【小呆的力学笔记】连续介质力学的知识点回顾一:运动和变形

news2024/10/6 10:35:57

文章目录

        • 1. 运动的描述
        • 2. 拉格朗日描述下的变形
          • 2.1 线元的变化
          • 2.2 体元的变化
          • 2.3 面元的变化

1. 运动的描述

在连续介质力学中,存在着两种对运动的描述,一种为拉格朗日描述,即通过描述每个物质点的运动来描述整个变形体的运动,也称为物质描述,另外一种为欧拉描述,即通过描述每个空间位置点物理量来描述整个变形体的运动,也称空间描述。下面我们通过一些说明来梳理清两者的内容和区别。
假设在 t = 0 t=0 t=0时刻,变形体在空间中的位置如下图所示,其中 i 1 → 、 i 2 → 、 i 3 → \overrightarrow{i_1}、\overrightarrow{i_2}、\overrightarrow{i_3} i1 i2 i3 为此时空间坐标系, i 1 ′ → 、 i 2 ′ → 、 i 3 ′ → \overrightarrow{i^{'}_1}、\overrightarrow{i^{'}_2}、\overrightarrow{i^{'}_3} i1 i2 i3 为固结在此变形体上的直角坐标系,经过 t t t时间后,变形体发生运动和变形,其位形(位置和形状)变成下图右侧所示,此时固结于变形体的坐标系将发生角度和长度的变化,其不一定能够继续保持直角坐标系,而是成为下图右侧黄色斜体坐标系的形式。

在这里插入图片描述

现在我们来讨论变形体的运动,在拉格朗日描述中,我们关注的是物质点的运动,例如在上图中的P点,在 t = 0 t=0 t=0时刻,P点在 i 1 ′ → i 2 ′ → i 3 ′ → \overrightarrow{i^{'}_1}\overrightarrow{i^{'}_2}\overrightarrow{i^{'}_3} i1 i2 i3 中的坐标为 < x 1 ′ , x 2 ′ , x 3 ′ > <x^{'}_1,x^{'}_2,x^{'}_3> <x1,x2,x3>,在 i 1 → i 2 → i 3 → \overrightarrow{i_1}\overrightarrow{i_2}\overrightarrow{i_3} i1 i2 i3 中的坐标可由下式确定
O P → = O A → + A P → = O A → + < x 1 ′ , x 2 ′ , x 3 ′ > (1.1) \overrightarrow{OP}=\overrightarrow{OA}+\overrightarrow{AP}=\overrightarrow{OA}+<x^{'}_1,x^{'}_2,x^{'}_3>\tag{1.1} OP =OA +AP =OA +<x1,x2,x3>(1.1)
t t t时刻,P点运动至P‘点,此时P‘点在固结于变形体的 i 1 ′ → i 2 ′ → i 3 ′ → \overrightarrow{i^{'}_1}\overrightarrow{i^{'}_2}\overrightarrow{i^{'}_3} i1 i2 i3 的坐标已经不容易表示了,我们直接记录P‘在 i 1 → i 2 → i 3 → \overrightarrow{i_1}\overrightarrow{i_2}\overrightarrow{i_3} i1 i2 i3 空间坐标系中的位置坐标为 < x 1 , x 2 , x 3 > <x_1,x_2,x_3> <x1,x2,x3>,显然这与P点初始坐标和时间是相关的,当取相应的坐标系使得 O A → = 0 \overrightarrow{OA}=0 OA =0,且 i 1 ′ → i 2 ′ → i 3 ′ → \overrightarrow{i^{'}_1}\overrightarrow{i^{'}_2}\overrightarrow{i^{'}_3} i1 i2 i3 i 1 → i 2 → i 3 → \overrightarrow{i_1}\overrightarrow{i_2}\overrightarrow{i_3} i1 i2 i3 坐标轴平行,即初始固结于变形体的坐标系和空间坐标系取一致坐标系,此时,P点初始空间坐标即为 < x 1 ′ , x 2 ′ , x 3 ′ > <x^{'}_1,x^{'}_2,x^{'}_3> <x1,x2,x3>,那么 x i = x i ( x j ′ , t ) x_i=x_i(x^{'}_j,t) xi=xi(xj,t),那么此时物质点P点的位移为
u i = x i ( x j ′ , t ) − x i ′ (1.2) u_i=x_i(x^{'}_j,t)-x^{'}_i\tag{1.2} ui=xi(xj,t)xi(1.2)

接下来,我们来看看欧拉描述下,变形体的运动。在欧拉描述中,我们将关注空间中的某一位置点,比如我们关注空间位置点P’点,该点的空间位置坐标为 < x 1 , x 2 , x 3 > <x_1,x_2,x_3> <x1,x2,x3>,当 t = t t=t t=t时,有一个 t = 0 t=0 t=0时刻处于P点的物质点此时占据该位置(当 t = t ′ t=t^{'} t=t时,占据该位置的物质可能是 t = 0 t=0 t=0时刻的其他物质点)。因此,当 t = t t=t t=t时占据空间位置点P’点的物质,在 t = 0 t=0 t=0时该物质点的初始坐标为 x i ′ = x i ′ ( x j , t ) x^{'}_i=x^{'}_i(x_j,t) xi=xi(xj,t)。那么此时,位移由下式确定
u i = x i − x i ′ ( x j , t ) (1.3) u_i=x_i-x^{'}_i(x_j,t)\tag{1.3} ui=xixi(xj,t)(1.3)

2. 拉格朗日描述下的变形
2.1 线元的变化

接下来,我们来讨论拉格朗日描述下变形体的变形。坐标系仍然是将 t = 0 t=0 t=0时刻的固结与变形体的坐标系 i 1 ′ → i 2 ′ → i 3 ′ → \overrightarrow{i^{'}_1}\overrightarrow{i^{'}_2}\overrightarrow{i^{'}_3} i1 i2 i3 和空间坐标系 i 1 → i 2 → i 3 → \overrightarrow{i_1}\overrightarrow{i_2}\overrightarrow{i_3} i1 i2 i3 选为统一坐标系,如下图所示。
在这里插入图片描述
此时, t = 0 t=0 t=0时刻的微元六面体OABC在 t = t t=t t=t时刻变成微元六面体oabc。其中设O点坐标为变形体在变形前的坐标(即在初始固结于变形体的 i 1 ′ → i 2 ′ → i 3 ′ → \overrightarrow{i^{'}_1}\overrightarrow{i^{'}_2}\overrightarrow{i^{'}_3} i1 i2 i3 坐标系下)为 < x 1 ′ , x 2 ′ , x 3 ′ > <x^{'}_1,x^{'}_2,x^{'}_3> <x1,x2,x3>,A点坐标为 < x 1 ′ + d x 1 ′ , x 2 ′ + d x 2 ′ , x 3 ′ + d x 3 ′ > <x^{'}_1+dx^{'}_1,x^{'}_2+dx^{'}_2,x^{'}_3+dx^{'}_3> <x1+dx1,x2+dx2,x3+dx3>,经过t时间后,变形前微元OA变为微元oa,同时用变形后的坐标来表示,那么o点空间坐标为 < x 1 , x 2 , x 3 > <x_1,x_2,x_3> <x1,x2,x3>,a点空间坐标为 < x 1 + d x 1 , x 2 + d x 2 , x 3 + d x 3 > <x_1+dx_1,x_2+dx_2,x_3+dx_3> <x1+dx1,x2+dx2,x3+dx3>,上述坐标有以下关系
x i = x i ( x j ′ , t ) x i + d x i = x i ( x j ′ + d x j ′ , t ) (2.1) x_i=x_i(x^{'}_j,t)\\ x_i+dx_i=x_i(x^{'}_j+dx^{'}_j,t)\tag{2.1} xi=xi(xj,t)xi+dxi=xi(xj+dxj,t)(2.1)
那么,不难得到
d x i = x i ( x j ′ + d x j ′ , t ) − x i ( x j ′ , t ) = x i ( x j ′ , t ) + ∂ x i ∂ x j ′ d x j ′ − x i ( x j ′ , t ) = ∂ x i ∂ x j ′ d x j ′ (2.2) \begin{aligned} dx_i&=x_i(x^{'}_j+dx^{'}_j,t)-x_i(x^{'}_j,t)\\ &=x_i(x^{'}_j,t)+\frac{\partial {x_i}}{\partial {x^{'}_j}}dx^{'}_j-x_i(x^{'}_j,t)\\ &=\frac{\partial {x_i}}{\partial {x^{'}_j}}dx^{'}_j\\ \end{aligned}\tag{2.2} dxi=xi(xj+dxj,t)xi(xj,t)=xi(xj,t)+xjxidxjxi(xj,t)=xjxidxj(2.2)
d x 1 dx_1 dx1为例,有
d x 1 = ∂ x 1 ∂ x 1 ′ d x 1 ′ + ∂ x 1 ∂ x 2 ′ d x 2 ′ + ∂ x 1 ∂ x 3 ′ d x 3 ′ (2.3) dx_1=\frac{\partial {x_1}}{\partial {x^{'}_1}}dx^{'}_1+\frac{\partial {x_1}}{\partial {x^{'}_2}}dx^{'}_2+\frac{\partial {x_1}}{\partial {x^{'}_3}}dx^{'}_3\tag{2.3} dx1=x1x1dx1+x2x1dx2+x3x1dx3(2.3)

其中第一项即为线元沿 i 1 ′ → \overrightarrow{i^{'}_1} i1 方向的伸长,第二项为线元从 i 1 ′ → \overrightarrow{i^{'}_1} i1 i 2 ′ → \overrightarrow{i^{'}_2} i2 转动引起 i 1 ′ → \overrightarrow{i^{'}_1} i1 投影的伸长量,第三项线元从 i 1 ′ → \overrightarrow{i^{'}_1} i1 i 3 ′ → \overrightarrow{i^{'}_3} i3 转动引起 i 1 ′ → \overrightarrow{i^{'}_1} i1 投影的伸长量。

同理,设B点坐标为 < x 1 ′ + δ x 1 ′ , x 2 ′ + δ x 2 ′ , x 3 ′ + δ x 3 ′ > <x^{'}_1+\delta x^{'}_1,x^{'}_2+\delta x^{'}_2,x^{'}_3+\delta x^{'}_3> <x1+δx1,x2+δx2,x3+δx3>,b点坐标为 < x 1 + δ x 1 , x 2 + δ x 2 , x 3 + δ x 3 > <x_1+\delta x_1,x_2+\delta x_2,x_3+\delta x_3> <x1+δx1,x2+δx2,x3+δx3>,那么有

δ x i = x i ( x j ′ + δ x j ′ , t ) − x i ( x j ′ , t ) = x i ( x j ′ , t ) + ∂ x i ∂ x j ′ δ x j ′ − x i ( x j ′ , t ) = ∂ x i ∂ x j ′ δ x j ′ (2.4) \begin{aligned} \delta x_i&=x_i(x^{'}_j+\delta x^{'}_j,t)-x_i(x^{'}_j,t)\\ &=x_i(x^{'}_j,t)+\frac{\partial {x_i}}{\partial {x^{'}_j}}\delta x^{'}_j-x_i(x^{'}_j,t)\\ &=\frac{\partial {x_i}}{\partial {x^{'}_j}}\delta x^{'}_j \end{aligned}\tag{2.4} δxi=xi(xj+δxj,t)xi(xj,t)=xi(xj,t)+xjxiδxjxi(xj,t)=xjxiδxj(2.4)

设C点坐标为 < x 1 ′ + Δ x 1 ′ , x 2 ′ + Δ x 2 ′ , x 3 ′ + Δ x 3 ′ > <x^{'}_1+\Delta x^{'}_1,x^{'}_2+\Delta x^{'}_2,x^{'}_3+\Delta x^{'}_3> <x1+Δx1,x2+Δx2,x3+Δx3>,b点坐标为 < x 1 + Δ x 1 , x 2 + Δ x 2 , x 3 + Δ x 3 > <x_1+\Delta x_1,x_2+\Delta x_2,x_3+\Delta x_3> <x1+Δx1,x2+Δx2,x3+Δx3>,那么有

Δ x i = x i ( x j ′ + Δ x j ′ , t ) − x i ( x j ′ , t ) = x i ( x j ′ , t ) + ∂ x i ∂ x j ′ Δ x j ′ − x i ( x j ′ , t ) = ∂ x i ∂ x j ′ Δ x j ′ (2.5) \begin{aligned} \Delta x_i&=x_i(x^{'}_j+\Delta x^{'}_j,t)-x_i(x^{'}_j,t)\\ &=x_i(x^{'}_j,t)+\frac{\partial {x_i}}{\partial {x^{'}_j}}\Delta x^{'}_j-x_i(x^{'}_j,t)\\ &=\frac{\partial {x_i}}{\partial {x^{'}_j}}\Delta x^{'}_j \end{aligned}\tag{2.5} Δxi=xi(xj+Δxj,t)xi(xj,t)=xi(xj,t)+xjxiΔxjxi(xj,t)=xjxiΔxj(2.5)

2.2 体元的变化

那么,变形后,六面体微元体积变化为
d V = [ O A → , O B → , O C → ] = ∣ d x 1 d x 2 d x 3 δ x 1 δ x 2 δ x 3 Δ x 1 Δ x 2 Δ x 3 ∣ = ∣ ∂ x 1 ∂ x j ′ d x j ′ ∂ x 2 ∂ x j ′ d x j ′ ∂ x 3 ∂ x j ′ d x j ′ ∂ x 1 ∂ x j ′ δ x j ′ ∂ x 2 ∂ x j ′ δ x j ′ ∂ x 3 ∂ x j ′ δ x j ′ ∂ x 1 ∂ x j ′ Δ x j ′ ∂ x 2 ∂ x j ′ Δ x j ′ ∂ x 3 ∂ x j ′ Δ x j ′ ∣ = ∣ d x 1 ′ d x 2 ′ d x 3 ′ δ x 1 ′ δ x 2 ′ δ x 3 ′ Δ x 1 ′ Δ x 2 ′ Δ x 3 ′ ∣ ⋅ ∣ ∂ x 1 ∂ x 1 ′ ∂ x 2 ∂ x 1 ′ ∂ x 3 ∂ x 1 ′ ∂ x 1 ∂ x 2 ′ ∂ x 2 ∂ x 2 ′ ∂ x 3 ∂ x 2 ′ ∂ x 1 ∂ x 3 ′ ∂ x 2 ∂ x 3 ′ ∂ x 3 ∂ x 3 ′ ∣ (2.6) dV = [\overrightarrow{OA} , \overrightarrow{OB},\overrightarrow{OC}]= \begin{vmatrix} dx_1 & dx_2 & dx_3\\ \delta x_1 & \delta x_2 & \delta x_3\\ \Delta x_1 & \Delta x_2 & \Delta x_3 \end{vmatrix}\\ =\begin{vmatrix} \frac{\partial {x_1}}{\partial {x^{'}_j}}dx^{'}_j & \frac{\partial {x_2}}{\partial {x^{'}_j}}dx^{'}_j & \frac{\partial {x_3}}{\partial {x^{'}_j}}dx^{'}_j\\ \frac{\partial {x_1}}{\partial {x^{'}_j}}\delta x^{'}_j & \frac{\partial {x_2}}{\partial {x^{'}_j}}\delta x^{'}_j & \frac{\partial {x_3}}{\partial {x^{'}_j}}\delta x^{'}_j\\ \frac{\partial {x_1}}{\partial {x^{'}_j}}\Delta x^{'}_j & \frac{\partial {x_2}}{\partial {x^{'}_j}}\Delta x^{'}_j & \frac{\partial {x_3}}{\partial {x^{'}_j}}\Delta x^{'}_j \end{vmatrix}\\ =\begin{vmatrix} dx^{'}_1 & dx^{'}_2 & dx^{'}_3\\ \delta x^{'}_1 & \delta x^{'}_2 & \delta x^{'}_3\\ \Delta x^{'}_1 & \Delta x^{'}_2 & \Delta x^{'}_3 \end{vmatrix}\cdot \begin{vmatrix} \frac{\partial {x_1}}{\partial {x^{'}_1}} & \frac{\partial {x_2}}{\partial {x^{'}_1}} & \frac{\partial {x_3}}{\partial {x^{'}_1}}\\ \frac{\partial {x_1}}{\partial {x^{'}_2}} & \frac{\partial {x_2}}{\partial {x^{'}_2}} & \frac{\partial {x_3}}{\partial {x^{'}_2}}\\ \frac{\partial {x_1}}{\partial {x^{'}_3}} & \frac{\partial {x_2}}{\partial {x^{'}_3}} & \frac{\partial {x_3}}{\partial {x^{'}_3}} \end{vmatrix}\tag{2.6} dV=[OA ,OB ,OC ]= dx1δx1Δx1dx2δx2Δx2dx3δx3Δx3 = xjx1dxjxjx1δxjxjx1Δxjxjx2dxjxjx2δxjxjx2Δxjxjx3dxjxjx3δxjxjx3Δxj = dx1δx1Δx1dx2δx2Δx2dx3δx3Δx3 x1x1x2x1x3x1x1x2x2x2x3x2x1x3x2x3x3x3 (2.6)

(体积为 O A → \overrightarrow{OA} OA O B → \overrightarrow{OB} OB O C → \overrightarrow{OC} OC 混合积)
我们定义变形梯度矩阵为
F = [ ∂ x 1 ∂ x 1 ′ ∂ x 2 ∂ x 1 ′ ∂ x 3 ∂ x 1 ′ ∂ x 1 ∂ x 2 ′ ∂ x 2 ∂ x 2 ′ ∂ x 3 ∂ x 2 ′ ∂ x 1 ∂ x 3 ′ ∂ x 2 ∂ x 3 ′ ∂ x 3 ∂ x 3 ′ ] T (2.7) F=\begin{bmatrix} \frac{\partial {x_1}}{\partial {x^{'}_1}} & \frac{\partial {x_2}}{\partial {x^{'}_1}} & \frac{\partial {x_3}}{\partial {x^{'}_1}}\\ \frac{\partial {x_1}}{\partial {x^{'}_2}} & \frac{\partial {x_2}}{\partial {x^{'}_2}} & \frac{\partial {x_3}}{\partial {x^{'}_2}}\\ \frac{\partial {x_1}}{\partial {x^{'}_3}} & \frac{\partial {x_2}}{\partial {x^{'}_3}} & \frac{\partial {x_3}}{\partial {x^{'}_3}} \end{bmatrix}^T\tag{2.7} F= x1x1x2x1x3x1x1x2x2x2x3x2x1x3x2x3x3x3 T(2.7)
变形梯度类似小变形假设下的应变矩阵,包含了线元伸长和转动等信息。
高等数学的知识,不难得出变形梯度行列式为Jaccobi行列式,即
J = ∣ ∂ x 1 ∂ x 1 ′ ∂ x 1 ∂ x 2 ′ ∂ x 1 ∂ x 3 ′ ∂ x 2 ∂ x 1 ′ ∂ x 2 ∂ x 2 ′ ∂ x 2 ∂ x 3 ′ ∂ x 3 ∂ x 1 ′ ∂ x 3 ∂ x 2 ′ ∂ x 3 ∂ x 3 ′ ∣ = ∣ ∂ x 1 ∂ x 1 ′ ∂ x 2 ∂ x 1 ′ ∂ x 3 ∂ x 1 ′ ∂ x 1 ∂ x 2 ′ ∂ x 2 ∂ x 2 ′ ∂ x 3 ∂ x 2 ′ ∂ x 1 ∂ x 3 ′ ∂ x 2 ∂ x 3 ′ ∂ x 3 ∂ x 3 ′ ∣ (2.8) J=\begin{vmatrix} \frac{\partial {x_1}}{\partial {x^{'}_1}} & \frac{\partial {x_1}}{\partial {x^{'}_2}}& \frac{\partial {x_1}}{\partial {x^{'}_3}}\\ \frac{\partial {x_2}}{\partial {x^{'}_1}} & \frac{\partial {x_2}}{\partial {x^{'}_2}} & \frac{\partial {x_2}}{\partial {x^{'}_3}}\\ \frac{\partial {x_3}}{\partial {x^{'}_1}} & \frac{\partial {x_3}}{\partial {x^{'}_2}} & \frac{\partial {x_3}}{\partial {x^{'}_3}} \end{vmatrix}=\begin{vmatrix} \frac{\partial {x_1}}{\partial {x^{'}_1}} & \frac{\partial {x_2}}{\partial {x^{'}_1}} & \frac{\partial {x_3}}{\partial {x^{'}_1}}\\ \frac{\partial {x_1}}{\partial {x^{'}_2}} & \frac{\partial {x_2}}{\partial {x^{'}_2}} & \frac{\partial {x_3}}{\partial {x^{'}_2}}\\ \frac{\partial {x_1}}{\partial {x^{'}_3}} & \frac{\partial {x_2}}{\partial {x^{'}_3}} & \frac{\partial {x_3}}{\partial {x^{'}_3}} \end{vmatrix}\tag{2.8} J= x1x1x1x2x1x3x2x1x2x2x2x3x3x1x3x2x3x3 = x1x1x2x1x3x1x1x2x2x2x3x2x1x3x2x3x3x3 (2.8)

那么上式(2.6)变为
d V = J d V 0 (2.9) dV=JdV_0\tag{2.9} dV=JdV0(2.9)

2.3 面元的变化

变形后,一个面元变化为下图,其中面元 O A B \fbox{} OAB OAB存在在变形前的变形体中,也就是初始构形中,面元 o a b \fbox{} oab oab存在在变形后的变形体中,也就是即时构形中。

在这里插入图片描述
其中对有向面元有下式成立
N → d A 0 = O A → ⊗ O B → = ∣ i 1 → i 2 → i 3 → d x 1 ′ d x 2 ′ d x 3 ′ δ x 1 ′ δ x 2 ′ δ x 3 ′ ∣ = i 1 → ( d x 2 ′ δ x 3 ′ − d x 3 ′ δ x 2 ′ ) + i 2 → ( d x 3 ′ δ x 1 ′ − d x 1 ′ δ x 3 ′ ) + i 3 → ( d x 1 ′ δ x 2 ′ − d x 2 ′ δ x 1 ′ ) (2.10) \begin{aligned} \overrightarrow{N}dA_0&=\overrightarrow{OA}\otimes\overrightarrow{OB}\\ &=\begin{vmatrix} \overrightarrow{i_1}&\overrightarrow{i_2}&\overrightarrow{i_3}\\ dx^{'}_1 & dx^{'}_2 & dx^{'}_3\\ \delta x^{'}_1 & \delta x^{'}_2 & \delta x^{'}_3 \end{vmatrix}\\ &=\overrightarrow{i_1}(dx^{'}_2\delta x^{'}_3-dx^{'}_3\delta x^{'}_2)+\overrightarrow{i_2}(dx^{'}_3\delta x^{'}_1-dx^{'}_1\delta x^{'}_3)+\overrightarrow{i_3}(dx^{'}_1\delta x^{'}_2-dx^{'}_2\delta x^{'}_1) \end{aligned} \tag{2.10} N dA0=OA OB = i1 dx1δx1i2 dx2δx2i3 dx3δx3 =i1 (dx2δx3dx3δx2)+i2 (dx3δx1dx1δx3)+i3 (dx1δx2dx2δx1)(2.10)

n → d A = o a → ⊗ o b → = ∣ i 1 → i 2 → i 3 → d x 1 d x 2 d x 3 δ x 1 δ x 2 δ x 3 ∣ = i 1 → ( d x 2 δ x 3 − d x 3 δ x 2 ) + i 2 → ( d x 3 δ x 1 − d x 1 δ x 3 ) + i 3 → ( d x 1 δ x 2 − d x 2 δ x 1 ) (2.11) \begin{aligned} \overrightarrow{n}dA&=\overrightarrow{oa}\otimes\overrightarrow{ob}\\ &=\begin{vmatrix} \overrightarrow{i_1}&\overrightarrow{i_2}&\overrightarrow{i_3}\\ dx_1 & dx_2 & dx_3\\ \delta x_1 & \delta x_2 & \delta x_3 \end{vmatrix}\\ &=\overrightarrow{i_1}(dx_2\delta x_3-dx_3\delta x_2)+\overrightarrow{i_2}(dx_3\delta x_1-dx_1\delta x_3)+\overrightarrow{i_3}(dx_1\delta x_2-dx_2\delta x_1) \end{aligned} \tag{2.11} n dA=oa ob = i1 dx1δx1i2 dx2δx2i3 dx3δx3 =i1 (dx2δx3dx3δx2)+i2 (dx3δx1dx1δx3)+i3 (dx1δx2dx2δx1)(2.11)
当然,上两式可以用Einstein 标记法其分量形式为
N i d A 0 i i → = e i j k i i → d x j ′ δ x k ′ (2.10’) \begin{aligned} N_idA_0\overrightarrow{i_i}&=e_{ijk}\overrightarrow{i_i}dx^{'}_j\delta x^{'}_k \end{aligned} \tag{2.10'} NidA0ii =eijkii dxjδxk(2.10’)

n i d A i i → = e i j k i i → d x j δ x k (2.11’) \begin{aligned} n_idA\overrightarrow{i_i}&=e_{ijk}\overrightarrow{i_i}dx_j\delta x_k \end{aligned} \tag{2.11'} nidAii =eijkii dxjδxk(2.11’)
对于式(2.11‘),有
n i d A = e i j k d x j δ x k = e i j k ∂ x j ∂ x l ′ d x l ′ ⋅ ∂ x k ∂ x m ′ δ x m ′ = e i j k ∂ x j ∂ x l ′ ∂ x k ∂ x m ′ d x l ′ δ x m ′ (2.12) \begin{aligned} n_idA&=e_{ijk}dx_j\delta x_k\\ &=e_{ijk}\frac{\partial x_j}{\partial x^{'}_l}dx^{'}_l\cdot\frac{\partial x_k}{\partial x^{'}_m}\delta x^{'}_m\\ &=e_{ijk}\frac{\partial x_j}{\partial x^{'}_l}\frac{\partial x_k}{\partial x^{'}_m}dx^{'}_l\delta x^{'}_m \end{aligned} \tag{2.12} nidA=eijkdxjδxk=eijkxlxjdxlxmxkδxm=eijkxlxjxmxkdxlδxm(2.12)
对上式左乘 ∂ x i ∂ x p ′ \frac{\partial x_i}{\partial x^{'}_p} xpxi,有
∂ x i ∂ x p ′ n i d A = e i j k ∂ x i ∂ x p ′ ∂ x j ∂ x l ′ ∂ x k ∂ x m ′ d x l ′ δ x m ′ = J ⋅ e p l m d x l ′ δ x m ′ = J N p d A 0 (2.13) \begin{aligned} \frac{\partial x_i}{\partial x^{'}_p}n_idA &=e_{ijk}\frac{\partial x_i}{\partial x^{'}_p}\frac{\partial x_j}{\partial x^{'}_l}\frac{\partial x_k}{\partial x^{'}_m}dx^{'}_l\delta x^{'}_m\\ &=J\cdot e_{plm}dx^{'}_l\delta x^{'}_m\\ &=JN_pdA_0 \end{aligned} \tag{2.13} xpxinidA=eijkxpxixlxjxmxkdxlδxm=Jeplmdxlδxm=JNpdA0(2.13)

这里需要用到
e i j k ∂ x i ∂ x p ′ ∂ x j ∂ x l ′ ∂ x k ∂ x m ′ = J ⋅ e p l m e_{ijk}\frac{\partial x_i}{\partial x^{'}_p}\frac{\partial x_j}{\partial x^{'}_l}\frac{\partial x_k}{\partial x^{'}_m}=J\cdot e_{plm} eijkxpxixlxjxmxk=Jeplm
我们先将Jaccobi行列式展开
J = + ∂ x 1 ∂ x 1 ′ ∂ x 2 ∂ x 2 ′ ∂ x 3 ∂ x 3 ′ + ∂ x 2 ∂ x 1 ′ ∂ x 3 ∂ x 2 ′ ∂ x 1 ∂ x 3 ′ + ∂ x 3 ∂ x 1 ′ ∂ x 1 ∂ x 2 ′ ∂ x 2 ∂ x 3 ′ − ∂ x 1 ∂ x 1 ′ ∂ x 3 ∂ x 2 ′ ∂ x 2 ∂ x 3 ′ − ∂ x 2 ∂ x 1 ′ ∂ x 1 ∂ x 2 ′ ∂ x 1 ∂ x 3 ′ − ∂ x 3 ∂ x 1 ′ ∂ x 2 ∂ x 2 ′ ∂ x 1 ∂ x 3 ′ = e i j k ∂ x i ∂ x 1 ′ ∂ x j ∂ x 2 ′ ∂ x k ∂ x 3 ′ J=+\frac{\partial x_1}{\partial x^{'}_1}\frac{\partial x_2}{\partial x^{'}_2}\frac{\partial x_3}{\partial x^{'}_3}+\frac{\partial x_2}{\partial x^{'}_1}\frac{\partial x_3}{\partial x^{'}_2}\frac{\partial x_1}{\partial x^{'}_3}+\frac{\partial x_3}{\partial x^{'}_1}\frac{\partial x_1}{\partial x^{'}_2}\frac{\partial x_2}{\partial x^{'}_3}\\ \quad\\ -\frac{\partial x_1}{\partial x^{'}_1}\frac{\partial x_3}{\partial x^{'}_2}\frac{\partial x_2}{\partial x^{'}_3} -\frac{\partial x_2}{\partial x^{'}_1}\frac{\partial x_1}{\partial x^{'}_2}\frac{\partial x_1}{\partial x^{'}_3} -\frac{\partial x_3}{\partial x^{'}_1}\frac{\partial x_2}{\partial x^{'}_2}\frac{\partial x_1}{\partial x^{'}_3}\\ \quad\\ =e_{ijk}\frac{\partial x_i}{\partial x^{'}_1}\frac{\partial x_j}{\partial x^{'}_2}\frac{\partial x_k}{\partial x^{'}_3} J=+x1x1x2x2x3x3+x1x2x2x3x3x1+x1x3x2x1x3x2x1x1x2x3x3x2x1x2x2x1x3x1x1x3x2x2x3x1=eijkx1xix2xjx3xk

J = − ∂ x 1 ∂ x 1 ′ ∂ x 2 ∂ x 3 ′ ∂ x 3 ∂ x 2 ′ − ∂ x 2 ∂ x 1 ′ ∂ x 3 ∂ x 3 ′ ∂ x 1 ∂ x 2 ′ − ∂ x 3 ∂ x 1 ′ ∂ x 1 ∂ x 3 ′ ∂ x 2 ∂ x 2 ′ + ∂ x 1 ∂ x 1 ′ ∂ x 3 ∂ x 3 ′ ∂ x 2 ∂ x 2 ′ + ∂ x 2 ∂ x 1 ′ ∂ x 1 ∂ x 3 ′ ∂ x 1 ∂ x 2 ′ + ∂ x 3 ∂ x 1 ′ ∂ x 2 ∂ x 3 ′ ∂ x 1 ∂ x 2 ′ = − e i j k ∂ x i ∂ x 1 ′ ∂ x j ∂ x 3 ′ ∂ x k ∂ x 2 ′ J=-\frac{\partial x_1}{\partial x^{'}_1}\frac{\partial x_2}{\partial x^{'}_3}\frac{\partial x_3}{\partial x^{'}_2}-\frac{\partial x_2}{\partial x^{'}_1}\frac{\partial x_3}{\partial x^{'}_3}\frac{\partial x_1}{\partial x^{'}_2}-\frac{\partial x_3}{\partial x^{'}_1}\frac{\partial x_1}{\partial x^{'}_3}\frac{\partial x_2}{\partial x^{'}_2}\\ \quad\\ +\frac{\partial x_1}{\partial x^{'}_1}\frac{\partial x_3}{\partial x^{'}_3}\frac{\partial x_2}{\partial x^{'}_2} +\frac{\partial x_2}{\partial x^{'}_1}\frac{\partial x_1}{\partial x^{'}_3}\frac{\partial x_1}{\partial x^{'}_2} +\frac{\partial x_3}{\partial x^{'}_1}\frac{\partial x_2}{\partial x^{'}_3}\frac{\partial x_1}{\partial x^{'}_2}\\ \quad\\ =-e_{ijk}\frac{\partial x_i}{\partial x^{'}_1}\frac{\partial x_j}{\partial x^{'}_3}\frac{\partial x_k}{\partial x^{'}_2} J=x1x1x3x2x2x3x1x2x3x3x2x1x1x3x3x1x2x2+x1x1x3x3x2x2+x1x2x3x1x2x1+x1x3x3x2x2x1=eijkx1xix3xjx2xk
不难得出, J e p l m = e i j k ∂ x i ∂ x p ′ ∂ x j ∂ x l ′ ∂ x k ∂ x m ′ Je_{plm}=e_{ijk}\frac{\partial x_i}{\partial x^{'}_p}\frac{\partial x_j}{\partial x^{'}_l}\frac{\partial x_k}{\partial x^{'}_m} Jeplm=eijkxpxixlxjxmxk
对式(2.13)左乘 ∂ x p ′ ∂ x j \frac{\partial x^{'}_p}{\partial x_j} xjxp,那么有
∂ x p ′ ∂ x j ∂ x i ∂ x p ′ n i d A = ∂ x p ′ ∂ x j J N p d A 0 ⇒ δ i j n i d A = ∂ x p ′ ∂ x j J N p d A 0 ⇒ n j d A = ∂ x p ′ ∂ x j J N p d A 0 \begin{aligned} &\frac{\partial x^{'}_p}{\partial x_j}\frac{\partial x_i}{\partial x^{'}_p}n_idA =\frac{\partial x^{'}_p}{\partial x_j}JN_pdA_0\\ \Rightarrow &\delta_{ij}n_idA =\frac{\partial x^{'}_p}{\partial x_j}JN_pdA_0\\ \Rightarrow &n_jdA =\frac{\partial x^{'}_p}{\partial x_j}JN_pdA_0 \end{aligned} xjxpxpxinidA=xjxpJNpdA0δijnidA=xjxpJNpdA0njdA=xjxpJNpdA0
上式写成矩阵形式,如下所示
n ⋅ d A = J ⋅ N ⋅ F − 1 ⋅ d A 0 \begin{aligned} \mathbf {n}\cdot dA =J\cdot \mathbf N\cdot\mathbf {F^{-1}} \cdot dA_0 \end{aligned} ndA=JNF1dA0

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1711182.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

电脑如何远程访问?

【天联】的使用场景 电脑远程访问在现代科技的发展中扮演了重要的角色。对于企业和个人用户来说&#xff0c;远程访问的便利性提供了许多机会和可能性。作为一种高效的工具&#xff0c;【天联】具有广泛的应用场景&#xff0c;可以实现异地统一管理、协同办公以及远程数据采集…

一文了解MyBatis

文章目录 MyBatis1. MyBatis的执行流程2. MyBatis是否支持延迟加载3. MyBatis延迟加载的底层原理4. MyBatis的二级缓存机制用过吗5. 谈谈MyBatis框架的优势6. 简单描述MyBatis的工作原理7. MyBatis中的sql标签8. MyBatis中的${}和#{}的区别9. MyBatis中ResulyMap的作用[重要]10…

在Python中实现限定抽奖次数的机制

目录 一、引言 二、需求分析 三、设计思路 四、代码实现 4.1 使用字典存储用户抽奖次数 4.2 使用数据库存储用户抽奖次数 五、扩展与优化 六、总结 一、引言 在当今互联网应用中&#xff0c;抽奖系统作为吸引用户、提高用户参与度和活跃度的重要手段&#xff0c;已经被…

展望跨境智慧银行在全球化金融服务中的发展趋势和机遇

一、引言 随着全球经济的不断融合和金融科技的迅猛发展,跨境智慧银行作为连接不同国家和地区金融市场的桥梁,正逐渐展现出其独特的魅力和潜力。跨境支付与结算作为跨境智慧银行的核心业务之一,随着全球化的深入发展和国际贸易的日益频繁,其业务场景也愈发丰富和复杂。本文…

【智能算法应用】灰狼算法GWO求解三维路径规划问题

目录 1.算法原理2.三维路径规划数学模型3.结果展示4.参考文献5.代码获取 1.算法原理 【智能算法】灰狼算法&#xff08;GWO&#xff09;原理及实现 2.三维路径规划数学模型 三维地形可以等效处理成山峰地形&#xff0c;数学模型为: z ( x , y ) h 0 ∑ j 1 N h j max ⁡…

Vitis HLS 学习笔记--块级控制协议-ap_ctrl_chain/ap_ctrl_hs/ap_ctrl_none

目录 1. 简介 2. 详细分析 2.1 使用场景区别 2.2 ap_continue 行为详解 2.3 ap_ctrl_chain 行为详解 3. 总结 1. 简介 块级控制协议允许硬件模块表明&#xff1a; 何时可以开始处理数据。何时完成了数据处理。以及何时处于空闲状态&#xff0c;准备接受新的数据输入。 …

【放球问题】920. 播放列表的数量

本文涉及知识点 【组合数学 隔板法 容斥原理】放球问题 本题同解 【动态规划】【组合数学】【C算法】920播放列表的数量 LeetCode 920. 播放列表的数量 你的音乐播放器里有 n 首不同的歌&#xff0c;在旅途中&#xff0c;你计划听 goal 首歌&#xff08;不一定不同&#x…

冯喜运:5.29市场避险情绪升温,黄金原油小幅收涨

【黄金消息面分析】&#xff1a;周二&#xff08;5月28日&#xff09;美盘时段&#xff0c;由于美元走弱且市场情绪出现负面变化&#xff0c;黄金收复早前跌幅&#xff0c;站上2350美元关口。金价早盘一度走弱&#xff0c;源于美联储降息可能性降低带来压力&#xff0c;投资者在…

工作软件新宠儿

想要让你的工作效率飞起来吗&#xff1f;&#x1f440; 是时候告别那些大众化的工作软件啦&#xff01;今天&#xff0c;我要给大家种草几款不常见的但超级实用的工作软件&#x1f331;&#xff0c;保证让你事半功倍哦&#xff01;&#x1f31f; 1️⃣ 亿可达 它是一款自动化…

基于ssm的微信小程序的居民健康监测系统

采用技术 基于ssm的微信小程序的居民健康监测系统的设计与实现~ 开发语言&#xff1a;Java 数据库&#xff1a;MySQL 技术&#xff1a;SpringMVCMyBatis 工具&#xff1a;IDEA/Ecilpse、Navicat、Maven 页面展示效果 后端页面 用户信息管理 健康科普管理 公告管理 论坛…

读人工智能时代与人类未来笔记17_人类未来

1. 人类未来 1.1. 在印刷读物出现之前&#xff0c;中世纪的欧洲人主要通过社区传统获取知识 1.1.1. 通过参与收割和季节轮作积累民间智慧 1.1.2. 在礼拜场所践行信仰并遵守圣礼 1.1.3. 加入行业公会&#xff0c;学习技术&…

颈源性头痛症状及表

颈源性头痛一般表现为&#xff0c;就是说从枕后一直颞侧&#xff0c;到太阳穴附近&#xff0c;这个是枕小的一个疼痛&#xff0c;还有一部分人从枕后&#xff0c;沿着一个弧线&#xff08;如下图&#xff09;的轨迹到了前额&#xff0c;到我们前额&#xff0c;这样一个疼痛&…

详解makefile中的$(wildcard pattern)

在 Makefile 中&#xff0c;$(wildcard pattern) 是一个函数&#xff0c;用于匹配指定模式的文件&#xff0c;并返回符合条件的文件列表。这个函数通常用于获取符合特定模式的文件名&#xff0c;在编写 Makefile 时非常有用。 语法&#xff1a; makefile $(wildcard pattern)…

Vue 菜单组件开发教程

在 Vue 项目中&#xff0c;我们常常需要构建各种菜单结构。下面就来详细介绍如何基于给定的代码来开发一个菜单组件。 组件部分 一、模板部分 <template> <template v-for"item in menuTree" :key"item._id"> <el-sub-menu v-if"i…

LeetCode---栈与队列

232. 用栈实现队列 请你仅使用两个栈实现先入先出队列。队列应当支持一般队列支持的所有操作&#xff08;push、pop、peek、empty&#xff09;&#xff1a; 实现 MyQueue 类&#xff1a; void push(int x) 将元素 x 推到队列的末尾int pop() 从队列的开头移除并返回元素int pee…

如何成为一名合格的JAVA程序员?

如何成为一名称职的Java编程人员&#xff1f;你一定不能错过的两本书。 第一本《Java核心技术速学版&#xff08;第3版&#xff09;》&#xff01; 1.经典Java作品《Java核心技术》的速学版本&#xff0c;降低学习门槛&#xff0c;帮助读者更容易学习Java&#xff0c;更快地把…

Neural Filters:照片恢复

Ps菜单&#xff1a;滤镜/Neural Filters/恢复/照片恢复 Neural Filters/RESTORATION/Photo Restoration 照片恢复 Photo Restoration借助 AI 强大功能快速恢复旧照片&#xff0c;提高对比度、增强细节、消除划痕。将此滤镜与着色相结合以进一步增强效果。 “照片恢复”滤镜利用…

阿里开源React应用动效解决方案:ant-motion

ant-motion&#xff1a;简化动效开发&#xff0c;提升用户体验 - 精选真开源&#xff0c;释放新价值。 概览 Ant Motion是由Ant Design团队精心打造&#xff0c;专为React应用设计的动画规范和组件库。它不仅仅是一套动画规范&#xff0c;更是一个完整的解决方案&#xff0c;旨…

晓语台:基于大语言模型和深度学习技术的智能创作平台,高效、个性化地创作高质量内容。

晓语台 AI&#xff1a; 晓语台是由北京字里心间科技有限公司推出的一款智能AI写作工具。它基于百度的大语言模型和混合大模型以及AIGC技术研发而成&#xff0c;内置了多种风格和主题的AI创作模板&#xff0c;覆盖了20余类行业与职业&#xff0c;近30个海内外社交平台&#xff…

150.二叉树:二叉树的后序遍历(力扣)

代码解决 /*** Definition for a binary tree node.* struct TreeNode {* int val;* TreeNode *left;* TreeNode *right;* TreeNode() : val(0), left(nullptr), right(nullptr) {}* TreeNode(int x) : val(x), left(nullptr, right(nullptr) {}* Tree…