Physics.Math.Code

📚 Подборка книг для прокачки математического мышления [25 книг]

Многие книги подборки посвящены теоретико-познавательным проблемам математики, ее взаимодейcтвиям с науками о природе, роли в исследовании внешнего мира и творчеству замечательных ученых.

💾 Скачать книги

Книги знакомят читателя с идеями и механизмом усовершенствования аппарата творчества, необходимого для решения нестандартных задач. Книги дают представление о новом подходе к обучению и рассказывают о методике достижения значительных результатов в этом процессе. На достаточно большом объеме олимпиадных задач показаны различные приемы решений, при этом вычленены и обобщены их особенности. Для учащихся средних общеобразовательных учебных заведений, студентов педагогических университетов и учителей математики, физики. #алгоритмы #математика #подборка_книг #алгебра #образование #мышление #физика #наука

💡 Physics.Math.Code

👍64🔥19❤7😍3😱1

34.2K viewsedited 04:32

Physics.Math.Code

📕 Математика. Утрата определенности [1984] Клайн М
📕 Mathematics, the loss of certainty [1982] Morris Kline

💾 Скачать книги

I. Становление математических истин
II. Расцвет математических истин
III. Математизация науки
IV. Первое ниспровержение: увядание истины
V. Нелогичное развитие логичнейшей из наук
VI. Нелогичное развитие: в трясине математического анализа
VII. Нелогичное развитие: серьезные трудности на пороге XIX в.
VIII. Нелогичное развитие: у врат рая
IX. Изгнание из рая: новый кризис оснований математики
X. Логицизм против интуиционизма
XI. Формализм и теоретико-множественные основания математики
XII. Бедствия
XIII. Математика в изоляции
XIV. Куда идет математика?
XV. Авторитет природы

#математика #алгебра #наука #образование #история

👍58🔥9❤4🤗2

26.1K viewsedited 23:32

🧬 Арбузов Б.А. об основной цели учёного

Борис Александрович Арбузов (1903 — 1991) — советский учёный, химик-органик, доктор химических наук (1936), академик Академии наук СССР (с 1953, член-корреспондент с 1943). Герой Социалистического Труда (1969). Лауреат Ленинской премии (1978) и Сталинской премии второй степени (1951). Сын и ученик русского учёного-химика А. Е. Арбузова (1877—1968). Внёс фундаментальный вклад в теорию строения, исследовал структуры различных классов органических и элементорганических соединений. Работы Арбузова по определению электронной и пространственной структур гетероциклических молекул отмечены премией им. Д. И. Менделеева (1949). Б. А. Арбузов является автором более 1500 печатных трудов и имеет около 100 авторских свидетельств. #образование #физика #physics #видеоуроки #научные_фильмы #химия #наука

💡Physics.Math.Code

👍78❤33🔥8🤓5🤔2👨‍💻2

29K views18:43

Physics.Math.Code

Forwarded from Репетитор IT men

💡 Решить задачу для ЕГЭ или понять физику процесса?

Краткость — сестра таланта или глупости? Или глупо расписывать подробности, когда можно пропускать действия? Но как тогда учить, если не расписывать всё подробно, раскладывая по полочкам каждое действие? Ответьте на этот вопрос в комментариях. Ибо мой опыт говорит мне о том, что большинство школьников и студентов затрудняются быстро расписать «очевидные» вещи из решебников/интернетов/книг.

📝 Читать заметку

#физика #разбор_задач #термодинамика #задачи #егэ #мкт #physics #образование

👍32🔥5❤3💯1🤨1

26.8K views05:02

👨🏻‍💻 Читать полностью

▪️ Не завидуйте сильным однокурсникам [Рауф Мухарамов]

▪️ Не падайте духом, если попали к преподу-факеру [Рауф Мухарамов]

#математика #математический_анализ #физика #physics #видеоуроки #образование #math #наука

💡 Physics.Math.Code

🔥89👍37❤12🤝8💯2🤔1🤨1🤗1

35K views12:55

Physics.Math.Code

👍51❤‍🔥19🔥7💯1🤨1

30.6K viewsedited 11:08

📖 Математическая модель эпидемии образования

В гостях у Дмитрия Перетолчина доктор физико-математических наук, автор книги «Математика для гуманитариев» Алексей Савватеев. Почему современное школьное образование падает в цифровую бездну всеобщего оболванивания и кому это выгодно, как нам вернуть в школьные классы учителей мужчин и повысить социальный статус педагогов, что полезного для повседневной жизни мы можем почерпнуть из теории игр и многое другое в сегодняшней беседе.

✏️ Алексей Савватеев — сон, физтех, наука [очень эмоционально]

00:41 О путешествиях по России и выходе из зоны комфорта
03:15 Время на семью и личную жизнь
04:40 Зачем выводить себя из зоны комфорта?
06:18 Значение сна для мозга
08:58 О стратегии цифровой трансформации образования
15:43 Какие проблемы есть у учителей помимо зарплат?
19:35 "Мой талант - объяснять"
20:40 О ЕГЭ
22:05 О современных абитуриентах
22:53 Что стоит поменять в ЕГЭ?
25:05 О выпускных экзаменах
26:22 Про бакалавриат и специалитет
28:09 Зачем разрушают систему образования?
29:52 О финансировании науки в современной ситуации
32:15 Заинтересованность молодёжи в науке
33:14 Про физтех
35:09 Где будет учиться сын Алексея Савватеева?
36:53 Как Алексей Владимирович читает книги
39:10 ТикТок Алексея Савватеева
40:30 Про популярность лекций в разных городах России
44:10 Про Сириус
45:15 Топовые московские школы
48:50 Топ вузов для математиков
52:19 Подписывайтесь на наши соцсети!

#математика #физика #наука #видеоуроки #образование #science #научные_фильмы #math #physics

💡 Physics.Math.Code // @physics_lib

👍89💊18❤12🔥7🤷‍♂5❤‍🔥3✍2🤯2🆒2⚡1🤨1

33.2K views07:14

Physics.Math.Code

This media is not supported in your browser

VIEW IN TELEGRAM

💦 Моделирование жидкости (англ. fluid simulation) — область компьютерной графики, использующая средства вычислительной гидродинамики для реалистичного моделирования, анимации и визуализации жидкостей, газов, взрывов и других связанных с этим явлений. Имея на входе некую жидкость и геометрию сцены, симулятор жидкости моделирует её поведение и движение во времени, принимая в расчёт множество физических сил, объектов и взаимодействий. Моделирование жидкости широко используется в компьютерной графике и ранжируется по вычислительной сложности от высокоточных вычислений для кинофильмов и спецэффектов до простых аппроксимаций, работающих в режиме реального времени и использующихся преимущественно в компьютерных играх.

Существует несколько конкурирующих методов моделирования жидкости, каждый из которых имеет свои преимущества и недостатки. Наиболее распространёнными являются сеточные методы Эйлера, гидродинамика сглаженных частиц (англ. smoothed particle hydrodynamics — SPH), методы, основанные на завихрениях, и метод решёточных уравнений Больцмана. Эти методы возникли в среде вычислительной гидродинамики и были позаимствованы для практических задач в индустрии компьютерной графики и спецэффектов. Основное требование к данным методам со стороны компьютерной графики — визуальная правдоподобность. Иными словами, если наблюдатель при просмотре не может заметить неестественность анимации, то моделирование считается удовлетворительным. В физике, технике и математике, с другой стороны, основные требования предъявляются к физической корректности и точности моделирования, а не к её визуальному результату.

В компьютерной графике самые ранние попытки решить уравнения Навье — Стокса в трёхмерном пространстве были предприняты в 1996 году Ником Фостером (англ. Nick Foster) и Димитрисом Метаксасом (англ. Dimitris Metaxas). Их работа в качестве основы использовала более раннюю работу по вычислительной гидродинамике, которая была опубликована в 1965 году Харлоу (англ. Harlow) и Уэлшем (англ. Welch). До работы Фостера и Метаксаса многие методы моделирования жидкости были построены на основе специальных систем частиц, методах снижения размерности (типа двухмерные модели мелких водяных объёмов типа луж) и полу-случайных шумовых турбулентных полях. В 1999 году на SIGGRAPH Джос Стэм (англ. Jos Stam) опубликовал метод так называемых «стабильных жидкостей» (англ. Stable Fluids), который использовал полу-лагранжевый метод адвекции и неявные интеграции вязкости для обеспечения безусловно устойчивого поведения жидкости. Это позволило моделировать жидкости со значительно большим временным шагом и в общем привело к более быстрым программам. Позже, в 2001—2002 годах, этот метод был расширен Роном Федкивым вместе со своими сотрудниками, благодаря чему стало возможным обрабатывать сложную модель воды в трёхмерной сцене с использованием метода установленного уровня (англ. Level set method). #математика #физика #наука #gif #образование #разработка_игр #gamedev #math #physics

💡 Physics.Math.Code // @physics_lib

❤91🔥62👍54🆒5👏3🌚2

27.8K views20:57

Physics.Math.Code

0:06

This media is not supported in your browser

VIEW IN TELEGRAM

🔍 Все аксолотли готовятся к первой в России школьной олимпиаде по промышленной разработке PROD, которую проводят Центральный университет, ВШЭ и Т-Банк.
В Москвариуме для главного участника организовали рабочее место. #science #наука #образование #разработка #физика

💡 Physics.Math.Code // @physics_lib

🔥48👍20❤14🤔6👨‍💻4❤‍🔥3🥰2

24.7K views15:42

🔥 Печь из снега ❄️ Почему снег не тает? Пластиковый снег — фейк

Задумывались ли вы над тем, что «таежную свечу», которую делают из бревна, можно сделать из снега. И она будет работать по такому же принципу. При этом снег мгновенно не растает, как это может показаться. Почему так происходит? Есть даже видео в интернете, как возмущенный мужчина греет зажигалкой плотный снежок, он не тает, а мужчина говорит: «Из самолетов распыляют химтрейлы, дораспылялись, снег стал пластиковым...». Вот так незнание физики приводит людей в узы магии, конспирологии, астрологии и прочего лукавого.

🤓 А теперь давайте разбираться. Когда снег плотно скомкан, его теплопроводность повышается, такой плотный снег легко передает нагрев с верхних слоев в более глубокие. Получается, что, пока весь снег не приблизиться к температуре таяния, ни одной капли с него не упадет. В нашем же эксперименте снег еще и покрывается чёрным нагаром. Это связано со сгоранием самого топлива. Газ от зажигалки нечистый, дерево при сгорании тоже выделяет смолы. Вот эти черные оксиды (выделения углерода, сажа) также замедляют процесс плавления снежной печки, распределяя тепло равномерно. На том же эффекте увеличения теплопроводности основано устройство труб и вытяжных отверстий в снежных жилищах иглу. Можно увидеть, как огонь касается снежной конструкции, но она не тает, потому что тепло эффективно передается через плотный снег и рассеивается. На том же самом эффекте теплопроводности воды основан известный опыт, появлявшийся еще в «Занимательной физике» Перельмана. Автор книги предлагал вскипятить воду на открытом огне в плотной бумажной посуде. Огонь лижет бумагу, но избыточное тепло передается в воду и бумага не загорается. Загорится она только тогда, когда из емкости выкипит вся вода. Также можно вскипятить воду в целлофановом пакете.

📱

Автор видео: Physics.Math.Code

#physics #физика #механика #опыты #видеоуроки #теплота #эксперименты #образование

👨🏻‍💻 Physics.Math.Code // @phjysics_lib

Please open Telegram to view this post

VIEW IN TELEGRAM

👍222🔥52❤17🤯12❤‍🔥3✍2

32.1K views13:37

Physics.Math.Code

🔍 Все аксолотли готовятся к первой в России школьной олимпиаде по промышленной разработке PROD, которую проводят Центральный университет, ВШЭ и Т-Банк. В Москвариуме для главного участника организовали рабочее место. #science #наука #образование #разработка…

👨‍🎓Завершилась масштабная международная олимпиада по промышленной разработке PROD от Центрального университета, Т-Банка и НИУ ВШЭ

Соревнования были посвящены разработке ПО, применяемого в реальных бизнес-процессах бигтех компаний. Участниками PROD стали свыше 4000 школьников из всех регионов России и 23 стран мира, в том числе из Великобритании, Франции, Германии и Китая. Они решали задачи по созданию систем, автоматизации процессов и разработке приложений для повышения эффективности и сокращению затрат компаний.

Финальный этап длился 5 дней и проходил в Москве. Участники в командах создавали полноценные IT-продукты: платформу для проведения соревнований по анализу данных, сервис для обмена книгами, а также проект по созданию программ лояльности для партнеров Т-Банка.

Победителями стали 17 школьников из России и Беларуси. Они получили грант в размере 100% на обучение в Центральном университет, скидку до 90% на совместный бакалавриат Факультета компьютерных наук НИУ ВШЭ и Центрального университета, а также возможность пройти упрощенный отбор на стажировку в Т-Банк. #science #наука #образование #разработка #физика

💡 Physics.Math.Code // @physics_lib

👍44🔥15🙈8❤4🗿2🫡1

23.3K views16:00

Physics.Math.Code

This media is not supported in your browser

VIEW IN TELEGRAM

👍98🔥21❤6❤‍🔥6🤯4✍3🙈1🫡1

25K views15:31

Physics.Math.Code

1:30

This media is not supported in your browser

VIEW IN TELEGRAM

⚡️

С чего начать моделирование электрических полей?

Задумывались ли вы, как «увидеть» невидимое? Электрическое поле окружает нас повсюду, от розетки до экрана смартфона. Давайте разберемся, как смоделировать его для точечных зарядов и сложных поверхностей и получить эти завораживающие картинки силовых линий и эквипотенциалей.

1. Фундамент: Главные Уравнения
▪️ Закон Кулона для точечного заряда: F = k * (q₁ * q₂) / r² . Но для поля удобнее работать с напряженностью E = F / q.
▪️ Принцип суперпозиции: Поле системы зарядов — это просто векторная сумма полей от каждого заряда в отдельности. Это наше главное оружие в моделировании.

2. Силовые Линии и Эквипотенциали
Поле можно описывать по-разному, и это ключ к красивой визуализации.
▪️Силовые линии (Графическое отображение напряженности E):
— Воображаемые линии, касательные к которым в каждой точке совпадают с вектором E.
— Свойства: Начинаются на «+» зарядах, заканчиваются на «-» или уходят в бесконечность. Никогда не пересекаются!
— Густота линий пропорциональна величине напряженности.
▪️Эквипотенциальные поверхности (Графическое отображение потенциала φ):
— Что это? Поверхности, где потенциал постоянен (φ = const).
— Свойства: Всегда перпендикулярны силовым линиям. Работа по перемещению заряда вдоль такой поверхности равна нулю.

3. Как Строить Уравнения?
Для точечного заряда q в точке (x₀, y₀):
— Потенциал: φ(x, y) = k * q / sqrt( (x - x₀)² + (y - y₀)² )
— Вектор напряженности E: Eₓ = -∂φ/∂x, Eᵧ = -∂φ/∂y (это просто частные производные, градиент со знаком минус).
А как получить уравнение силовой линии? Это уже сложнее. Силовая линия — это кривая, которая в каждой точке направлена вдоль E. Математически это решается через дифференциальное уравнение: dx / Eₓ(x, y) = dy / Eᵧ(x, y). Решая его (часто численно!), мы получаем траектории для наших визуализаций.

4. Инструменты для Моделирования и Визуализации
▪️Python — король научной визуализации: Библиотеки: matplotlib, numpy, scipy.
▪️Как: Задаете сетку точек (x, y), для каждой считаете Eₓ и Eᵧ (суммируя вклады от всех зарядов). Затем:
— Для силовых линий: используйте matplotlib.streamplot
— Для эквипотенциалей: matplotlib.contour или contourf для потенциала φ.

🖥 Простой пример кода для двух зарядов:

import numpy as np
import matplotlib.pyplot as plt

# Создаем сетку
x = np.linspace(-2, 2, 100)
y = np.linspace(-2, 2, 100)
X, Y = np.meshgrid(x, y)

# Задаем заряды (q, x, y)
charges = [(1, -0.5, 0), (-1, 0.5, 0)]

# Вычисляем полные Eₓ и Eᵧ на сетке
Ex = np.zeros(X.shape)
Ey = np.zeros(Y.shape)
k = 9e9
for q, xq, yq in charges:
    R = np.sqrt((X - xq)**2 + (Y - yq)**2)
    Ex += k * q * (X - xq) / R**3
    Ey += k * q * (Y - yq) / R**3

# Рисуем силовые линии
plt.streamplot(X, Y, Ex, Ey, color='blue', linewidth=1, density=2)
plt.show()

Готовые симуляторы:
— PhET Interactive Simulations (отлично для начального понимания).
— Falstad's E&M Simulator (очень наглядно).
— Comsol Multiphysics, Ansys — для серьезного моделирования сложных поверхностей.

🔴 А что с Крупными Заряженными Поверхностями? Здесь принцип суперпозиции остается, но суммирование становится интегрированием. Каждую поверхность разбиваете на маленькие точечные заряды dq и интегрируете их вклад в поле. На практике для сложных форм это почти всегда делается численными методами (например, методом конечных элементов), которые и используют пакеты вроде Comsol. Начните с Python и пары точечных зарядов. Поймите связь между φ и E, научитесь строить streamplot и contour. #электричество #физика #моделирование #визуализация #python #наука #образование #электрическоеполе #программирование

💡 Physics.Math.Code // @physics_lib

Please open Telegram to view this post

VIEW IN TELEGRAM

❤71👍44🔥18🤔4⚡2🤩2🗿1

13.6K views08:35

About

Blog

Apps

Platform