首页/文章/ 详情

基于流体力学复习数学:微分与导数

4月前浏览612

1 微分和导数的定义

1.1 微分

微分(differential)表述了变量的变化值为无穷小(infinitesimal)的极限情况。对于任意变量 x,其微分记法为 dx 。

微分定义可采用极限进行表述:

latex: dx = \lim_{\Delta x \to 0} \Delta x


若变量 y 和 x 之间为函数关系:

latex: y=f(x)


则因变量 y 的微分为:

latex: dy = \lim_{\Delta y \to 0} \Delta y = \left( \lim_{\Delta x \to 0} \frac{f(x + \Delta x) - f(x)}{\Delta x} \right) \cdot dx = \frac{dy}{dx} \cdot dx


多元函数中,多个自变量对因变量的影响均需要考虑,由此提出了全微分(total differential)概念。

对于多元函数:

latex: y = f(x_1, \dots, x_n)


其全微分为:

latex: dy = \sum_{i=1}^{n} \frac{\partial y}{\partial x_i} \cdot dx_i


1.2 导数

导数是基于微分构建的针对函数的概念,表示了在自变量的改变趋近于无穷小的时候,函数值的改变与自变量值改变之间的比例关系,即函数值的变化率。

函数必须连续且可导,才存在导数。某些连续函数不存在整个定义域上的导数。如下图所示的三角波函数,在每个周期的最高点和最低点(0.1s 的整数倍时刻),是不存在导数的。


对于只有一个自变量的函数,导数(derivative)可定义为:

latex: \frac{dy}{dx}=f'(x)=\lim_{\Delta x \to 0} \frac{f(x + \Delta x) - f(x)}{\Delta x}


对于函数的可导区间内,每个自变量的取值,仅存在唯一的导数值。由此,导数也是一个函数。

很多常用函数(多项式、三角函数、指数函数等)有现成的导数结果解析计算公式,可参考高等数学资料。

偏导数(partial derivative)表明了在其他变量固定不变的情况下,针对某个特定变量的求导结果。偏导数定义为:

latex: \frac{\partial f}{\partial x_i} = \lim_{\Delta x_i \to 0} \frac{f(x_1, \dots, x_i + \Delta x_i, \dots, x_n) - f(x_1, \dots, x_i, \dots, x_n)}{\Delta x_i}


偏导数隔离了其他变量的影响,仅考虑当前关注变量导致的函数值变化率。同一个函数,针对不同变量,偏导数结果通常是不相同的。

例如对于函数:

latex: y=x_1^2\cdot x_2+x_1\cdot x_2 + x_2

两个变量各自的偏导数为:

latex: 

\frac{\partial y}{\partial x_1}=2 \cdot x_1 x_2+x_2

\frac{\partial y}{\partial x_2}=x_1^2+x_1+1

全导数(total derivative)表征若各个变量都在变动,函数值的变化率。

对于多元函数:

latex: y=f(x_1, \dots, x_n)


其全导数为:

latex: \frac{dy}{dx_i}=\sum_{j=1}^{n} \frac{\partial z}{\partial x_j} \cdot \frac {dx_j}{dx_i}

若函数中某个变量是完全独立的,即

latex: \frac {dx_j}{dx_i}=0


恒成立,则全导数和偏导数相同。


2 在流体力学中的相关概念

流体力学中,微分和导数是无处不在的。

从导数的物理意义上来说,导数值即为变化率。如温度变化率、应变率等描述了物理量随时间的改变。梯度等基于微分构建的概念则表征了物理量在空间的变化率。

微分方程表述了不同变量的导数之间满足的等式。输运方程作为流体力学基本的方程,其针对不同物理变量形成的连续性方程、动量方程、能量方程均为微分方程。


2.1 单位制

若变量存在单位,则必须注意单位制问题。单位制的基本原则:微分的单位和物理量本身相同,导数的单位为两个物理量微分的除法运算。

例如压力场,压力微分本身的单位仍为 Pa;压力对空间坐标的偏导数,即压力在空间的变化率,单位为 Pa/m;压力对时间的偏导数,即压力在时间的变化率,单位为 Pa/s。


2.2 物质导数

在流体力学中,物质导数(material derivative)是全导数的一种应用。

对于任意物理量,物质导数定义为:

latex: \frac{D\phi}{Dt} = \frac{\partial \phi}{\partial t} + (\vec{u} \cdot \nabla \phi)=\frac{\partial \phi}{\partial t} + \frac{\partial \phi}{\partial x}u + \frac{\partial \phi}{\partial y}v + \frac{\partial \phi}{\partial z}w


根据全导数的定义:

latex: \frac{d\phi}{dt} = \frac{\partial \phi}{\partial t}  + \frac{\partial \phi}{\partial x} \frac{dx}{dt} + \frac{\partial \phi}{\partial y} \frac{dy}{dt} + \frac{\partial \phi}{\partial z} \frac{dz}{dt}


结合流体中,速度和坐标之间的关系:

latex: 


\frac{dx}{dt} =u

\frac{dy}{dt} =v

\frac{dz}{dt} =w


结合上述推导可知,物质导数即为全导数在流体力学中的应用,表示了在位置和时间都变化时,物理量的变化率。对于空间固定坐标,物质导数会退化为物理量随时间的偏导数。


3 在数值计算中的处理

在CFD中,无论采用什么算法,其均是离散数值求解,不存在所谓的连续函数。此时,无法从根据定义直接计算导数。

在数值计算中,根据导数定义,求导数有前向差分、后向差分、中心差分三类方法计算。

前向差分为最易理解的一种处理方式,为一阶精度。其计算公式为:

latex: f'(x) \approx\frac{f(x + \Delta x) - f(x)}{\Delta x}


后向差分主要用于计算时间相关,因为未来时间步的结果不可知。后向差分精度和前向差分相同,也为一阶精度。其计算公式为:

latex: f'(x) \approx \frac{f(x) - f(x-\Delta x)}{\Delta x}


中心差分为二阶精度,相对而言精度最高。其计算公式为:

latex: f'(x) \approx \frac{f(x+\Delta x) - f(x-\Delta x)}{2\cdot \Delta x}


例如根据两个相邻的时间步结果计算物理量随时间的变化率,其计算方法为:

latex: f'(t)=\frac{f(t_2) - f(t_1)}{\Delta t}

来源:驭风之道
UM
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-04-21
最近编辑:4月前
驭风之道
硕士 | ANSYS流体技术... 签名征集中
获赞 89粉丝 159文章 100课程 3
点赞
收藏
作者推荐
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈