首页/文章/ 详情

有限元理论中散度定理的物理意义

1天前浏览12

 

在有限元理论相关的著作中,当涉及变分运算时,常常出现散度定理

或者矩阵形式

式中符号说明:

  • •     :体积
  • •     :表面积
  • •     :应力分量
  • •     :位移分量
  • •     :边界法向量的方向余弦
  • •     :应变矩阵(微分算子矩阵)
  • •     、    :应力和位移的向量表示
  • • 下标逗号表示偏导数(如     )

散度定理的物理意义可以从“通量与源”的关系来理解。它的核心思想是:

一个封闭曲面上的通量,等于该曲面所包围的体积内所有源的代数和。

具体到有限元分析中,它起到了连接“边界积分”与“体积积分”的桥梁作用,这是推导弱形式和控制方程离散化的关键工具。

1. 从数学定义看

对于一个向量场   ,其散度定义为:

它就是一个标量,表示每一点上向量场的“源”强度。正值表示向外发散(有源),负值表示向内汇聚(有汇)。

例 1  对于向量场    有

这个向量场如图1所示。在    中的任何一点,尾部在该点的箭头比头部在该点的箭头更长。因此,从每一点流出的流体多于流入的;也就是说,    在在每一点都在"发散"。(因此,我们看到了"散度"一词的由来。)

▲图1

例 2  对于向量场    指向与图1中向量场  相反    在的方向(见图2),并且应该很清楚   的散度    是如何在图中体现出来的。

▲图2

例 3  常数向量场    ,    处处成立,则称该向量场是不可压缩的。直观上,我们可以看到     的每一点都有一条尾部在该点的箭头表示   ,还有另一条头部在该点的箭头也表示   ,这样在任何一点处的向内和向外流量都是相同的(见图3)。

▲图3

2. 在弹性力学中的核心应用:平衡方程

弹性力学里,我们最常处理的是二阶张量——应力张量     。对张量求散度,就是对它的每一行(或每一列)分别求散度,得到一个向量。

最关键的关系就是平衡方程(无惯性项时的静力平衡):

这里:

  • •      是应力张量的散度,代表单位体积内由应力引起的净力。
  • •      是单位体积上的体力(如重力)。

这个方程说的就是:某一点上,应力散度产生的力与外力相平衡。

直观理解:
想象物体内部的一个微小立方体。六个面上都有应力作用。如果某个方向上的应力随位置变化(比如左面压力小、右面压力大),那么这个微元体就会在该方向上受到一个净力。这个净力的大小,正是应力在该方向上的偏导数之和,也就是散度。

▲图4

所以,应力散度 ≠ 0 的地方,意味着存在不平衡的内力,必须由外力来补偿,否则物体会加速运动。

可以把应力散度想象成“力的净流出率”:

  • • 如果一个点的应力散度为正,说明从这个微元体“流出”的力大于“流入”的力,相当于该点有一个向外的“力源”,需要施加一个向内的体力才能平衡。
  • • 如果为负,则相反,需要施加向外的体力。
概念      
数学对象      
物理含义      
散度      
向量场 → 标量      
某点向量场的发散/汇聚程度      
应力散度      
应力张量 → 向量      
某点由应力梯度引起的单位体积净力      
平衡方程      
应力散度 + 体力 = 0      
内力梯度与外力平衡      

所以,当你看到    时,可以把它理解为:“看看这一点周围,应力是怎么变化的,这些变化加起来会产生多大的净力”。

3. 在有限元中的作用:从强形式到弱形式

有限元方法通常从控制方程的微分形式(强形式)出发,例如:

但直接求解这个偏微分方程很困难。利用高斯公式,可以将其转化为积分形式(弱形式):

  1. 1. 将方程乘以一个测试函数(权函数)并在整个域上积分。
  2. 2. 利用高斯公式将包含散度的项从体积积分转化为边界积分。
  3. 3. 得到弱形式:

其中    是边界上的面力。

这一步骤的物理意义:

  • • 原本需要满足每一点都平衡(强形式),现在只要求在加权平均意义上平衡(弱形式)。
  • • 高斯公式将“内部散度”转化为“边界通量”,使得自然边界条件(如给定面力)自动进入方程,无需额外强制施加。

在有限元中,高斯公式的物理本质是:

将局部守恒律(微分方程)转化为全局守恒律(积分方程),从而允许用分片多项式近似来求解连续介质问题。

 


来源:数值分析与有限元编程
理论控制曲面
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:2026-10-13
最近编辑:1天前
译码当先
本科 慢慢来
获赞 14粉丝 32文章 401课程 0
点赞
收藏
作者推荐

连续型随机变量

离散随机变量的取值是有限的或无穷但可列的,比如泊松随机变量。在这里,我们将研究其可能取值集 合为无穷不可数的随机变量。一个大城市随机抽取一个成年人的体重正好达到70.6kg的概率是多少?这个概率非常小。体重正好达到70.63kg呢?此时的概率更小。体重正好达到70.633kg呢?此时概率甚至更小。考虑到在70.633和70.634之间有无穷多个实数,如果我们允许体重值取任何实数,那么我们实质上在问一个人的体重值取一个具有无限位数字的十进制数的概率。对于任何实数,这个概率为零。此时,我们用离散随机变量来刻画不同体重的概率没有意义,--因为概率质量函数在各处总是恒等于零。这就需要引入新的理论工具。我们无法使用概率质量函数来处理上述的连续随机变量,但是累积分布函数仍然有效。例如考察一个人体重为70.00001kg的概率可能没有意义,但是考察一个人体重小于70kg概率仍然是有意义的,同样考察一个人体重在70kg到72kg之间的概率也仍然有意义的。因此,我们同样记累积分布函数为这样的随机变量称为连续随机变量,如图所示,随机变量 将事件映射到实数轴上的一个区间。 累积分布函数完全刻画了我们所关心的一个随机变量的所有信息,因此,在某种意义上,我们完全可以使用累积分布函数回答关于连续随机变量的问题。对一个离散随机变量,累积分布函数是由概率质量函数的部分和给出的:在离散随机变量的情况下,要计算 ,我们只需将所有概率质量函数的值相加 。如果 是有限的,我们可以计算这个求和;有时当它是无穷可列时也可以计算。然而,如果 是不可数的,这种方法就不再适用了,因为我们无法进行相加。回忆一下,积分与“求和”是类似的,积分是加总曲线下图形的面积。虽然我们不能求一个连续函数的部分和,但我们可以求它的一个积分。为此,我们可以定义连续随机变量的概率密度函数(probability density function ,PDF),同时将其记为 。引入下列关系式:积分可以理解为曲线下方的面积。这意味着在 处的累积分布函数等于 的概率,也等于在 区间的概率密度函数下方的面积。下面的图2描述了这种关系。由于求积分和求微分是互逆运算,由式(3)得即概率密度函数是累积分布函数的导数。这意味着在一点的概率密度是该点的累积分布函数的瞬时斜率。关于 的所有问题都能通过 回答。例如,设 ,由(1)我们得到当 时,那么例子🌰连续随机变量 的概率密度函数给定为:求:(a) 常数 的值,(b) 。(a)为了求 ,我们利用 的积分为1的性质:由于我们知道该积分等于1,因此 。(b) 取值小于2的概率是 。 来源:数值分析与有限元编程

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