数组最内层的索引，这对于矩阵而言意味着作用于行：

若要压缩成一个不同的索引，使用 Grad 再使用一个显式 TensorContract：

在矩阵情况下，作用于列可以通过首先对矩阵 square 求转置实现：

旋度的散度是零：

即使对于非向量输入，结果仍然是零：

该恒等式适用于 Div 的 Inactive 形式：

Div 保持 SymmetrizedArray 对象的结构：

散度保持不涉及最后一个位置的对称性：