三维向量场中的通量

2023-12-22 20:30
文章标签 三维 向量场 通量

本文主要是介绍三维向量场中的通量,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.空间向量场

在空间的每一个点,都有 F → = P i ^ + Q j ^ + R k ^ \overrightarrow{F}=P\widehat{i}+Q\widehat{j}+R\widehat{k} F =Pi +Qj +Rk
其中 P P P Q Q Q R R R,均为 x x x y y y z z z的函数

2.流量

在2维中,向量场穿过曲线C的流量记为
∫ C F → ⋅ n ^ d s \int_C{\overrightarrow{F}\cdot \widehat{n}\ ds} CF n  ds
在3维中,向量场穿过曲面S的流量记为
∬ S F → ⋅ n ^ d S \iint_S{\overrightarrow{F}\cdot \widehat{n}\ dS} SF n  dS
为了方便表示,记 d S → = n ^ d S d\overrightarrow{S}=\widehat{n}\ dS dS =n  dS

3.将 d S → d\overrightarrow{S} dS 转换为 d x d y dxdy dxdy

(1)曲面显示表示为 z = f ( x , y ) z=f(x,y) z=f(x,y)

如图所示,假设曲面 z = f ( x , y ) z=f(x,y) z=f(x,y)上一小块 Δ S \Delta S ΔS在xoy轴上的投影为矩形ABCD,由于取的块足够小,可以将其视为平行四边形。
在这里插入图片描述
矩形 A D AD AD的长度为 Δ x \Delta x Δx(x的变化量), A B AB AB的长度为 Δ y \Delta y Δy(y的变化量)
E E E点坐标为 ( x , y , f ( x , y ) ) (x,y,f(x,y)) (x,y,f(x,y)),则 F F F点坐标为 ( x , y + Δ y , f ( x , y + Δ y ) ) (x,y+\Delta y,f(x,y+\Delta y)) (x,y+Δy,f(x,y+Δy)),其中 f ( x , y + Δ y ) f(x,y+\Delta y) f(x,y+Δy)可以使用线性近似,即 f ( x , y + Δ y ) ≈ f ( x , y ) + Δ y ⋅ f y ′ f(x,y+\Delta y)\approx f(x,y)+\Delta y\cdot f_y^\prime f(x,y+Δy)f(x,y)+Δyfy,则 F F F点坐标为 ( x , y + Δ y , f ( x , y ) + Δ y ⋅ f y ′ ) (x,y+\Delta y,f(x,y)+\Delta y\cdot f_y^\prime) (x,y+Δy,f(x,y)+Δyfy),同理可得 H H H点的坐标为 ( x + Δ x , y , f ( x , y ) + Δ x ⋅ f x ′ ) (x+\Delta x,y,f(x,y)+\Delta x\cdot f_x^\prime) (x+Δx,y,f(x,y)+Δxfx),则
E F → = ( 0 , Δ y , Δ y ⋅ f y ′ ) \overrightarrow{EF}=\left( 0,\Delta y,\Delta y\cdot f_y' \right) EF =(0,Δy,Δyfy)
E H → = ( Δ x , 0 , Δ x ⋅ f x ′ ) \overrightarrow{EH}=\left( \Delta x,0,\Delta x\cdot f_x' \right) EH =(Δx,0,Δxfx)
Δ S → = E F → × E H → = ∣ i ^ j ^ k ^ 0 Δ y Δ y ⋅ f y ′ Δ x 0 Δ x ⋅ f x ′ ∣ = ( Δ x Δ y ⋅ f x ′ , Δ x Δ y ⋅ f y ′ , − Δ x Δ y ) = ( f x ′ , f y ′ , − 1 ) Δ x Δ y \Delta \overrightarrow{S}=\overrightarrow{EF}\times \overrightarrow{EH}=\left| \begin{matrix} \widehat{i}& \widehat{j}& \widehat{k}\\ 0& \Delta y& \Delta y\cdot f_y'\\ \Delta x& 0& \Delta x\cdot f_x'\\ \end{matrix} \right|=\left( \Delta x\Delta y\cdot f_x',\Delta x\Delta y\cdot f_y',-\Delta x\Delta y \right) =\left( f_x',f_y',-1 \right) \Delta x\Delta y ΔS =EF ×EH =i 0Δxj Δy0k ΔyfyΔxfx=(ΔxΔyfx,ΔxΔyfy,ΔxΔy)=(fx,fy,1)ΔxΔy
(说明: ∣ E F → × E H → ∣ \left| \overrightarrow{EF}\times \overrightarrow{EH} \right| EF ×EH 为平行四边形EFGH的面积, E F → × E H → \overrightarrow{EF}\times \overrightarrow{EH} EF ×EH 的方向为平面EFGH的法向量方向)

所以
d S → = ± ( f x ′ , f y ′ , − 1 ) d x d y d\overrightarrow{S}=\pm \left( f_x',f_y',-1 \right) dxdy dS =±(fx,fy,1)dxdy
正负号取决于取哪面为正方向。

(2)参数化曲面

假设可以将曲面 S S S u u u v v v两个变量表示,即 { x = x ( u , v ) y = y ( u , v ) z = z ( u , v ) \left\{ \begin{array}{l} x=x\left( u,v \right)\\ y=y\left( u,v \right)\\ z=z\left( u,v \right)\\ \end{array} \right. x=x(u,v)y=y(u,v)z=z(u,v) 则位置矢量 r → = r → ( u , v ) \overrightarrow{r}=\overrightarrow{r}\left( u,v \right) r =r (u,v)
考虑与参数 Δ u \Delta u Δu Δ v \Delta v Δv的变化对应的曲面。
由于 Δ u \Delta u Δu Δ v \Delta v Δv较小,所以可以将曲面视为平行四边形,其两条边分别为 ∂ r → ∂ u Δ u \frac{\partial \overrightarrow{r}}{\partial u}\Delta u ur Δu ∂ r → ∂ v Δ v \frac{\partial \overrightarrow{r}}{\partial v}\Delta v vr Δv
所以
Δ S → = ± ( ∂ r → ∂ u Δ u ) × ( ∂ r → ∂ v Δ v ) \Delta \overrightarrow{S}=\pm \left( \frac{\partial \overrightarrow{r}}{\partial u}\Delta u \right) \times \left( \frac{\partial \overrightarrow{r}}{\partial v}\Delta v \right) ΔS =±(ur Δu)×(vr Δv)
所以
d S → = ± ( ∂ r → ∂ u × ∂ r → ∂ v ) d u d v d\overrightarrow{S}=\pm \left( \frac{\partial \overrightarrow{r}}{\partial u}\times \frac{\partial \overrightarrow{r}}{\partial v} \right) dudv dS =±(ur ×vr )dudv
正负号取决于取哪面为正方向。

(3)曲面隐式表示为 g ( x , y , z ) = 0 g(x,y,z)=0 g(x,y,z)=0

曲面的法向量 N → = ∇ g \overrightarrow{N}=\nabla g N =g
取一小块倾斜的曲面(其中一条边水平,并且取的足够小可以看做一小块平面),设取的曲面与水平面 x o y xoy xoy的夹角为 α \alpha α,如图所示。
在这里插入图片描述

则曲面面积 Δ S \Delta S ΔS与在 x o y xoy xoy轴上的投影的面积 Δ A \Delta A ΔA关系为
Δ S ⋅ cos ⁡ α = Δ A \Delta S\cdot \cos \alpha =\Delta A ΔScosα=ΔA
(注,此处不写为 Δ x Δ y \Delta x \Delta y ΔxΔy是因为投影的两条边不一定和x轴或y轴平行)
由于
cos ⁡ α = k ^ ⋅ N → ∣ k ^ ∣ ⋅ ∣ N → ∣ = k ^ ⋅ N → ∣ N → ∣ \cos \alpha =\frac{\widehat{k}\cdot \overrightarrow{N}}{\left| \widehat{k} \right|\cdot \left| \overrightarrow{N} \right|}=\frac{\widehat{k}\cdot \overrightarrow{N}}{\left| \overrightarrow{N} \right|} cosα=k N k N =N k N

d S = ∣ N → ∣ k ^ ⋅ N → d A dS=\frac{\left| \overrightarrow{N} \right|}{\widehat{k}\cdot \overrightarrow{N}}\ dA dS=k N N  dA
n ^ d S = ∣ N → ∣ n ^ k ^ ⋅ N → d A = ± N → k ^ ⋅ N → d A = ± N → k ^ ⋅ N → d x d y \widehat{n}dS=\frac{\left| \overrightarrow{N} \right|\widehat{n}}{\widehat{k}\cdot \overrightarrow{N}}\ dA=\pm \frac{\overrightarrow{N}}{\widehat{k}\cdot \overrightarrow{N}}\,\,dA=\pm \frac{\overrightarrow{N}}{\widehat{k}\cdot \overrightarrow{N}}\,\,dxdy n dS=k N N n  dA=±k N N dA=±k N N dxdy
正负号取决于取哪面为正方向。

4.散度定理(高斯公式)

如果 S S S是区域 D D D的闭合曲面,曲线法向量方向向外,并且向量 F ⃗ \vec{F} F 在区域D内有定义且可微,则
∬ S F → ⋅ d S → = ∭ D d i v ( F → ) d V , 其中  d i v ( F → ) = ( P x + Q y + R z ) \iint_S{\overrightarrow{F}\cdot d\overrightarrow{S}}=\iiint_D{div\left( \overrightarrow{F} \right) dV}\ ,\ \text{其中\ }div\left( \overrightarrow{F} \right) =\left( P_x+Q_y+R_z \right) SF dS =Ddiv(F )dV , 其中 div(F )=(Px+Qy+Rz)

这篇关于三维向量场中的通量的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/525368

相关文章

hdu1240、hdu1253(三维搜索题)

1、从后往前输入,(x,y,z); 2、从下往上输入,(y , z, x); 3、从左往右输入,(z,x,y); hdu1240代码如下: #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#inc

hdu4826(三维DP)

这是一个百度之星的资格赛第四题 题目链接:http://acm.hdu.edu.cn/contests/contest_showproblem.php?pid=1004&cid=500 题意:从左上角的点到右上角的点,每个点只能走一遍,走的方向有三个:向上,向下,向右,求最大值。 咋一看像搜索题,先暴搜,TLE,然后剪枝,还是TLE.然后我就改方法,用DP来做,这题和普通dp相比,多个个向上

Vector3 三维向量

Vector3 三维向量 Struct Representation of 3D vectors and points. 表示3D的向量和点。 This structure is used throughout Unity to pass 3D positions and directions around. It also contains functions for doin

数据集 3DPW-开源户外三维人体建模-姿态估计-人体关键点-人体mesh建模 >> DataBall

3DPW 3DPW-开源户外三维人体建模数据集-姿态估计-人体关键点-人体mesh建模 开源户外三维人体数据集 @inproceedings{vonMarcard2018, title = {Recovering Accurate 3D Human Pose in The Wild Using IMUs and a Moving Camera}, author = {von Marc

Rhinoceros 8 for Mac/Win:重塑三维建模边界的革新之作

Rhinoceros 8(简称Rhino 8),作为一款由Robert McNeel & Assoc公司开发的顶尖三维建模软件,无论是对于Mac还是Windows用户而言,都是一款不可多得的高效工具。Rhino 8以其强大的功能、广泛的应用领域以及卓越的性能,在建筑设计、工业设计、产品设计、三维动画制作、科学研究及机械设计等多个领域展现出了非凡的实力。 强大的建模能力 Rhino 8支持多种建

数据集 Ubody人体smplx三维建模mesh-姿态估计 >> DataBall

Ubody开源人体三维源数据集-smplx-三维建模-姿态估计 UBody:一个连接全身网格恢复和真实生活场景的上半身数据集,旨在拟合全身网格恢复任务与现实场景之间的差距。 UBody包含来自多人的现实场景的1051k张高质量图像,这些图像拥有2D全身关键点、3D SMPLX模型。 UBody由国际数字经济学院(IDEA)提供。 (UBody was used for mesh r

三维布尔运算对不规范几何数据的兼容处理

1.前言 上一篇文章谈过八叉树布尔运算,对于规范几何数据的情况是没有问题的。 在实际情况中,由于几何数据来源不一,处理和生成方式不一,我们无法保证进行布尔运算的几何数据都是规范的,对于不规范情况有时候也有需求,这就需要兼容不规范数据情况,当然这种兼容不是一味的让步,而是对于存在有限的不规范数据的兼容处理。 2.原始数据示例 下图是一个大坝模型和之上要对其进行布尔运算的立方体。 大坝模型由

三维激光扫描点云配准外业棋盘的布设与棋盘坐标测量

文章目录 一、棋盘标定板准备二、棋盘标定板布设三、棋盘标定板坐标测量 一、棋盘标定板准备 三维激光扫描棋盘是用来校准和校正激光扫描仪的重要工具,主要用于提高扫描精度。棋盘标定板通常具有以下特点: 高对比度图案:通常是黑白相间的棋盘格,便于识别。已知尺寸:每个格子的尺寸是已知的,可以用于计算比例和调整。平面标定:帮助校准相机和激光扫描仪之间的位置关系。 使用方法 扫描棋盘:

【PSINS】SINS与航位推算的EKF例程讲解|三维轨迹

文章目录 SINS与航位推算例程构造滤波前滤波主体滤波后处理 运行结果源代码 SINS与航位推算 SINS是捷联惯导,略。 航位推算: 本文讲解的程序是PSINS工具箱(相关文章:PSINS初学指导,https://blog.csdn.net/callmeup/article/details/136459824)的一个函数,在此基础上进行优化。如果要运行,需要先安装工具箱

【UVa】10755 Garbage Heap 三维前缀和

题目分析:将前缀和应用到三维,求最大子矩阵。为S[x][y][z]数组中每个坐标保存从(0,0,0)到(x,y,z)范围内的子矩阵的元素和,最后用多次区间加减法可以得到需要的子矩阵的元素和,再用类似一维求最大连续和的方法求三维最大连续和。 代码如下: #include <cstdio>#include <cstring>#include <algorithm>using