(十)守恒律(主平衡原理)

news2024/11/17 23:59:45

守恒律表示了物体中某些物理场量之间的关系,它可表述为:某一时刻 t t t,对于物理场量 Φ \bold\Phi Φ 在物体体积 v v v 上的物质积分,其时间变化率等于另一物理场量 Ψ \bold\Psi Ψ(源) 在该体积上的物质积分,与通过物体表面 ∂ v \partial v v “流入”的物理量 π \bold\pi π(流) 的面积分之和。即
D D t ∫ v ρ Φ d v = ∫ v ρ Ψ d v + ∫ ∂ v π ( N ⃗ ) d S Φ ( x ⃗ , t ) , Ψ ( x ⃗ , t ) , π ( N ⃗ ) ∈ T r ( V ) \dfrac{D}{Dt}\int_v\rho\bold\Phi dv=\int_v\rho\bold\Psi dv+\int_{\partial v}\pi(\vec{N})dS\qquad\bold{\Phi}(\vec{x},t),\bold\Psi(\vec{x},t),\pi(\vec{N})\in\mathscr{T}_r(V) DtDvρΦdv=vρΨdv+vπ(N )dSΦ(x ,t),Ψ(x ,t),π(N )Tr(V)
式中,假定流不仅依赖于位置坐标与时间,同时还依赖于物体表面的单位外法向 N ⃗ \vec{N} N ,故将其表示为 π ( N ⃗ ) \pi(\vec{N}) π(N ) ρ ( x ⃗ , t ) \rho(\vec{x},t) ρ(x ,t) 为非负标量,称作(质量)密度。

现考虑一个代表性物质点 A \bold A A,它在空间坐标系中的位矢为 x ⃗ \vec{x} x ,如图给出了点 A 处的坐标标架,过点 A 各坐标线的切向为协变基矢 g ⃗ i ( i = 1 , 2 , 3 ) \vec{g}_i(i=1,2,3) g i(i=1,2,3),现考虑某单位法向量为 N ⃗ \vec{N} N 的平面与三个局部协变基向量所在直线相截得到的四面体 ABCD,各面面积与单位法向量如图所示。显然有:
N ⃗ i = − g ⃗ i ∣ g ⃗ i ∣ = − g ⃗ i g i i ( i = 1 , 2 , 3 ) \vec{N}_i =-\dfrac{\vec{g}^i}{|\vec{g}^i|} =-\dfrac{\vec{g}^i}{\sqrt{g^{ii}}} \qquad(i=1,2,3) N i=g ig i=gii g i(i=1,2,3)
由散度定理:
∯ ∂ v n ⃗ d S = 0 \oiint_{\partial v}\vec{n}dS=0 vn dS=0
故,
N ⃗ △ S + ∑ i = 1 3 N ⃗ i △ S i = 0 ⟹ N ⃗ △ S = ∑ i = 1 3 ( g ⃗ i g i i △ S i ) ⟹ △ S i = △ S g i i ( N ⃗ ⋅ g ⃗ i ) = △ S g i i N i ( 不对 i 求和 ) ≜ C i △ S \begin{aligned} & \qquad\vec{N}\triangle S+\sum_{i=1}^3\vec{N}_i\triangle S_i=0 \\\\ &\Longrightarrow \vec{N}\triangle S=\sum_{i=1}^3\left(\dfrac{\vec{g}^i}{\sqrt{g^{ii}}}\triangle S_i\right) \\\\ &\begin{aligned} &\Longrightarrow \triangle S_i=\triangle S\sqrt{g^{ii}}(\vec{N}\cdot\vec{g}_i) \\\\ &\qquad\qquad=\triangle S\sqrt{g^{ii}}{N}_i\quad(不对i求和)\\\\ &\qquad\qquad\triangleq C_i\triangle S \end{aligned} \end{aligned} N S+i=13N iSi=0N S=i=13(gii g iSi)Si=Sgii (N g i)=Sgii Ni(不对i求和)CiS
式中, N i N_i Ni 为外法向 N ⃗ \vec{N} N 的协变分量,对于固定的代表性物质点 A 及恒定的外法向 N ⃗ \vec{N} N 而言,系数 C i C_i Ci 为常数。

另外根据四面体与平行六面体间的体积关系,可将四面体 ABCD 的体积 △ v \triangle v v 写作:
△ v = 1 6 ∣ ( A B —— ⋅ g 1 ⃗ g 11 × A C —— ⋅ g 2 ⃗ g 22 ) ⋅ A D —— ⋅ g 3 ⃗ g 33 ∣    = 2 g 3 ( ∏ i = 1 3 g i i ) A B —— ⋅ A C —— 2 A B —— ⋅ A D —— 2 A C —— ⋅ A D —— 2    = 2 g 3 ( ∏ i = 1 3 g i i ) △ S 3 s i n ( A B , A C ) △ S 2 s i n ( A B , A D ) △ S 1 s i n ( A C , A D )    = 2 g 3 N 1 ⋅ N 2 ⋅ N 3 ( ∏ i = 1 3 g i i ) ⋅ s i n ( A B , A C ) ⋅ s i n ( A B , A D ) ⋅ s i n ( A C , A D ) ( △ S ) 3    ≜ C v ( △ S ) 3 \begin{aligned} &\triangle v =\frac{1}{6}\left|\left(\dfrac{\overset{——}{AB}\cdot\vec{g_1}}{\sqrt{g_{11}}}\times\dfrac{\overset{——}{AC}\cdot\vec{g_2}}{\sqrt{g_{22}}}\right)\cdot\dfrac{\overset{——}{AD}\cdot\vec{g_3}}{\sqrt{g_{33}}}\right| \\\\ &\quad\ \ =\dfrac{\sqrt{2g}}{3\left(\prod\limits_{i=1}^3\sqrt{g_{ii}}\right)}\sqrt{\dfrac{\overset{——}{AB}\cdot\overset{——}{AC}}{2}\dfrac{\overset{——}{AB}\cdot\overset{——}{AD}}{2}\dfrac{\overset{——}{AC}\cdot\overset{——}{AD}}{2}} \\\\ &\quad\ \ =\dfrac{\sqrt{2g}}{3\left(\prod\limits_{i=1}^3\sqrt{g_{ii}}\right)}\sqrt{\dfrac{\triangle S_3}{sin({AB},{AC})}\dfrac{\triangle S_2}{sin({AB},{AD})}\dfrac{\triangle S_1}{sin({AC},{AD})}} \\\\ &\quad\ \ =\dfrac{\sqrt{2g}}{3}\sqrt{\dfrac{N_1\cdot N_2\cdot N_3}{\left(\prod\limits_{i=1}^3\sqrt{g_{ii}}\right)\cdot sin({AB},{AC})\cdot sin({AB},{AD})\cdot sin({AC},{AD})}}\sqrt{(\triangle S)^3} \\\\ &\quad\ \ \triangleq C_v\sqrt{(\triangle S)^3} \end{aligned} v=61 g11 AB——g1 ×g22 AC——g2 g33 AD——g3   =3(i=13gii )2g 2AB——AC——2AB——AD——2AC——AD——   =3(i=13gii )2g sin(AB,AC)S3sin(AB,AD)S2sin(AC,AD)S1   =32g (i=13gii )sin(AB,AC)sin(AB,AD)sin(AC,AD)N1N2N3 (S)3   Cv(S)3
对于固定的代表性物质点 A 及恒定的外法向 N ⃗ \vec{N} N 而言,系数 C v C_v Cv 为常数。将守恒律应用于上述四面体,并利用积分中值定理:
D D t ( ρ Φ —— ⋅ △ v ) = ρ Ψ —— ⋅ △ v + [ π ˉ ( N ⃗ ) ⋅ △ S + ∑ i = 1 3 π ˉ ( N ⃗ i ) ⋅ △ S i ] ⟹ D D t ( ρ Φ —— ⋅ C v ( △ S ) 3 ) = ρ Ψ —— ⋅ C v ( △ S ) 3 + [ π ˉ ( N ⃗ ) + ∑ i = 1 3 π ˉ ( N ⃗ i ) ⋅ C i ] ⋅ △ S \begin{aligned} &\qquad\dfrac{D}{Dt}(\overset{——}{\rho\bold\Phi}\cdot\triangle v)=\overset{——}{\rho\bold\Psi}\cdot\triangle v+\left[\bar{\pi}(\vec{N})\cdot\triangle S+\sum_{i=1}^3\bar{\pi}(\vec{N}_i)\cdot\triangle S_i\right]\\\\ &\Longrightarrow \dfrac{D}{Dt}(\overset{——}{\rho\bold\Phi}\cdot C_v\sqrt{(\triangle S)^3})=\overset{——}{\rho\bold\Psi}\cdot C_v\sqrt{(\triangle S)^3}+\left[\bar{\pi}(\vec{N})+\sum_{i=1}^3\bar{\pi}(\vec{N}_i)\cdot C_i\right]\cdot\triangle S \end{aligned} DtD(ρΦ——v)=ρΨ——v+[πˉ(N )S+i=13πˉ(N i)Si]DtD(ρΦ——Cv(S)3 )=ρΨ——Cv(S)3 +[πˉ(N )+i=13πˉ(N i)Ci]S
令法向为 N ⃗ \vec{N} N 的平面趋近于 A 点,且该趋近过程中保持 N ⃗ \vec{N} N 不变,那么有:
lim ⁡ △ S → 0 D D t ( ρ Φ —— ⋅ C v ( △ S ) 3 ⋅ 1 △ S ) = lim ⁡ △ S → 0 ρ Ψ —— ⋅ C v ( △ S ) 3 ⋅ 1 △ S + lim ⁡ △ S → 0 [ π ˉ ( N ⃗ ) + ∑ i = 1 3 π ˉ ( N ⃗ i ) ⋅ C i ] ( C i , C v ∈ C o n s t ) \lim_{\triangle S\rightarrow 0}\dfrac{D}{Dt}(\overset{——}{\rho\bold\Phi}\cdot C_v\sqrt{(\triangle S)^3}\cdot\dfrac{1}{\triangle S})=\lim_{\triangle S\rightarrow 0}\overset{——}{\rho\bold\Psi}\cdot C_v\sqrt{(\triangle S)^3}\cdot\dfrac{1}{\triangle S}+\lim_{\triangle S\rightarrow 0}\left[\bar{\pi}(\vec{N})+\sum_{i=1}^3\bar{\pi}(\vec{N}_i)\cdot C_i\right]\quad(C_i,C_v\in Const) S0limDtD(ρΦ——Cv(S)3 S1)=S0limρΨ——Cv(S)3 S1+S0lim[πˉ(N )+i=13πˉ(N i)Ci](Ci,CvConst)
则:
lim ⁡ △ S → 0 [ π ˉ ( N ⃗ ) + ∑ i = 1 3 π ˉ ( N ⃗ i ) ⋅ C i ] = 0 \lim_{\triangle S\rightarrow 0}\left[\bar{\pi}(\vec{N})+\sum_{i=1}^3\bar{\pi}(\vec{N}_i)\cdot C_i\right]=0 S0lim[πˉ(N )+i=13πˉ(N i)Ci]=0

π A ( N ⃗ ) = − ∑ i = 1 3 [ g i i N i ⋅ π A ( N ⃗ i ) ] \pi_A(\vec{N})=-\sum_{i=1}^3\left[\sqrt{g^{ii}}{N}_i\cdot\pi_A(\vec{N}_i)\right] πA(N )=i=13[gii NiπA(N i)]
由于代表性物质点 A 是任意选取的,故将下标 A 省去,写作
π ( N ⃗ ) = − ∑ i = 1 3 [ N i g i i ⋅ π ( N ⃗ i ) ] ⟹ π [ ∑ i = 1 3 ( g ⃗ i g i i △ S i △ S ) ] = π { ∑ i = 1 3 [ − g ⃗ i g i i ⋅ ( − N i g i i ) ] } = ∑ i = 1 3 [ ( − N i g i i ) ⋅ π ( − g ⃗ i g i i ) ] \begin{aligned} &\qquad \pi(\vec{N})=-\sum_{i=1}^3\left[{N}_i\sqrt{g^{ii}}\cdot\pi(\vec{N}_i)\right] \\\\ &\Longrightarrow \pi\left[\sum_{i=1}^3\left(\dfrac{\vec{g}^i}{\sqrt{g^{ii}}}\dfrac{\triangle S_i}{\triangle S}\right)\right] =\pi\left\{\sum_{i=1}^3\left[-\dfrac{\vec{g}^i}{\sqrt{g^{ii}}}\cdot\left(-{N}_i\sqrt{g^{ii}}\right)\right]\right\} =\sum_{i=1}^3\left[\left(-{N}_i\sqrt{g^{ii}}\right)\cdot\pi\left(-\dfrac{\vec{g}^i}{\sqrt{g^{ii}}}\right)\right] \end{aligned} π(N )=i=13[Nigii π(N i)]π[i=13(gii g iSSi)]=π{i=13[gii g i(Nigii )]}=i=13[(Nigii )π(gii g i)]
虽然, N ⃗ \vec{N} N 在求极限的过程中是不变的,但初始选择时它是任意的,结合上式可知: π ( N ⃗ ) \pi(\vec{N}) π(N ) 将任意向量线性映射为 r r r 阶张量,故根据线性表示定理:
∃   Σ ∈ T r + 1 ( V )   , s . t .   π ( N ⃗ ) = Σ ⋅ N ⃗ \exist\ \bold\Sigma\in\mathscr{T}_{r+1}(V)\ ,s.t.\ \pi(\vec{N})=\bold\Sigma\cdot\vec{N}  ΣTr+1(V) ,s.t. π(N )=ΣN
那么,在流依赖于外法线的前提条件下,可将守恒律改写为:
D D t ∫ v ρ Φ d v = ∫ v ρ Ψ d v + ∫ ∂ v Σ ⋅ N ⃗   d S ( a ) \dfrac{D}{Dt}\int_v\rho\bold\Phi dv=\int_v\rho\bold\Psi dv+\int_{\partial v}\bold\Sigma\cdot\vec{N}\ dS\qquad(a) DtDvρΦdv=vρΨdv+vΣN  dS(a)
∫ v D D t ( ρ Φ d v ) = ∫ v ( ρ Ψ + Σ ⋅ ▽ )   d v ( b ) \int_v\dfrac{D}{Dt}(\rho\bold\Phi dv)=\int_v(\rho\bold\Psi +\bold\Sigma\cdot\triangledown)\ dv\qquad(b) vDtD(ρΦdv)=v(ρΨ+Σ) dv(b)
式中, Φ ( x ⃗ , t ) , Ψ ( x ⃗ , t ) ∈ T r ( V ) \bold{\Phi}(\vec{x},t),\bold\Psi(\vec{x},t)\in\mathscr{T}_r(V) Φ(x ,t),Ψ(x ,t)Tr(V) Σ ∈ T r + 1 ( V ) \bold\Sigma\in\mathscr{T}_{r+1}(V) ΣTr+1(V),且:
Σ = ∑ i = 1 3 [ g i i ⋅ π ( g ⃗ i g i i ) ⊗ g ⃗ i ] \bold\Sigma=\sum_{i=1}^3\left[\sqrt{g^{ii}}\cdot\pi\left(\dfrac{\vec{g}^i}{\sqrt{g^{ii}}}\right)\otimes\vec{g}_i\right] Σ=i=13[gii π(gii g i)g i]
另外将上式转化为参考构型下则有:
D D t ∫ v 0 ρ Φ J d v 0 = ∫ v 0 ρ Ψ J d v 0 + ∫ ∂ v 0 Σ ⋅ J F − T ⋅ 0 N ⃗ d S 0 ( c ) \dfrac{D}{Dt}\int_{v_0}\rho\bold\Phi \mathscr{J}dv_0=\int_{v_0}\rho\bold\Psi \mathscr{J}dv_0+\int_{\partial v_0}\bold\Sigma\cdot\mathscr{J} \overset{-T}{\bold{F}}\cdot\vec{_0 N}dS_0\qquad(c) DtDv0ρΦJdv0=v0ρΨJdv0+v0ΣJFT0N dS0(c)

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/370623.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

AI高效学习路径总结

最近chatgpt爆红,百度近日也官宣了大模型新项目“文心一言”(英文名ERNIE Bot),即将在今年3月面向公众开放,我先期待一波,到时候给同学们说说感受。 这也不是第一次人工智能引起广泛关注了,随着…

外贸人员如何让远程办公和在办公室一样办公

俗话说:“工欲善其事,必先利其器”。作为外贸人员,常用的工具主要分为三大类:客户管理工具、翻译工具、邮箱工具。往往外贸人员会忽略另一类工具:远程类工具。客户管理工具 有了客户管理工具,企业和员工都可…

软件测试之正交法

正交法 通过分析我们发现,对于图中的程序而言,我们要设计81条测试用例,那么有没有一种方法能够使用最小的测试过程集合获得最大的测试覆盖率呢? 1. 概述 1.1 定义 正交法,也叫正交实验法或者正交排列法, 就是使用最小的测试过程集合获得最大的测试覆盖率。 “正交实验”是…

LINUX应用GUI开发C++ 之gtkmm4(1)

目录概述GTKgtkmm安装gtkmm4hello,worldcodelite配置代码解释概述 GTK GTK是一个小部件工具包。GTK创建的每个用户界面都由小部件组成。这是在C语言中使用GObject实现的,GObject是一个面向对象的C语言框架。窗口小部件是主容器。然后通过向窗口中添加按钮、下拉菜…

Android Studio中创建java工程

1. 前言 电脑环境: Ubuntu 18.04 开发工具环境:Android Studio 4.1.3 版本 经常要使用验证Java API, 把配置环境步骤记录一下 2. 创建步骤 2.1 新建一个Android Studio App工程 New ---> New Project ---> 选择一个Activity主题---> Finish 就创建ok 2.2 …

如何防护DDOS攻击

DDOS攻击的趋势呈现出明显的增长趋势,特别是在网络攻击技术的发展和攻击者的技术水平提高的情况下,DDOS攻击的发生频率和规模也在不断增加。此外,随着网络技术的发展,攻击者也可以利用更多的技术手段来实施DDOS攻击,比…

kali环境搭建

一、渗透为什么要使用kali? 1、系统开源 kali linux实际上是开源的操作系统,其中内置了几百种工具而且是免费的,可以非常方便的为测试提供上手即用的整套工具,而不需要繁琐的搭建环境,及收集工具下载安装等步骤 2、系统…

通过OpenAI来做机械智能故障诊断-测试(1)

通过OpenAI来做机械智能故障诊断 1. 注册使用2. 使用案例1-介绍故障诊断流程2.1 对话内容2.2 对话小结3. 使用案例2-写一段轴承故障诊断的代码3.1 对话内容3.2 对话小结4. 对话加载Paderborn轴承故障数据集并划分4.1 加载轴承故障数据集并划分第一次测试4.2 第二次加载数据集自…

【华为OD机试模拟题】用 C++ 实现 - 挑选字符串(2023.Q1)

最近更新的博客 【华为OD机试模拟题】用 C++ 实现 - 货币单位换算(2023.Q1) 【华为OD机试模拟题】用 C++ 实现 - 选座位(2023.Q1) 【华为OD机试模拟题】用 C++ 实现 - 停车场最大距离(2023.Q1) 【华为OD机试模拟题】用 C++ 实现 - 重组字符串(2023.Q1) 【华为OD机试模…

浅谈对于封装、继承与多态的理解(Java)

目录 封装 继承 父类成员的访问 如何在子类中访问父类同名的成员 子类构造方法 代码块在继承上的执行顺序 多态 多态的实现条件 重写 多态的优缺点 面向对象程序的三大特征:封装继承和多态。 封装 封装:将数据和操作数据的方法进行有效…

前置知识-辛几何与辛代数、欧式几何与辛几何、Hamilton量

1.3 Hamilton 系统的辛几何算法 1.3.1 辛几何与辛代数的基本概念(下篇) 定义(辛空间、辛映射) 设 V V V 是定义在实数域 R \mathbb{R} R<

【万能排序之qsort、b_sort 、s_sort】

文章目录前言:star:qsort函数函数参数qsort函数的使用:star:模拟实现万冒泡排序函数参数模拟实现b_sort注意点:star:模拟实现万能选择排序函数参数模拟实现s_sort最后前言 我们所熟悉的冒泡排序&#xff0c;选择排序&#xff0c;插入排序&#xff0c;二分排序等都是基于给定的一…

计算机网络笔记、面试八股(一)——TCP/IP网络模型

Note&#xff1a;【计算机网络笔记、面试八股】系列文章共计5篇&#xff0c;现已更新3篇&#xff0c;剩余2篇&#xff08;TCP连接、Web响应&#xff09;会尽快更新&#xff0c;敬请期待&#xff01; 本章目录1. TCP/IP网络模型1.1 应用层1.1.1 应用层作用1.1.2 应用层有哪些常用…

git push origin master 情况

&#x1f4e2;&#x1f4e2;&#x1f4e2;&#x1f4e3;&#x1f4e3;&#x1f4e3;哈喽&#xff01;大家好&#xff0c;我是「奇点」&#xff0c;江湖人称 singularity。刚工作几年&#xff0c;想和大家一同进步&#x1f91d;&#x1f91d;一位上进心十足的【Java ToB端大厂领…

局域网内浏览器实现远程控制windows设备的解决方案

使用VNC技术实现的局域网内windows远程桌面项目用途服务端的技术实现1. 安装UItraVNC软件&#xff0c;只部署server端即可2. 为UItraVNC设定自定义密码Python 环境的安装Websockify 的使用使用nssm工具将run.bat注册为系统服务&#xff0c;并开机自启结束&#xff0c;这里就是服…

华为OD机试用Python实现 -【查找树中的元素 or 查找二叉树节点】(2023-Q1 新题)

华为OD机试题 华为OD机试300题大纲查找树中的元素 or 查找二叉树节点题目描述输入描述输出描述说明示例一输入输出示例二输入输出Python 代码实现代码编写思路华为OD机试300题大纲 参加华为od机试,一定要注意不要完全背诵代码,需要理解之后模仿写出,通过率才会高。 华为 O…

啊哈 算法读书笔记 第 2 章 栈、队列、链表

第 2 章 栈、队列、链表 目录 第 2 章 栈、队列、链表 队列&#xff1a; 解密回文——栈 纸牌游戏&#xff1a; 链表 模拟链表 队列&#xff1a; 首先将第 1 个数删除&#xff0c;紧接着将第 2 个数放到这串数的末尾&#xff0c;再将第 3 个数删除并将第 4 个数放到这串…

axios 中如何取消请求_从使用到原理_番茄出品

start 最近频繁遇到一个问题&#xff0c;axios 是如何取消请求的&#xff1f;这篇文章将从新手小白的视角出发&#xff0c;从 axios 取消逻辑的基础使用&#xff0c;到原理分析&#xff0c;带你彻底了解并掌握 axios 中取消请求的“秘密”。编写时间&#xff1a;2023/02/24-23…

Prometheus -- 浅谈Exporter

Prometheus系统 – Exporter原理 为什么我们需要Exporter&#xff1f; 广义上讲所有可以向Prometheus提供监控样本数据的程序都可以被称为一个Exporter。而Exporter的一个实例称为target&#xff0c;如下所示&#xff0c;Prometheus通过轮询的方式定期从这些target中获取样本…

你知道Java架构师学习路线该怎么走吗?你所缺少的是学习方法以及完整规划!

怎么成为一名Java架构师&#xff1f;都需要掌握哪些技术&#xff1f;Java架构师&#xff0c;首先要是一个高级Java攻城狮&#xff0c;熟练使用各种框架&#xff0c;并知道它们实现的原理。jvm虚拟机原理、调优&#xff0c;懂得jvm能让你写出性能更好的代码;池技术&#xff0c;什…