科学空间|Scientific Spaces

假如没有自转，单凭物质之间的引力作用，天体应该都会呈现一个很完美（不是绝对完美）的球形。不过绝大多数的天体都存在着自转，因此他们的赤道半径都比极半径长。BoJone粗糙地考虑了一下在引力和惯性离心力的共同作用下，天体所呈现的形状，并与太阳系的一些天体进行对比，发现还是能够吻合到一定程度。现在此和大家分享，供读者参考。

地球扁率推导

点击阅读全文...

在之前的一篇向量系列的文章中，我们通过结合物理与向量来巧妙地推导出了曲线（包括平面和空间的）的曲率半径为
$$R=\frac{v^2}{a_c}=\frac{|\dot{\vec{r}}|^3}{|\dot{\vec{r}}\times \ddot{\vec{r}}|}\tag{1}$$
曲率则是曲率半径的导数：$\rho=\frac{1}{R}$。我们反过来思考一下：曲率恒定的平面曲线是否只有圆？

答案貌似是很显然的，我们需要证明一下。

由于只是考虑平面情况，我们先设$\dot{\vec{r}}=(v cos\theta,v sin\theta)=z=ve^{i\theta}$，代入(1)得到
$\frac{\dot{\theta}}{v}=\rho$————(2)

点击阅读全文...

九月三日BoJone和九个同学到云浮参加了今年广东省的数学竞赛预赛，那一起出发、玩笑、作战、吃饭的情景依然历历在目，让我久久不能忘怀。是呀，能够并肩作战的感觉真好！九日数学成绩出来了，遗憾的是今年政策改变了，我被告知整个市只有三个名额能够参加复赛，于是新兴只有我一个人进入了复赛（另外两个据说是罗定的，我们三个并列第一）。有点无语，我想，大概是要把那些为了功利而参赛的人都给刷下去吧...

今年广东的预赛题前所未有的简单，不论是和全国其他地方相比还是和上一年的题目相比，都简单了不少，但我还是做得不大理想，据我估计，120分的卷子我顶多能够拿个68分，所以BoJone的基本技能实在不容乐观。从云浮考试回来后，和同行的同学讨论试题，得出了一些很有趣的结果，那过程可谓其乐无穷呀！下面是倒数第二题预赛题的几个绝妙解法，供大家欣赏。解法由我和伍泽麒（人称“兔子、神兔”，人如其名，天资聪颖，性格可爱）完成。

题目：

在一条线段中随意选取两个点，把这条线段截成三段，求这三段线段能够组成一个三角形的概率。

点击阅读全文...

开学已经是第二周了，我的《微分几何》也上课两周了，进度比较慢，现在才讲到平面曲线的曲率。在平面曲线$\boldsymbol{t}(t)=(x(t),y(t))$某点上可以找出单位切向量。
$$\boldsymbol{t}=\left(\frac{dx}{ds},\frac{dy}{ds}\right)$$
其中$ds^2 =dx^2+dy^2$，将这个向量逆时针旋转90度之后，就可以定义相应的单位法向量$\boldsymbol{n}$，即$\boldsymbol{t}\cdot\boldsymbol{n}=0$。

常规写法

让我们用弧长$s$作为参数来描述曲线方程，$\boldsymbol{t}(s)=(x(s),y(s))$，函数上的一点表示对$s$求导。那么我们来考虑$\dot{\boldsymbol{t}}$，由于$\boldsymbol{t}^2=1$，对s求导得到
$$\boldsymbol{t}\cdot\dot{\boldsymbol{t}}=0$$

点击阅读全文...

Mathieu方程

在文章《有质动力：倒立单摆的稳定性》中，我们分析了通过高频低幅振荡来使得倒立单摆稳定的可能性，并且得出了运动方程
$$l\ddot{\theta}+[h_0 \omega^2 \cos(\omega t)-g]\sin\theta=0$$

由此对单摆频率的下限提出了要求$\omega \gg \sqrt{\frac{g}{h_0}}$。然而，那个下限只不过是必要的，却不是充分的。如果要完整地分析该单摆的运动方程，最理想的方法当然是写出上述常微分方程的解析解。不过很遗憾，我们并没有办法做到这一点。我们只能够采取各种近似方法来求解。近似方法一般指数值计算方法，然后笔者偏爱的是解析方法，也就是说，即使是近似解，也希望能够求出近似的解析解。

点击阅读全文...

在《两百万前素数之和与前两百万素数之和》中，我们用Python求了前两百万的素数和以及两百万前的素数和，并且得到了在Python 3.3中的执行时间如下：

两百万前的素数之和：
142913828922
time: 2.4048174478605646

前两百万的素数之和：
31381137530481
time: 46.75734807838953

于是想办法提高python脚本的执行效率，我觉得在算法方面，优化空间已经比较小了，于是考虑执行器上的优化。在搜索的无意间我看到了一个名词——Psyco！这是python的一个外部模块，导入后可以加快.py脚本的执行。网上也有《用 Psyco 让 Python 运行得像 C一样快》、《利用 psyco 让 Python 程序执行更快》之类的文章，说明Psyco确实是一个可行的选择，于是就跃跃欲试了，后来了解到Psyco在2012年已经停止开发，只支持到Python 2.4版本，目前它由 PyPy所接替。于是我就下载了PyPy。

点击阅读全文...

每当看到数学的两个看似毫不相关的分支巧妙地联系了起来时，我总会为数学的神奇美丽惊叹不已。在很久以前，当我看到通过生成函数法把数论问题与复变函数方法结合起来，衍生出一门奇妙的“解析数论”时，我就惊叹过生成函数法的漂亮！可惜，一直都没有好好写整理这些内容。今天，当我在看李政道先生的《物理学中的数学方法》时，看到他把复变函数跟随机游动如鬼斧神工般了起来，再次让我拍案叫绝。最后实在压抑不住心中的激动，在此写写概率论和生成函数的事情。

数论与复变函数结合，就生成了一门“解析数论”，按照这个说法，概率与复变函数结合，应该就会有一门“解析概率”，但是我在网上搜索的时候，并没有发现这个名词的存在。经过如此，本文还是试用了这个名词。虽然这个名词没有流行，但事实上，解析概率的方法并不算新，它可以追溯到伟大的数学家拉普拉斯以及他的著作《分析概率论》中。尽管如此，这种巧妙漂亮的方法似乎没有得到大家应该有的充分的认识。

我觉得，即使作为一个简洁的计算工具，生成函数法这个美丽的技巧，也应该尽可能为科学爱好者所知，更不用说数学专业的朋友了。

点击阅读全文...

笔者发现，有很多概率问题，尤其是独立重复实验问题，如果用生成函数的方法来做，会显得特别方便。本文要讲的“随机游走”问题便是其中一例，它又被形象地叫做“醉汉问题”，其本质上是一个二项分布，但是由于取了极限，出现了很多新的性质和应用。我们先考虑如下问题：

考虑实数轴上的一个粒子，在$t=0$时刻它位于原点，每过一秒，它要不向前移动一格（+1），要不就向后移动一格（-1），问$n$秒后它所处位置的概率分布。

点击阅读全文...