Archiv autora: Rudolf Klusal

Vztah matematiky a fyziky

Nemohli jste si zajisté nepovšimnout, že mezi různými podobory přírodních věd panuje taková přirozená a neškodná nevraživost. Dnes bych se chtěl podívat na jeden skoro už fenomén — vztah matematikyfyziky. Alespoň tedy vnést svoji kapku pohledu do tohoto sporu.

Že nevíte, kde je spor? Normálně bych ho též neviděl, ale existují mezi námi jedinci, kteří to prostě vidí jinakza každou cenu obhajují své teze, i když už se zdají býti vyvrácené. V žádném případě to neznamená, že by dotyční byli nějací hlupáci či popletenci — to vůbec ne. Já nemám nejmenšího důvodu si něčeho takového o nich myslet, dokonce se s těmito lidmi znám a vím, že jsou to “bedny”, kteří by byli schopni mě a hromadu dalších lidí, kteří se zajímají o fyziku, strčit hravě do kapsy.

Jsou však témata, na kterých se s nimi prostě neshodnu — a přijde mi, že je toto téma, které zde chci uvést, tak často omíláno, až si prostě svůj vlastní miničlánek zaslouží.

Princip samotného sporu

Nejde o nic závažného: Lidé, se kterými nesouhlasím, tvrdí následující:

  • matematika má oporu v realitě
  • => matematika se musí řídit zákony “reality” (či toho, co za realitu považujeme)

To je vlastně celé. Že to vypadá triviálně? No, ono až tak není. Začněme nyní rozborem základní myšlenky “opozičního tábora”[1]od teď již OT.

Tito tvrdí, že matematika vznikla jako “odnož fyziky”[2]https://www.facebook.com/jan.fikacek/posts/789843034384241?comment_id=790072417694636&offset=0&total_comments=22, tedy musí se těmito zákony řídit. Já si myslím trošku něco jiného — nicméně k mému názoru až později. Jak to s matematikou a fyzikou ve starověku bylo, to přenechám historikům a odborníkům, kteří vědí zdaleka více než-li já. Ať už to bylo jakkoliv, historie tohoto nemá totiž na současné pojetí matematiky prakticky žádný vliv.

Současná matematika je — abych to zjednodušil — abstraktní vědou, takovou, která je schopna čistého důkazu[3]Jiná věda nic takového neumí — i třeba má oblíbená fyzika. Pokud chcete něco dokázat ve fyzice, buď použijete matematiku, anebo provedete experiment, který potvrdí to, co tvrdíte. V ostatních vědních oborech je to podobné.. Dalo by se tedy říci, že má mnohem blíže např. k filosofii než k fyzice. Často tvrdím, že matematika je jazykem abstraktních struktur, což neznamená nic jiného, že dává ostatním vědám a oborům návod a struktury, pomocí kterých už tyto vědy mohou řešit své problémy.

Nepůjdu zrovna daleko pro příklad — a uvedu ten nejjednodušší, který mě právě napadl: Komunitativnost členů při sčítání. Toto neříká nic jiného než že:

$$ x + y + z = x + z + y = y + x + z = y + z + x = z + x + y = z + y + x $$

Tedy slovně asi tolik, že pokud sčítám, naprosto nezávisí na pořadí členů v součtu. Tedy že \(5+10\) je totéž, co \(10+5\). Matematika jde však ještě dál — má definováno, co je to sčítání, co je to “pětka”, co je to “desítka”, k ničemu z toho nepotřebuje nic fyzického, definuje takové věci pouze na základě čistých matematických[4]a tedy abstraktních pravidel, která jsou zase dále definována. Není potřeba ani fenomenologického přístupu[5]Tedy takového, který zkoumá narozdíl od přičinné kauzálnosti právě fenomenologickou, tedy takovou, která řeší jakým způsobem “se jeví” dané věci člověku, než spíše jaké “doopravdy jsou.” Samozřejmě oba pojmy jsou naprosto abstraktní a pokud se tomu chcete věnovat, doporučuji další studium, zde již ne více o tom 🙂 , matematika totiž vytváří vlastní sadu pravidel — a ta nevznikla z ničeho jiného než z dalších sad pravidel.

Matematika jako jazyk struktur

Co tímto myslím — pokračujme dále v tom, co jsem již představil, tedy komutativnost při sčítání. Matematikovi je naprosto jedno, co se pod číslicemi či proměnnými skrývá. Pouze poskytl pravidlo k tomu, aby “se to tak mohlo dělat”.

Fyzik například potřebuje spočítat nějakou rovnici, uvedu třeba následující známou rovnici (kdo pozná, co vyjadřuje, má u mě Fidorku, počet Fidorek je omezený kapacitou zásob, tj. maximálně 1 kus) 😀 :

$$ i \hbar \frac{\partial \Psi(r,t)}{\partial t} = -\frac{\hbar}{2m} \nabla^2 \Psi(r, t) + V( r )\Psi(r,t)$$

A zákon o komutativnosti tvrdí, že tuto rovnici můžu zapsat stejně tak jako:

$$ i \hbar \frac{\partial \Psi(r,t)}{\partial t} = V( r )\Psi(r,t) – \frac{\hbar}{2m} \nabla^2 \Psi(r, t) $$

Aniž bych třeba tušil, co výše zmíněné znamená, mohu to takto zapsat. Matematika tedy pouze poskytla návod na to, jak něco takového řešit, jak k tomu přistupovat — je to tedy čistě abstraktní strukturální jazyk.

S tím však OT nemají problém, jejich problém nastává v momentě, co se začneme pohybovat v “čistě matematických” vodách[6]Ono je toto stejně absurdní pojem, i komutitavita součtu je čistě abstraktní a matematický pojem, který nemá žádnou oporu v ostatních vědách, pouze ji využívají., například pokud začneme řešit nulynekonečna.

Nebudu se rozepisovato  tom, že existuje spousta “typů” nekonečna (navíc nejsem matematik a nejsem si jist, že bych to byl schopen správně popsat), nicméně to důležité, co si odnést — nekonečno není číslo! Ať už máme jakoukoliv úroveň nekonečna, pořád to není číslo.

A stejně tak i nekonečně malé číslo není vlastně číslo, i když se velmi nekonečně jemně blíží k nule. Ano, jde mi o zápisy diferenciálů. Např.:

$$ \frac{\partial s}{\partial t} = v$$

Případně obyčejné:

$$ \int_{x_0}^{x_1} F \mathrm{d}s = W$$

Velmi jednoznačné fyzikální vyjádření, které pouze využilo matematiku. To, že je za tím schovaný výpočet aktuální rychlosti či práce po obecné dráze, to už matematika nezajímá 😉 Matematik v tom vidí pouze abstraktní pojmy, proměnné, chcete-li.

Zde se však s OT neshoduji. OT tvrdí, že cokoliv v matematice má nějaký reálný (či tzv. reálný) podklad — tedy nic jako \(\mathrm{d}s\) nemůže existovat, protože neexistuje (hypoteticky, i když pravdu neznáme) nic menšího než Planckova vzdálenost (což je pojem, který vytáhneme z rovnice s planckovou konstantou a zjistíme, že nemůžeme mít menší vzdálenost než právě tuto vzdálenost). Jak říkám — jestli je to pravda nevíme, nicméně i kdyby to pravda byla, vůbec to nemění nic na tom, jak k tomu matematika přistupuje.

A jak k tomu matematika přistupuje? VŮBEC NIJAK, protože matematika neřeší fyzikální problémy! Matematice je jedno, že něco vynásobím nulou či budu se přibližovat “nekonečně dlouho”. Matematika tyto věci prostě a jednoduše neřeší.

Stejně tak matematika neřeší biologické problémy, mohl bych říci, že v DNA se párují nějaké páry tak či onak, proto nemůže existovat posloupnost taková či onaká (toto vám spíše vysvětlí kolega biolog Lukáš). A opět — matematiku to nezajímá 😉

Matematika totiž stojí “mimo” tyto věci (chtěl bych napsat “nad”, ale nemyslím tím, že je ostatním vědám nadřazená, stejně jako pokud řeknu “operace nad součtem”, nemyslím tím, že je tato operace nařazena součtu) a řeší pouze to, jakým způsobem spolu mohou abstraktní entity spolupracovat. Co se však v nich nachází, to už není ke zjištění úlohou matematika, ale ostatních — fyziků, biologů, …

Poznámky pod čarou

Poznámky pod čarou
1 od teď již OT
2 https://www.facebook.com/jan.fikacek/posts/789843034384241?comment_id=790072417694636&offset=0&total_comments=22
3 Jiná věda nic takového neumí — i třeba má oblíbená fyzika. Pokud chcete něco dokázat ve fyzice, buď použijete matematiku, anebo provedete experiment, který potvrdí to, co tvrdíte. V ostatních vědních oborech je to podobné.
4 a tedy abstraktních
5 Tedy takového, který zkoumá narozdíl od přičinné kauzálnosti právě fenomenologickou, tedy takovou, která řeší jakým způsobem “se jeví” dané věci člověku, než spíše jaké “doopravdy jsou.” Samozřejmě oba pojmy jsou naprosto abstraktní a pokud se tomu chcete věnovat, doporučuji další studium, zde již ne více o tom 🙂
6 Ono je toto stejně absurdní pojem, i komutitavita součtu je čistě abstraktní a matematický pojem, který nemá žádnou oporu v ostatních vědách, pouze ji využívají.

Limity

Naprosto zákaldní matematickou znalostí jsou limity — ať už pro pochopení derivací či integrací, tak často i pro pochopení některých průběhů funkcí.

Zápis limity

Limita má specifický matematický zápis, naprosto obecně vypadá např. takto:

$$ \lim_{x\to L} f(x) $$

Tento zápis nám doslova říká “vezměte \(x\) a nastavujte mu tak velkou hodnotu, aby se co nejblíže přiblížila k hodnotě \(L\) a sledujte při tom, co funkce závislá na \(x\) dělá.”

Několik příkladů k úplnému pochopení:

$$ \lim_{x\to 0} x = 0$$

To je snad jasné — pokud budu \(x\) přibližovat nule, potom se… \(x\) bude přibližovat nule 🙂 Přitvrdíme…

$$ \lim_{x\to 0} 15x = 0$$

Zde samozřejmě platí totéž, co výše — i kdybych to násobil libovolným reálným číslem, pořád budu mít výsledek nulový. Prostřednictvím limit však můžeme zapisovat i výrazy, které bychom jinak v matematice nazvali jako “chybné” či “nedávající smysl”. Nula zapsaná “s plusem” znamená, že se k dotyčné nule postupně přibližuji zprava, tedy z kladnější části číselné osy — proto plus. U druhého znaménka to platí přesně opačně.

$$ \lim_{x\to0^+} \frac{1}{x} = \infty $$

$$ \lim_{x\to0^-} \frac{1}{x} = -\infty $$

nevlastních limit[1]to jsou takové, které nemají “normální” výsledek můžeme takto tvrdit, že výsledek tzv. roste nade všechny meze. Podobně (přesně inverzně) to platí i u vlastních limit v nevlastním bodě:

$$ \lim_{x\to \infty} \frac{1}{x} = 0$$

Limitní aritmetika

Když teď už víme, jak fungují limity, můžeme se podívat na pár příkladů, které se v praxi často objevují. Začněme polynomem:

$$ \lim_{x\to \infty} \frac{2x^3 – 6x^2-145x + 17}{3x^3 – 2x^2 – 6} $$

Pokud bychom měli určovat třeba vlastnosti tohoto polynomu, budeme hledat kořeny rovnice v čitateli, kořeny rovnice ve jmenovateli, abychom omezili dělení nulou a podobně. Nicméně tady nás zajímá jediné — jak se bude daný výraz chovat, pokud \(x\) budeme zvětšovat až k nekonečnu.

Nyní však musíme udělat drobnou odbočku a ukázat si pár elementárních znalostí — např. jak se budou chovat různé poměry a zlomky limitně:

$$ \lim_{x\to \infty} \frac{1}{x} = 0$$

To už známe. Nicméně pokud zde bude takovýto poměr?

$$ \lim_{x\to \infty} \frac{x}{x} = ?$$

Víme, že dělit nulu nulou, stejně jako nekonečno nekonečněm (což je vlastně totéž, pokud mluvíme o limitách), je trošku nekošer, co se matematiky týče. Ale hleďte! Zde se řeší limity, zde nám věci, jako že bude mít polynom ve jmenovateli nulu, vlastně nevadí! Můžeme tedy dotyčný zlomek s klidným svědomím zkrátit a vyjde:

 $$ \lim_{x\to \infty} \frac{x}{x} = \lim_{x\to \infty} \frac{1}{1} = 1$$

Vyřadili jsme tím “ze hry” tedy jakékoliv \(x\) a výsledek na něm vůbec nezávisí. A co třeba následující?

$$ \lim_{x\to \infty} \frac{x^n}{x^n} $$

Můžeme prostě pokrátit stejně, jako v případě výše, výsledek je tedy opět jednička. Případně můžeme rozložit na :

$$ \lim_{x\to \infty} \frac{x^n}{x^n} = \lim_{x\to \infty} \frac{x}{x} \frac{x^{n-1}}{x^{n-1}} $$

a takto to řešit do nekonečna 😉 S stejně tak logicky odvodíme, že:

$$ \lim_{x\to \infty} \frac{nx}{mx}$$

bude rovno \(\frac{n}{m}\) — protože “cokoliv” krát jedna je “cokoliv” 😉

Zkusme nyní další případ:

$$ \lim_{x\to \infty} \frac{x^2}{x} = ?$$

V matematice (ono i ve fyzice, ale v matematice obzvlášť) platí, že pokud neznáte řešení komplexního problému, dekomponujte ho na řadu “menších” problémů, které nezávisle řešit umíte. Což můžeme udělat i zde. Výše uvedené tedy můžeme přepsat jako součin:

$$\lim_{x\to \infty} \frac{x^2}{x} = \lim_{x\to \infty} x \frac{x}{x}$$

Druhý zlomek už řešit umíme, to víme, že je \(1\), takže:

$$ \lim_{x\to \infty} \frac{x^2}{x} = \lim_{x\to \infty} x = \infty$$

Vidíme tedy, že pokud je v čitateli vyšší mocnina než ve jmenovateli, zlomek vystřelí do nekonečných výšin. A co pokud je to opačně? Samozřejmě už správně tušíte:

$$ \lim_{x\to \infty} \frac{x}{x^2} = \lim_{x\to \infty} \frac{1}{x} \cdot \frac{x}{x} = \lim_{x\to \infty} \frac{1}{x} = 0$$

Je to prosté! 🙂 Vraťme se nyní tedy k našemu původnímu příkladu:

$$ \lim_{x\to \infty} \frac{2x^3 – 6x^2-145x + 17}{3x^3 – 2x^2 – 6} $$

A rozepišme si zlomek na 3 zlomky:

$$ \lim_{x\to \infty} \frac{2x^3 – 6x^2-145x + 17}{3x^3 – 2x^2 – 6} = $$

$$ = \lim_{x\to \infty} \frac{2x^3}{3x^3 – 2x^2 – 6}  + \lim_{x\to \infty} \frac{ – 6x^2}{3x^3 – 2x^2 – 6} + \lim_{x\to \infty} \frac{-145x}{3x^3 – 2x^2 – 6} +\lim_{x\to \infty} \frac{17}{3x^3 – 2x^2 – 6} $$

Když se nyní podíváme na poslední tři limity, už vidíme, kam směřují — řekli jsme, že pokud je mocnina čitatele menší než jmenovatele, zlomek bude limitovat k nule. Můžeme tedy velmi snadno všechny tyto tři limity položit rovny nule a zbyde tak pouze zlomek se stejnou mocninou.

A co jsme si dále ukázali — že limita \(\frac{x^n}{x^n}\) je rovna jedné! Čili rovnou krásně vidíme, že výsledek limity bude \(\frac{2}{3}\).

Zajímavé poměry

U polynomu je tedy snad už jasné, nicméně pojďme se podívat na další “moc hezké” limity. Například tato:

$$ \lim_{x\to0} \frac{\sin(x)}{x}$$

Podíváme-li se na graf takové funkce, vidíme (chceme vidět), že limita bude rovná jedničce. Graficky tedy můžeme toto tvrdit, nicméně, jak to doopravdy spočítat?

Na pomoc si vezmeme tzv. L’Hospitalovo pravidlo, tedy pravidlo, které říká následující:

$$ \lim_{x\to0}\frac{f_1(x)}{f_2(x)} = \lim_{x\to0}\frac{f_1^\prime(x)}{f_2^\prime(x)}$$

Tedy že limita poměru funkcí je limitou poměru derivací těchto funkcí. O derivacích si můžete přečíst v článku o kinematice, zde tedy použiji pouze rychlou derivaci:

$$ \lim_{x\to0}\frac{\sin(x)}{x} = \lim_{x\to0}\frac{\sin(x)^\prime}{x^\prime} = \lim_{x\to0}\frac{\cos(x)}{1}$$

A to už je snané — budeme-li do \(\cos(x)\) za \(x\) dosazovat nulu, bude se cosinus blížit k jedničce. Ve jmenovateli máme jedničku — výsledný poměr je tedy jednička 🙂

Poznámky pod čarou

Poznámky pod čarou
1 to jsou takové, které nemají “normální” výsledek

Nekonečná rychlost pohybu světla při použití rotačního laseru

Kamarád (Pavel Kachlíř) se mě zeptal, jestli je možné, že zobrazení laseru na kruhové podložce může být rychlejší, než \(c\), pokud budu laserem dostatečně rychle hýbat. Použil k tomu následujícího situačního obrázku:

Rychlá odpověď — ano, průmět laseru se může pohybovat rychlostí \(> c\). Nicméně nyní proč:

Uvažujme samzořejmě (pro zjednodušení), že rychlost šíření laseru je právě \(c\), tedy rychlost světla. Samozřejmě si dokážeme představit, že z dotyčného situačního obrázku se intuitivně dokážeme dostat do stavu, kdy aniž by se laser pohyboval rychlostí větší než \(c\), jeho obrázek se takovou rychlostí pohybovat může.

Celý problém tkví v tom, co nám říká relativita[1]STR — speciální teorie relativity — stručně řečeno, že žádná informace, částice či předmět obecně se nemůže pohybovat rychlostí, která by dosáhla rychlosti \(c\), tedy že jakákoliv rychlost pohybu v prostoru musí být \(v < c\). Rychlost \(c\) je tedy nedosažitelná.

Překresleme si trošku sitauční plánek, využijme úhlové rychlosti a rychlosti pohybu:

Začněme tedy jednoduše — mějme takovouto situaci, kdy ve středu kruhu máme laser, který se otáčí nějakou rychlostí \(\omega\):

laser výchozí stav

Další důležitou informací pro nás bude poloměr kruhu, v našem případě tedy \(r\):laser poloměr

A nyní se ptáme: Jak závisí doba přenosu laseru ze středu soustavy na okraj? Odpověď přece známe — víme, že:

$$s = v t$$

čili

$$t_{\phi} = \frac{s}{v} = \frac{r}{c}$$

Protože se jedná o kruh, tato doba bude stále konstantní, ať už bude laser natočený kamkoliv.

Nyní si napišme rovnici:

$$\phi =  A \sin \left(\omega t + \phi_0\right)$$

Kde \(\omega t\) je úhlová rychlost pohybu, \(A\) je amplituda, tedy \(r\) a \(\phi_0\) je nějaký fázový posuv, který v našem případě bude záviset na \(t_{\phi}\), které jsme si vyjádřili výše.

Jak ale závisí? Víme, že doba, kterou signál (paprsek) potřebuje na uražení vzdálenosti laser–obvod bude \(t_\phi\), čili než tam signál doletí, laser se otočí o \(\omega t_\phi\). Čímž máme jasně daný fázový posuv a můžeme psát:

$$ \phi = r \sin \left(\omega t + \omega \frac{r}{c}\right)$$

Musíme však uvažovat, že signál se bude zpožďovat a ne předbíhat, musíme tedy psát:

$$ \phi = r \sin \left(\omega t – \omega \frac{r}{c}\right) $$

Pokud si za \(\omega\) nyní dosadíme takovou frekvenci, kdy by se změna \(\frac{\phi}{t}\) měla odehrávat rychleji, než \(c\), nic se nestane 😉 Bude docházet samozřejmě k fázovému zpoždění, ale samotné zobrazení (projekce) světla laseru se může zdánlivě pohybovat \(v>c\).

Poznámky pod čarou

Poznámky pod čarou
1 STR — speciální teorie relativity

Dopplerův jev

V tomto krátkém článku odvodíme rovnici dopplerova jevu, resp. tedy budeme zkoumat změnu vlnové délky (a frekvence) zvukového či obecného signálu v závislosti na pohybu posluchače a zdroje signálu.

Určitě jste s projevy Dopplerova jevu[1]dále jen DJ empiricky seznámeni; jedoucí vozidlo, vlak, sanitka, policisté — pokud se přibližují, jejich zvukový projev “zní výše”, než pokud jedou směrem “od vás”. Pojďme se nyní lehce podívat na závislosti těchto jevů, z čeho plynou a jaké jsou vlastnosi DJ.

Základní vzorečky, ze kterých vyjdeme:

Pevně věřím, že následující vztahy jsou pouhým opakováním, nicméně pro jistotu je uvedu:

  • Závislost dráhy \(s\), rychlosti \(v\) a času \(t\):
    $$\begin{array}{}s & = & v\cdot t\\ v & = & \frac{s}{t}\\ t & = & \frac{s}{v}\end{array}$$
  • Závislost frekvence \(f\), rychlosti \(v\) a vlnové délky \(\lambda\):
    $$\begin{array}{}\lambda & = & v\cdot \frac{1}{f} \\ f & = & v \cdot \frac{1}{\lambda}\end{array}$$
  • Závislost frekvence \(f\) a doby kmitu \(T\):
    $$f = \frac{1}{T}$$

Odvození pro lineární pohyb

Abychom odvození správně pochopili, musíme jít “od nejjednoduššího” případu a postupně přidávat další jevy. Takto je postupně budeme nabalovat, až tomu budeme vlastně rozumět celému 🙂 Takže hurá do toho!

Stacionární posluchač, pohyblivý zdroj zvuku

Začněme tím nejjednodušším. Eliminujeme všechny možné případy do jediného — kdy se po ose \(x\) pohybuje nějaký zdroj signálu rychlostí \(v_s\), my jako posluchači stojíme na konstantním místě \(x_p\). Budeme zkoumat vlastnosti zvukového projevu, když se náš předmět bude přibližovat a posléze oddalovat.

Jakou rychlostí se šíří zvuk? Nazvěme tuto rychlost \(c\) — stejně, jako rychlost šíření světla ve vakuu. Nyní však tato konstanta znamená rychlost šíření zvuku ve vzduchu (či tam, kde jsme jako posluchači). Dále víme, že zvukový zdroj vydává zvuk o konstantní vlnové délce \(\lambda\). Co to vlastně \(\lambda\) je? Vlnová délka není opravdu nic jiného než “divná délka” — délka, která vyjadřuje vzdálenost mezi dvěma na sebe zobrazitelnými body z dané křivky, která vlastnost vlnové délky má. Např. u klasické “sinusovky” můžeme počítat vlnovou délku jako vzdálenost mezi dvěma “kopečky” (amplitudami).

Pro představu — máme např. zvuk o frekvenci \(1000\ \mathrm{Hz}\) a rychlost šíření zvuku ve vzduchu je zhruba \(340\ m\cdot s^{-1}\). Z toho snadno vypočítáme vlnovou délku:

$$\lambda = c \cdot \frac{1}{f} = 340 \cdot \frac{1}{1000} = 34\ \mathrm{cm}$$

Nyní si však uvědomme, co se stane během “jedné” takové vlnové délky. Při pohyblivém zdroji zvuku se mezitím zdroj posune o určitou vzdálenost, nazvěme ji nyní třeba \(x_d\). Jak velká bude tato vzdálenost?

Víme, že jedna vlna trvá \(T = \frac{1}{f}\) a dále víme, že \(s = v \cdot t\), v našem případě tedy \(s = v_s \cdot T\). Stejně tak můžeme psát “pro frekvence”, že pokud \(f = \frac{c}{\lambda_s}\), tak že \(T=\frac{1}{T_s} = \frac{\lambda_s}{c}\).

Pokud tedy \(x_d = v_s \cdot T_s\), potom \(x_d = v_s \frac{\lambda_s}{c}\). Index “s” značí, že počítáme s proměnnými, které popisují “zdroj signálu”. Jen pro přehlednost, aby byl pořádek v proměnných.

Pokud se tedy zdroj signálu přibližuje, vlnová délka se bude zkracovat, konkrétně:

$$\lambda_{p} = \lambda_s – x_d = \lambda_s – v_s\frac{\lambda_s}{c}$$

Můžeme tedy vyjádřit \(\lambda_p\):

$$ \lambda_p = \lambda_s \left( 1 – \frac{v_s}{c} \right) $$

Případně pro frekvence:

$$ f_p = \frac{c}{\lambda_p} = \frac{c}{\lambda_s \left( 1 – \frac{v_s}{c}\right)}$$

Nyní tedy praktický příklad: Představme si, že máme výše zmíněnou frekvenci \(1000\ \mathrm{Hz}\) a zdroj se bude přibližovat rychlostí \(10\ \mathrm{ms^{-1}}\), potom:

$$ \lambda_p = \lambda_s \left( 1 – \frac{v_s}{c} \right) = 0.34 \left( 1 – \frac{10}{340} \right) = 0.33\ \mathrm{m} = 33\ \mathrm{cm}$$

Vyjádříme-li to tedy frekvenčně, frekvence přibližujícího se zvuku bude:

$$ f = \frac{c}{\lambda} = \frac{340}{0.33} = 1030\ \mathrm{Hz}$$

Jak takové dva zvuky zní za sebou si můžete poslechnout zde:

Případně si můžete stáhnout zvuk zde: 1000Hzvs1030Hz

Kontrolní výpočet dostaneme tak, že pokud dosadíme za \(v_s=c\), vidíme, že závorka se pak vynuluje a vyjde “nulová vlnová délka” (tedy nekonečná frekvence). Samozřejmě v reálu se nic takového nestane, ale vidíme, že vzorec v takovém případě nedává smysl — a to je správný stav.

Všechny ostatní případy, tedy kdy se posluchač pohybuje či kdy se pohybují současně posluchač i zdroj, se dají převést na tento model. Ostatní závislosti si tak můžete zkusit odvodit sami.

V příštím článku se podíváme na odvození těchto frekvencí pro obecný pohyb, tzn. takový, kdy se zdroj signálu nepřibližuje přímo k vám, ale bude vás míjet. Vytvoříme tedy funkci frekvence či vlnové délky v závislosti na vzájemné poloze. Ale to až zase příště, tak hezký den! 🙂

Poznámky pod čarou

Poznámky pod čarou
1 dále jen DJ

Entropie a termodynamické zákony

V článku o odvození rovnice ideálního plynu jsme nakousli několik termodynamických zákonitostí, nicméně bylo by dobré, abychom se na termodynamiku podívali i trochu obecněji a do hloubky.

Rovnici idálního plynu jsme si již odvodili, nyní však pro připomenutí:

Pokračování textu Entropie a termodynamické zákony

Příklad pro Jarmilu

Příklad s goniometrickými funkcemi pro Jarmilu 🙂 Anebo jak dostat ze \(\sin 2x = -\frac{\sqrt{3}}{2}\) ono \(x\)? 🙂

Co nám tuto zadání vlastně říká? K řešení máme už veškeré podklady; víme, jak vypadá graf funkce \(\sin x\), jak však vypadá graf funkce \(\sin 2x\)?

Výchozí funkce \(y(x)=\sin x\) tedy vypadá takto:

sinus_x

Funkce \(y(x) = \sin 2x\) vypadá úplně stejně, akorát má dvakrát větší frekvenci, což znamená totéž, jako když řeknu, že má dvakrát menší periodu. Křivka tak necestuje od \(0\) do \(2\pi\), ale jen do \(\pi\).

Vypadá to tedy nějak následovně:

sinus_2x

V obrázku jsem rovnou fialově naznačil čáru odpovídající hodnotě \(-\frac{\sqrt{3}}{2}\). A pokud napíšeme rovnici ve tvaru, který uvádím výše, tedy \(\sin 2x = -\frac{\sqrt{3}}{2}\), na co se takovou rovnicí vlastně ptáme?

Cílem je určit taková \(x\), která mají společné \(\sin 2x\) a ono číslo na pravé straně rovnítka. Co o takových \(x\) můžeme říci?

  • Na našem rozsahu \(\lt 0 ; \pi \gt\) budou dvě (viz obrázek)
  • Víme, že budou v druhé polovině křivky (tedy mezi \(\frac{\pi}{2}\) a \(\pi\)), čili “stupňově” mezi 90 a 180 (nikoliv 180 a 360, protože se jedná o dvakrát “rychlejší” křivku)

Správně si nastavíme kalkulačku (na výpočty ve stupních třeba) a zadáme “arkus sinus” pro hodnotu \(-\frac{\sqrt{3}}{2}\).

Ale pozor! Kalkulačka umí vyhodit pouze jednu hodnotu, čili musíme správně uvažovat! V mém případě vyhodila \(-60\). Vezměme tedy těch \(180\) stupňů, které jsou na konci a odčtěme \(60\). Vyjde tedy \(120\). A co ta druhá hodnota?

Jednoduše — v našem případě vidíme, že se jedná o symetrické řešení podle nejhlubšího bodu sinusovky. A jak daleko je 120 od 90? Stejnou vzdálenost najdeme i od 180 a máme vyhráno 😉

V mašem případě je to tedy \(30\) stupňů, čili \(180-30=150\) — a to je naše druhé řešení.

Ale tam rozhodně nekončíme! Proč? Jak víme, křivka jde “do nekonečna” — prostě dál a dál. Neexistuje tak pouze jedno či dvě řešení, existuje jich nekonečně mnoho. Tato řešení jsou si však podobná — stejně jako všechny sinusovky vypadají “stejně”. Musíme tedy napsat řešení “velmi obecně”, ale aby bylo jednoznačně definováno.

Víme, že křivka se opakuje každé \(\pi\), čili bychom mohli napsat, že stejně, jako existuje řešení “120”, tak existuje i \(120+\pi\). Nojo, jenže ono platí i řešení \(120+2\pi\) a další. Proto uděláme trik — řešení napíšeme ve tvaru:

$$x_1 = 120 + k\pi; k\in \lt 1..\mathbb{N}\gt$$

$$x_2 = 150 + k\pi; k\in \lt 1..\mathbb{N}\gt$$

A to je celé, tádydádydá 😉

Fourierova transformace, aproximace, interpolace

Obtížnost: 3/5 Musíte trošku vědět

Někdy je potřeba, abychom vymysleli nějakou funkci, která se nám co nejblíže přibližuje třeba naměřeným hodnotám. K tomu používáme metod interpolace a aproximace. Poté se podíváme na lehce související téma s Fourierovo řadou a nakousneme fourierovu analýzu.

Pokračování textu Fourierova transformace, aproximace, interpolace