弹簧底部为什么静止

实验

老外做过类似的实验

 
实验结果是真的,不是合成的假视频。

疑问

为什么底下的物体几乎不动呢?我们先从实验结果出发用物理定律解释。

1. 从实验结果解释

把A、B和弹簧整体作为研究对象,手松开时F=MA+MB+M

根据牛二定律F=F=MAaA+MBaB+Ma

从实验现象 aB=0aB​=0 , 那么在 aA>g  的情况下,是可以存在的,B静止是合理的。

2. 内力分析

但是总感觉反直觉。手松开的一瞬间,弹簧形变不会瞬间消失(小米汽车瞬间刹停是个例外),此时B还是合力为0,A的合力为自身重力加上B和弹簧的重力,所以加速度会大于重力加速度。在一瞬间之后的另一瞬间,A下落了一个高度,弹簧形变改变,此时弹簧的拉力小于了B和弹簧的重力了。那紧邻的下方弹簧就会略微收缩,接着向下传递。当传递到B时,B就会运动了。那么现在的问题就成了弹簧形变向下传递的速度多少?如果速度特别快,B静止的时间就会很短,现象就越不明显。必须用更慢的回放才能观察到,或者增加弹簧长度。那这个传递速度取决于什么呢?老外的实验,两端没有重物,只有弹簧。那大概可以猜出应该和弹簧的硬度和质量有关。

纵波

上面提到的弹簧形变的传播速度,本质是纵波的传播速度,现在问题归结为纵波速度问题。我们听的声音就是纵波,弹簧中纵波和声音运动学本质相同,只不过是传递介质不同而已。下面是弹簧纵波的实验。

好在前人早已研究明白了,推导过程挺复杂,感兴趣的自己去查阅,这里直接给出公式v=Yρ​​

其中 Y 是杨氏模量, ρ是弹簧密度。
这就好理解了,弹簧纵波传播速度决定于弹簧的硬度和密度。弹簧越软, Y 越小,弹簧密度越大,波速越小。这也就是为什么实验用的弹簧都是特别软的那种,实验1两端有重物,实验2弹簧更软,从而降低 v ,在波到达底部之前的一段时间下方静止, v 越小,静止的时间越长,实验效果越明显。

电路与水路

前言

还记得最早学习电路的时候,一般把电路类比成水路。电流类比为水流,电压类比水压。既然电路可以类比水路,那么电路和水路基本原理应该是近似的。然而笔者遇到一个问题,就是并联的暖气片为什么有的热有的不热呢?电路可以类比水路,反过来水路也可以类比电路,暖气片并联,相同的暖气片应该一样热才对 ,而实际结果是并联的暖气片第一个最热,越往后越凉。是类比有问题吗?问题出在哪了?

电路和水路结构分析

下图是家庭电路和暖气结构示意图。电路不用多说,大家都知道,所有用电器并联,所有用电器上的电压相同,所以无论电器插在哪个插座,都可以正常工作。 暖气也采取并联,为什么就第一个暖气片最热呢?电路无非是电子的通路,难道电子就比水特殊? 我们分析一下水路,既然第一个热,类比电路,第一个暖气片进水管和出水管两端的水压差应该大,其他的压差小。否则,同样的压力,暖气片应该同样热。后面的暖气片上的压力依次降低。于是,越靠后的暖气片越凉。为什么会这样呢?并联电路电压相同,为什么并联水路水压不同呢?首先分析静水的情况,如果暖气片内水不流动,那按压强公式,高度相同的位置水压相同。水流动起来,就有些不一样了。

继续阅读“电路与水路”

月食和日食计算

基本参数

地球公转周期 365.2564 天
月球公转周期 27.32166 天
月球轨道面与地球轨道面交角 α=5°09\alpha=5°09'
地球和月球都是椭圆轨道,但是考虑离心率都很小,可以近似为圆形。

计算思路


计算月食或者日食即计算向量 SunEarth\overrightarrow{SunEarth}EarthMoon\overrightarrow{EarthMoon} 的夹角如果接近0,即太阳、地球、月球一线月食发生。类似,若夹角180度,即日食发生。

继续阅读“月食和日食计算”

梯度、散度、旋度

0、哈密顿算子

1、梯度(Gradient)是矢量,也是法向量

2、散度(Divergence)是标量

3、旋度(Curl)是向量

  • 标量的梯度为矢量,因此对该矢量可以继续求散度,从而引入拉普拉斯算子∇2 :
  • 矢量的散度为标量,因此对该标量可以继续求梯度:

拉普拉斯算子对标量的运算结果为标量、对矢量的运算结果为矢量。

举例:

电势场的梯度是电场强度,电场强度的的散度等于q/ε,高斯定理

 书籍是进步的阶梯

如遇网络问题无法下载,可以尝试国内镜像,网址把github改为gitee,其它不变

数论-陈景润.pdf
李政道 数学物理方法.pdf
曾谨言-量子力学卷I-第四版.pdf
曾谨言-量子力学卷II-第四版.pdf
张量分析(第二版)黄克智.pdf
电动力学(第三版)郭硕鸿.pdf
黎曼几何.pdf
高等量子力学-张永德(上).pdf
高等量子力学-张永德(下).pdf
高等数学引论2(华罗庚).pdf
高等数学引论3(华罗庚).pdf
高等数学引论4(华罗庚).pdf
费曼物理学讲义 第二卷_1981.pdf
矢量分析与张量初步.pdf
从线性代数到张量计算.pdf
机器学习与时空数据建模.pdf
继续阅读“ 书籍是进步的阶梯”

卷积神经网络(分类网络)

卷积神经网络是一种前馈神经网络,用于图片分类的卷积网络一般包含两部分:卷积部分和全链接部分。

卷积部分将传统的卷积操作中卷积核的值当成了训练的对象,并加入了池化层,激活层,专门用来提取图片特征。全链接部分就是普通的神经网络,前面以图片特征为输入,后面加上softmax层来输出每个类的概率。

继续阅读“卷积神经网络(分类网络)”