📱 Математика не для всех [∞ x A = 8]

🔹 Спектральный радиус и устойчивость. Максимальный модуль собственного значения матрицы определяет, разойдётся ли процесс при итерациях. Если он меньше 1 — система схлопывается в точку. Если больше — взрывается. А если равен 1? Тогда возможны циклы, колебания и вечное движение по орбите. Именно такие матрицы скрываются в основе цепей Маркова и PageRank Google.

🔹 Жорданова нормальная форма. Не всякая матрица диагонализуема. Но любую можно привести к почти диагональному виду с жордановыми клетками — это как распиловка сложного оператора на простые кирпичики, где на диагонали стоят собственные значения, а над ними — единицы, отвечающие за сдвиги. Без этого не работают ни дифференциальные уравнения, ни квантовая механика.

🔹 Псевдообратная матрица Мура — Пенроуза. Когда система имеет бесконечно много решений или не имеет ни одного, на помощь приходит обобщённое обращение. Оно даёт решение с минимальной нормой среди всех возможных — именно этот метод лежит в основе МНК (метода наименьших квадратов) и всей современной регрессионной статистики.

🔹 Число обусловленности. Это не про мораль, а про чувствительность решения к погрешностям в исходных данных. Матрица с большим числом обусловленности (порядка 10¹⁶) превращает малейшую ошибку округления в катастрофу. Такие матрицы называют плохо обусловленными, и с ними боятся работать даже суперкомпьютеры.

🔹 Теорема Кэли — Гамильтона. Любая квадратная матрица аннулируется своим собственным характеристическим многочленом. Звучит как заклинание, но на практике это означает, что матрицу можно возводить в степень, выражая результат через неё саму и единичную матрицу — никаких перемножений до бесконечности.

🔹 Сингулярное разложение (SVD). Любую матрицу можно разложить в произведение трёх: U·Σ·Vᵀ, где Σ — диагональная с сингулярными числами. Это работает даже для прямоугольных матриц. Именно SVD сжимает изображения в JPEG, чистит аудиозаписи от шума и помогает рекомендательным системам предсказывать твои вкусы.

🔹 Матрицы перестановок. Каждая перестановка строк или столбцов задаётся ортогональной матрицей из нулей и единиц. Их определитель равен либо +1, либо −1 в зависимости от чётности перестановки. Это кажется игрушкой, но без них невозможно реализовать ни один метод Гаусса с выбором главного элемента.

🔹 Экспонента от матрицы. Формально определяется через бесконечный ряд, но на практике даёт решение систем линейных дифференциальных уравнений с постоянными коэффициентами. Именно через матричную экспоненту описывают траектории космических аппаратов и эволюцию квантовых состояний. #математика #алгебра #высшая_математика #подборка_книг #наука #science #математический_анализ #math

📱 Physics.Math.Code — поддержи подпиской

💡 Physics.Math.Code // @physics_lib

📝 Бесконечно повторяющиеся радикалы Рамануджана

Рассмотренная выше формула с бесконечно повторяющимися радикалами являются частным случаем более общей формулы:

📝 Подробнее

Источник, где эта формула выводится более строго: A. Herschfeld, On Infinite Radicals, American Mathematical Monthly 42 (1935), no. 7, 420–421.

Самое удивительное в Рамануджане — это не его ответ Харди, а странная модулярная функция, которую он открыл. В ней постоянно фигурирует число 24.

▪️ Связь с физикой: Когда спустя десятилетия физики начали строить теорию струн, они с удивлением обнаружили, что для самосогласованности струны нужно 26 измерений пространства-времени.

▪️Магия числа 24: Оказалось, что все 24 «режима» колебаний струны описываются той самой функцией Рамануджана. Для суперструн число измерений стало 10, и здесь снова проявились обобщенные формулы Рамануджана (где 24 заменяется на 8).

Фактически, ещё в 1920 году он написал формулы, описывающие гравитацию на квантовом уровне, хотя сам термин «черная дыра» появился позже.

Когда Рамануджану предложили решить сложную задачу о вложенных корнях (задача из журнала), он дал ответ спустя полгода, когда все остальные сдались. Он показал, что:

(1 + 2‧(1 + 3‧(1 + 4‧(1 + ... ) ¹ᐟ²) ¹ᐟ²) ¹ᐟ²) ¹ᐟ² = 3

Он просто «увидел» ответ, разложив 3 как √9. #math #математика #наука #алгебра #science

💡 Physics.Math.Code // @physics_lib

🔹 Ряд Фурье: музыка сфер и сжатие пикселей

Представьте, что вам нужно собрать сложнейший узор из простейших деталей конструктора. Именно эту задачу — разложить любую, даже самую капризную функцию, на сумму простых синусов и косинусов — и решил в начале XIX века французский гений Жан-Батист Жозеф Фурье. Но путь его открытия был тернист и сложен. История началась не с Фурье. Задолго до него, в середине XVIII века, великие умы — Даниил Бернулли, Жан Лерон Д'Аламбер и Леонард Эйлер — бились над задачей о колебании струны. Можно ли представить произвольную форму струны в виде суммы тригонометрических функций? Эйлер, например, получил схожие формулы, но не сделал решающего шага — не перешел от суммы к интегралу для нахождения коэффициентов, так как его исследования преследовали другую цель. Как позже заметил историк математики, это «поучительный пример того, как легко автор упускает почти очевидный вывод из своих результатов».

И вот, в 1807 году, Фурье, занимаясь задачей распространения тепла в твердых телах, представил мемуар в Парижский институт. Он заявил, что любую функцию можно разложить в тригонометрический ряд, и дал четкие формулы для вычисления коэффициентов. Это был вызов математическому истеблишменту! Сам Лагранж и Лаплас выступили с возражениями: идея о том, что функцию с «изломами» можно представить как бесконечную сумму гладких синусоид, казалась им абсурдной.

Работу приняли к рассмотрению, но к её содержанию отнеслись более чем скептически. Тем не менее, конкурс на премию Институт всё же объявил, и Фурье подал свой мемуар. По иронии судьбы, других заявок не поступило, так что премия автоматически досталась ему. Однако научное сообщество не спешило признавать его правоту: монография Фурье «Аналитическая теория тепла» увидела свет лишь 15 лет спустя, в 1822 году. Сегодня эти ряды носят его имя, а спор великих легенд стал лишь яркой страницей истории, доказавшей правоту Фурье.

🔻 За кулисами эффекта Гиббса. Когда мы берем не всю бесконечную сумму, а только ее часть (первые N членов), мы сталкиваемся с удивительным явлением — эффектом Гиббса. Вблизи точек разрыва функции частичная сумма ряда «всплескивает», создавая характерные пульсирующие выбросы. Площадь этих выбросов сжимается с ростом N, но их амплитуда не уменьшается!  Фурье мог бы и не заметить этого, иначе эффект мог бы усомнить его в универсальности метода, но его подход был настолько плодотворен, что это явление, осмысленное в конце XIX века, не умаляет его величия .

Ряды Фурье — это не абстракция из учебника, это фундамент современной цивилизации.

🔹Это главное оружие в математической физике. От решения уравнения колебания струны до распространения тепла в стержне — метод Фурье позволяет разбить сложную задачу на простые «кирпичики» . Без него невозможно представить такие области, как квантовая механика и акустика.

🔹Обработка сигналов. Ваш смартфон, Wi-Fi, радио, MP3-плеер — везде, где нужно оцифровать звук или сжать его, работает преобразование Фурье.

🔹 Анализ вариаций орбит планет, обработка данных сейсмологии, исследование приливов — все это опирается на частотный анализ, в основе которого лежит ряд Фурье.

🔹 И вот здесь мы подходим к самому удивительному. Ряд Фурье — это не просто про волны, это про информацию. Если мы представим изображение не как набор пикселей, а как функцию яркости, то его можно разложить в ряд Фурье. И это дает невероятные возможности:

▪️ Известный алгоритм JPEG основан на дискретном косинусном преобразовании. Мы оставляем только «главные» коэффициенты, отвечающие за низкие частоты (общий фон), и отбрасываем «шумные» высокие частоты (мелкие детали). Это и есть основа сжатия с потерями.

▪️ В современной компьютерной графике ряды Фурье применяются для создания бесшовных текстур, которые можно бесконечно повторять без стыков. А также для быстрого рендеринга глобального освещения и теней, как, например, в технологии Fourier-Compressed Horizon Mapping для рендеринга планетарных теней в реальном времени.
#физика #теория_теплоты #сжатие_данных #алгоритмы #math #physics

💡 Physics.Math.Code // @physics_lib

👩‍💻 Ричард Фейнман: Fun to Imagine. Полная версия [FHD качество]

Это интервью было снято у Ричарда Фейнмана дома и показано на канале BBC2, в виде нескольких коротких серий, в период с 8 июля по 12 августа 1983.
0:00:50 Колеблющиеся атомы
0:07:18 Огонь
0:12:08 Резиновые жгуты
0:14:54 Магниты
0:22:29 Электричество
0:32:06 Загадки о зеркале и поезде
0:37:46 Чудо зрения
0:43:40 Большие числа
0:55:01 Способы думать

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

💡 Physics.Math.Code // @physics_lib

🟢 Когда RTX 5090 «отдыхает»: анатомия процессорного бутылочного горлышка

Видео, где RTX 5090 соседствует с древним Intel Core i3-530 и 2 ГБ ОЗУ. Мир не успевает прогружаться, текстуры «плывут», а FPS болтается в районе 20-30. C точки зрения архитектуры — это идеальная иллюстрация того, как узкое место (bottleneck) превращает флагманскую видеокарту в бесполезный кусок кремния.

В любой игре CPU и GPU работают в тандеме, но с разной скоростью. CPU отвечает за игровую логику: физику, ИИ, обработку ввода, расчёт положения объектов и, что критично, подготовку и отправку команд рендеринга видеокарте. GPU — исполнитель: он получает эти команды и рисует картинку. Проблема в том, что GPU сегодня в разы быстрее CPU. И если процессор не успевает подготовить кадр, видеокарта просто простаивает. В случае с i3-530 разрыв катастрофический: калькуляторы показывают 89–100% процессорного боттлнека для этой связки. То есть GPU загружен хорошо если на 40-50%, пока CPU «задыхается» под 100%.

Игровой движок (в GTA V — RAGE) работает в несколько потоков:
✔️Game Thread — считает логику мира (физика, ИИ, коллизии);
✔️Render Thread — собирает данные для отрисовки;
✔️RHI Thread — отправляет команды в драйвер и GPU.

Каждый draw call — команда «нарисуй этот объект» — имеет свою цену для CPU. Каждое изменение состояния (текстура, шейдер, буфер) — тоже. В открытом мире GTA V на экране одновременно находятся сотни объектов: машины, здания, NPC, трава, тени. Каждый объект — отдельный draw call. Старый i3-530 с двумя ядрами и низкой IPC физически не может обработать этот поток команд достаточно быстро. GTA V — это открытый мир, который потоково загружается (streaming) по мере движения игрока. Движок использует LOD (Level of Detail): вдали объекты упрощены, вблизи — детализированы. CPU постоянно вычисляет, какие LOD-модели нужно загрузить, какие выгрузить, и где они находятся в мире. Слабый процессор не справляется с этой задачей. Отсюда — знаменитые «пустые» улицы и здания-призраки, которые проявляются только через несколько секунд. GPU готов нарисовать всё в мгновение ока, но CPU не успевает даже сообщить ему, что именно нужно нарисовать.

Помимо рендеринга, есть ещё два пожирателя процессорного времени:
✔️Физика и ИИ: поведение NPC, машин, столкновения. GTA V известна как игра, «выедающая» CPU именно из-за сложных систем симуляции.
✔️Оперативная память: 2 ГБ — это в разы меньше минимума (рекомендуется 8+ ГБ). Когда ОЗУ не хватает, система начинает свопить — сбрасывать данные на диск. Это убивает производительность даже без учёта CPU.

Видеокарта готова отрисовать 200+ FPS, но процессор способен «скормить» ей данные только для 25-30. GPU ждёт. Кадры рождаются не тогда, когда их может нарисовать GPU, а тогда, когда CPU закончит подготовку следующего кадра.

А какая у вас сейчас сборка ПК или на каком ноутбуке сидите, ребят? Давайте поделимся по фотографии в комментариях. #математика #физика #наука #gif #образование #разработка_игр #gamedev #math #physics

💡 Physics.Math.Code // @physics_lib

😵‍💫 Плоттер, который рисует картинки и даже портреты в полярной системе координат

У полярного графопостроителя есть две осевые координаты: θ — поворот стола/руки, ρ — выдвижение инструмента от центра. Пишущий инструмент находится в точке (ρ, θ). Стоит вспомнить связь декартовых и полярных координат (кстати, вы в школе такое проходили или только в ВУЗе?):
Прямое преобразование: x = ρ · cos(θ) и y = ρ · sin(θ)
Обратное преобразование: ρ = √(x² + y²) и θ = atan2(y, x)

Центр вращения также может быть смещен от начала координат, но это легко задается сдвиговыми смещениями: x' = x - x0 ; y' = y - y0 ; ρ = √(x'² + y'²) ; θ = atan2(y', x')

Для реального плоттера важно: ρ обычно ограничено: ρ_min ≤ ρ ≤ ρ_max , а вот угол θ может быть любым, если нет гибких проводов, которые начинают заматываться.

Чтобы построить растровые изображения и портреты, нужна векторизация в декартовой плоскости, потом перевод в полярные.

Загрузить изображение → Перевести в grayscale → Выделить края: Canny, Sobel, Laplacian → Пороговая обработка → Скелетизация линий → Трассировка контуров → Упрощение ломаных: алгоритм Дугласа–Пекара → Расчет для каждой точки контура ( x, y): ρ = √((x-x0)² + (y-y0)²) ; θ = atan2(y-y0, x-x0) → Отсортировать контуры, чтобы меньше двигаться без рисования → Сгенерировать G-код: поднять перо, перейти, опустить, вести линию.

Для закрученного вокруг центра портрета:

for i = 0..N_θ:
    θ = 2π · i / N_θ
    for j = 0..N_ρ:
        ρ = ρ_min + (ρ_max - ρ_min) · j / N_ρ
        x = ρ · cos(θ)
        y = ρ · sin(θ)
        polar_image[i, j] = sample_image(x, y)

Получается изображение в координатах (θ, ρ). Его можно векторизовать так же, как обычное, но затем каждая линия уже будет линией в полярных координатах. 

Главная математическая тонкость: прямая в декартовой системе не является прямой в полярных координатах. Поэтому для точных рисунков и портретов траекторию всегда сначала строят в декартовых координатах, разбивают на мелкие отрезки и только затем переводят каждую точку в (ρ, θ). #математика #mathematics #animation #math #геометрия #geometry #gif

График трохоиды

➰ Красота параметрических кривых

⭕️ Точки пересечения кругов на воде движутся по гиперболе

🕑 Экстремальная задача на смекалку

💡 Physics.Math.Code // @physics_lib

📝 Как бы вы решали второе уравнение, если бы у вас под рукой не было бы компьютера ?

#задача #математика #алгоритмы #численные_методы #math #physics #science

💡 Physics.Math.Code // @physics_lib

👑 Геометрическая задачка для наших подписчиков

Попробуйте решить самостоятельно и написать ваш ответ в комментариях.

📝 Полный разбор и решение здесь 🔍

#математика #math #наука #science #геометрия #задачи

💡 Physics.Math.Code // @physics_lib

🔸 Об устройстве диафрагмы

Как и во многих других аспектах истории развития науки, устройство диафрагмы было взято из природы, а именно из биологических особенностей живых организмов. Радужная оболочка глаза играет естественную роль диафрагмы, а зрачок — отверстие. В изобретении лепестковой диафрагмы сочетаются законы оптики, физики материалов и достижения микроэлектроники.

В самых первых фотографических устройствах диафрагмой служила просто пластина с отверстием фиксированного диаметра. Из-за малого размера отверстия (часто менее 0,5 мм) выдержка могла длиться от нескольких секунд до целого дня. В 1858 году Джон Уотерхаус предложил простое, но эффективное решение — набор металлических пластин с отверстиями разного диаметра, которые вставлялись в прорезь в объективе. Это позволило впервые менять относительное отверстие, но процесс был медленным и неудобным. Настоящая революция произошла с появлением конструкции из нескольких перекрывающихся серповидных лепестков, которые, поворачиваясь, плавно и быстро меняли диаметр центрального отверстия. Эта система, напоминающая радужку глаза, и стала прообразом современной диафрагмы.

Изменяя диаметр отверстия, диафрагма регулирует количество света, попадающего на матрицу, и управляет глубиной резко изображаемого пространства. Прикрывая диафрагму, вы увеличиваете ГРИП (резким становится большее пространство), но уменьшаете световой поток. Чем больше лепестков и чем более они скруглены, тем ближе форма отверстия к кругу. Это напрямую влияет на боке — характер размытия фона.

А теперь интересная физика. Свет, огибая прямые края лепестков, испытывает дифракцию. На фотографиях ярких точечных источников (солнце, фонари) это проявляется в виде расходящихся лучей. Их количество строго связано с числом лепестков N:
▪️Если число лепестков нечётное, число лучей равно 2N. Для 5-лепестковой диафрагмы вы увидите 10 лучей.
▪️Если число лепестков чётное, лучи от противоположных краёв накладываются друг на друга, и их число равно N. Так, 6-лепестковая диафрагма даст 6 лучей.

В классических зеркальных камерах диафрагма управляется механическим рычагом. В смартфоне, где каждый микрон на счету, инженерам пришлось создать принципиально иные, микроскопические приводы.  Одно из самых элегантных решений — использование микроплоского мотора. В одной из разработок механизм диафрагмы общей толщиной всего 0,8 мм приводится в движение кольцевым магнитом с 80 полюсами, который взаимодействует с плоскими катушками статора. Такой мотор способен поворачивать подвижное кольцо, которое через систему рычажков (поводков) заставляет лепестки открываться или закрываться. А чтобы точно знать, насколько открыта диафрагма, используется датчик Холла. Он измеряет магнитное поле от небольшого магнита, закреплённого на подвижном элементе. Микроконтроллер считывает показания датчика, сравнивает их с заданным значением и корректирует силу тока в катушке. Это замкнутая система с обратной связью, которая обеспечивает высокую точность и повторяемость.

Сами лепестки в таких модулях делают из лёгких и прочных полимеров, например, полиацеталя. Вся конструкция собирается на печатной плате (PCB) с интегрированными катушками и датчиками, что делает модуль компактным и технологичным. Смотрите сколько технологий используется в одном модуле. #оптика #технологии #physics #геометрия #math #физика #электродинамика #оптика

💡 Physics.Math.Code // @physics_lib

📝 У вас есть игра, в которой ваш начальный депозит $1. Игра состоит из 100 бросков. Результат на каждом шаге определяет подброшенная монетка. Каждая сторона монетки определяет коэффициент, на который умножается сумма на предыдущем шаге. Готовы ли вы отдать за такую игру $5 ? Готовы ли отдать 10$ ? Готовы ли вы отдать за игру 100$, если увеличивающий коэффициент станет x1.2, а уменьшающий коэффициент останется x0.9 ?

📝 Обсуждение здесь в комментариях ✍️

#задачи #статистика #математика #теория_вероятностей #алгебра #экономика #math #наука

💡 Physics.Math.Code // @physics_lib

Математика около числа❤️ : Второй замечательный предел

Математики прошлых лет столкнулись с интересно иррациональной константой. В 1683 году швейцарский математик Якоб Бернулли изучает любопытную финансовую задачу: что будет с капиталом, если начислять сложные проценты не раз в год, а делить их на бесконечно малые доли? Задача кажется прикладной, но приводит его к одному из самых загадочных чисел в математике — константе, которую позже назовут e.

Рассмотрим предел: lim (1 + 1/n)ⁿ = e при n → ∞. Казалось бы, выражение простейшее: единица плюс что-то бесконечно малое. Но почему нельзя просто сказать, что это 1?

📜 Всё началось с задачи о сложных процентах, которую в конце XVII века изучал Якоб Бернулли.
Допустим, вы кладете 1 рубль под 100% годовых.
▫️ Если проценты начисляются 1 раз в конце года, вы получите (1 + 1)¹ = 2 рубля.
▫️ Если начислять 2 раза в год (по 50%), то выйдет (1 + 0.5)² = 2.25.
▫️ Если начислять каждый месяц: (1 + 1/12)¹² ≈ 2.613.

Бернулли заметил, что сумма растет, но скорость роста замедляется. Он задал вопрос: а если начислять проценты непрерывно (каждую секунду), мы станем миллиардерами или упремся в потолок? Оказалось — потолок есть. Это число примерно 2.71828...

🔬 Строгий вывод (бином Ньютона). Чтобы доказать существование предела, Бернулли (а позже и Эйлер) расписывали выражение через биномиальное разложение: (1 + 1/n)^n = 1 + n·(1/n) + [n(n-1)/2!]·(1/n²) + [n(n-1)(n-2)/3!]·(1/n³) + ...
Преобразуем коэффициенты: ... = 1 + 1 + (1 - 1/n)·(1/2!) + (1 - 1/n)(1 - 2/n)·(1/3!) + ...
Теперь переходим к пределу при n → ∞. Все дроби вида k/n исчезают. Мы получаем бесконечную сумму: e = 1/0! + 1/1! + 1/2! + 1/3! + 1/4! + ...
Этот ряд сходится невероятно быстро, что доказал позже Эйлер. Так константа получила своё имя и вычисление.

Интересно также то, что второй замечательный предел обладает некоторой точкой бифуркации.

❌ (0.98 + 1/n)^n → 0: Основание меньше 1, единица вносит слишком маленький вклад. Рост степени n всё обращает в ноль.
❌ (0.99 + 1/n)^n → 0: Казалось бы, 0.99 близко к 1. Но нет. Степень n все равно обращает это в ноль.
❤️ (1 + 1/n)^n → e ≈ 2.718: Ровно на границе. Магия константы. Бесконечно малая добавка идеально компенсирует бесконечную степень.
📝 (1.01 + 1/n)^n → ∞: Основание чуть-чуть больше 1, и этого хватает, чтобы экспоненциальный рост довел функцию до бесконечности.

Разница между 0.99 и 1.01 — всего лишь 2% в основании. Но в пределе это пропасть между полным нулем и бесконечностью. Число e рождается ровно в единственной точке равновесия, где бесконечное накопление дает конечный результат. То, что получилось, оказалось вовсе не арифметическим курьезом. Бернулли наткнулся на число, которое не выражается дробью, не решает алгебраических уравнений, но управляет и ростом клеток, и распадом радиоактивных ядер.
Эйлер позже назовет его e, но в тот момент это было просто открытие того, что бесконечное накопление приводит не к бесконечному богатству, а к трансцендентному пределу ≈ 2.71828... #математика #высшая_математика #математический_анализ #maths #mathematics #math

💡 Physics.Math.Code // @physics_lib