Brachistochrone curve(传说中的最速降线)
目录:
- 一、问题重述
- 二、数学描述
- 三、物理建模
- 四、数学建模
- 1. 数学基础
- (1) 泛函
- (2) 泛函变分
- (3) 泛函极值
- 2. 数学分析
- 五、曲线求解
- 六、结果解释
- 七、补充资料
Brachistochrone 来自于古希腊语:βράχιστος χρόνος (brakhistos, superlative of brakhus short + chronos time),意思是时间最短. Brachistochrone curve 指的就是"时间最短"的曲线.
关于最速降线问题的起源和发展参见:知乎贴,用一句话来概括就是:神仙打架!
为了您更好的阅读体验,请使用电脑浏览.
一、问题重述
一质量为 mmm 的质点,在重力作用下从定点 A\small AA 沿曲线下滑至定点 B\small BB,试确定一条曲线,使得质点由 A\small AA 下滑到 B\small BB 所需时间最短.
假定 B\small BB 比 A\small AA 低,重力加速度为常数 ggg,不计摩擦力和其他阻力等因素.
二、数学描述
建立坐标系,如图所示. 设曲线为 y=y(x),(x∈[0,c])\small y=y(x),(x\in[0,c])y=y(x),(x∈[0,c]),满足 y(0)=0,y(c)=H\small y(0)=0,y(c)=Hy(0)=0,y(c)=H,且足够光滑,并设这样的函数组成的全体为集合 C\small CC,我们的目标是求函数 yyy,使得
y=arg minC{质点沿y=y(x)由A到B的下滑时间}y=\argmin _C \{\,\textbf{质点沿}\,y=y(x)\, \textbf{由}\,A\,\textbf{到}\,B\,\textbf{的下滑时间}\,\}y=Cargmin{质点沿y=y(x)由A到B的下滑时间}
三、物理建模
一言一蔽之,曰:分割-近似-取极限.
分割:
建立相同坐标系,设 A(0,0),B(c,H)\small A(0,0),B(c,H)A(0,0),B(c,H),将带状区域 0<y<H\small 0<y<H0<y<H 用平行于 xxx 轴的直线 y=yk=kH/n\small y=y_k=kH/ny=yk=kH/n 分割成 nnn 个小带状区域.
近似:
在带状区域 yk−1<y<yky_{k-1}<y<y_kyk−1<y<yk 内,可近似认为 vk=2gykv_k=\sqrt{2gy_k}vk=2gyk
分析:怎样的路线才是最快的?先来考虑下述问题.
设质点从 A1\small A_1A1 经直线 lll 到达 A2\small A_2A2,质点在 lll 上侧时速度为 v1v_1v1,下侧时速度为 v2v_2v2,请问质点应沿什么路线运动才最省时?
因为质点在直线两侧时速度不变,所以运动轨迹应是折线,折点在直线 lll 上,问题转化为确定最佳折点的位置.
设 A1O⊥l,A2D⊥l,C\small A_1O\perp l,A_2D\perp l,CA1O⊥l,A2D⊥l,C 为折点,其余标注如图所示,只有 xxx 为变量.
则质点由 A1\small A_1A1 到 A2\small A_2A2 所需时间为t=A1Cv1+CA2v2=x2+a2v1+(c−x)2+b2v2t=\frac{A_1C}{v_1}+\frac{CA_2}{v_2}=\frac{\sqrt{x^2+a^2}}{v_1}+\frac{\sqrt{(c-x)^2+b^2}}{v_2}t=v1A1C+v2CA2=v1x2+a2
回过头来继续看我们的问题
考虑质点经过第 kkk 层与第 k+1k+1k+1 层,根据近似,质点在每层中速度不变,由上述结论知,要使时间最短,αk,αk+1\alpha_{k},\alpha_{k+1}αk,αk+1 应满足sinαkvk=sinαk+1vk+1\frac{\sin\alpha_k}{v_k}=\frac{\sin\alpha_{k+1}}{v_{k+1}}vksinαk=vk+1sinαk+1对任意的 kkk 成立,则 sinαkvk=C1(常数)\frac{\sin\alpha_k}{v_k}=C_1(\textbf{常数})vksinαk=C1(常数)取极限:
令 n→∞n\to\infinn→∞,平行线间距趋于零,对于曲线上任意一点,都有sinαv=C1(常数)\frac{\sin\alpha}{v}=C_1(\textbf{常数})vsinα=C1(常数)其中 α\alphaα 为该点切线与铅垂线夹角,如图所示.
∵α+β=π2,y′=tanβ∴sinα=cosβ=1(tanβ)2+1=1(y′)2+1\begin{aligned}&\because\alpha+\beta=\frac{\pi}{2},y'=\tan\beta\\&\therefore\sin\alpha=\cos\beta=\frac{1}{\sqrt{(\tan\beta)^2+1}}=\frac{1}{\sqrt{(y')^2+1}}\end{aligned}∵α+β=2π,y′=tanβ∴sinα=cosβ=(tanβ)2+1
四、数学建模
上面算是用物理方法得到的结论,下面让我们看看复杂而严谨的数学方法,首先需要一些数学基础,鉴于我也没学过,就抄一下.
1. 数学基础
(1) 泛函
首先来介绍一种特殊的映射,泛函. 以前我们接触最多的映射是函数,即数集到数集的映射 f:R→R\small f:R\to Rf:R→R. 所谓的泛函,指的是这样一种映射:
设 C\small CC 是一个函数集,对于 C\small CC 中任何一个元素 y(x)\small y(x)y(x),数集 B\small BB 中都有唯一的一个元素 J\small JJ 与之对应,则称 J\small JJ 为 y(x)\small y(x)y(x) 的泛函数,记作J=J[y(x)]J=J[y(x)]J=J[y(x)] 泛函的值是数,自变量是函数,泛函是函数的推广. 特别地,我们这里考虑的集合 C\small CC 中的元素是这样的函数y(a)=y1,y(b)=y2y(a)=y_1,y(b)=y_2y(a)=y1,y(b)=y2其中 y1,y2y_1,y_2y1,y2 为常数,y(x)\small y(x)y(x) 充分光滑.
几何上来看,C\small CC 中的元素均是由点 A(a,y1)\small A(a,y_1)A(a,y1) 到点 B(b,y2)B\small (b,y_2)B(b,y2) 的光滑曲线.
一般情况下,泛函可以用以下积分式来表示J[y(x)]=∫abF(x,y,y′)dxJ[y(x)]=\int_{a}^{b}F(x,y,y')dxJ[y(x)]=∫abF(x,y,y′)dx
(2) 泛函变分
函数 y=f(x)\small y=f(x)y=f(x) 的微分 dydydy 指的是由于自变量 x0→x0+dxx_0\to x_0+dxx0→x0+dx 所引起的因变量 yyy 的变化量的线性近似 dy=f′(x0)dx=dfdx∣x=x0dxdy=f'(x_0)dx=\frac{df}{dx}\Big|_{x=x_0}dxdy=f′(x0)dx=dxdf∣∣∣x=x0dx 而泛函 J[y(x)]\small J[y(x)]J[y(x)] 的变分 δJ\small \delta JδJ 指的是由于自变量 y→y+δyy\to y+\delta yy→y+δy 所引起的因变量 J\small JJ 的变化量的线性近似 δJ\small \delta JδJ.
下面仿照函数微分来定义泛函变分.
假定 y(x)(∈C)\small y(x)(\in C\,)y(x)(∈C) 和 F(x,y,y′)\small F(x,y,y')F(x,y,y′) 充分光滑,考虑泛函J[y(x)]=∫abF(x,y,y′)dxJ[y(x)]=\int_{a}^{b}F(x,y,y')dxJ[y(x)]=∫abF(x,y,y′)dx当 yyy 有微小变化 δy\delta yδy (δy\delta yδy 也是 xxx 的函数) 时,函数 F\small FF 的改变量约等于微分,即ΔF=F(x,y+δy,y′+δy′)−F(x,y,y′)≈∂F∂yδy+∂F∂y′δy′=dF\Delta F=F(x,y+\delta y,y'+\delta y')-F(x,y,y')\approx \frac{\partial F}{\partial y}\delta y+\frac{\partial F}{\partial y'}\delta y'=dFΔF=F(x,y+δy,y′+δy′)−F(x,y,y′)≈∂y∂Fδy+∂y′∂Fδy′=dF则其泛函的改变量约等于变分 δJ\small \delta JδJ ΔJ=J[y(x)+δy(x)]−J[y(x)]=∫ab[F(x,y+δy,y′+δy′)−F(x,y,y′)]dx≈∫ab(∂F∂yδy+∂F∂y′δy′)dx=δJ\begin{aligned}\Delta J&=J[y(x)+\delta y(x)]-J[y(x)]\\&=\int_{a}^{b}[F(x,y+\delta y,y'+\delta y')-F(x,y,y')]dx\\&\approx \int_{a}^{b}\Big(\frac{\partial F}{\partial y}\delta y+\frac{\partial F}{\partial y'}\delta y'\Big)dx\\&=\delta J \end{aligned}ΔJ=J[y(x)+δy(x)]−J[y(x)]=∫ab[F(x,y+δy,y′+δy′)−F(x,y,y′)]dx≈∫ab(∂y∂Fδy+∂y′∂Fδy′)dx=δJ
(3) 泛函极值
在一元函数 y=y(x)y=y(x)y=y(x) 中,yyy 在 x=x0x=x_0x=x0 处取极值的必要条件是dydx∣x=x0=0\frac{dy}{dx}\Big|_{x=x_0}=0dxdy∣∣∣x=x0=0下面证明泛函 J\small JJ 取极值的必要条件是 δJ=0\delta J=0δJ=0或者∂F∂y−ddx(∂F∂y′)=0\frac{\partial F}{\partial y}-\frac{d}{dx}\Big(\frac{\partial F}{\partial y'}\Big)=0∂y∂F−dxd(∂y′∂F)=0
设泛函 J\small JJ 在 y=y(x)y=y(x)y=y(x) 处取极值,取 δy\delta yδy 的特殊形式:δy=ϵφ(x)\delta y=\epsilon \varphi(x)δy=ϵφ(x)其中 ϵ\epsilonϵ 为任意小的实数,φ(x)\varphi(x)φ(x) 为充分光滑的任意函数,且满足φ(a)=φ(b)=0\varphi(a)=\varphi(b)=0φ(a)=φ(b)=0则函数 y+δy∈C\small y+\delta y\in Cy+δy∈C. 令 G(ϵ)=J[y(x)+ϵφ(x)]=J[y(x)]+δJ=J[y(x)]+ϵ∫ab(∂F∂yφ(x)+∂F∂y′φ′(x))dx\begin{aligned}G(\epsilon)&=J[y(x)+\epsilon \varphi(x)]\\&=J[y(x)]+\delta J\\&=J[y(x)]+\epsilon\int_{a}^{b}\Big(\frac{\partial F}{\partial y}\varphi(x)+\frac{\partial F}{\partial y'} \varphi'(x)\Big)dx\end{aligned}G(ϵ)=J[y(x)+ϵφ(x)]=J[y(x)]+δJ=J[y(x)]+ϵ∫ab(∂y∂Fφ(x)+∂y′∂Fφ′(x))dx(上式中第二个等号应该是约等号,但因为 ϵ\epsilonϵ 是任意小的实数,同时为了证明能够顺利进行,暂且允许这么一点瑕疵)
由 J\small JJ 在 y=y(x)y=y(x)y=y(x) 处取极值可知,G(ϵ)\small G(\epsilon)G(ϵ) 在 ϵ=0\epsilon=0ϵ=0 处取极值,则有dGdϵ∣ϵ=0=∫ab(∂F∂yφ(x)+∂F∂y′φ′(x))dx=0\frac{dG}{d\epsilon}\Big|_{\epsilon=0}=\int_{a}^{b}\Big(\frac{\partial F}{\partial y}\varphi(x)+\frac{\partial F}{\partial y'} \varphi'(x)\Big)dx=0dϵdG∣∣∣ϵ=0=∫ab(∂y∂Fφ(x)+∂y′∂Fφ′(x))dx=0两端同乘 ϵ\epsilonϵ,则有δJ=∫ab(∂F∂yϵφ(x)+∂F∂y′ϵφ′(x))dx=0\delta J=\int_{a}^{b}\Big(\frac{\partial F}{\partial y}\epsilon\varphi(x)+\frac{\partial F}{\partial y'}\epsilon\varphi'(x)\Big)dx=0δJ=∫ab(∂y∂Fϵφ(x)+∂y′∂Fϵφ′(x))dx=0 下证第二个必要条件:∂F∂y−ddx(∂F∂y′)=0\frac{\partial F}{\partial y}-\frac{d}{dx}\Big(\frac{\partial F}{\partial y'}\Big)=0∂y∂F−dxd(∂y′∂F)=0
0=∫ab(∂F∂yφ(x)+∂F∂y′φ′(x))dx=∫ab∂F∂yφ(x)dx+∫ab∂F∂y′d(φ(x))(应用分部积分)=∫ab∂F∂yφ(x)dx+∂F∂y′φ(x)∣ab−∫abφ(x)ddx(∂F∂y′)dx(φ(a)=φ(b)=0)=∫ab[∂F∂y−ddx(∂F∂y′)]φ(x)dx\begin{aligned}0&=\int_{a}^{b}\Big(\frac{\partial F}{\partial y}\varphi(x)+\frac{\partial F}{\partial y'} \varphi'(x)\Big)dx\\&=\int_{a}^{b}\frac{\partial F}{\partial y}\varphi(x)dx+\int_{a}^{b}\frac{\partial F}{\partial y'} d(\varphi(x)) \quad\textbf{(应用分部积分)}\\&=\int_{a}^{b}\frac{\partial F}{\partial y}\varphi(x)dx+\frac{\partial F}{\partial y'} \varphi(x)\Big|_a^b-\int_{a}^{b}\varphi(x)\frac{d}{dx}\Big(\frac{\partial F}{\partial y'}\Big)dx\quad (\varphi(a)=\varphi(b)=0)\\&= \int_{a}^{b}\bigg[\frac{\partial F}{\partial y}-\frac{d}{dx}\Big(\frac{\partial F}{\partial y'}\Big)\bigg]\varphi(x)dx\end{aligned}0=∫ab(∂y∂Fφ(x)+∂y′∂Fφ′(x))dx=∫ab∂y∂Fφ(x)dx+∫ab∂y′∂Fd(φ(x))(应用分部积分)=∫ab∂y∂Fφ(x)dx+∂y′∂Fφ(x)∣∣∣ab−∫abφ(x)dxd(∂y′∂F)dx(φ(a)=φ(b)=0)=∫ab[∂y∂F−dxd(∂y′∂F)]φ(x)dx
这里需要介绍一个引理:
设 E={g∣g(a)=g(b)=0,g∈C1[a,b]}\small E=\{g\,|\,g(a)=g(b)=0\,,\,g\in C^1[a,b]\}E={g∣g(a)=g(b)=0,g∈C1[a,b]},即由在 [a,b]\small [a,b][a,b] 上连续且端点函数值为零的函数组成的集合,若 [a,b]\small [a,b][a,b] 上的连续函数 fff 满足:
∀g∈E\forall\, g\in E∀g∈E,都有∫abf(x)g(x)dx=0\int_a^bf(x)g(x)dx=0∫abf(x)g(x)dx=0则 f(x)≡0f(x)\equiv 0f(x)≡0.
套用该引理,由 φ(x)\varphi(x)φ(x) 的任意性,可得∂F∂y−ddx(∂F∂y′)=0\frac{\partial F}{\partial y}-\frac{d}{dx}\Big(\frac{\partial F}{\partial y'}\Big)=0∂y∂F−dxd(∂y′∂F)=0这个式子被称为欧拉—拉格朗日方程,简记为 E\textrm{E}E-L\textrm{L}L 方程.
至此,泛函取极值的两个必要条件证毕!
2. 数学分析
下面对最速降线问题重新进行数学上的分析.
设质点经过曲线上点 P(x,y)\small P(x,y)P(x,y) 时速度为 vvv,由能量守恒定律mgy=12mv2mgy=\frac{1}{2}mv^2mgy=21mv2解得 v=2gyv=\sqrt{2gy}v=2gy
我们的目标是求 y=arg minCT=arg minCJ[y(x)]y=\argmin_C \,T=\argmin_C \,J[y(x)]y=CargminT=CargminJ[y(x)]则 J[y(x)]\small J[y(x)]J[y(x)] 在 yyy 处取极值,由第二必要条件(E\,\textrm{E}E-L\textrm{L}L 方程):∂F∂y−ddx(∂F∂y′)=0\frac{\partial F}{\partial y}-\frac{d}{dx}\Big(\frac{\partial F}{\partial y'}\Big)=0∂y∂F−dxd(∂y′∂F)=0于是ddx(F(y,y′)−y′∂F∂y′)=∂F∂yy′+∂F∂y′y′′−(y′′∂F∂y′+y′ddx(∂F∂y′))=y′(∂F∂y−ddx(∂F∂y′))=0\begin{aligned}\frac{d}{dx}\Big(F(y,y')−y'\frac{\partial F}{\partial y'}\Big)&=\frac{\partial F}{\partial y}y'+\frac{\partial F}{\partial y'}y''-\Big(y''\frac{\partial F}{\partial y'}+y' \frac{d}{dx}\Big(\frac{\partial F}{\partial y'}\Big)\Big)\\&=y'\Big(\frac{\partial F}{\partial y}-\frac{d}{dx}\Big(\frac{\partial F}{\partial y'}\Big)\Big)\\&=0\end{aligned}dxd(F(y,y′)−y′∂y′∂F)=∂y∂Fy′+∂y′∂Fy′′−(y′′∂y′∂F+y′dxd(∂y′∂F))=y′(∂y∂F−dxd(∂y′∂F))=0则F(y,y′)−y′∂F∂y′=C1(常数)F(y,y')−y'\frac{\partial F}{\partial y'}= C_1(\textbf{常数})F(y,y′)−y′∂y′∂F=C1(常数)将 F(y,y′)=1+(y′)2y,∂F∂y′=1yy′1+(y′)2F(y,y')=\frac{\sqrt{1+(y')^2}}{\sqrt{y}},\,\,\frac{\partial F}{\partial y'}=\frac{1}{\sqrt{y}}\frac{y'}{\sqrt{1+(y')^2}}F(y,y′)=y
五、曲线求解
通过两种方法得到的结果相同,即最速曲线应满足y(1+(y′)2)=C(常数)y(1+(y')^2)=C(\textbf{常数})y(1+(y′)2)=C(常数)下面进行求解.
根据上图 y′=tanβ=cotαy'=\tan\beta=\cot\alphay′=tanβ=cotα,因为质点一直向下滑(如果向上,肯定不是最优曲线),所以 0≤α≤π/20\leq\alpha\leq\pi/20≤α≤π/2.
令 2R=C2R=C2R=C,令 y′=dy/dx=cot(θ/2)\displaystyle y'=dy/dx=\cot(\theta/2)y′=dy/dx=cot(θ/2),则 θ=2α\theta=2\alphaθ=2α,所以 0≤θ≤π0\leq\theta\leq\pi0≤θ≤π.
设 xxx 是 θ\thetaθ 的函数,即 x=x(θ)x=x(\theta)x=x(θ),我们的目标是求 x(θ)x(\theta)x(θ).
由 1+cot2θ2=1+cos2θ2sin2θ2=sin2θ2+cos2θ2sin2θ2=1sin2θ2=21−cosθ1+\cot^2\frac{\theta}{2}=1+\frac{\cos^2\displaystyle\frac{\theta}{2}}{\sin^2\displaystyle\frac{\theta}{2}}=\frac{\sin^2\displaystyle\frac{\theta}{2}+\cos^2\displaystyle\frac{\theta}{2}}{\sin^2\displaystyle\frac{\theta}{2}}=\frac{1}{\sin^2\displaystyle\frac{\theta}{2}}=\frac{2}{1-\cos\theta}1+cot22θ=1+sin22θcos22θ=sin22θsin22θ+cos22θ=sin22θ1=1−cosθ2所以y(1+(y′)2)=y(1+cot2θ2)=2y1−cosθ=2R⇒y=R(1−cosθ)y(1+(y')^2)=y(1+\cot^2\frac{\theta}{2})=\frac{2y}{1-\cos\theta}=2R\Rightarrow y=R(1-\cos\theta)y(1+(y′)2)=y(1+cot22θ)=1−cosθ2y=2R⇒y=R(1−cosθ)由dydx=cotθ2=cosθ2sinθ2,dydθ=Rsinθ=2Rsinθ2cosθ2\frac{dy}{dx}=\cot\frac{\theta}{2}=\frac{\cos\displaystyle\frac{\theta}{2}}{\sin\displaystyle\frac{\theta}{2}},\,\,\frac{dy}{d\theta}=R\sin\theta=2R\sin\frac{\theta}{2}\cos\frac{\theta}{2}dxdy=cot2θ=sin2θcos2θ,dθdy=Rsinθ=2Rsin2θcos2θ则x′(θ)=dxdθ=dydθ/dydx=2Rsinθ2cosθ2sinθ2cosθ2=2Rsin2θ2=R(1−cosθ)x'(\theta)=\frac{dx}{d\theta}=\frac{dy}{d\theta}/\frac{dy}{dx}=2R\sin\frac{\theta}{2}\cos\frac{\theta}{2}\frac{\sin\displaystyle\frac{\theta}{2}}{\cos\displaystyle\frac{\theta}{2}}=2R\sin^2\frac{\theta}{2}=R(1-\cos\theta)x′(θ)=dθdx=dθdy/dxdy=2Rsin2θcos2θcos2θsin2θ=2Rsin22θ=R(1−cosθ)所以x(θ)=∫x′(θ)dθ=∫R(1−cosθ)dθ=R(θ−sinθ)+C1x(\theta)=\int x'(\theta)d\theta=\int R(1-\cos\theta)d\theta=R(\theta-\sin\theta)+C_1x(θ)=∫x′(θ)dθ=∫R(1−cosθ)dθ=R(θ−sinθ)+C1
得到 x,yx,yx,y 关于 θ\thetaθ 的参数方程{x(θ)=R(θ−sinθ)+C1y(θ)=R(1−cosθ),0≤θ≤π\begin{cases}x(\theta)=R(\theta-\sin\theta)+C_1\\y(\theta)=R(1-\cos\theta)\end{cases},\,0\leq\theta\leq\pi{x(θ)=R(θ−sinθ)+C1y(θ)=R(1−cosθ),0≤θ≤π还有两个待定系数 R,C1\small R,C_1R,C1,别忘了我们还有两个边界条件没用呢,即y(0)=0,y(c)=Hy(0)=0,\,y(c)=Hy(0)=0,y(c)=H先消去参数 θ\thetaθ,作变量代换 θ=arccos(1−yR),0≤θ≤π\theta=\arccos(1-\frac{y}{R}),\,0\leq\theta\leq\piθ=arccos(1−Ry),0≤θ≤π则x=Rarccos(1−yR)−R2yR−y2R2+C1=Rarccos(1−yR)−y(2R−y)+C1\begin{aligned}x&=R\arccos(1-\frac{y}{R})-R\sqrt{2\frac{y}{R}-\frac{y^2}{R^2}}+C_1\\&=R\arccos(1-\frac{y}{R})-\sqrt{y(2R-y)}+C_1\end{aligned}x=Rarccos(1−Ry)−R2Ry−R2y2
可能有些读者已经看出来了,上述参数方程正是滚轮线(也叫摆线),参数 R\small RR 表示滚轮半径. 所以最速降线是滚轮线的一部分.
六、结果解释
滚轮线的参数方程推导过程如下:
由于轨迹是无摩擦匀速滚动产生的,所以轮与地面接触点 B\small BB 的速度始终为 0\small 00,BBB 点为瞬时旋转中心.
设转过的角度为 θ\thetaθ,角速度为 www,则圆心 A\small AA 的速度 v=wRv=wRv=wR,移动的距离 EA=vt=Rwt=Rθ\small EA=vt=Rwt=R\thetaEA=vt=Rwt=Rθ. 设点 C\small CC 坐标 (x(θ),y(θ))\small (x(\theta),y(\theta))(x(θ),y(θ)),则 EC=x(θ),BD=y(θ)\small EC=x(\theta),BD=y(\theta)EC=x(θ),BD=y(θ).
EA=EC+CA⇒Rθ=x(θ)+RsinθBA=BD+DA⇒R=y(θ)+Rcosθ\begin{aligned}EA=EC+CA&\Rightarrow R\theta=x(\theta)+R\sin\theta \\ BA=BD+DA&\Rightarrow R=y(\theta)+R\cos\theta\end{aligned}EA=EC+CABA=BD+DA⇒Rθ=x(θ)+Rsinθ⇒R=y(θ)+Rcosθ所以滚轮线的参数方程为{x(θ)=R(θ−sinθ)y(θ)=R(1−cosθ),0≤θ≤2π\begin{cases}x(\theta)=R(\theta-\sin\theta)\\y(\theta)=R(1-\cos\theta)\end{cases},\,0\leq\theta\leq2\pi{x(θ)=R(θ−sinθ)y(θ)=R(1−cosθ),0≤θ≤2π参数 θ\thetaθ 表示转过的角度.
下面来验证滚轮线就是最速降线,根据物理建模的结论(即下面这个图,其中 α\alphaα 为该点切线与铅垂线夹角):
最速降线需满足 sinαv=C(常数)\frac{\sin\alpha}{v}=C(常数)vsinα=C(常数) 由 v=2gyv=\sqrt{2gy}v=2gy
对滚轮线的图作些变动
因为 BF\small BFBF 为直径,所以 BC⊥CF\small BC\perp CFBC⊥CF.
由 B\small BB 点瞬时速度为 0\small 00,所以 C\small CC 点的速度方向与 BC\small BCBC 垂直.
即 CF→\small \overrightarrow{CF}CF
则两张图中的 α\alphaα 是一致的.
因为 CG//BF\small CG//BFCG//BF,所以 ∠AFC=∠FCG=α\small \angle AFC=\angle FCG=\alpha∠AFC=∠FCG=α.
由弦切角定理,∠GBC=∠AFC=α\small \angle GBC=\angle AFC=\alpha∠GBC=∠AFC=α. 所以y=CG=BCsinα=BFsinαsinα=BFsin2α=2Rsin2αy=CG=BC\sin\alpha=BF\sin\alpha\sin\alpha=BF\sin^2\alpha=2R\sin^2\alphay=CG=BCsinα=BFsinαsinα=BFsin2α=2Rsin2α所以 sin2αy=12R(常数)\frac{\sin^2\alpha}{y}=\frac{1}{2R}(\textbf{常数})ysin2α=2R1(常数)验证完毕.
最速降线是滚轮线这一巧合已经足以让人称奇,下面来看一件更加巧合的事情.
考虑轮子上点 C\small CC 的速度,设此时 C\small CC 的纵坐标也是 yyy,对应角度为 α\alphaα, 根据上述过程,有 y=2Rsin2α\small y=2R\sin^2\alphay=2Rsin2α. 因为点 B\small BB 是瞬时旋转中心,所以 C\small CC 的速度 vc=w⋅BC=w⋅2Rsinα\small v_c=w\cdot BC=w\cdot 2R\sin\alphavc=w⋅BC=w⋅2Rsinα.
我们已经知道,如果质点沿最速降线下滑,则其在 (x,y)\small (x,y)(x,y) 处的速度为 v=2gyv=\sqrt{2gy}v=2gy
对比这两个式子 vc=w⋅2Rsinαv_c=w\cdot 2R\sin\alphavc=w⋅2Rsinαv=2gRsinαv=2\sqrt{gR}\sin\alphav=2gR
(来源:下方B站视频)
七、补充资料
B站视频:最速降线问题——最快下滑路径为什么是旋轮线?(中英字幕)
维基百科:
1. Brachistochrone_curve(最速降线) (里面有"神仙"们的解法)
2. 旋轮线 (里面有其他有趣的性质)
参考文献:
1.于涛.数学物理方程与特殊函数[M].北京:科学出版社,2008.
Plus: 如有错误、可以改进的地方、或任何想说的,请在评论区留言!
Brachistochrone curve(传说中的最速降线)相关推荐
- 数学和物理太难?这些动图让你秒懂抽象概念
数学动图 △ 从椭圆的一个焦点射出的光线总会通过另一个焦点. △ 真人版. △ 一图看懂正弦.余弦和正切什么意思. △ 圆的面积. △ 如何理解圆的面积和派的关系. △ 勾股定理演示.直角三角形的两条 ...
- 数学之美:两点之间最快的路径是什么?能看到最后的都是学霸
今天我们一起来观赏一下数学之骚美. 这事儿和17世纪的一道谜题有关,直到后来微积分被建立起来以后才得正解.虽然问题不难,但结果惊艳. 我先来问一个比较「二」的问题: 两点之间最短的路径是什么? 喏,别 ...
- [转]最速下降曲线:重力场中两点之间曲线更快
数学之美:两点之间最快的路径 掉节操的星期一又来了,所以呢一起来观赏一下数学之骚美. 这事儿和17世纪的一道谜题有关,直到后来微积分被建立起来以后才得正解.虽然问题不难,但结果惊艳. 我先来问一个比较 ...
- 数学之美:两点之间最快的路径
掉节操的星期一又来了,所以呢一起来观赏一下数学之骚美. 这事儿和17世纪的一道谜题有关,直到后来微积分被建立起来以后才得正解.虽然问题不难,但结果惊艳. 我先来问一个比较「二」的问题: 两点之间最短的 ...
- zzu数学 实验十一最速降线
zzu数学 实验十一最速降线 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,从一个给定点到不在它垂直下方的另一点,如果不计摩擦力,问沿着什么曲线滑下所需时 ...
- 数学狂想曲(十一)——高阶统计, 最速降线, 泛函 变分
高阶统计 Cumulants(续) 在介绍Cumulants之前,我们首先看一下Moment-generating function: MX(t):=E[etX],t∈RM_X(t) := \ope ...
- 样条线怎么挤出平面_最速降线的故事
小时候,我们发现小狗去叼远处的骨头跑的一定是直线.后来,数学老师告诉我们,这是因为两点之间直线最短.于是,坐电梯上楼走的是直线,开车有直达的路,你一定不会绕开走.A.B两点之间直线最短,那么从A点到B ...
- R语言curve绘图函数
curve 函数常用于绘制函数对应的曲线,确定函数的表达式,以及对应的需要展示的起始坐标和终止坐标,curve函数就会自动化的绘制在该区间内的函数图像 基本用法,代码示例: curve(sin, -2 ...
- Python求解最速降线问题
目录 问题重述和分析 欧拉方程化简 四阶龙格库塔计算数值解 用已知的解析解验证数值解 问题重述和分析 所谓最速降线问题是:设 A 和 B 是铅直平面上不在同一铅直线上的两点,在所有连结 A 和 B 的 ...
最新文章
- XP系统的用户头像是在那个文件夹里面
- tensorflow官方文档_开源分享:最好的TensorFlow入门教程
- RandomAccessFile r rw rws rwd之间的区别
- 干货:2015年巴菲特六大投资建议
- Zookeeper集群脑裂问题
- 深度学习-Tensorflow2.2-批标准化简介-14
- java不使用除号实现除法运算_LeetCode29 Medium 不用除号实现快速除法
- 排序下---(冒泡排序,快速排序,快速排序优化,快速排序非递归,归并排序,计数排序)
- 白话经典算法系列之六 快速排序 快速搞定
- 大学计算机基础知识点图文,大学计算机基础知识点超详细总结
- Today's Progress
- oracle并行和并发,Oracle 并发查询
- python笔记05_多线程
- 从零开始学ios开发(三):第一个有交互的app
- 我们短暂的人类世和即将到来的算法世
- CSS 3 颜色属性
- 全网最全——数字信号和模拟信号的区别
- 一键刷入twrp_红米Note8Pro最简单一键获取ROOT权限教程-管理自启更省电
- 计算机科学班会,计算机科学与技术学院20级13班召开“砥砺前行,“计”往开来”主题班会...
- 环境变量配置文件的作用-L63
热门文章
- 笔记 绝望主妇第1季第2章 --- desperate housewives session 1 episode 2
- C++基础部分-学习笔记
- Oracle数据库:排序order by语句,select from where order by的执行先后顺序,各种样例
- m4a转mp3方法,m4a转mp3步骤
- abaqus编写本构方程vumat_基于ABAQUS的木材本构关系数值模拟方法与流程
- java实现一个语法检查器_Java语法检查
- python爬虫笔记五:汽车之家贴吧信息(字体反爬-动态映射)
- indiegogo众筹代理经验分享
- rpg服务器无限刷金币bug,荆棘谷惊现无限刷金BUG 无脑跑商盆满钵满
- 逻辑卷(lvm)的配置与管理