数学中的无穷小与物理学中的微元

数学中的无穷小与物理学中的微元

flyfish

数学中的直线和物理中的线比较下就容易理解了

数学中的直线:
数学中的直线是一种理想化的抽象概念,具有无限延伸且没有厚度或宽度。
直线的定义不依赖于物理性质,仅依赖于几何性质。它是一个一维对象,只具有长度,没有宽度和高度。

物理世界中的线:
在物理世界中,任何实际存在的线(例如,一根细绳、一条光束)都具有一定的厚度或宽度。
即使是光,在某些情况下也表现出一定的宽度,尤其在波动光学中,光具有波长和干涉现象。

波动光学:在波动光学中,光被认为是一种波动现象,具有波长和频率,因此光束会展现出一定的宽度和衍射、干涉现象。
几何光学:在几何光学中,光被简化为光线,这些光线可以被认为是没有宽度的理想化线条,用于解释光的直线传播、反射和折射等现象。

古典的理解

1. 牛顿的流数法

牛顿在引入微积分时使用了流数(fluxions)和流率(fluxions rate)的概念,即变化中的量和其变化率。无穷小量在他的体系中被视为“无限小的变化量”,用来描述瞬时速度和加速度。然而,他并未给出严格的定义。
例子:导数的定义 牛顿定义函数 y = f ( x ) y = f(x) y=f(x) 在点 x x x 处的导数为:
d y d x = lim ⁡ Δ x → 0 Δ y Δ x = lim ⁡ Δ x → 0 f ( x + Δ x ) − f ( x ) Δ x . \frac{dy}{dx} = \lim_{\Delta x \to 0} \frac{\Delta y}{\Delta x} = \lim_{\Delta x \to 0} \frac{f(x + \Delta x) - f(x)}{\Delta x}. dxdy=Δx0limΔxΔy=Δx0limΔxf(x+Δx)f(x).在这个过程中, Δ x \Delta x Δx 是一个无穷小量。当 Δ x \Delta x Δx趋于零时,牛顿认为可以忽略 Δ x \Delta x Δx的高次项,如 ( Δ x ) 2 (\Delta x)^2 (Δx)2,这在逻辑上是不严谨的。

2. 莱布尼茨的微分法

莱布尼茨引入了微分(differentials)符号,并使用无穷小量 d x dx dx d y dy dy 表示微小变化量。他的符号系统非常直观,但同样缺乏严格的数学基础。例子:导数的计算 莱布尼茨表示函数 y = f ( x ) y = f(x) y=f(x) 的导数为:
d y d x = f ( x + d x ) − f ( x ) d x . \frac{dy}{dx} = \frac{f(x + dx) - f(x)}{dx}. dxdy=dxf(x+dx)f(x).在计算过程中,他将 d x dx dx 视为一个非常小但不为零的量。这种处理方式虽然方便计算,但在逻辑上存在问题,因为无穷小量的具体性质不明确。

贝克莱主教对无穷小量的批评揭示了这种模糊性的根本问题。他指出,在计算导数时,数学家们一方面使用无穷小量进行计算,另一方面又在最终结果中将无穷小量视为零。
贝克莱的批评 贝克莱在他的书《分析学家》中写道:
Δ y Δ x = ( x + Δ x ) 2 − x 2 Δ x = x 2 + 2 x Δ x + ( Δ x ) 2 − x 2 Δ x = 2 x + Δ x . \frac{\Delta y}{\Delta x} = \frac{(x + \Delta x)^2 - x^2}{\Delta x} = \frac{x^2 + 2x \Delta x + (\Delta x)^2 - x^2}{\Delta x} = 2x + \Delta x. ΔxΔy=Δx(x+Δx)2x2=Δxx2+2xΔx+(Δx)2x2=2x+Δx.他质疑为什么在最终的导数计算中, Δ x \Delta x Δx 被视为零,而在其他步骤中却不是零。这种自相矛盾的处理方式是无穷小量概念模糊性的体现。

古典的理解造就了物理学中的微元

古典微积分中无穷小量的表述是模糊的,无穷小量的具体性质没有明确的定义,使得它在计算中时而被视为零,时而被视为非零。在计算过程中,无穷小量的处理方式又不一致,导致逻辑上的矛盾。缺乏严谨的数学基础。

在微积分的理论基础尚不清楚,微分还没有严格定义时,微分被理解为一种神秘的“数”,它比零大,但又比任何正数小,这在当时是难以理解的。这种神秘的“数”被用来度量各种物理量,称为“微元”。微元法使用这些无限小的“微分”来表示具体的量,例如角度、线段、面积、体积,甚至是时间、位移和功。

通过微元法,积分被视为这些“无限小过程”的累积和,用这种思想可以快速地建立新量的积分表达式。例如,在计算一个物体的总质量时,可以将其分成无数个微小的部分,每个部分的质量用微元表示,然后对这些微元进行积分,从而得到整个物体的质量。

微元法之所以广泛应用,是因为它方便实用,简便快捷,可以快速地进行计算和建立公式。在微积分的理论基础严格建立起来之前,微元法提供了一种有效的工具来解决实际问题。

举几个例子

计算变密度杆的总质量

假设我们有一根长度为 L = 10 L = 10 L=10 米的杆,其密度 ρ \rho ρ 随长度的变化而变化,密度分布函数为:
ρ ( x ) = 2 x \rho(x) = 2x ρ(x)=2x
其中, x x x 是从杆的一端开始的长度位置(单位:米), ρ ( x ) \rho(x) ρ(x) 的单位是千克/米。
计算步骤:

  1. 将杆分成无数个微小部分
    每个微小部分的长度用 d x dx dx 表示。

  2. 计算每个微小部分的质量
    每个微小部分的质量 d m dm dm 可以表示为:
    d m = ρ ( x ) ⋅ d x dm = \rho(x) \cdot dx dm=ρ(x)dx

  3. 对整个杆进行积分
    总质量 M M M 是对从 x = 0 x = 0 x=0 x = L x = L x=L 的所有微小部分的质量进行积分:
    M = ∫ 0 L ρ ( x ) d x M = \int_{0}^{L} \rho(x) \, dx M=0Lρ(x)dx
    将密度分布函数代入上式,我们得到:
    M = ∫ 0 10 2 x d x M = \int_{0}^{10} 2x \, dx M=0102xdx
    具体计算:
    M = ∫ 0 10 2 x d x = 2 ∫ 0 10 x d x = 2 [ x 2 2 ] 0 10 = 2 ( 1 0 2 2 − 0 2 2 ) = 2 ( 100 2 ) = 2 × 50 = 100 千克 \begin{aligned} M &= \int_{0}^{10} 2x \, dx \\ &= 2 \int_{0}^{10} x \, dx \\ &= 2 \left[ \frac{x^2}{2} \right]_{0}^{10} \\ &= 2 \left( \frac{10^2}{2} - \frac{0^2}{2} \right) \\ &= 2 \left( \frac{100}{2} \right) \\ &= 2 \times 50 \\ &= 100 \text{ 千克} \end{aligned} M=0102xdx=2010xdx=2[2x2]010=2(2102202)=2(2100)=2×50=100 千克

通过将杆分成无数个微小的部分,计算每个部分的质量并进行积分,我们得到了变密度杆的总质量为 100 千克。

计算圆盘的总质量

假设我们有一个半径为 R = 3 R = 3 R=3 米的圆盘,密度随半径变化,密度分布函数为:
ρ ( r ) = r 2 \rho(r) = r^2 ρ(r)=r2
其中 r r r 是从圆心到圆周的半径位置(单位:米), ρ ( r ) \rho(r) ρ(r) 的单位是千克/平方米。
计算步骤:

  1. 将圆盘分成无数个微小的环
    每个微小环的厚度用 d r dr dr 表示,微小环的面积为 d A = 2 π r d r dA = 2\pi r \, dr dA=2πrdr

  2. 计算每个微小环的质量
    每个微小环的质量 d m dm dm 可以表示为:
    d m = ρ ( r ) ⋅ d A = r 2 ⋅ 2 π r d r = 2 π r 3 d r dm = \rho(r) \cdot dA = r^2 \cdot 2\pi r \, dr = 2\pi r^3 \, dr dm=ρ(r)dA=r22πrdr=2πr3dr

  3. 对整个圆盘进行积分
    总质量 M M M 是对从 r = 0 r = 0 r=0 r = R r = R r=R 的所有微小环的质量进行积分:
    M = ∫ 0 R 2 π r 3 d r M = \int_{0}^{R} 2\pi r^3 \, dr M=0R2πr3dr

具体计算:
M = ∫ 0 3 2 π r 3 d r = 2 π ∫ 0 3 r 3 d r = 2 π [ r 4 4 ] 0 3 = 2 π ( 3 4 4 − 0 4 4 ) = 2 π ( 81 4 ) = 2 π × 20.25 = 40.5 π 千克 \begin{aligned} M &= \int_{0}^{3} 2\pi r^3 \, dr \\ &= 2\pi \int_{0}^{3} r^3 \, dr \\ &= 2\pi \left[ \frac{r^4}{4} \right]_{0}^{3} \\ &= 2\pi \left( \frac{3^4}{4} - \frac{0^4}{4} \right) \\ &= 2\pi \left( \frac{81}{4} \right) \\ &= 2\pi \times 20.25 \\ &= 40.5\pi \text{ 千克} \end{aligned} M=032πr3dr=2π03r3dr=2π[4r4]03=2π(434404)=2π(481)=2π×20.25=40.5π 千克
通过将圆盘分成无数个微小的环,计算每个环的质量并进行积分,我们得到了变密度圆盘的总质量为 40.5 π 40.5\pi 40.5π 千克,即大约 127.23 千克(取 π ≈ 3.14159 \pi \approx 3.14159 π3.14159)。

现代严格定义取代了模糊的概念,现代极限理论严格定义了无穷小量

随着微积分理论基础的严格建立,旧的微分概念被抛弃了,取而代之的是现代严格定义的微分。现在的微分概念基于极限理论,确保了每一步计算的准确性和一致性。

尽管如此,在实际应用中,严格的数学叙述往往较为繁琐,因此,物理学家和工程师在使用微积分时,仍然常常采用过去的直观理解,把微元看作“无限小的过程”。这种方法在处理实际问题时非常有效,因为它简便直观,能够迅速得到结果。

1.极限理论的引入:柯西的解决方案

柯西通过引入极限理论,解决了无穷小量的模糊性问题。他给出了严格的极限定义,使得无穷小量的处理更加严谨。
柯西的极限定义 对于函数 f ( x ) f(x) f(x),当 x x x 趋近于 a a a 时,如果存在一个实数 L L L,使得对于任意的 ϵ > 0 \epsilon > 0 ϵ>0,存在一个 δ > 0 \delta > 0 δ>0,使得当 0 < ∣ x − a ∣ < δ 0 < |x - a| < \delta 0<xa<δ 时,有:
∣ f ( x ) − L ∣ < ϵ , |f(x) - L| < \epsilon, f(x)L<ϵ,
则称 L L L f ( x ) f(x) f(x) x x x 趋近于 a a a 时的极限,记作:
lim ⁡ x → a f ( x ) = L . \lim_{x \to a} f(x) = L. xalimf(x)=L.

2.魏尔施特拉斯(卡尔·魏尔施特拉斯(Karl Weierstrass) )的定义

魏尔施特拉斯通过精确的 ϵ \epsilon ϵ- δ \delta δ 语言,明确了极限的定义。他的定义如下:极限定义 :设 f ( x ) f(x) f(x) 是在点 a a a 的某个邻域上定义的函数。若对于任意的正数 ϵ > 0 \epsilon > 0 ϵ>0,都存在一个正数 δ > 0 \delta > 0 δ>0,使得当 0 < ∣ x − a ∣ < δ 0 < |x - a| < \delta 0<xa<δ 时,有
∣ f ( x ) − L ∣ < ϵ , |f(x) - L| < \epsilon, f(x)L<ϵ,
则称 L L L 是函数 f ( x ) f(x) f(x) x x x 趋近于 a a a 时的极限,记作:
lim ⁡ x → a f ( x ) = L . \lim_{x \to a} f(x) = L. xalimf(x)=L.

连续性的定义

函数 f ( x ) f(x) f(x) 在点 a a a 处连续,如果
lim ⁡ x → a f ( x ) = f ( a ) . \lim_{x \to a} f(x) = f(a). xalimf(x)=f(a).

现代极限理论严格定义了无穷小量,使得它们的处理更加严谨和一致。
极限定义 :设 f ( x ) f(x) f(x) 是在点 a a a 的某个邻域上定义的函数。若对于任意的正数 ϵ > 0 \epsilon > 0 ϵ>0,都存在一个正数 δ > 0 \delta > 0 δ>0,使得当 0 < ∣ x − a ∣ < δ 0 < |x - a| < \delta 0<xa<δ 时,有
∣ f ( x ) − L ∣ < ϵ , |f(x) - L| < \epsilon, f(x)L<ϵ,
则称 L L L 是函数 f ( x ) f(x) f(x) x x x 趋近于 a a a 时的极限,记作:
lim ⁡ x → a f ( x ) = L . \lim_{x \to a} f(x) = L. xalimf(x)=L.
简单理解就是无穷小量是以0为极限的变量,可以以函数、序列等形式出现。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/45101.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

33 IRF配置思路

IRF配置思路网络括谱图 主 Ten-GigabitEthernet 1/0/49 Ten-GigabitEthernet 1/0/50 Ten-GigabitEthernet 1/0/51 备 Ten-GigabitEthernet 2/0/49 Ten-GigabitEthernet 2/0/50 Ten-GigabitEthernet 2/0/51 思路 主 1 利用console线进入设备的命令行页面去更改…

在安卓中使用FFmpeg录制摄像头的视频并保存到本地MP4文件

在移动应用开发中&#xff0c;有时需要利用设备的摄像头录制视频&#xff0c;并且希望在录制过程中能够精确控制视频的质量、格式和时长。FFmpeg作为一个强大的多媒体处理工具&#xff0c;提供了广泛的功能和选项&#xff0c;能够帮助我们实现这样的需求。 添加依赖 在安卓平台…

【C语言】C语言-身份证管理系统(源码+注释)【独一无二】

&#x1f449;博__主&#x1f448;&#xff1a;米码收割机 &#x1f449;技__能&#x1f448;&#xff1a;C/Python语言 &#x1f449;公众号&#x1f448;&#xff1a;测试开发自动化【获取源码商业合作】 &#x1f449;荣__誉&#x1f448;&#xff1a;阿里云博客专家博主、5…

关于.NETCORE站点程序部署到nginx上无法访问静态文件和无法正确生成文件的问题解决过程。

我的netcore6项目&#xff0c;部署到IIS的时候&#xff0c;生成报告时&#xff0c;需要获取公司LOGO图片放到PDF报告文件中&#xff0c;这时候访问静态图片没有问题。 然后还有生成邀请二维码图片&#xff0c;这时候动态创建图片路径和图片也没有问题&#xff0c;可以在站点的…

funasr最新更新GPU版本安装避坑

#当前安装过程没有cpu版本顺利 1.个人在自己的电脑上安装ubantu系统&#xff0c;以便使用本身的显卡功能(本人显卡NVIDIA GeForce RTX 4060)&#xff08;这里需要注意&#xff0c;更新里面有附加驱动安装驱动会导致黑屏&#xff0c;小伙伴不要心急重装系统&#xff0c;可以ctr…

Python爬虫教程第4篇-使用BeautifulSoup解析html

文章目录 Beautiful Soup简介安装Beautiful Soup快速开始如何使用Beautiful Soup中的对象TagNameAttributes多值属性 NavigableStringBeautifulSoupComment 遍历文档树子节点tag名字.contents 和 .children.descendants.strings 和 stripped_strings 父节点.parent.parents 兄弟…

git批量删除本地包含某字符串的特定分支

git批量删除本地包含某字符串的特定分支 git branch -a | grep 分支中包含的字符串 | xargs git branch -D git删除本地分支_git查看删除本地分支-CSDN博客文章浏览阅读989次。git branch -d <分支名>可以通过: git branch 查看所有本地分支及其名字&#xff0c;然后删…

JavaScript(9)——作用域的一些问题

如果在函数内部&#xff0c;变量没有声明直接赋值&#xff0c;也会当做全局变量看。强烈不推荐&#xff01;&#xff01; function op() {num 80}op()console.log(num) 在不同作用域下&#xff0c;可能存在变量命名冲突的情况&#xff1a; let num 10 function fn(){let num…

Spring-Spring、IoC、DI、注解开发

1、Spring是什么 Spring是一个轻量级的控制反转(IoC)和面向切面(AOP)的容器(框架)。 Spring整体架构 Spring优点&#xff1a; Spring属于低侵入设计。IOC将对象之间的依赖关系交给Spring,降低组件之间的耦合&#xff0c;实现各个层之间的解耦&#xff0c;让我们更专注于业务…

代码随想三刷单调栈篇1

代码随想三刷单调栈篇1 739. 每日温度题目代码 496. 下一个更大元素 I题目代码 503. 下一个更大元素 II题目代码 42. 接雨水题目代码 84. 柱状图中最大的矩形题目代码 739. 每日温度 题目 链接 代码 class Solution {public int[] dailyTemperatures(int[] temperatures) {…

python库识别图像中人物的个数

要在Python中识别图像中的人物数量&#xff0c;可以使用OpenCV库来进行图像处理和特征提取&#xff0c;然后使用深度学习模型&#xff08;如YOLO、SSD或Faster R-CNN&#xff09;来识别物体。以下是一个简化的例子&#xff0c;使用OpenCV和预训练的YOLO模型来识别图像中的物体数…

5G中的RedCap

5G中的RedCap&#xff1a;降低能力的重要性和实现方式 随着5G技术的推广和普及&#xff0c;设备和终端的多样化使得网络能力的管理变得更加复杂和关键。RedCap&#xff08;Reduced Capability&#xff09;作为一个重要的概念&#xff0c;旨在解决设备能力差异对网络服务和用户…

WSGI 服务器教程:`write` 方法解析

Python WSGI 服务器教程&#xff1a;write 方法解析 在本文中&#xff0c;我们将详细解析一个用于 WSGI 服务器的 write 方法。这个方法负责处理 HTTP 响应&#xff0c;包括设置响应头和发送响应数据。我们将逐行解释该方法的工作原理&#xff0c;并提供一些背景知识&#xff…

【北京迅为】《i.MX8MM嵌入式Linux开发指南》-第一篇 嵌入式Linux入门篇-第十三章 Linux连接档

i.MX8MM处理器采用了先进的14LPCFinFET工艺&#xff0c;提供更快的速度和更高的电源效率;四核Cortex-A53&#xff0c;单核Cortex-M4&#xff0c;多达五个内核 &#xff0c;主频高达1.8GHz&#xff0c;2G DDR4内存、8G EMMC存储。千兆工业级以太网、MIPI-DSI、USB HOST、WIFI/BT…

前台线程和后台线程(了解篇)

在多线程编程中&#xff0c;理解线程的不同类型对于编写高效、稳定的程序至关重要。特别地&#xff0c;前台线程&#xff08;Foreground Threads&#xff09;与后台线程&#xff08;Background Threads&#xff09;在行为上有着根本的区别&#xff0c;这些区别直接影响到程序的…

jdevelope安装

准备 1.jdk1.8&#xff08;已经安装不做记录&#xff09; 2.下载jdevelope安装包 3.安装包安装jdevelope开发工具 4.创建或导入项目 下载jdevelope安装包 官网下载地址&#xff1a;https://edelivery.oracle.com 安装包安装jdevelope开发工具 cmd管理员权限运行安装脚本…

【栈和队列OJ题】

栈和队列OJ题 文章目录 栈和队列OJ题1. 用队列实现栈2. 用栈实现队列3. 括号匹配问题4. 循环队列 1. 用队列实现栈 OJ链接&#xff1a;225. 用队列实现栈 - 力扣&#xff08;LeetCode&#xff09; 好的&#xff0c;我们一起来看一下题目&#xff0c;题目是这样说的 思路&…

百日筑基第十七天-消息队列入门

百日筑基第十七天-消息队列入门 基础概念 什么是消息队列&#xff1f; MQ&#xff1a;Message Queue 存放消息的队列&#xff0c;消费消息时是按照顺序&#xff08;队列先进先出&#xff09;消费的。 参与消息传递的双方称为 生产者 和 消费者 &#xff0c;生产者负责发送…

2024年06月CCF-GESP编程能力等级认证C++编程三级真题解析

本文收录于专栏《C等级认证CCF-GESP真题解析》&#xff0c;专栏总目录&#xff1a;点这里。订阅后可阅读专栏内所有文章。 一、单选题&#xff08;每题 2 分&#xff0c;共 30 分&#xff09; 第 1 题 小杨父母带他到某培训机构给他报名参加CCF组织的GESP认证考试的第1级&…

天润融通引领客服革新,AI大模型助力品牌服务升级

AI时代&#xff0c;消费零售品牌的客户服务应该怎么做&#xff1f; 如今消费者的关注点已经越来越复杂&#xff0c;一条毛巾&#xff0c;关注点就可以包括&#xff1a; 是否婴幼儿可用&#xff0c;是否儿童成人可用&#xff1b;是否可以直接接触皮肤&#xff1b;是否无甲醛、…