​不用公式就能看懂的数学和物理,这里有你没见过的操作(下)

2018 年 9 月 23 日 中科院物理所


每每提到数学物理,面对大量的计算和复杂的公式,人们的脑子里往往是一团乱麻。在上一期的文章中,我们一起见识了图的力量。很多小伙伴惊呼「被这波操作秀翻了!」。


在我们平时遇到的问题当中,我们有时候也很需要借助图片的力量来更好地解决问题。所谓能用图说明的问题,就不要用公式和数据。今天我们就继续来看看在数学和物理中还有哪些好玩有趣的图?

披萨问题

Cheese Pizza Theorem


作为一个标准的吃货,看到居然有用吃的东西来命名的问题,自然会问:这东西能吃吗?怎么吃?好吃么?披萨问题确实是一个关于怎么吃的问题。两个人买了一张披萨,现在想要均匀地分配。分披萨饼时常见的做法是过圆心切若干刀,将披萨尽可能均匀地分成若干份。然而很多时候并不能保证选取的圆心就是真正的圆心。


但是,如果选取的圆心是错误的,那么即使「均匀地」切开披萨(每切一刀转过的角度都是相同的),每块披萨的大小也都不一样。这时候如果两个人按照顺时针(或逆时针)顺序轮流拿披萨吃,那么两个人吃掉的披萨是否还一样多呢?


怎么均匀地分掉这个披萨,真的是个问题


这个问题1967年的时候发表在《数学杂志》上,很快就有人针对切偶数刀的情形进行了计算,发现在这种情况下,两个人分到的披萨面积是相同的。下面我们来单独看一下关于切4刀时的巧妙证明。作者通过割补法就完成了对这个问题的巧妙证明。如图中编号所示,相同编号的两个图形是全等的。


如图中编号所示,相同编号的两个图形是全等的。感兴趣的读者可以试着用剪刀和纸在现实中实现


针对这个问题有很多解法,也有各种各样形式的推广,对于奇数刀时的情形已经十分复杂[1],更有人开始思考怎么均匀地切西瓜(也就是三维披萨)[1]。

切完披萨,数学家们开始切各种奇奇怪怪的东西了……

Force

要说力学里面,最形象最生动的图,应该就是受力分析图了。无论是初中高中就接触的斜面上永远滑不完的小滑块,再到机械上的复杂的铰链和杆上的受力。只要你还在和物理打交道,很难避免受力分析这件事情。


一个对现实生活中的路灯的梁进行受力分析的例子,忽略了它的重力因素,图片来自 [3]


在英文中,受力分析图往往被称为 Free body diagram,直译过来就是自由体图,或者被称为隔离体图。这个名词有时候会让第一次接触英文力学教材的人有点迷茫。但是仔细一想,我们的受力分析不就是把系统中每个部分隔离出来单独分析的么?在看到这个物体上的所有受力之后,我们就能计算合外力和合外力矩,进而通过牛顿第二定律得到他们运动的信息。

摩擦角示意图,物体所受摩擦力和支持力的合外力与法线方向的夹角不是任意的,受到摩擦系数的限制


其实说到力学,里面还有一个非常形象的概念——摩擦角。不知道大家有没有思考过沙堆为啥是圆锥形的而不是其他形状的?[2] 这里面其实就隐藏着摩擦角。


流动的沙子,只考虑摩擦因素,只有沙堆斜面倾角较小的时候,表面的沙子才能够平衡。


我们不妨假设物体只受到三个力的作用,支持力,摩擦力,其他所有力的合外力。合外力如果和地面近乎垂直的时候,可以想象,你相当于把这个物体压在地上,它当然动不了。但是如果把合外力方向慢慢往转向和地面平行的方向,这时候更多地就像在推着物体了,物体当然不再保持平衡。斜面上的沙子同样也是这个道理,你只要转一下脖子。


* 在受力分析的时候我们往往需要用到牛顿留下来的三大定律,小编怀着好奇和仰慕的心情翻阅了一下经典的《自然哲学的数学原理》,然而并没有在其中找到受力分析图……

费 曼 图

Feymann Diagram

费曼图的中代表两个粒子散射的一阶近似的费曼图,与具体数学形式之间的对应关系,图片来自 Giphy@Fermilab


既然说到了「力」,在现代量子场论的视角看来,物体之间的相互作用力,都是通过不断地交换虚粒子来实现的。虽然看上去很形象直观,然而具体计算的过程十分复杂,因此费恩曼发展了一套形象化的方法来解决。在费曼图中,横轴和纵轴一般分别代表时间和空间两个维度,粒子用线表示,不同的类型的粒子用不同的线进行区分,费米子一般用实线,光子用波浪线,玻色子用虚线,胶子用圈线。一线与另一线的连接点称为顶点。


生活大爆炸中的场景,一个e-μ-散射过程。剧中台词并不准确,实际上我们要算的是一个复杂的积分式子


费恩曼图中的时间轴,向右为正,左边代表初态,右边代表末态。与时间轴方向相同的箭头代表正费米子,与时间轴方向相反的箭头表示反费米子。在《生活大爆炸》中有一个镜头,谢尔顿他们在进行答题比赛,在图中给出了e-μ-散射的费曼图。当然在现实中,除了画出来的这种的电子和μ子散射的方式以外,中间还会有很多复杂的相互作用。


对轻子 g−2 的第10阶微扰修正中 32 个规范不变子集的代表性费曼图


费曼图并不能帮我们直接就看出这里面的结果,在这个图的背后之后依旧需要十分复杂的计算。


虽然费曼图简化了人们在量子场论中的计算,但是并不是每个人都对这个很感冒,比如盖尔曼。盖尔曼因为对基本粒子的分类和其相互作用的发现从而获得1969年的诺贝尔物理学奖,他就一直把费曼图称为斯蒂克尔堡图(Stückelberg diagrams)。这俩人还经常攀比谁是加州理工学院最聪明的人。[4]


墨西哥帽

Sombrero


关于对称性自发破缺,大家可能或多或少都听说过一些。其实在现实生活中,就有一个很生动形象的例子——墨西哥帽。我们假设在帽子的顶部有一颗小球。从图形的对称性我们可以看到,现在的小球位置是旋转对称的,绕着帽子的对称轴旋转,小球并不发生变化。但是,在这个位置上,小球也恰好处于局部势能的极大值,一旦受到扰动,小球就会滑落到帽子的谷底位置,从而不再具有旋转对称性(虽然小球所有可能的位置具有对称性)


对于这个墨西哥帽问题,在帽子的谷底,存在着无穷多个最低能量的位置。如果我们绕着帽子的对称轴进行旋转,除非我们转过整数圈,否则体系不能变回原来的样子,所以我们说体系的对称性降低了,发生了“自发对称性破缺”。

本来排列的具有对称性的小蛋糕,在吃掉一个以后就不再对称了


在物理中,大多数物质的相变都可以用它来解释。比如磁铁在高温的时候并没有磁性,但是在将温度降低到一定程度以后,便会出现磁性。磁南极和磁北极实际上在空间给出了一个特定的方向,破坏了原本的各向同性。更前沿的诸如超导体的 BCS 理论,超流现象等都可以通过对称性破缺来解释。


从某种意义上来讲,这个墨西哥帽已经成为了一个符号,它甚至还被用来作为国外一个著名问答网站 Stack Exchange 物理分类下的 logo。


* 参考链接

[1] www.cs.umd.edu/~gasarch/BLOGPAPERS/pizza.pdf

[2] 摩擦角

[3] web.mit.edu/4.441/1_lectures/1_lecture14/1_lecture14.html

[4] Leonard Mlodinow. Feynman's Rainbow

编辑:Cloudiiink



近期热门文章Top10

↓ 点击标题即可查看 ↓

1. 以我为研究对象,跨度十年的本硕博总结性研究报告

2. 蚊子给你扎针吸血时命中率高吗?真相让人流下了同情的泪水

3. 坐高铁手机没信号?原因远比你想的要复杂!

4. 物理定律助你七夕「科学表白」,谁说「天下有情人终将分手」→_→

5. 暑假玩得很爽是吧?开学后你就会感到智商对你的疯狂打击报复了

6. 为什么用嘴吹气是凉的,哈气却是热的?| No.118

7. 2018数学最高奖“菲尔兹奖”揭晓,4位获奖者各自拥有怎样的故事?

8. 宇宙和你,本质上其实只是个八维数字?

9. 当你死去时,你的原子会如何

10. 这是 99.9% 的人没听说过的神奇悖论(上)

点此查看以往全部热门文章


登录查看更多
0

相关内容

数学是关于数量、结构、变化等主题的探索。
最新《机器学习理论初探》概述
专知会员服务
42+阅读 · 2020年5月19日
机器学习速查手册,135页pdf
专知会员服务
336+阅读 · 2020年3月15日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
189+阅读 · 2020年3月12日
【经典书】精通机器学习特征工程,中文版,178页pdf
专知会员服务
347+阅读 · 2020年2月15日
干货!神经网络原来是这样和数学挂钩的
图灵教育
13+阅读 · 2019年5月21日
最新版:本科、硕士和博士有何区别?
德先生
6+阅读 · 2018年6月10日
条件概率和贝叶斯公式 - 图解概率 03
遇见数学
10+阅读 · 2018年6月5日
机器学习-我妈妈也能看懂的入门篇
深度学习世界
4+阅读 · 2018年5月16日
SVM大解密(附代码和公式)
AI100
6+阅读 · 2018年4月7日
入门 | 这是一份文科生都能看懂的线性代数简介
机器之心
13+阅读 · 2018年3月31日
小白都能看懂的神经网络入门,快收下吧~
码农翻身
3+阅读 · 2018年1月4日
[有意思的数学] 参数估计
机器学习和数学
14+阅读 · 2017年6月4日
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Arxiv
21+阅读 · 2019年8月21日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Bidirectional Attention for SQL Generation
Arxiv
4+阅读 · 2018年6月21日
Arxiv
6+阅读 · 2018年4月4日
Arxiv
3+阅读 · 2018年3月21日
Arxiv
4+阅读 · 2018年2月13日
VIP会员
相关VIP内容
相关资讯
干货!神经网络原来是这样和数学挂钩的
图灵教育
13+阅读 · 2019年5月21日
最新版:本科、硕士和博士有何区别?
德先生
6+阅读 · 2018年6月10日
条件概率和贝叶斯公式 - 图解概率 03
遇见数学
10+阅读 · 2018年6月5日
机器学习-我妈妈也能看懂的入门篇
深度学习世界
4+阅读 · 2018年5月16日
SVM大解密(附代码和公式)
AI100
6+阅读 · 2018年4月7日
入门 | 这是一份文科生都能看懂的线性代数简介
机器之心
13+阅读 · 2018年3月31日
小白都能看懂的神经网络入门,快收下吧~
码农翻身
3+阅读 · 2018年1月4日
[有意思的数学] 参数估计
机器学习和数学
14+阅读 · 2017年6月4日
相关论文
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Arxiv
21+阅读 · 2019年8月21日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Bidirectional Attention for SQL Generation
Arxiv
4+阅读 · 2018年6月21日
Arxiv
6+阅读 · 2018年4月4日
Arxiv
3+阅读 · 2018年3月21日
Arxiv
4+阅读 · 2018年2月13日
Top
微信扫码咨询专知VIP会员