本轮、复傅里叶级数和荷马·辛普森的轨道

Epicycles, complex Fourier series and Homer Simpson's orbit

频道:Mathologer · 时长:25:34 · 发布:2018-07-06 · 播放:421647

在 YouTube 观看

简介

Mathologer解释了本轮和复傅里叶级数,灵感来自用本轮绘制的荷马·辛普森动画。涵盖了月球绕太阳轨道的形状以及如何制作自己的本轮绘图。

HN 为什么推荐

HN指出它是傅里叶系列的视觉教学资源,并在本轮作为类比出现时作为参考。

它类似于Mathologer的“本轮、复傅里叶级数和荷马·辛普森的轨道” — HN, 2022

趣味与视觉数学 · 信息论与信号处理

中文字幕节选

欢迎来到又一期 Mathologer 视频。作为今天内容的一个温和开场。 先来一个热身练习。这里有两个圆,小圆的半径是大圆的一半。 红点标出了小圆圆周上的一个点。 现在想象小圆在大圆内部滚动。 红点会画出什么曲线?想一想。 你觉得你想出来了?那我们来看看。如你所见,这个点画出了一条 直线。很酷吧?所以你可以用圆来画直线。 谁能想到呢。这个小奇迹叫做图西双圆, 以13世纪波斯天文学家和数学家纳西尔 丁·图西命名。我大概把这个名字念错了, 对吧。好了,今天的视频讲的全是 组合圆周运动的数学以及它丰富的历史,从早期 的宇宙模型到现代的傅里叶分析理论。一个特别的 亮点是重建2008年发现的 神秘荷马·辛普森轨道。等着瞧吧。好,让我们真正开始,先来考虑 我们的月球绕太阳的轨道。我们都知道地球绕 太阳运行,轨道大致是圆形,月球绕地球运行 轨道也大致是圆形,而一年中有12个多一点的 朔望月。基于这三个事实,试着想象月球绕 太阳的轨道。你想出来了?那我们来看看。在这张图里,月球位于太阳和 地球之间,所以这是新月。 快进一个朔望月,我们 又有了新月。这一年还剩下11个朔望月,直到 地球完成绕太阳的旅程。所以总共我们得到这幅非常漂亮的 月球轨道图,有12个独特的环,对应 一年中的十二个月。对吧?错!月球的轨道完全不是这样。 是的,是的,我们应该用椭圆而不是圆,一年并不正好是12个朔望月 长,这两个轨道并不完全在 同一平面上,等等。但这些都不是我们的图真正 误导人的原因。真正搞砸我们这张图的是,相对而言 地月距离比我们标示的要小得多得多。好, 那我们就诚实一点,别再作弊,把月球的轨道缩小。缩,缩, 缩,环消失了,变成了尖锐的尖点。那么 我们的轨道就是这样吗?不,我们还得继续缩小。如你所见, 轨道现在有了浅浅的波浪,但我们还没到那一步。让我们继续 缩小。最终我们得到的是一个没有凹陷的凸曲线, 看起来像一个角被磨圆的正十二边形,而这确实就是 月球绕太阳的轨道的样子,只是比我们图中的曲线还要更圆润、更接近 圆形。很令人惊讶,对吧。嗯,还有 更令人惊讶的。事实证明,我们的月球是太阳系中唯一 拥有凸轨道的卫星。所有其他卫星的轨道都是波浪形和 环形的。事实上,正因为这种行星般的轨道,一些专家把 地球和月球视为双行星,而不是行星-卫星系统。 好,现在让我们更仔细地看看我们简化的太阳-地球-月球系统。在我们的 系统里,地球和月球以恒定速度绕行,但如果我们 改变这些速度(以及轨道的半径)呢? 还有哪些其他可能的轨道形状?举一个 非常极端的例子,轨道可以是一条线段。是的,我之前给你看的那个硬币滚动 的情形在这个设定中也会出现。这里月球 是滚动圆边缘上的红点,而行星是 这个小圆的圆心。但这个滚动硬币的设定可能也会让你想起 某个非常有名的玩具。以S开头,和why-rograph押韵。嗯,是的,就是 万花尺。哇,这个笑话真烂 :)

HN 上的讨论

作为额外的视频阐述,我也喜欢 Eugene Khutoryansky 的“傅里叶变换、傅里叶级数和频谱” [LINK] 特别是,在三维中不同频率正弦波相加的可视化非常壮观。它类似于 Mathologer 的“本轮、复傅里叶级数和荷马·辛普森的轨道”:[VIDEO] — photochemsyn, 2022-11
> 复制那些雕刻货币的精密机器 我想你指的可能是玫瑰引擎,它的运作方式非常接近立体万花尺。现代版本可能是核心XY开放式蚀刻素描,使用那些LCD书写板和一套物理齿轮与销钉来控制笔尖的运动,也许由类似Panic Playdate的折叠手摇曲柄驱动。它甚至可以成为教授傅里叶级数的工具。玫瑰引擎:[LINK] 核心XY:[LINK] LCD书写板:[LINK] Panic Playdate:[LINK] 教授傅里叶级数:[VIDEO] 另外,Hackaday上的项目:[LINK] — adolph, 2023-07
证伪超对称就像证伪托勒密本轮。你永远无法用数据证伪它,因为本轮总是可以被构造来适应任何数据集 [1]。同样,超对称理论可以被构造来适应任何参数集。但适应数据还不够。你必须用比数据点少得多的参数来适应数据。这就是挑战。[1] [VIDEO] — lisper, 2022-04

相关视频