Что тяжелее - тонна дерева или тонна железа?
════════════════════
Очень старый вопрос, но до сих пор не все люди могут на него правильно ответить. Не подумавши, обыкновенно отвечают, что тонна железа тяжелее, вызывая дружный смех окружающих. Шутники, вероятно, еще громче рассмеются, если им ответят, что тонна дерева тяжелее, чем тонна железа. Такое утверждение кажется уж ни с чем не сообразным, — и однако, строго говоря, это ответ верный!
Дело в том, что закон Архимеда применим не только к жидкостям, но и к газам. Каждое тело в воздухе “теряет” из своего веса столько, сколько весит вытесненный телом объем воздуха.
Дерево и железо тоже, конечно, теряют в воздухе часть своего веса. Чтобы получить истинные их веса, нужно потерю прибавить.
Вес дерева Pд = Mд * g - pвозд * Vд * g
Вес железа Pж = Mж * g - pвозд * Vж * g
Очевидно, что когда на весах мы добьемся равенства Pд = Pж, объем железа будет меньше объема дерева: Vд > Vж
А реальные массы кубика из железа и кубика из дерева будут определяться выражениями:
Mд = Mд(на_весах) + pвозд * Vд
Mж = Mж(на_весах) + pвозд * Vж
Массы на весах равны, т.к.:
Pд = Pж => Pд / g = Pж / g => Mд(на_весах) = Mж(на_весах)
А вот истинные массы будут отличаться.
Следовательно, истинный вес дерева в нашем случае равен 1 тонне + вес воздуха в объеме дерева; истинный вес железа равен 1 тонне + вес воздуха в объеме железа.
Но тонна дерева занимает гораздо больший объем, нежели тонна железа (раз в 15), поэтому истинный вес тонны дерева больше истинного веса тонны железа! Выражаясь точнее, мы должны были бы сказать: истинный вес того дерева, которое в воздухе весит тонну, больше истинного веса того железа, которое весит в воздухе также одну тонну.
Так как тонна железа занимает объем в 1/8 куб. м, а тонна дерева — около 2 куб. м, то разность в весе вытесняемого ими воздуха должна составлять около 2,5 кг.
#физика@physics_math
#математика@physics_math
#факты@physics_math
#наука@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
════════════════════
Очень старый вопрос, но до сих пор не все люди могут на него правильно ответить. Не подумавши, обыкновенно отвечают, что тонна железа тяжелее, вызывая дружный смех окружающих. Шутники, вероятно, еще громче рассмеются, если им ответят, что тонна дерева тяжелее, чем тонна железа. Такое утверждение кажется уж ни с чем не сообразным, — и однако, строго говоря, это ответ верный!
Дело в том, что закон Архимеда применим не только к жидкостям, но и к газам. Каждое тело в воздухе “теряет” из своего веса столько, сколько весит вытесненный телом объем воздуха.
Дерево и железо тоже, конечно, теряют в воздухе часть своего веса. Чтобы получить истинные их веса, нужно потерю прибавить.
Вес дерева Pд = Mд * g - pвозд * Vд * g
Вес железа Pж = Mж * g - pвозд * Vж * g
Очевидно, что когда на весах мы добьемся равенства Pд = Pж, объем железа будет меньше объема дерева: Vд > Vж
А реальные массы кубика из железа и кубика из дерева будут определяться выражениями:
Mд = Mд(на_весах) + pвозд * Vд
Mж = Mж(на_весах) + pвозд * Vж
Массы на весах равны, т.к.:
Pд = Pж => Pд / g = Pж / g => Mд(на_весах) = Mж(на_весах)
А вот истинные массы будут отличаться.
Следовательно, истинный вес дерева в нашем случае равен 1 тонне + вес воздуха в объеме дерева; истинный вес железа равен 1 тонне + вес воздуха в объеме железа.
Но тонна дерева занимает гораздо больший объем, нежели тонна железа (раз в 15), поэтому истинный вес тонны дерева больше истинного веса тонны железа! Выражаясь точнее, мы должны были бы сказать: истинный вес того дерева, которое в воздухе весит тонну, больше истинного веса того железа, которое весит в воздухе также одну тонну.
Так как тонна железа занимает объем в 1/8 куб. м, а тонна дерева — около 2 куб. м, то разность в весе вытесняемого ими воздуха должна составлять около 2,5 кг.
#физика@physics_math
#математика@physics_math
#факты@physics_math
#наука@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Бумажная кастрюля
═════════════════════
Взгляните на рис.1: яйцо варится в воде, налитой в бумажный колпак! “Но ведь бумага сейчас загорится и вода зальет лампу”, — скажете вы. Попробуйте же сделать опыт, взяв для него плотную пергаментную бумагу и надежно прикрепив ее к проволоке. Вы убедитесь, что бумага нисколько не пострадает от огня. Объясним в чем причина.
Причина в том, что вода может быть нагрета в открытом сосуде только до температуры кипения, т.е. до 100°; поэтому нагреваемая вода, обладающая к тому же большой теплоемкостью, поглощая избыток теплоты бумаги, не дает ей нагреться заметно выше 100°, т. е. настолько, чтобы она могла воспламениться. (Практичнее будет пользоваться небольшой бумажной коробкой в форме, изображенной на рис. 2.) Бумага не загорается, если даже пламя лижет ее.
К тому же роду явлений относится и печальный опыт, который невольно проделывают рассеянные люди, ставящие самовар без воды: самовар распаивается. Причина понятна: припой сравнительно легкоплавок, и только тесное соседство воды спасает его от опасного повышения температуры. Нельзя также нагревать запаянные кастрюли без воды. В старых пулеметах Максима нагревание воды предохраняло оружие от расплавления.
Вы можете, далее, расплавить, например, свинцовую пломбу в коробочке, сделанной из игральной карты. Надо только подвергать действию пламени именно то место бумаги, которое непосредственно соприкасается со свинцом: металл, как сравнительно хороший проводник тепла, быстро отнимает от бумаги тепло, не давая ей нагреться заметно выше температуры плавления, т. е. 335° (для свинца); такая температура недостаточна для воспламенения бумаги.
Хорошо удается также следующий опыт (рис.3): толстый гвоздь или железный (еще лучше медный) прут обмотайте плотно узкой бумажной полоской, наподобие винта. Затем внесите прут с бумажной полоской в пламя. Огонь будет лизать бумагу, закоптит ее, но не сожжет, пока прут не раскалится. Разгадка опыта — в хорошей теплопроводности металла; со стеклянной палочкой подобный опыт не удался бы. Рис.4 изображает сходный опыт с “несгораемой” ниткой, туго намотанной на ключ.
#физика@physics_math
#математика@physics_math
#факты@physics_math
#наука@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
═════════════════════
Взгляните на рис.1: яйцо варится в воде, налитой в бумажный колпак! “Но ведь бумага сейчас загорится и вода зальет лампу”, — скажете вы. Попробуйте же сделать опыт, взяв для него плотную пергаментную бумагу и надежно прикрепив ее к проволоке. Вы убедитесь, что бумага нисколько не пострадает от огня. Объясним в чем причина.
Причина в том, что вода может быть нагрета в открытом сосуде только до температуры кипения, т.е. до 100°; поэтому нагреваемая вода, обладающая к тому же большой теплоемкостью, поглощая избыток теплоты бумаги, не дает ей нагреться заметно выше 100°, т. е. настолько, чтобы она могла воспламениться. (Практичнее будет пользоваться небольшой бумажной коробкой в форме, изображенной на рис. 2.) Бумага не загорается, если даже пламя лижет ее.
К тому же роду явлений относится и печальный опыт, который невольно проделывают рассеянные люди, ставящие самовар без воды: самовар распаивается. Причина понятна: припой сравнительно легкоплавок, и только тесное соседство воды спасает его от опасного повышения температуры. Нельзя также нагревать запаянные кастрюли без воды. В старых пулеметах Максима нагревание воды предохраняло оружие от расплавления.
Вы можете, далее, расплавить, например, свинцовую пломбу в коробочке, сделанной из игральной карты. Надо только подвергать действию пламени именно то место бумаги, которое непосредственно соприкасается со свинцом: металл, как сравнительно хороший проводник тепла, быстро отнимает от бумаги тепло, не давая ей нагреться заметно выше температуры плавления, т. е. 335° (для свинца); такая температура недостаточна для воспламенения бумаги.
Хорошо удается также следующий опыт (рис.3): толстый гвоздь или железный (еще лучше медный) прут обмотайте плотно узкой бумажной полоской, наподобие винта. Затем внесите прут с бумажной полоской в пламя. Огонь будет лизать бумагу, закоптит ее, но не сожжет, пока прут не раскалится. Разгадка опыта — в хорошей теплопроводности металла; со стеклянной палочкой подобный опыт не удался бы. Рис.4 изображает сходный опыт с “несгораемой” ниткой, туго намотанной на ключ.
#физика@physics_math
#математика@physics_math
#факты@physics_math
#наука@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Падение тел в вязких средах с учетом динамической силы сопротивления среды
════════════════════
В видео я привожу пример решения задачи о падении двух шариков из различных материалов в воздухе с учетом силы сопротивления пропорциональной квадрату скорости шариков. Рассматриваются два способа решения задачи: поверхностный - на уровне умения находить экстремум и углубленный - на уровне понимания и предугадывания физики процесса с помощью аппроксимации функции решения.
════════════════════
#физика@physics_math
#математика@physics_math
#физика #математика
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
════════════════════
В видео я привожу пример решения задачи о падении двух шариков из различных материалов в воздухе с учетом силы сопротивления пропорциональной квадрату скорости шариков. Рассматриваются два способа решения задачи: поверхностный - на уровне умения находить экстремум и углубленный - на уровне понимания и предугадывания физики процесса с помощью аппроксимации функции решения.
════════════════════
#физика@physics_math
#математика@physics_math
#физика #математика
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Физика для углубленного изучения (в 3-х книгах) [2004, DJVU]
═════════════════════
Описание:
═════════════════════
Учебник принципиально нового типа. Последовательность изложения соответствует логической структуре физики как науки и отражает современные тенденции ее преподавания. Материал разделен на обязательный и дополнительный, что позволяет строить процесс обучения с учетом индивидуальных способностей учащихся, включая организацию их самостоятельной работы. Задачи служат как для получения новых знаний, так и для развития навыков исследовательской деятельности.
Для учащихся школ, гимназий, лицеев с углубленным изучением физико-математических дисциплин, а также для подготовки к конкурсным экзаменам в вузы.
═════════════════════
Том 1. Механика
═════════════════════
В первом томе изучаются основы механики, изложение которой строится с учётом общих методологических принципов физики, таких, как принцип симметрии, относительности, соответствия и т.д.
═════════════════════
Том 2. Электродинамика. Оптика
═════════════════════
Второй том включает в себя основы электродинамики и оптики, изложение которых базируется на фундаментальных представлениях об электромагнитном поле без детализации структуры вещества, рассматриваемого здесь чисто феноменологически.
═════════════════════
Том 3. Строение и свойства вещества
═════════════════════
В третьем томе на основе развития фундаментальных механических и электромагнитных представлений развивается последовательная картина строения и свойств вещества от атома до Вселенной.
#физика@physics_math
#математика@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
═════════════════════
Описание:
═════════════════════
Учебник принципиально нового типа. Последовательность изложения соответствует логической структуре физики как науки и отражает современные тенденции ее преподавания. Материал разделен на обязательный и дополнительный, что позволяет строить процесс обучения с учетом индивидуальных способностей учащихся, включая организацию их самостоятельной работы. Задачи служат как для получения новых знаний, так и для развития навыков исследовательской деятельности.
Для учащихся школ, гимназий, лицеев с углубленным изучением физико-математических дисциплин, а также для подготовки к конкурсным экзаменам в вузы.
═════════════════════
Том 1. Механика
═════════════════════
В первом томе изучаются основы механики, изложение которой строится с учётом общих методологических принципов физики, таких, как принцип симметрии, относительности, соответствия и т.д.
═════════════════════
Том 2. Электродинамика. Оптика
═════════════════════
Второй том включает в себя основы электродинамики и оптики, изложение которых базируется на фундаментальных представлениях об электромагнитном поле без детализации структуры вещества, рассматриваемого здесь чисто феноменологически.
═════════════════════
Том 3. Строение и свойства вещества
═════════════════════
В третьем томе на основе развития фундаментальных механических и электромагнитных представлений развивается последовательная картина строения и свойств вещества от атома до Вселенной.
#физика@physics_math
#математика@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
SpringerBriefs in Mathematical Physics / Шпрингеровские обзоры по математической физике [2014 - 2017]
═════════════════════
Описание:
═════════════════════
SpringerBriefs in Mathematical Physics showcase, in a compact format, topics of current relevance in the field of mathematical physics. Published titles will encompass all areas of theoretical and mathematical physics. This series is intended for mathematicians, physicists, and other scientists, as well as doctoral students in related areas.
═════════════════════
Скачать:
https://cloud.mail.ru/public/4ncV/tmUCHoJ8H
═════════════════════
Шпрингеровские обзоры по математической физике демонстрируют, в компактном формате, темы текущей актуальности в математической физике. Опубликованные издания будет охватывать все области теоретической и математической физики. Серия предназначена для математиков, физиков и других ученых, а также докторантов в смежных областях.
═════════════════════
Список книг
═════════════════════
Vol. 1 - Tanii Y. - Introduction to Supergravity - 2014
Vol. 2 - Esposito C. - Formality Theory From Poisson Structures to Deformation Quantization - 2015
Vol. 3 - Bischoff M., Kawahigashi Y., Longo R., Rehren K.-H. - Tensor Categories and Endomorphisms of von Neumann Algebras with Applications to Quantum Field Theory - 2015
Vol. 4 - Honda N., Kawai T., Takei Y. - Virtual Turning Points - 2015
Vol. 5 - Tomamichel M. - Quantum Information Processing with Finite Resources. Mathematical Foundations - 2016
Vol. 6 - Hack T.-P. - Cosmological Applications of Algebraic Quantum Field Theory in Curved Spacetimes - 2016
Vol. 7 - Benedikter N., Porta M., Schlein B. - Effective Evolution Equations from Quantum Dynamics - 2016
Vol. 8 - Fujii K. - Quantum Computation with Topological Codes - 2015
Vol. 9 - Beenakker W., van den Broek T., van Suijlekom W.D. - Supersymmetry and Noncommutative Geometry - 2016
Vol. 10 - Furusawa A. - Quantum States of Light - 2015
Vol. 11 - Katori M. - Bessel Processes, Schramm–Loewner Evolution, and the Dyson Model - 2016
Vol. 12 - Carinci G., De Masi A., Giardina C., Presutti E. - Free Boundary Problems in PDEs and Particle Systems - 2016
Vol. 13 - Bru J.-B., de Siqueira Pedra W. - Lieb-Robinson Bounds for Multi-Commutators and Applications to Response Theory - 2017
Vol. 14 - Stevens M. - The Kadison-Singer Property - 2016
Vol. 15 - Yeats K. - A Combinatorial Perspective on Quantum Field Theory - 2017
Vol. 17 - Hora A. - The Limit Shape Problem for Ensembles of Young Diagrams - 2016
Vol. 18 - Weiss T., Ferrari P., Spohn H. - Reflected Brownian Motions in the KPZ Universality Class - 2017
Vol. 19 - Brézin E., Hikami S. - Random Matrix Theory with an External Source - 2017
#физика@physics_math
#математика@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
═════════════════════
Описание:
═════════════════════
SpringerBriefs in Mathematical Physics showcase, in a compact format, topics of current relevance in the field of mathematical physics. Published titles will encompass all areas of theoretical and mathematical physics. This series is intended for mathematicians, physicists, and other scientists, as well as doctoral students in related areas.
═════════════════════
Скачать:
https://cloud.mail.ru/public/4ncV/tmUCHoJ8H
═════════════════════
Шпрингеровские обзоры по математической физике демонстрируют, в компактном формате, темы текущей актуальности в математической физике. Опубликованные издания будет охватывать все области теоретической и математической физики. Серия предназначена для математиков, физиков и других ученых, а также докторантов в смежных областях.
═════════════════════
Список книг
═════════════════════
Vol. 1 - Tanii Y. - Introduction to Supergravity - 2014
Vol. 2 - Esposito C. - Formality Theory From Poisson Structures to Deformation Quantization - 2015
Vol. 3 - Bischoff M., Kawahigashi Y., Longo R., Rehren K.-H. - Tensor Categories and Endomorphisms of von Neumann Algebras with Applications to Quantum Field Theory - 2015
Vol. 4 - Honda N., Kawai T., Takei Y. - Virtual Turning Points - 2015
Vol. 5 - Tomamichel M. - Quantum Information Processing with Finite Resources. Mathematical Foundations - 2016
Vol. 6 - Hack T.-P. - Cosmological Applications of Algebraic Quantum Field Theory in Curved Spacetimes - 2016
Vol. 7 - Benedikter N., Porta M., Schlein B. - Effective Evolution Equations from Quantum Dynamics - 2016
Vol. 8 - Fujii K. - Quantum Computation with Topological Codes - 2015
Vol. 9 - Beenakker W., van den Broek T., van Suijlekom W.D. - Supersymmetry and Noncommutative Geometry - 2016
Vol. 10 - Furusawa A. - Quantum States of Light - 2015
Vol. 11 - Katori M. - Bessel Processes, Schramm–Loewner Evolution, and the Dyson Model - 2016
Vol. 12 - Carinci G., De Masi A., Giardina C., Presutti E. - Free Boundary Problems in PDEs and Particle Systems - 2016
Vol. 13 - Bru J.-B., de Siqueira Pedra W. - Lieb-Robinson Bounds for Multi-Commutators and Applications to Response Theory - 2017
Vol. 14 - Stevens M. - The Kadison-Singer Property - 2016
Vol. 15 - Yeats K. - A Combinatorial Perspective on Quantum Field Theory - 2017
Vol. 17 - Hora A. - The Limit Shape Problem for Ensembles of Young Diagrams - 2016
Vol. 18 - Weiss T., Ferrari P., Spohn H. - Reflected Brownian Motions in the KPZ Universality Class - 2017
Vol. 19 - Brézin E., Hikami S. - Random Matrix Theory with an External Source - 2017
#физика@physics_math
#математика@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Видео от нашего подписчика:
═════════════════════
Дело было вечером, делать было нечего.
Моделирую траектории движения объектов под действием сил гравитации.
#физика@physics_math
#программирование@physics_math
#моделирование@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
═════════════════════
Дело было вечером, делать было нечего.
Моделирую траектории движения объектов под действием сил гравитации.
#физика@physics_math
#программирование@physics_math
#моделирование@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Сможете посчитать вместимость кувшина и чаши?
═════════════════════
#задачи@physics_math
#физика@physics_math
#математика@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
═════════════════════
#задачи@physics_math
#физика@physics_math
#математика@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Странные свойства растворов полимеров
═════════════════════
Полиэтиленоксид — это полимер, то есть очень длинная молекула. В растворе длинные нити полиэтиленоксида цепляются друг за друга, поэтому движение, начатое частью жидкости, продолжается всем остальным объемом. На анимации раствор сам вытекает из сосуда после небольшого наклона края.
#gif@physics_math
#физика@physics_math
#интересные_опыты@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
═════════════════════
Полиэтиленоксид — это полимер, то есть очень длинная молекула. В растворе длинные нити полиэтиленоксида цепляются друг за друга, поэтому движение, начатое частью жидкости, продолжается всем остальным объемом. На анимации раствор сам вытекает из сосуда после небольшого наклона края.
#gif@physics_math
#физика@physics_math
#интересные_опыты@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Частный случай из жизни плазмы
═════════════════════
#физика@physics_math
#плазма@physics_math
#математика@physics_math
═════════════════════
#физика@physics_math
#плазма@physics_math
#математика@physics_math
Фильмы из серии "Наука и техника" [ЦентрНаучФильм]
═════════════════════
#математика@physics_math
#физика@physics_math
#наука@physics_math
═════════════════════
#математика@physics_math
#физика@physics_math
#наука@physics_math