雷诺输运定理

雷诺输运定理可以用来求解区域变动的可压缩问题,它最常见的形式为:

ddt∫Ω(t)fdx=∫Ω(t)f˙+fdivvdx \frac{\mathrm{d}}{\mathrm{d} t} \int_{\Omega(t)} {f} \mathrm{d} \mathrm{x}=\int_{\Omega(t)} {\dot f}+ f \text{div} \mathbf{v} \mathrm{d} \mathrm{x} dtdΩ(t)fdx=Ω(t)f˙+fdivvdx
ddt∫Ω(t)fdx=∫Ω(t)∂f∂t+div(fv)dx \frac{\mathrm{d}}{\mathrm{d} t} \int_{\Omega(t)} {f} \mathrm{d} \mathrm{x}=\int_{\Omega(t)} \frac{\partial {f}}{\partial t} +\text{div}(f\mathbf{v}) \mathrm{d} \mathrm{x} dtdΩ(t)fdx=Ω(t)tf+div(fv)dx
ddt∫Ω(t)fdx=∫Ω(t)∂f∂tdx+∫∂Ω(t)(v⋅n)fds \frac{\mathrm{d}}{\mathrm{d} t} \int_{\Omega(t)} {f} \mathrm{d} \mathrm{x}=\int_{\Omega(t)} \frac{\partial {f}}{\partial t} \mathrm{d} \mathrm{x}+\int_{\partial \Omega(t)}\left(\mathbf{v} \cdot \mathbf{n}\right) {f} \mathrm{d} \mathrm{s} dtdΩ(t)fdx=Ω(t)tfdx+Ω(t)(vn)fds

雷诺输运定理的证明

雷诺输运定理描述的是微分符号如何放到求导符号里面的问题,它的一个表述如下:

ddt∫Ω(t)fdV=∫Ω(t)∂f∂tdV+∫∂Ω(t)(v⋅n)fdA \frac{\mathrm{d}}{\mathrm{d} t} \int_{\Omega(t)} \mathbf{f} \mathrm{d} \mathrm{V}=\int_{\Omega(t)} \frac{\partial \mathbf{f}}{\partial t} \mathrm{d} \mathrm{V}+\int_{\partial \Omega(t)}\left(\mathbf{v} \cdot \mathbf{n}\right) \mathbf{f} \mathrm{d} \mathrm{A} dtdΩ(t)fdV=Ω(t)tfdV+Ω(t)(vn)fdA
其中的Ω(t)\Omega(t)Ω(t)是边界变化的一个区域,物理量f\mathbf{f}f可以是向量或者标量,v\mathbf{v}v是某一点的速度,n\mathbf{n}n是区域表明的单位外法向量。

下面给一个简单的证明。

不妨假设f\mathbf{f}f为标量,即令f=ρ(x,t)\mathbf{f} = \rho(x,t)f=ρ(x,t)。我们可以通过一个变换,将时变的区域都变换到一个和时间无关的标准区域,即令x=ξ(x~,t)x=\xi(\tilde x,t)x=ξ(x~,t)x~\tilde xx~是标准区域上的空间变量。这个标准区域长什么样子没有太大关系,因为变过去,最后还要变回来。

在这里插入图片描述

那么有(为了书写的简洁方便,可能在公式中会将雅克比行列式写为JJJ,以及省略掉比较明显的函数自变量):
ddt∫Ω(t)ρ(x,t)dx=ddt∫Ωρ(ξ(x~,t),t)∣ξx~∣dx~=∫Ωddt(ρ(ξ(x~,t),t)∣ξx~∣)dx~=∫ΩJdρdt+ρdJdtdx~=∫ΩJ(∂ρ∂t+v⋅∇ρ)+ρ(∇⋅v⋅J)dx~=∫ΩJ∂ρ∂t+J∇⋅(ρv)dx~=∫Ω(t)∂ρ∂t+∇⋅(ρv)dx=∫Ω(t)∂ρ∂tdx+∫∂Ω(t)(ρv⋅n)ds \frac{\mathrm{d}}{\mathrm{d} t} \int_{\Omega(t)} \rho(x,t)\mathrm{d} x=\frac{\mathrm{d}}{\mathrm{d} t} \int_{\Omega} \rho(\xi(\tilde x,t),t)|\xi_{\tilde x}|\mathrm{d} \tilde x = \int_{\Omega} \frac{\mathrm{d}}{\mathrm{d} t} ( \rho(\xi(\tilde x,t),t)|\xi_{\tilde x}|)\mathrm{d} \tilde x\\= \int_\Omega J\frac{\mathrm{d \rho}}{\mathrm{dt}}+ \rho\frac{\mathrm{d J}}{\mathrm{dt}}\mathrm{d} \tilde x= \int_\Omega J(\frac{\partial \rho}{\partial t}+\mathbf{v}\cdot \nabla \rho)+ \rho(\nabla \cdot \mathbf{v}\cdot J) \mathrm{d} \tilde x\\= \int_\Omega J\frac{\partial \rho}{\partial t}+J \nabla \cdot (\rho \mathbf{ v}) \mathrm{d} \tilde x= \int_{\Omega(t)} \frac{\partial \rho}{\partial t}+\nabla \cdot (\rho \mathbf{ v}) \mathrm{d} x = \int_{\Omega(t)} \frac{\partial \rho}{\partial t} \mathrm{d} x + \int_{\partial \Omega(t)} (\rho \mathbf{ v}\cdot \mathbf{n}) \mathrm{d} s dtdΩ(t)ρ(x,t)dx=dtdΩρ(ξ(x~,t),t)ξx~dx~=Ωdtd(ρ(ξ(x~,t),t)ξx~)dx~=ΩJdtdρ+ρdtdJdx~=ΩJ(tρ+vρ)+ρ(vJ)dx~=ΩJtρ+J(ρv)dx~=Ω(t)tρ+(ρv)dx=Ω(t)tρdx+Ω(t)(ρvn)ds

即证。

注意到,这个过程中,我们用到了物质导数以及对行列式求导的公式dJ/dt=∇⋅v⋅J{\mathrm{d}J}/{dt}=\nabla \cdot \mathbf{v}\cdot JdJ/dt=vJ
事实上,容易验证:
∂J(x~,t)∂t=∂∂t(det⁡F)=(det⁡F)(∇⋅v)=J(x~,t)∇⋅v(ξ(x~,t),t)=J(x~,t)∇⋅v(x~,t) \frac{\partial J(\mathbf{\tilde x}, t)}{\partial t}=\frac{\partial}{\partial t}(\operatorname{det} \boldsymbol{F})=(\operatorname{det} \boldsymbol{F})(\boldsymbol{\nabla} \cdot \mathbf{v})=J(\mathbf{\tilde x}, t) \boldsymbol{\nabla} \cdot \mathbf{v}(\xi(\mathbf{\tilde x}, t), t)=J(\mathbf{\tilde x}, t) \boldsymbol{\nabla} \cdot \mathbf{v}(\mathbf{\tilde x}, t) tJ(x~,t)=t(detF)=(detF)(v)=J(x~,t)v(ξ(x~,t),t)=J(x~,t)v(x~,t)

F\mathbf{F}F为雅克比矩阵。

Logo

有“AI”的1024 = 2048,欢迎大家加入2048 AI社区

更多推荐