科学空间|Scientific Spaces

The New Calculation Of Lagrangian Point 4,5

上一回我们已经求出了拉格朗日点L1,L2,L3，并且希望能够求出L4,L5两个点。由于L4,L5与“地球-太阳”连线已经不共线了，所以前边的方法貌似不能够用了。为了得到一个通用的定义，我们可以采用以下方法来描述拉格朗日点：位于拉格朗日点的天体，它与太阳的连线以及地球与太阳的连线所组成的角的大小是恒定的。（这里为了方便，采用了地日系的拉格朗日点来描述，对于一般的三体问题是一样的）

对于L4,L5来说，我们或许可以设置一个新的向量来描述这两点的向径（如$\vec{R}$）。当我们这样做后，很快就会发现这样会令我们的计算走向死胡同。因为我们发现：已知两个向量的夹角和其中一个向量，我们很难把另一个向量用已知向量的式子表达出来。不能做到这一点，就不能找出$\vec{R}$与$\vec{r}$的关系，就无法联立方程求解。难道，我们这一条路走到尽头了吗？一开始BoJone也冥思苦想不得头绪，但是...

点击阅读全文...

21日，是我从北京回家的日子。上午一切都很顺利，很早就赶到机场了，而且飞机也没有晚点。然而，事情却出现了一点意外——

原来由于台风影响，广东正在下暴雨，于是，飞机在广州上空盘旋了半个多小时，本来16:00就可以下的飞机，却到了近17:00才下。庆幸的是，这一次我没有把行李托运，于是下机后马上飞奔门口，乘坐机场快巴。还好，赶上了17:10的快巴。又是两个小时的路程，19:00左右，我到了肇庆汽车总站...

汽车站的售票人员说现在回新兴最早的班车是20:10的，距离现在还有一个小时，我犹豫了一下：这让我等太久了吧...抱着侥幸的心态，我打车到了肇庆的桥西汽车站，希望那儿会有早一点的班车。然而，结果是失望的：途径新兴的车都没有了。这时，在我前边的一个女孩出声了——

点击阅读全文...

资料图片：试管婴儿之父、英国科学家罗伯特-爱德华兹

诺贝尔奖委员会刚刚宣布，试管婴儿之父、英国科学家罗伯特-爱德华兹因其生育学研究获得今年诺贝尔生理学或医学奖，他的研究曾使400万人得以降生。

点击阅读全文...

物理学的美不仅仅表现在简洁的公式上。我们还惊奇地发现，很多物理现象都是按照使某个变量达到极值的方式发生。一个典型的例子就是费马原理，它指出了光的传播路径的一个重要规律：光总是沿着所花时间最短的路径传播。这里我们将简单介绍一下费马原理。

费马原理俗称“最快到达原理”、“最小时间原理”。1657年，费马提出：

从P点到达Q点，在所有可行的路径中，光选择了所需时间最短的一条。

从P点到达Q点，在所有可行的路径中，光选择了所需时间为极值的一条。

这是一个极其奇妙的原理，也是自然界中最神奇的极值之一。作为非生物的光，居然自主地选择了最优路径，成为世界上“效率最高”的东西，这让人不得不佩服宇宙的伟大。这究竟是造物者的精心设计，还是无心之作？

点击阅读全文...

通过上面众多的文字描述，也许你还不大了解这两个原理有何美妙之处，也或者你已经迫不及待地想去应用它们却不知思路。为了不至于让大家产生“审美疲劳”，接下来我们将试图利用这两个原理对费马点问题进行探讨，看看原理究竟是怎么发挥作用的。运用的关键在于：如何通过适当的变换将其与光学或势能联系起来。

费马点问题

传统费马点问题是指在ΔABC中寻找点P，使得$AP+BP+CP$最小的问题；而广义的费马点则改成使$k_1 AP+k_2 BP+k_3 CP$最小。这是很具有现实意义的，是“在三个村庄之间建立一个中转站，如何才能使运送成为最低”之类的最优问题。我们将从光学和势能两个角度对这个问题进行探讨（也许有的读者已经阅读过了利用重力的原理来求解费马点，但是我想光学的方法依然会是你眼前一亮的。）

点击阅读全文...

如果说前面关于这个系列的内容还不能使得读者您感到痛快，那么接下来要讲述的最速降线和悬链线问题也许能够满足你的需要。不过在进入对最速降线问题的理论探讨之前，我们先来讲述一个发生在17世纪的激动人心的数学竞赛的故事。我相信，每一个热爱数学和物理的朋友，都将会为其所振奋，为其所感动。里边渗透的，不仅仅是一次学术的竞争，更是一代又一代的人对真理的追求与探路的不懈精神。

（以下内容来源于网络，科学空间整理）

意大利科学家伽利略在1630年提出一个分析学的基本问题── “一个质点在重力作用下，从一个给定点A到不在它垂直下方的另一点B，如果不计摩擦力，问沿着什么曲线滑下所需时间最短。”这算是这个著名问题的起源了（为什么别人没有想起这个问题呢？所以说大科学家的素质就是思考、创新，要有思想，人没有思想，就和行尸走肉没有什么区别）。可惜的是伽利略说这曲线是圆，但这却是一个错误的答案。

Brachistochrone

点击阅读全文...

通过上一小节的小故事，我们已经能够基本了解最速降线的内容了，它就是要我们求出满足某一极值条件的一个未知函数，由于函数是未知的，因此这类问题被称为“泛分析”。其中还谈到，伯努利利用费马原理巧妙地得出了答案，那么我们现在就再次回顾历史，追寻伯努利的答案，并且寻找进一步的应用。

最速降线-1

为了计算方便，我们把最速降线倒过来，把初始点设置在原点。在下落过程中，重力势能转化为动能，因此，在点(x,y)处有$\frac{1}{2} mv^2=mgy\Rightarrow v=\sqrt{2gy}$，由于纯粹为了探讨曲线形状，所以我们使g=0.5，即$v=\sqrt{y}$。在点(x,y)处所走的路程为$ds=\sqrt{dy^2+dx^2}=\sqrt{\dot{y}^2+1}dx$，所以时间为$dt=\frac{ds}{v}=\frac{\sqrt{\dot{y}^2+1}dx}{\sqrt{y}}$，于是最速降线问题就是求使$t=\int_0^{x_2} \frac{\sqrt{\dot{y}^2+1}dx}{\sqrt{y}}$最小的函数。

点击阅读全文...

《非线性泛函分析及其应用,第3卷,变分法及最优化》

本篇文章是《自然极值》系列最后一篇文章，估计也是2010年最后一篇文章了。在这个美好的2010年，想必大家一定收获匪浅，BoJone也在2010年成长了很多。在2010年的尾声，BoJone和科学空间都祝大家在新的一年里更加开心快乐，在科学的道路上更快速地前行。

在本文，BoJone将与大家讨论求极值的最基本原理。这一探讨思路受到了天才的费恩曼所著《费恩曼物理讲义》的启迪。我们分别对函数求极值（求导）和泛函数极值（变分）进行一些简略的分析。

一、函数求极值

对于一个函数$y=f(x)$，设想它在$x=x_0$处取到最大值，那么显然对于很小的增量$\Delta x$，有
$$f(x_0+\Delta x) \leq f(x_0)\tag{3}$$根据泰勒级数，我们有
$f(x_0+\Delta x)=f(x_0)+f'(x_0)\Delta x$————(4)

点击阅读全文...