【连续介质力学】涉及积分的定理

news2025/1/11 14:11:34

涉及积分的定理

分部积分

分部积分:
∫ a b u ( x ) v ′ ( x ) d x = u ( x ) v ( x ) ∣ a b − ∫ a b v ( x ) u ′ ( x ) d x \int_a^bu(x)v'(x)dx=u(x)v(x)|_a^b-\int_a^bv(x)u'(x)dx abu(x)v(x)dx=u(x)v(x)ababv(x)u(x)dx

其中, v ′ ( x ) = d v d x v'(x) = \frac{dv}{dx} v(x)=dxdv

散度定理

给定一个体积为V的域B,边界为S,那么应用在向量场的散度定理(也叫Green’s Theorem, 格林定理)为:
∫ V ∇ x ⃗ ⋅ v ⃗ d V = ∫ S v ⃗ ⋅ n ^ d S = ∫ S v ⃗ ⋅ d S ⃗ ∫ V v i , i d V = ∫ S v i n ^ i d S = ∫ S v i d S i \int_V \nabla_{\vec x}\cdot \vec vd V = \int_S \vec v\cdot \hat ndS = \int _S \vec v\cdot d\vec S \\ \int_V v_{i,i}dV=\int_Sv_i\hat n_idS=\int_Sv_idS_i Vx v dV=Sv n^dS=Sv dS Vvi,idV=Svin^idS=SvidSi
其中, n ^ \hat n n^ 是向外垂直于表面S的
在这里插入图片描述
令T是在域B的二阶张量场,那么应用散度定理在这个场:
∫ V ∇ x ⃗ ⋅ T d V = ∫ S T ⋅ n ^ d S = ∫ S T ⋅ d S ⃗ ∫ V T i j , j d V = ∫ S T i j n ^ j d S = ∫ S T i j d S j \int_V \nabla_{\vec x}\cdot Td V = \int_S T\cdot \hat ndS = \int _S T\cdot d\vec S \\ \int_V T_{ij,j}dV=\int_ST_{ij}\hat n_jdS=\int_ST_{ij}dS_j Vx TdV=STn^dS=STdS VTij,jdV=STijn^jdS=STijdSj

通过利用散度定理,也可以证明:
在这里插入图片描述
其中,假设 δ i k , j = 0 i k j \delta_{ik,j}=0_{ikj} δik,j=0ikj,另外,因为 x k , j = δ k j x_{k,j}=\delta_{kj} xk,j=δkj,得到:
在这里插入图片描述
给定一个定义在域B的二阶张量,以下成立:
在这里插入图片描述
因此,可以证明:
在这里插入图片描述

问题1.47 令 Ω \Omega Ω 是一个边界为 Γ \Gamma Γ的域,m是一个二阶张量场, ω \omega ω是一个标量场,证明:

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

路径的独立性

连接两个点A和B的曲线称为从A到B的路径
在这里插入图片描述
建立线积分与路径无关的条件:
b ⃗ ( x ⃗ ) \vec b(\vec x) b (x )是一个连续的向量场,那么积分 ∫ C b ⃗ ⋅ d r ⃗ \int_{C}\vec b\cdot d\vec r Cb dr 与路径无关,当且仅当 b ⃗ \vec b b 是保守场,这意味着存在一个标量场 ϕ \phi ϕ使得 b ⃗ = ∇ x ⃗ ϕ \vec b = \nabla_{\vec x} \phi b =x ϕ,也就是向量场是某个标量场的梯度:
∫ A B b ⃗ ⋅ d r ⃗ = ∫ A B ∇ x ⃗ ϕ ⋅ d r ⃗ ∫ A B ( b 1 e ^ 1 + b 2 e ^ 2 + b 3 e ^ 3 ) ⋅ d r ⃗ = ∫ A B ( ∂ ϕ ∂ x 1 e ^ 1 + ∂ ϕ ∂ x 2 e ^ 2 + ∂ ϕ ∂ x 3 e ^ 3 ) ⋅ d r ⃗ \int_A^B\vec b\cdot d\vec r=\int_A^B\nabla_{\vec x}\phi \cdot d\vec r \\ \int_A^B(b_1\hat e_1+b_2\hat e_2+b_3\hat e_3)\cdot d\vec r=\int_A^B(\frac{\partial \phi}{\partial x_1}\hat e_1+\frac{\partial \phi}{\partial x_2}\hat e_2+\frac{\partial \phi}{\partial x_3}\hat e_3)\cdot d\vec r ABb dr =ABx ϕdr AB(b1e^1+b2e^2+b3e^3)dr =AB(x1ϕe^1+x2ϕe^2+x3ϕe^3)dr

因此:
b 1 = ∂ ϕ ∂ x 1 ; b 2 = ∂ ϕ ∂ x 2 ; b 3 = ∂ ϕ ∂ x 3 ; b_1 = \frac{\partial \phi}{\partial x_1}; \quad b_2 = \frac{\partial \phi}{\partial x_2}; \quad b_3 = \frac{\partial \phi}{\partial x_3}; b1=x1ϕ;b2=x2ϕ;b3=x3ϕ;

由于场是保守的,所以 b ⃗ \vec b b 的旋度为0:
在这里插入图片描述
因此,得出结论:
在这里插入图片描述

因此,如果以上条件不满足,则场不是保守的

Kelvin-Stokes定理

令S是一个曲面, F ⃗ ( x ⃗ , t ) \vec F(\vec x, t) F (x ,t)是一个向量场,根据Kelvin-Stokes定理,有:
∮ Γ F ⃗ ⋅ d Γ ⃗ = ∫ Ω ( ∇ ⃗ x ⃗ ∧ F ⃗ ) ⋅ d S ⃗ = ∫ Ω ( ∇ ⃗ x ⃗ ∧ F ⃗ ) ⋅ n ^ d S \boxed{\oint_{\Gamma}\vec F \cdot d\vec \Gamma=\int_{\Omega}(\vec \nabla_{\vec x}\wedge \vec F)\cdot d\vec S=\int_{\Omega}(\vec \nabla_{\vec x}\wedge \vec F)\cdot \hat n dS} ΓF dΓ =Ω( x F )dS =Ω( x F )n^dS

在这里插入图片描述

如果 p ^ \hat p p^表示切向于边界 Γ \Gamma Γ的单位向量,那么Stoke’s定理为:
∮ Γ F ⃗ ⋅ p ^ d Γ = ∫ Ω ( ∇ ⃗ x ⃗ ∧ F ⃗ ) ⋅ d S ⃗ = ∫ Ω ( ∇ ⃗ x ⃗ ∧ F ⃗ ) ⋅ n ^ d S \oint_{\Gamma}\vec F\cdot \hat pd \Gamma=\int_{\Omega}(\vec \nabla_{\vec x}\wedge \vec F)\cdot d\vec S=\int_{\Omega}(\vec \nabla_{\vec x}\wedge \vec F)\cdot \hat ndS ΓF p^dΓ=Ω( x F )dS =Ω( x F )n^dS

参考笛卡尔坐标系下的表示:
F ⃗ = F 1 e ^ 1 + F 2 e ^ 2 + F 3 e ^ 3 \vec F= F_1 \hat e_1+ F_2 \hat e_2+ F_3 \hat e_3 F =F1e^1+F2e^2+F3e^3
d S ⃗ = d S 1 e ^ 1 + d S 2 e ^ 2 + d S 3 e ^ 3 d\vec S = dS_1\hat e_1+dS_2\hat e_2+dS_3\hat e_3 dS =dS1e^1+dS2e^2+dS3e^3
d Γ ⃗ = d x 1 e ^ 1 + d x 2 e ^ 2 + d x 3 e ^ 3 d\vec \Gamma = dx_1\hat e_1+dx_2\hat e_2+dx_3\hat e_3 dΓ =dx1e^1+dx2e^2+dx3e^3

F ⃗ \vec F F 的旋度的分量为:
在这里插入图片描述
那么,Stoke‘s定理表示成以上分量形式:
∮ Γ F 1 d x 1 + F 2 d x 2 + F 3 d x 3 = ∫ Ω ( ∂ F 3 ∂ x 2 − ∂ F 2 ∂ x 3 ) d S 1 + ( ∂ F 1 ∂ x 3 − ∂ F 3 ∂ x 1 ) d S 2 + ( ∂ F 2 ∂ x 1 − ∂ F 1 ∂ x 2 ) d S 3 \oint_{\Gamma}F_1dx_1+F_2dx_2+F_3dx_3 \\ =\int_{\Omega}(\frac{\partial F_3}{\partial x_2}-\frac{\partial F_2}{\partial x_3})dS_1+(\frac{\partial F_1}{\partial x_3}-\frac{\partial F_3}{\partial x_1})dS_2+(\frac{\partial F_2}{\partial x_1}-\frac{\partial F_1}{\partial x_2})dS_3 ΓF1dx1+F2dx2+F3dx3=Ω(x2F3x3F2)dS1+(x3F1x1F3)dS2+(x1F2x2F1)dS3

特殊情况:曲面S是就是平面 Ω \Omega Ω,上式仍然成立
在这里插入图片描述
如果 Ω \Omega Ω x 1 − x 2 x_1-x_2 x1x2平面,那么上式变为:
∮ Γ F ⃗ ⋅ d Γ = ∫ Ω ( ∇ ⃗ x ⃗ ∧ F ⃗ ) ⋅ e ^ 3 d S \oint_{\Gamma}\vec F \cdot d \Gamma=\int_{\Omega}(\vec \nabla_{\vec x}\wedge \vec F)\cdot \hat e_3 dS ΓF dΓ=Ω( x F )e^3dS

这就是大家都知道的平面上的Stoke’s定理,即格林公式
张量分量:
∮ Γ F 1 d x 1 + F 2 d x 2 = ∫ Ω ( ∂ F 2 ∂ x 1 − ∂ F 1 ∂ x 2 ) d S 3 \oint_{\Gamma}F_1dx_1+F_2dx_2=\int_{\Omega}(\frac{\partial F_2}{\partial x_1}-\frac{\partial F_1}{\partial x_2}) dS_3 ΓF1dx1+F2dx2=Ω(x1F2x2F1)dS3

在这里插入图片描述

格林公式

F ⃗ \vec F F 是一个向量场,应用散度定理,有:
∫ V ∇ x ⃗ ⋅ F ⃗ = ∫ S F ⃗ ⋅ n ^ d S \int_V \nabla_{\vec x}\cdot \vec F=\int_S \vec F \cdot \hat n dS Vx F =SF n^dS

根据:
在这里插入图片描述
F ⃗ = ϕ ∇ x ⃗ ψ \vec F = \phi \nabla_{\vec x}\psi F =ϕx ψ,代入上面两个等式:
在这里插入图片描述
这就是格林第一公式

且有:
在这里插入图片描述
这就是格林第二公式

问题1.48 令 b ⃗ \vec b b 是一个向量场,定义为 b ⃗ = ∇ ⃗ x ⃗ ∧ v ⃗ \vec b =\vec \nabla_{\vec x}\wedge \vec v b = x v ,证明:

在这里插入图片描述
参考教材:
Eduardo W.V. Chaves, Notes On Continuum Mechanics

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/561460.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

Packet Tracer - 综合技能练习(配置 VLAN 间路由、配置静态路由以及默认路由)

Packet Tracer - 综合技能练习 地址分配表 设备 接口 IP 地址 子网掩码 默认网关 VLAN R1 S0/0/0 172.31.1.2 255.255.255.0 不适用 不适用 G0/0.10 172.31.10.1 255.255.255.0 不适用 10 G0/0.20 172.31.20.1 255.255.255.0 不适用 20 G0/0.30 172.31.…

chatgpt赋能Python-python_punctuation

了解Python中的标点符号:了解Punctuation,打造Python高效编程 Python是一种精简的高级编程语言,它可以通过简洁的语法和强大的工具集来处理各种编程任务。在Python中,标点符号是非常重要的组成部分。了解Python中的标点符号将有助…

凹函数和凸函数

凹函数英文concave,凸函数英文concave。 在有些参考资料中,凸函数又称为下凹(concave down)函数,凹函数称为上凹(concave up)函数。 凹函数和凸函数根据判定方法的不同,分为以下两类: 一元函…

Vulkan Tutorial 1 实例和物理设备

目录 0 基本代码 1 Instance 2 验证层 3 物理设备和队列系列 4 逻辑设备和队列 0 基本代码 首先包括LunarG SDK的Vulkan头,它提供了函数、结构和枚举。stdexcept和iostream’头文件被包括在内,用于报告和传播错误 函数将被initVulkan函数调用进入…

C语言生成随机数

目录 概念: 具体运用 实战 1.只使用rand()函数 2.使用rand()函数和srand() 函数 概念: 在实践中,找到真正的随机数字是困难的。数字计算机只能在⼀个限定的范围内和有限的精度下去处理数字。在⼤多数情况下,最好的⽅法是产⽣伪随机数&am…

【AI 孙燕姿】歌声转换技术原理浅析

最近打开B站,首页会推荐很多以【AI 孙燕姿】开头的视频,内容是用孙燕姿的音色去唱其他歌手的歌。出于好(ceng)奇(re)心(du),作者去了解下歌声转换(Singing Voice Conversion,SVC)这个任务。不看不知道&…

比亲妈都细,从0-1手把手教你搭建Elasticsearch+kibana+IK分词器

前言: 最近用到了ElasticsearchkibanaIK分词器,但是基本上能搜到的所有教程、视频都用的是老版本的,奈何我又空有一身反骨,我就不爱用老版本的,结果就一个一个的踩坑。 Elasticsearch是我用过的最坑的软件之一了&#…

通过ChatGPT跟MetaHuman对话,Android/iOS兼容

一、申请ChatGPT的API-KEY 1.通过 openAI官网申请API-KEY 2.参考使用腾讯云函数一分钟搭建 OpenAI 免翻墙代理搭建openAI免翻墙代理 3.通过Postman测试一下openAI函数是否可被调用,传入BearerToken和Body参数,ChatGPT即可返回应答数据 二、启用必要的插件 1.启用文字转语…

5.24黄金短线上涨能否继续做空?今日如何布局

近期有哪些消息面影响黄金走势?今日黄金多空该如何研判? ​黄金消息面解析:黄金消息面解析:周二(5月23日),国际金价延续隔夜跌势,因在美联储官员的鹰派言论推动下,美元重启涨势,尽管…

chatgpt赋能Python-python_padding

Python中Padding的介绍 在Python编程中,Padding是一种在字符串或序列前后添加空格或其他占位符来实现对齐的技术。这种技术常用于数据格式化、打印输出、加密等场合,具有很高的实用性。 Python中Padding技术主要由三种函数实现:rjust, ljus…

当系统部署到测试环境,或线上时,该如何查看当前FastJson的版本

当系统部署到测试环境,或线上时,该如何查看当前FastJson的版本 提示:看见网上很多方法,有的不是很实用了,近日自己将fastJson版本升级到了1.2.76;需要在系统中查看版本信息;用到了如下方法&…

Java——《面试题——JVM篇》

前文 java——《面试题——基础篇》CSDN博客 1.知识点汇总 JVM是Java运行基础,面试时一定会遇到JVM的有关问题,内容相对集中,但对只是深度要求较高. 其中内存模型,类加载机制,GC是重点方面.性能调优部分更偏向应用,重点突出实践能力。编译…

网络安全技能差距的高成本

犯罪分子总是利用我们的无能为他们谋取利益。根据(ISC)的一份报告,全球网络安全专业人员短缺近 300 万。导致网络安全专家短缺的原因是多方面的,例如网络安全威胁的复杂性越来越高,技术进步的速度越来越快,…

C++继承技术

方法覆盖 virtual关键字 只有在基类中声明为 virtual 的方法才能被派生类正确覆盖。关键字位于方法声明的开头,如下面的 Base 的修改版本所示: class Base {public:virtual void someMethod() {}protected:int m_protectedInt { 0 };private:int m_pr…

一图看懂 dis 模块:将 python 字节码反汇编为助记符,资料整理+笔记(大全)

本文由 大侠(AhcaoZhu)原创,转载请声明。 链接: https://blog.csdn.net/Ahcao2008 一图看懂 dis 模块:将 python 字节码反汇编为助记符,资料整理笔记(大全) 🧊摘要🧊模块图🧊类关系图…

chatgpt赋能Python-python_plt_散点图

Python plt散点图:学习数据可视化的有力武器 Python是一种广泛使用的编程语言,广泛应用于数据科学,数据分析,计算机视觉等领域。而在数据可视化方面,Python也提供了很多强大的工具,其中plt散点图是一种非常…

Chatbot UI老外在用的gpt网页版 搭建方法分享!

新建了一个网站 https://ai.weoknow.com/ 每天给大家更新可用的国内可用chatGPT资源 Chatbot UI 高仿ChatGPT官网,中文还支持贼好,界面美观度间距还需要打磨。是老外做的吗? ​ 环境部署 更新环境 apt update -y && apt upg…

09 - 进程长参数编程

---- 整理自狄泰软件唐佐林老师课程 查看所有文章链接:(更新中)Linux系统编程训练营 - 目录 文章目录 1. 短选项扩展编程1.1 再论进程参数(短选项)1.2 进程短选项示例 2. 进程长参数编程2.1 进程长参数示例2.2 进程长参…

MATLAB NAN或INF无效点去除 (14)

MATLAB NAN或INF无效点去除 (14) 一、算法介绍二、算法实现1.代码(含注释说明)2.效果(无效点去除前后点坐标展示)一、算法介绍 仅就一般情况来说,激光点云受到测量影响,可能会产生无效点,即坐标值为NAN或者INF等,这种点会严重干扰一些几何特征,例如法向等的计算,因…

HummerRisk V1.1.0 发布

HummerRisk V1.1.0发布: 重构了新的Dashboard,新增报告中心,增加新的 Linux 主机系统的安全扫描、安全审计功能。增加部分Docker相关的主机检测,镜像仓库新增公有云阿里云、腾讯云类型,新增镜像分组管理等功能&#x…