في ميكانيكا المتصل ، نظرية الإجهادات متناهية الصغر , يطلق عليها أيضا نظرية التشوه الصغير , نظرية الإزاحة الصغرى , أو نظرية تدرج الإزاحة الصغرى , تتعامل مع التشوهات لجسم متصل .[1] ووتدرجات الإزاحة صغيرة جدا مقارنة بالوحدة، أي،
‖
u
‖
≪
1
{\displaystyle \|\mathbf {u} \|\ll 1\,\!}
‖
∇
u
‖
≪
1
{\displaystyle \|\nabla \mathbf {u} \|\ll 1\,\!}
لموتّر لاغرانج محدود الاجهاد
E
{\displaystyle \mathbf {E} \,\!}
وموتّر أويلر محدود الاجهاد
e
{\displaystyle \mathbf {e} \,\!}
موتّر اجهاد متناهي الصغر أو موتّر اجهاد كوشي ,
ε
{\displaystyle {\boldsymbol {\varepsilon }}\,\!}
E
≈
e
≈
ε
=
1
2
(
u
∇
T
+
u
∇
)
{\displaystyle \mathbf {E} \approx \mathbf {e} \approx {\boldsymbol {\varepsilon }}={\frac {1}{2}}\left(\mathbf {u} \nabla ^{T}+\mathbf {u} \nabla \right)\,\!}
أو
E
K
L
≈
e
r
s
≈
ε
i
j
=
1
2
(
u
i
,
j
+
u
j
,
i
)
{\displaystyle E_{KL}\approx e_{rs}\approx \varepsilon _{ij}={\frac {1}{2}}\left(u_{i,j}+u_{j,i}\right)\,\!}
تستخدم نظرية الاجهادات متناهية الصغر في تحليل تشوهات المواد التي تظهر سلوكا مرنا ، مثل المواد الموجودة في تطبيقات الهندسة الميكانيكية والمدنية.
موتّر اجهاد متناهي الصغر [ عدل ] من أجل تشوهات متناهية الصغر لجسم المتصل ، والتي تكون فيها الإزاحة وتدرج الإزاحة صغيرة مقارنة بالوحدة، أي،
‖
u
‖
≪
1
{\displaystyle \|\mathbf {u} \|\ll 1\,\!}
‖
∇
u
‖
≪
1
{\displaystyle \|\nabla \mathbf {u} \|\ll 1\,\!}
الخطية الهندسية لموتّر لاغرانج محدود الإجهاد
E
{\displaystyle \mathbf {E} \,\!}
e
{\displaystyle \mathbf {e} \,\!}
E
=
1
2
(
u
∇
X
T
+
u
∇
X
+
u
∇
X
T
u
∇
X
)
≈
1
2
(
u
∇
X
T
+
u
∇
X
)
{\displaystyle \mathbf {E} ={\frac {1}{2}}\left(\mathbf {u} \nabla _{\mathbf {X} }^{T}+\mathbf {u} \nabla _{\mathbf {X} }+\mathbf {u} \nabla _{\mathbf {X} }^{T}\mathbf {u} \nabla _{\mathbf {X} }\right)\approx {\frac {1}{2}}\left(\mathbf {u} \nabla _{\mathbf {X} }^{T}+\mathbf {u} \nabla _{\mathbf {X} }\right)\,\!}
أو
E
K
L
=
1
2
(
∂
U
K
∂
X
L
+
∂
U
L
∂
X
K
+
∂
U
M
∂
X
K
∂
U
M
∂
X
L
)
≈
1
2
(
∂
U
K
∂
X
L
+
∂
U
L
∂
X
K
)
{\displaystyle E_{KL}={\frac {1}{2}}\left({\frac {\partial U_{K}}{\partial X_{L}}}+{\frac {\partial U_{L}}{\partial X_{K}}}+{\frac {\partial U_{M}}{\partial X_{K}}}{\frac {\partial U_{M}}{\partial X_{L}}}\right)\approx {\frac {1}{2}}\left({\frac {\partial U_{K}}{\partial X_{L}}}+{\frac {\partial U_{L}}{\partial X_{K}}}\right)\,\!}
و
e
=
1
2
(
u
∇
x
T
+
u
∇
x
−
u
∇
x
T
u
∇
x
)
≈
1
2
(
u
∇
x
T
+
u
∇
x
)
{\displaystyle \mathbf {e} ={\frac {1}{2}}\left(\mathbf {u} \nabla _{\mathbf {x} }^{T}+\mathbf {u} \nabla _{\mathbf {x} }-\mathbf {u} \nabla _{\mathbf {x} }^{T}\mathbf {u} \nabla _{\mathbf {x} }\right)\approx {\frac {1}{2}}\left(\mathbf {u} \nabla _{\mathbf {x} }^{T}+\mathbf {u} \nabla _{\mathbf {x} }\right)\,\!}
أو
e
r
s
=
1
2
(
∂
u
r
∂
x
s
+
∂
u
s
∂
x
r
−
∂
u
k
∂
x
r
∂
u
k
∂
x
s
)
≈
1
2
(
∂
u
r
∂
x
s
+
∂
u
s
∂
x
r
)
{\displaystyle e_{rs}={\frac {1}{2}}\left({\frac {\partial u_{r}}{\partial x_{s}}}+{\frac {\partial u_{s}}{\partial x_{r}}}-{\frac {\partial u_{k}}{\partial x_{r}}}{\frac {\partial u_{k}}{\partial x_{s}}}\right)\approx {\frac {1}{2}}\left({\frac {\partial u_{r}}{\partial x_{s}}}+{\frac {\partial u_{s}}{\partial x_{r}}}\right)\,\!}
تقتضي هذه الخطية بأن الوصف اللاغرانجي والوصف الأويلري تكون نفسها تقريبا طالما هناك فرق بسيط في المادة والإحداثيات المكانية لنقطة مادة معطاة في المتصل. لهذا، تكون مركبات التدرج الإزاحي المادي والمكاني متساوية تقريبا وعليه
E
≈
e
≈
ε
=
1
2
(
u
∇
T
+
u
∇
)
or
E
K
L
≈
e
r
s
≈
ε
i
j
=
1
2
(
u
i
,
j
+
u
j
,
i
)
{\displaystyle \mathbf {E} \approx \mathbf {e} \approx {\boldsymbol {\varepsilon }}={\frac {1}{2}}\left(\mathbf {u} \nabla ^{T}+\mathbf {u} \nabla \right)\qquad {\text{or}}\qquad E_{KL}\approx e_{rs}\approx \varepsilon _{ij}={\frac {1}{2}}\left(u_{i,j}+u_{j,i}\right)\,\!}
حيث
ε
i
j
{\displaystyle \varepsilon _{ij}\,\!}
الإجهاد متناهي الصغر
ε
{\displaystyle {\boldsymbol {\varepsilon }}\,\!}
موتّر إجهاد كوشي , موتّر اجهاد خطي , أو موتّر إجهاد صغير .
ε
i
j
=
1
2
(
u
i
,
j
+
u
j
,
i
)
=
[
ε
11
ε
12
ε
13
ε
21
ε
22
ε
23
ε
31
ε
32
ε
33
]
=
[
∂
u
1
∂
x
1
1
2
(
∂
u
1
∂
x
2
+
∂
u
2
∂
x
1
)
1
2
(
∂
u
1
∂
x
3
+
∂
u
3
∂
x
1
)
1
2
(
∂
u
2
∂
x
1
+
∂
u
1
∂
x
2
)
∂
u
2
∂
x
2
1
2
(
∂
u
2
∂
x
3
+
∂
u
3
∂
x
2
)
1
2
(
∂
u
3
∂
x
1
+
∂
u
1
∂
x
3
)
1
2
(
∂
u
3
∂
x
2
+
∂
u
2
∂
x
3
)
∂
u
3
∂
x
3
]
{\displaystyle \varepsilon _{ij}={\frac {1}{2}}\left(u_{i,j}+u_{j,i}\right)=\left[{\begin{matrix}\varepsilon _{11}&\varepsilon _{12}&\varepsilon _{13}\\\varepsilon _{21}&\varepsilon _{22}&\varepsilon _{23}\\\varepsilon _{31}&\varepsilon _{32}&\varepsilon _{33}\\\end{matrix}}\right]=\left[{\begin{matrix}{\frac {\partial u_{1}}{\partial x_{1}}}&{\frac {1}{2}}\left({\frac {\partial u_{1}}{\partial x_{2}}}+{\frac {\partial u_{2}}{\partial x_{1}}}\right)&{\frac {1}{2}}\left({\frac {\partial u_{1}}{\partial x_{3}}}+{\frac {\partial u_{3}}{\partial x_{1}}}\right)\\{\frac {1}{2}}\left({\frac {\partial u_{2}}{\partial x_{1}}}+{\frac {\partial u_{1}}{\partial x_{2}}}\right)&{\frac {\partial u_{2}}{\partial x_{2}}}&{\frac {1}{2}}\left({\frac {\partial u_{2}}{\partial x_{3}}}+{\frac {\partial u_{3}}{\partial x_{2}}}\right)\\{\frac {1}{2}}\left({\frac {\partial u_{3}}{\partial x_{1}}}+{\frac {\partial u_{1}}{\partial x_{3}}}\right)&{\frac {1}{2}}\left({\frac {\partial u_{3}}{\partial x_{2}}}+{\frac {\partial u_{2}}{\partial x_{3}}}\right)&{\frac {\partial u_{3}}{\partial x_{3}}}\\\end{matrix}}\right]}
أو باستعمال علامات أخرى:
[
ε
x
x
ε
x
y
ε
x
z
ε
y
x
ε
y
y
ε
y
z
ε
z
x
ε
z
y
ε
z
z
]
=
[
∂
u
x
∂
x
1
2
(
∂
u
x
∂
y
+
∂
u
y
∂
x
)
1
2
(
∂
u
x
∂
z
+
∂
u
z
∂
x
)
1
2
(
∂
u
y
∂
x
+
∂
u
x
∂
y
)
∂
u
y
∂
y
1
2
(
∂
u
y
∂
z
+
∂
u
z
∂
y
)
1
2
(
∂
u
z
∂
x
+
∂
u
x
∂
z
)
1
2
(
∂
u
z
∂
y
+
∂
u
y
∂
z
)
∂
u
z
∂
z
]
{\displaystyle \left[{\begin{matrix}\varepsilon _{xx}&\varepsilon _{xy}&\varepsilon _{xz}\\\varepsilon _{yx}&\varepsilon _{yy}&\varepsilon _{yz}\\\varepsilon _{zx}&\varepsilon _{zy}&\varepsilon _{zz}\\\end{matrix}}\right]=\left[{\begin{matrix}{\frac {\partial u_{x}}{\partial x}}&{\frac {1}{2}}\left({\frac {\partial u_{x}}{\partial y}}+{\frac {\partial u_{y}}{\partial x}}\right)&{\frac {1}{2}}\left({\frac {\partial u_{x}}{\partial z}}+{\frac {\partial u_{z}}{\partial x}}\right)\\{\frac {1}{2}}\left({\frac {\partial u_{y}}{\partial x}}+{\frac {\partial u_{x}}{\partial y}}\right)&{\frac {\partial u_{y}}{\partial y}}&{\frac {1}{2}}\left({\frac {\partial u_{y}}{\partial z}}+{\frac {\partial u_{z}}{\partial y}}\right)\\{\frac {1}{2}}\left({\frac {\partial u_{z}}{\partial x}}+{\frac {\partial u_{x}}{\partial z}}\right)&{\frac {1}{2}}\left({\frac {\partial u_{z}}{\partial y}}+{\frac {\partial u_{y}}{\partial z}}\right)&{\frac {\partial u_{z}}{\partial z}}\\\end{matrix}}\right]\,\!}
أبعد من ذلك،
ε
=
1
2
(
F
+
F
T
)
−
I
{\displaystyle {\boldsymbol {\varepsilon }}={\frac {1}{2}}\left(\mathbf {F} +\mathbf {F} ^{T}\right)-\mathbf {I} \,\!}
بأخذ تعبيري لاغرانج وأويلر محدودي الإجهاد بعين الاعتبار يصبح لدينا
E
(
m
)
=
1
2
m
(
U
2
m
−
I
)
≈
ε
{\displaystyle \mathbf {E} _{(m)}={\frac {1}{2m}}(\mathbf {U} ^{2m}-I)\approx \varepsilon \,\!}
e
(
m
)
=
1
2
m
(
V
2
m
−
I
)
≈
ε
{\displaystyle \mathbf {e} _{(m)}={\frac {1}{2m}}(\mathbf {V} ^{2m}-I)\approx \varepsilon \,\!}
الاشتقاق الهندسي لموتر الإجهاد المتناهي الصغر [ عدل ] شكل1. تشوه هندسي ثنائي البعد لعنصر مادي متناهي الصغر. باعتبار تشوه ثنائي البعد لعنصر مادي مستطيل متناهي الصغر بالأبعاد
d
x
{\displaystyle dx\,\!}
d
y
{\displaystyle dy\,\!}
a
b
¯
=
(
d
x
+
∂
u
x
∂
x
d
x
)
2
+
(
∂
u
y
∂
x
d
x
)
2
=
1
+
2
∂
u
x
∂
x
+
(
∂
u
x
∂
x
)
2
+
(
∂
u
y
∂
x
)
2
d
x
{\displaystyle {\begin{aligned}{\overline {ab}}&={\sqrt {\left(dx+{\frac {\partial u_{x}}{\partial x}}dx\right)^{2}+\left({\frac {\partial u_{y}}{\partial x}}dx\right)^{2}}}\\&={\sqrt {1+2{\frac {\partial u_{x}}{\partial x}}+\left({\frac {\partial u_{x}}{\partial x}}\right)^{2}+\left({\frac {\partial u_{y}}{\partial x}}\right)^{2}}}dx\\\end{aligned}}\,\!}
في كل تدرج إزاحة صغير،
‖
∇
u
‖
≪
1
{\displaystyle \|\nabla \mathbf {u} \|\ll 1\,\!}
a
b
¯
≈
d
x
+
∂
u
x
∂
x
d
x
{\displaystyle {\overline {ab}}\approx dx+{\frac {\partial u_{x}}{\partial x}}dx\,\!}
يكون التشوه باتجاه العنصر المستطيل
x
{\displaystyle x\,\!}
ε
x
=
a
b
¯
−
A
B
¯
A
B
¯
{\displaystyle \varepsilon _{x}={\frac {{\overline {ab}}-{\overline {AB}}}{\overline {AB}}}\,\!}
وإذا علم أن
A
B
¯
=
d
x
{\displaystyle {\overline {AB}}=dx\,\!}
ε
x
=
∂
u
x
∂
x
{\displaystyle \varepsilon _{x}={\frac {\partial u_{x}}{\partial x}}\,\!}
بالمثل، الإجهاد العمودي باتجاه
y
{\displaystyle y\,\!}
z
{\displaystyle z\,\!}
ε
y
=
∂
u
y
∂
y
,
ε
z
=
∂
u
z
∂
z
{\displaystyle \varepsilon _{y}={\frac {\partial u_{y}}{\partial y}}\quad ,\qquad \varepsilon _{z}={\frac {\partial u_{z}}{\partial z}}\,\!}
يعرف الإجهاد القصي الهندسي، التغير في الزاوية بين الخوط المتعامدة للمادة، في هذه الحالة الخط
A
C
¯
{\displaystyle {\overline {AC}}\,\!}
A
B
¯
{\displaystyle {\overline {AB}}\,\!}
γ
x
y
=
α
+
β
{\displaystyle \gamma _{xy}=\alpha +\beta \,\!}
من الشكل الهندسي 1 لدينا
tan
α
=
∂
u
y
∂
x
d
x
d
x
+
∂
u
x
∂
x
d
x
=
∂
u
y
∂
x
1
+
∂
u
x
∂
x
,
tan
β
=
∂
u
x
∂
y
d
y
d
y
+
∂
u
y
∂
y
d
y
=
∂
u
x
∂
y
1
+
∂
u
y
∂
y
{\displaystyle \tan \alpha ={\frac {{\dfrac {\partial u_{y}}{\partial x}}dx}{dx+{\dfrac {\partial u_{x}}{\partial x}}dx}}={\frac {\dfrac {\partial u_{y}}{\partial x}}{1+{\dfrac {\partial u_{x}}{\partial x}}}}\quad ,\qquad \tan \beta ={\frac {{\dfrac {\partial u_{x}}{\partial y}}dy}{dy+{\dfrac {\partial u_{y}}{\partial y}}dy}}={\frac {\dfrac {\partial u_{x}}{\partial y}}{1+{\dfrac {\partial u_{y}}{\partial y}}}}\,\!}
للدورانات الصغيرة، أي
α
{\displaystyle \alpha \,\!}
β
{\displaystyle \beta \,\!}
≪
1
{\displaystyle \ll 1\,\!}
tan
α
≈
α
,
tan
β
≈
β
{\displaystyle \tan \alpha \approx \alpha \quad ,\qquad \tan \beta \approx \beta \,\!}
مرة أخرى، لتدرجات الإزاحة الصغيرة يكون لدينا
α
=
∂
u
y
∂
x
,
β
=
∂
u
x
∂
y
{\displaystyle \alpha ={\frac {\partial u_{y}}{\partial x}}\quad ,\qquad \beta ={\frac {\partial u_{x}}{\partial y}}\,\!}
على ذلك
γ
x
y
=
α
+
β
=
∂
u
y
∂
x
+
∂
u
x
∂
y
{\displaystyle \gamma _{xy}=\alpha +\beta ={\frac {\partial u_{y}}{\partial x}}+{\frac {\partial u_{x}}{\partial y}}\,\!}
بالتبديل بين
x
{\displaystyle x\,\!}
y
{\displaystyle y\,\!}
u
x
{\displaystyle u_{x}\,\!}
u
y
{\displaystyle u_{y}\,\!}
γ
x
y
=
γ
y
x
{\displaystyle \gamma _{xy}=\gamma _{yx}\,\!}
يمكن ملاحظة أن مركبات اجهاد القص الموترية لموتر الإجهاد متناهي الصغر يمكن التعبير عنها باستخدام التعريف الهندسي للإجهاد،
γ
{\displaystyle \gamma \,\!}
[
ε
x
x
ε
x
y
ε
x
z
ε
y
x
ε
y
y
ε
y
z
ε
z
x
ε
z
y
ε
z
z
]
=
[
ε
x
x
γ
x
y
/
2
γ
x
z
/
2
γ
y
x
/
2
ε
y
y
γ
y
z
/
2
γ
z
x
/
2
γ
z
y
/
2
ε
z
z
]
{\displaystyle \left[{\begin{matrix}\varepsilon _{xx}&\varepsilon _{xy}&\varepsilon _{xz}\\\varepsilon _{yx}&\varepsilon _{yy}&\varepsilon _{yz}\\\varepsilon _{zx}&\varepsilon _{zy}&\varepsilon _{zz}\\\end{matrix}}\right]=\left[{\begin{matrix}\varepsilon _{xx}&\gamma _{xy}/2&\gamma _{xz}/2\\\gamma _{yx}/2&\varepsilon _{yy}&\gamma _{yz}/2\\\gamma _{zx}/2&\gamma _{zy}/2&\varepsilon _{zz}\\\end{matrix}}\right]\,\!}
التفسير الفيزيائي [ عدل ] من نظرية الاجهاد المحدود لدينا
d
x
2
−
d
X
2
=
d
X
⋅
2
E
⋅
d
X
or
(
d
x
)
2
−
(
d
X
)
2
=
2
E
K
L
d
X
K
d
X
L
{\displaystyle d\mathbf {x} ^{2}-d\mathbf {X} ^{2}=d\mathbf {X} \cdot 2\mathbf {E} \cdot d\mathbf {X} \quad {\text{or}}\quad (dx)^{2}-(dX)^{2}=2E_{KL}\,dX_{K}\,dX_{L}\,\!}
وعليه لدينا من الإجهاد متناهي الصغر
d
x
2
−
d
X
2
=
d
X
⋅
2
ε
⋅
d
X
or
(
d
x
)
2
−
(
d
X
)
2
=
2
ε
K
L
d
X
K
d
X
L
{\displaystyle d\mathbf {x} ^{2}-d\mathbf {X} ^{2}=d\mathbf {X} \cdot 2\mathbf {\boldsymbol {\varepsilon }} \cdot d\mathbf {X} \quad {\text{or}}\quad (dx)^{2}-(dX)^{2}=2\varepsilon _{KL}\,dX_{K}\,dX_{L}\,\!}
بالقسمة على
(
d
X
)
2
{\displaystyle (dX)^{2}\,\!}
d
x
−
d
X
d
X
d
x
+
d
X
d
X
=
2
ε
i
j
d
X
i
d
X
d
X
j
d
X
{\displaystyle {\frac {dx-dX}{dX}}{\frac {dx+dX}{dX}}=2\varepsilon _{ij}{\frac {dX_{i}}{dX}}{\frac {dX_{j}}{dX}}\,\!}
للتشوهات الصغيرة نفرض أن
d
x
≈
d
X
{\displaystyle dx\approx dX\,\!}
d
x
+
d
X
d
X
≈
2
{\displaystyle {\frac {dx+dX}{dX}}\approx 2\,\!}
وعليه
d
x
−
d
X
d
X
=
ε
i
j
N
i
N
j
=
N
⋅
ε
⋅
N
{\displaystyle {\frac {dx-dX}{dX}}=\varepsilon _{ij}N_{i}N_{j}=\mathbf {N} \cdot {\boldsymbol {\varepsilon }}\cdot \mathbf {N} \,\!}
حيث
N
i
=
d
X
i
d
X
{\displaystyle N_{i}={\frac {dX_{i}}{dX}}\,\!}
d
X
{\displaystyle d\mathbf {X} \,\!}
e
(
N
)
{\displaystyle e_{(\mathbf {N} )}\,\!}
N
{\displaystyle \mathbf {N} \,\!}
N
{\displaystyle \mathbf {N} \,\!}
X
1
{\displaystyle X_{1}\,\!}
N
=
I
1
{\displaystyle \mathbf {N} =\mathbf {I} _{1}\,\!}
e
(
I
1
)
=
I
1
⋅
ε
⋅
I
1
=
ε
11
{\displaystyle e_{(\mathbf {I} _{1})}=\mathbf {I} _{1}\cdot {\boldsymbol {\varepsilon }}\cdot \mathbf {I} _{1}=\varepsilon _{11}\,\!}
بالمثل،
N
=
I
2
{\displaystyle \mathbf {N} =\mathbf {I} _{2}\,\!}
N
=
I
3
{\displaystyle \mathbf {N} =\mathbf {I} _{3}\,\!}
ε
22
{\displaystyle \varepsilon _{22}\,\!}
ε
33
{\displaystyle \varepsilon _{33}\,\!}
التوتر الحجمي [ عدل ] إن التعرض (التغير النسبي في الحجم) هو أثر الموتر:
δ
=
Δ
V
V
0
=
ε
11
+
ε
22
+
ε
33
{\displaystyle \delta ={\frac {\Delta V}{V_{0}}}=\varepsilon _{11}+\varepsilon _{22}+\varepsilon _{33}\,\!}
في الواقع، إذا أخذنا مكعبا بعين الاعتبار بطول حافة a , فإنه شبه مكعب بعد التشوه (لا تتغير الزوايا في الحجم) مع الابعاد
a
⋅
(
1
+
ε
11
)
×
a
⋅
(
1
+
ε
22
)
×
a
⋅
(
1
+
ε
33
)
{\displaystyle a\cdot (1+\varepsilon _{11})\times a\cdot (1+\varepsilon _{22})\times a\cdot (1+\varepsilon _{33})\,\!}
V 0 = a 3 , وعليه
Δ
V
V
0
=
(
1
+
ε
11
+
ε
22
+
ε
33
+
ε
11
⋅
ε
22
+
ε
11
⋅
ε
33
+
ε
22
⋅
ε
33
+
ε
11
⋅
ε
22
⋅
ε
33
)
⋅
a
3
−
a
3
a
3
{\displaystyle {\frac {\Delta V}{V_{0}}}={\frac {\left(1+\varepsilon _{11}+\varepsilon _{22}+\varepsilon _{33}+\varepsilon _{11}\cdot \varepsilon _{22}+\varepsilon _{11}\cdot \varepsilon _{33}+\varepsilon _{22}\cdot \varepsilon _{33}+\varepsilon _{11}\cdot \varepsilon _{22}\cdot \varepsilon _{33}\right)\cdot a^{3}-a^{3}}{a^{3}}}\,\!}
عندما نأخذ التشوهات الصغيرة بعين الاعتبار،
1
≫
ε
i
i
≫
ε
i
i
⋅
ε
j
j
≫
ε
11
⋅
ε
22
⋅
ε
33
{\displaystyle 1\gg \varepsilon _{ii}\gg \varepsilon _{ii}\cdot \varepsilon _{jj}\gg \varepsilon _{11}\cdot \varepsilon _{22}\cdot \varepsilon _{33}\,\!}
هي لذلك الصيغة.
التغيرات الحقيقية في الحجم (أعلى) والتقريب (الأسفل): يوضح الرسم الأخضر الحجم المقدر بينما الرسم البرتقالي يوضح الحجم المهمل
في حالة القص النقي، يمكن ملاحظة أنه لايوجد تغير في الحجم.
موتر محرف الإجهاد [ عدل ] موتر الإجهاد متناهي الصغر
ε
i
j
{\displaystyle \varepsilon _{ij}\,\!}
موتر الإجهاد المتوسط أوموتر الإجهاد الحجمي أو موتر الإجهاد الكروي ,
ε
M
δ
i
j
{\displaystyle \varepsilon _{M}\delta _{ij}\,\!}
مركبة انحرافية موتر محرف الإجهاد ,
ε
i
j
′
{\displaystyle \varepsilon '_{ij}\,\!}
ε
i
j
=
ε
i
j
′
+
ε
M
δ
i
j
{\displaystyle \varepsilon _{ij}=\varepsilon '_{ij}+\varepsilon _{M}\delta _{ij}\,\!}
حيث
ε
M
{\displaystyle \varepsilon _{M}\,\!}
ε
M
=
ε
k
k
3
=
ε
11
+
ε
22
+
ε
33
3
=
1
3
I
1
e
{\displaystyle \varepsilon _{M}={\frac {\varepsilon _{kk}}{3}}={\frac {\varepsilon _{11}+\varepsilon _{22}+\varepsilon _{33}}{3}}={\tfrac {1}{3}}I_{1}^{e}\,\!}
يمكن الحصول على موتر محرف الإجهاد بطرح موتر متوسط الإجهاد من موتر الإجهاد متناهي الصغر:
ε
i
j
′
=
ε
i
j
−
ε
k
k
3
δ
i
j
[
ε
11
′
ε
12
′
ε
13
′
ε
21
′
ε
22
′
ε
23
′
ε
31
′
ε
32
′
ε
33
′
]
=
[
ε
11
ε
12
ε
13
ε
21
ε
22
ε
23
ε
31
ε
32
ε
33
]
−
[
ε
M
0
0
0
ε
M
0
0
0
ε
M
]
=
[
ε
11
−
ε
M
ε
12
ε
13
ε
21
ε
22
−
ε
M
ε
23
ε
31
ε
32
ε
33
−
ε
M
]
{\displaystyle {\begin{aligned}\ \varepsilon '_{ij}&=\varepsilon _{ij}-{\frac {\varepsilon _{kk}}{3}}\delta _{ij}\\\left[{\begin{matrix}\varepsilon '_{11}&\varepsilon '_{12}&\varepsilon '_{13}\\\varepsilon '_{21}&\varepsilon '_{22}&\varepsilon '_{23}\\\varepsilon '_{31}&\varepsilon '_{32}&\varepsilon '_{33}\\\end{matrix}}\right]&=\left[{\begin{matrix}\varepsilon _{11}&\varepsilon _{12}&\varepsilon _{13}\\\varepsilon _{21}&\varepsilon _{22}&\varepsilon _{23}\\\varepsilon _{31}&\varepsilon _{32}&\varepsilon _{33}\\\end{matrix}}\right]-\left[{\begin{matrix}\varepsilon _{M}&0&0\\0&\varepsilon _{M}&0\\0&0&\varepsilon _{M}\\\end{matrix}}\right]\\&=\left[{\begin{matrix}\varepsilon _{11}-\varepsilon _{M}&\varepsilon _{12}&\varepsilon _{13}\\\varepsilon _{21}&\varepsilon _{22}-\varepsilon _{M}&\varepsilon _{23}\\\varepsilon _{31}&\varepsilon _{32}&\varepsilon _{33}-\varepsilon _{M}\\\end{matrix}}\right]\\\end{aligned}}\,\!}
معادلات التوافق [ عدل ] بالنسبة لمركبات الإجهاد الموصوفة سابقا
ε
i
j
{\displaystyle \varepsilon _{ij}\,\!}
u
i
,
j
+
u
j
,
i
=
2
ε
i
j
{\displaystyle u_{i,j}+u_{j,i}=2\varepsilon _{ij}\,\!}
u
i
{\displaystyle u_{i}\,\!}
معادلات التوافق . بإضافة معادلات التوافق الثلاث، يتم إنقاص المعادلات المستقلة إلى ثلاثة، والتي تتلائم مع مركبات الإزاحة المجهولة. اكتشفت هذه القيود من قبل ساينت- فينات ، كما يطلق عليها «معادلات توافق ساينت-فينات ».
تفيد دالة التوافق في التأكد من دالة ازاحة متصلة وحيدة القيمة
u
i
{\displaystyle u_{i}\,\!}
بعلامة المعامل، يعبر عن معادلات التوافق
ε
i
j
,
k
m
+
ε
k
m
,
i
j
−
ε
i
k
,
j
m
−
ε
j
m
,
i
k
=
0
{\displaystyle \varepsilon _{ij,km}+\varepsilon _{km,ij}-\varepsilon _{ik,jm}-\varepsilon _{jm,ik}=0\,\!}
العلامة الهندسية
∂
2
ϵ
x
∂
y
2
+
∂
2
ϵ
y
∂
x
2
=
2
∂
2
ϵ
x
y
∂
x
∂
y
{\displaystyle {\frac {\partial ^{2}\epsilon _{x}}{\partial y^{2}}}+{\frac {\partial ^{2}\epsilon _{y}}{\partial x^{2}}}=2{\frac {\partial ^{2}\epsilon _{xy}}{\partial x\partial y}}\,\!}
∂
2
ϵ
y
∂
z
2
+
∂
2
ϵ
z
∂
y
2
=
2
∂
2
ϵ
y
z
∂
y
∂
z
{\displaystyle {\frac {\partial ^{2}\epsilon _{y}}{\partial z^{2}}}+{\frac {\partial ^{2}\epsilon _{z}}{\partial y^{2}}}=2{\frac {\partial ^{2}\epsilon _{yz}}{\partial y\partial z}}\,\!}
∂
2
ϵ
x
∂
z
2
+
∂
2
ϵ
z
∂
x
2
=
2
∂
2
ϵ
z
x
∂
z
∂
x
{\displaystyle {\frac {\partial ^{2}\epsilon _{x}}{\partial z^{2}}}+{\frac {\partial ^{2}\epsilon _{z}}{\partial x^{2}}}=2{\frac {\partial ^{2}\epsilon _{zx}}{\partial z\partial x}}\,\!}
∂
2
ϵ
x
∂
y
∂
z
=
∂
∂
x
(
−
∂
ϵ
y
z
∂
x
+
∂
ϵ
z
x
∂
y
+
∂
ϵ
x
y
∂
z
)
{\displaystyle {\frac {\partial ^{2}\epsilon _{x}}{\partial y\partial z}}={\frac {\partial }{\partial x}}\left(-{\frac {\partial \epsilon _{yz}}{\partial x}}+{\frac {\partial \epsilon _{zx}}{\partial y}}+{\frac {\partial \epsilon _{xy}}{\partial z}}\right)\,\!}
∂
2
ϵ
y
∂
z
∂
x
=
∂
∂
y
(
∂
ϵ
y
z
∂
x
−
∂
ϵ
z
x
∂
y
+
∂
ϵ
x
y
∂
z
)
{\displaystyle {\frac {\partial ^{2}\epsilon _{y}}{\partial z\partial x}}={\frac {\partial }{\partial y}}\left({\frac {\partial \epsilon _{yz}}{\partial x}}-{\frac {\partial \epsilon _{zx}}{\partial y}}+{\frac {\partial \epsilon _{xy}}{\partial z}}\right)\,\!}
∂
2
ϵ
z
∂
x
∂
y
=
∂
∂
z
(
∂
ϵ
y
z
∂
x
+
∂
ϵ
z
x
∂
y
−
∂
ϵ
x
y
∂
z
)
{\displaystyle {\frac {\partial ^{2}\epsilon _{z}}{\partial x\partial y}}={\frac {\partial }{\partial z}}\left({\frac {\partial \epsilon _{yz}}{\partial x}}+{\frac {\partial \epsilon _{zx}}{\partial y}}-{\frac {\partial \epsilon _{xy}}{\partial z}}\right)\,\!}
توترالمستوى [ عدل ] في مركبات الهندسة التطبيقية، الاجهاد والتوتر هي موترات ثلاثية الأبعاد ولكن ذات بنية منشورية مثل قضيب معدني طويل، يكون الطول أكبر بكثير من البعدين الاخرين. يكون التوتر المصاحب للطول، أي التوتر العمودي
ϵ
33
{\displaystyle \epsilon _{33}\,\!}
ϵ
13
{\displaystyle \epsilon _{13}\,\!}
ϵ
23
{\displaystyle \epsilon _{23}\,\!}
بالتوترات المقطعية العرضية . يمكن مقاربة موتر الإجهاد حينئذ بالعلاقة:
ϵ
_
_
=
[
ϵ
11
ϵ
12
0
ϵ
21
ϵ
22
0
0
0
0
]
{\displaystyle {\underline {\underline {\epsilon }}}={\begin{bmatrix}\epsilon _{11}&\epsilon _{12}&0\\\epsilon _{21}&\epsilon _{22}&0\\0&0&0\end{bmatrix}}\,\!}
حيث تشير المعاملات ذات الخطوط المضاعفة إلى موتر من الرتبة الثانية. تدعى حالة التوتر توتر المستوى . يكون موتر الإجهاد المقابل هو:
σ
_
_
=
[
σ
11
σ
12
0
σ
21
σ
22
0
0
0
σ
33
]
{\displaystyle {\underline {\underline {\sigma }}}={\begin{bmatrix}\sigma _{11}&\sigma _{12}&0\\\sigma _{21}&\sigma _{22}&0\\0&0&\sigma _{33}\end{bmatrix}}\,\!}
حيث أن
σ
33
{\displaystyle \sigma _{33}\,\!}
ϵ
33
=
0
{\displaystyle \epsilon _{33}=0\,\!}
اجهاد ضد المستوى [ عدل ] الإجهاد ضد أو عكس المستوى هو حالة مكانية أخرى من الإجهاد التي يمكن أن تحدث في جسم، مثلا في منطقة قريبة من الخلع . يعطى موتر الإجهاد لضد المستوى بالعلاقة
ϵ
_
_
=
[
0
0
ϵ
13
0
0
ϵ
23
ϵ
13
ϵ
23
0
]
{\displaystyle {\underline {\underline {\epsilon }}}={\begin{bmatrix}0&0&\epsilon _{13}\\0&0&\epsilon _{23}\\\epsilon _{13}&\epsilon _{23}&0\end{bmatrix}}\,\!}
إنظر أيضا [ عدل ] مراجع [ عدل ] 
بوابة الفيزياء
![{\displaystyle \varepsilon _{ij}={\frac {1}{2}}\left(u_{i,j}+u_{j,i}\right)=\left[{\begin{matrix}\varepsilon _{11}&\varepsilon _{12}&\varepsilon _{13}\\\varepsilon _{21}&\varepsilon _{22}&\varepsilon _{23}\\\varepsilon _{31}&\varepsilon _{32}&\varepsilon _{33}\\\end{matrix}}\right]=\left[{\begin{matrix}{\frac {\partial u_{1}}{\partial x_{1}}}&{\frac {1}{2}}\left({\frac {\partial u_{1}}{\partial x_{2}}}+{\frac {\partial u_{2}}{\partial x_{1}}}\right)&{\frac {1}{2}}\left({\frac {\partial u_{1}}{\partial x_{3}}}+{\frac {\partial u_{3}}{\partial x_{1}}}\right)\\{\frac {1}{2}}\left({\frac {\partial u_{2}}{\partial x_{1}}}+{\frac {\partial u_{1}}{\partial x_{2}}}\right)&{\frac {\partial u_{2}}{\partial x_{2}}}&{\frac {1}{2}}\left({\frac {\partial u_{2}}{\partial x_{3}}}+{\frac {\partial u_{3}}{\partial x_{2}}}\right)\\{\frac {1}{2}}\left({\frac {\partial u_{3}}{\partial x_{1}}}+{\frac {\partial u_{1}}{\partial x_{3}}}\right)&{\frac {1}{2}}\left({\frac {\partial u_{3}}{\partial x_{2}}}+{\frac {\partial u_{2}}{\partial x_{3}}}\right)&{\frac {\partial u_{3}}{\partial x_{3}}}\\\end{matrix}}\right]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/91d0f82a66f61d92a55dab6695e800e920481d5d)
![{\displaystyle \left[{\begin{matrix}\varepsilon _{xx}&\varepsilon _{xy}&\varepsilon _{xz}\\\varepsilon _{yx}&\varepsilon _{yy}&\varepsilon _{yz}\\\varepsilon _{zx}&\varepsilon _{zy}&\varepsilon _{zz}\\\end{matrix}}\right]=\left[{\begin{matrix}{\frac {\partial u_{x}}{\partial x}}&{\frac {1}{2}}\left({\frac {\partial u_{x}}{\partial y}}+{\frac {\partial u_{y}}{\partial x}}\right)&{\frac {1}{2}}\left({\frac {\partial u_{x}}{\partial z}}+{\frac {\partial u_{z}}{\partial x}}\right)\\{\frac {1}{2}}\left({\frac {\partial u_{y}}{\partial x}}+{\frac {\partial u_{x}}{\partial y}}\right)&{\frac {\partial u_{y}}{\partial y}}&{\frac {1}{2}}\left({\frac {\partial u_{y}}{\partial z}}+{\frac {\partial u_{z}}{\partial y}}\right)\\{\frac {1}{2}}\left({\frac {\partial u_{z}}{\partial x}}+{\frac {\partial u_{x}}{\partial z}}\right)&{\frac {1}{2}}\left({\frac {\partial u_{z}}{\partial y}}+{\frac {\partial u_{y}}{\partial z}}\right)&{\frac {\partial u_{z}}{\partial z}}\\\end{matrix}}\right]\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/fb798dd9cff8404470ba843605146da23dbcd638)
![{\displaystyle \left[{\begin{matrix}\varepsilon _{xx}&\varepsilon _{xy}&\varepsilon _{xz}\\\varepsilon _{yx}&\varepsilon _{yy}&\varepsilon _{yz}\\\varepsilon _{zx}&\varepsilon _{zy}&\varepsilon _{zz}\\\end{matrix}}\right]=\left[{\begin{matrix}\varepsilon _{xx}&\gamma _{xy}/2&\gamma _{xz}/2\\\gamma _{yx}/2&\varepsilon _{yy}&\gamma _{yz}/2\\\gamma _{zx}/2&\gamma _{zy}/2&\varepsilon _{zz}\\\end{matrix}}\right]\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/700291ced7f7d577cc5a364789e9a14f4812b125)
![{\displaystyle {\begin{aligned}\ \varepsilon '_{ij}&=\varepsilon _{ij}-{\frac {\varepsilon _{kk}}{3}}\delta _{ij}\\\left[{\begin{matrix}\varepsilon '_{11}&\varepsilon '_{12}&\varepsilon '_{13}\\\varepsilon '_{21}&\varepsilon '_{22}&\varepsilon '_{23}\\\varepsilon '_{31}&\varepsilon '_{32}&\varepsilon '_{33}\\\end{matrix}}\right]&=\left[{\begin{matrix}\varepsilon _{11}&\varepsilon _{12}&\varepsilon _{13}\\\varepsilon _{21}&\varepsilon _{22}&\varepsilon _{23}\\\varepsilon _{31}&\varepsilon _{32}&\varepsilon _{33}\\\end{matrix}}\right]-\left[{\begin{matrix}\varepsilon _{M}&0&0\\0&\varepsilon _{M}&0\\0&0&\varepsilon _{M}\\\end{matrix}}\right]\\&=\left[{\begin{matrix}\varepsilon _{11}-\varepsilon _{M}&\varepsilon _{12}&\varepsilon _{13}\\\varepsilon _{21}&\varepsilon _{22}-\varepsilon _{M}&\varepsilon _{23}\\\varepsilon _{31}&\varepsilon _{32}&\varepsilon _{33}-\varepsilon _{M}\\\end{matrix}}\right]\\\end{aligned}}\,\!}](https://wikimedia.org/api/rest_v1/media/math/render/svg/c16ea83935162fe6447be5762cf01547e681dc91)
