本文内容来自于学习麻省理工学院公开课:单变量微积分-泰勒级数-网易公开课
Bullseye:第一单元 用python学习微积分(一) 安装开发环境Anaconda 和 导数(上)- 1/x的导数
质心问题Center of Mass - Sciencetopia
重心问题Center of Gravity Definition, Equation and Calculation
Bullseye:第一单元 用python学习微积分(二)VSCode 、PYGame 和 导数(上)- 瞬时速度
目录
(4)老师要求注意,尽管这个级数是没有极限的,但是这个级数的增长十分的缓慢。
刚体由大量粒子组成,刚体的质量是单个粒子质量的总和。但是,我们可以考虑物体上的一个点,使得物体的全部质量都集中在它上面,并且当施加相同的力时,该点的运动与与物体质量相同的粒子的运动相同.这个点称为质心。因此,物体的质心是施加的力产生线性加速度但没有旋转的点。
单个物体上的受力是由其上面每个粒子所受力的总和

设置:如图总质量为M;质心为C.M.; 'm1, m2 ...' 为物体上某点的质量
质心公式(center of mass [x, y])= ![[ \frac{m_1x_1+m_2x_2+m_3x_3+...}{M} , \frac{m_1y_1+m_2y_2+m_3y_3+...}{M} ]](https://1000bd.com/contentImg/2022/06/28/034302909.gif)

设置: 两个质量为m1和m2的物体,如图所示。让质量通过刚性杆连接,并让C是它们的质心。
有公式: 
重心是物体的重量作用并且物体上的总重力扭矩为零的点,简写C.G.

设置:物体上某粒子的重力
,
是这个粒子从纸板的 CG 的位置向量,
是这个粒子上重力的扭矩

我们知道在CG点总重力扭矩是 0,所以有

由于 g 是常数, 
设置:两个宽2m的铁块 a, b,分别重20kg,40kg,并分别放置在木板两侧A、B,木板长20m。

a 的重心距离 A 点1m,而 b 的重心距离A点19m

以左侧A点为基准
系统重心 = 总重力扭矩
总的力臂 = (A的力臂
A点受力 + B的力臂
B点受力)
(A点受力 + B点力臂)
总重力扭矩= 
系统重心距离左侧= 
| 体型 | CG位置 |
|---|---|
| 细均匀条 | 条的中点 |
| 圆环 | 环的中心 |
| 圆盘 | 磁盘中心 |
| 球体、空心球体、环形盘 | 在它的中心 |
| 立方体或矩形块 | 对角线的交点 |
| 三角板 | 中线的交点 |
| 方形层、平行四边形和矩形层 | 对角线的交点 |
| 圆柱 | 轴的中点 |
| 圆锥或金字塔 | 在与底面中心顶点相接的线上,距底面的距离等于该线长度的1/4 |

如图,有多个积木搭在一起,由下向上,每块都向左偏移一定的距离,问最上面那一块的右测可不可以偏移到最下面的积木的左测以左。
老师用几块积木做了这个实验,并且成功了。这里的秘密就是要从上向下布置。
其原理是,由于只要在积木的重心处有支撑,积木就可以立住。
第一块积木的重心在他的中心位置,所以第二块积木要放在第一块的一半处(积木都是等大小的,所以我们只需要考虑水平方向的位置,xCenter1)。第一块和第二块积木形成了新的系统,这个系统的重心在原第一块和第二块重心的平均的位置(
), 以此类推当有n个积木以此方法布置时,它们组成的系统的重心为(
)
模拟程序:

pygame基础上制作的模拟程序
链接:百度网盘 请输入提取码
提取码:1g1u
解压7z,并在解压目录中运行 AddRectangles.py。 程序中点击键盘回车可以添加一个积木。
和
的平均数。由于每块积木的重量相等,则第n块积木累积了n的重量,而n+1块积木有重量 1,它们的平均值是
考虑重心中系统重心的公式
以原点计,
系统重心 = 总重力扭矩
总的力臂 = (A的力臂
A点受力 + B的力臂
B点受力)
(A点受力 + B点力臂)
也就是第n+1块积木的左侧是在前n块积木的重心
(W=1,重力为 n ) 下方,也就是说第n+1块积木的重心在
( 重力为 1 )
再把重量考虑进去,则这个新的重心在 
程序:
- import numpy as np
- from sympy import *
- import matplotlib.pyplot as plt
-
- def GetCenter(steps, weight, length):
- Cn = 0
- for i in range(steps):
- n = i
- Cn = (Cn*weight*n + (Cn + length/2.0)*weight)/(n+1)
- print(Cn)
-
- W = 1
- L = 2
- GetCenter(100,weight=W,length =L)
-
- 1.0
- 1.5
- 1.8333333333333333
- 2.083333333333333
- 2.2833333333333328
- ...
- 5.177377517639616
- 5.187377517639615
按公式展开:



....

由上一章得知:
Bullseye:第五单元 用python学习微积分(三十三)反常积分(下)-- 无穷级数和收敛判定
黎曼上和(
)
显然这个
( 发散的 )
由上一章的知识可知,
近似并小于
(
),
这里要注意,每个木块被定义为2个单位距离,所以当我们需要跨越26个单位距离时,
首先要减掉最下面那块的2个单位距离,然后就是其余的积木的重心到目标位置的距离即24个单位距离,也就是
, 由于
,也就是让第24个单位距离处为这n块积木的重心,求 n+1(显然 n 是整数)。
- x = symbols('x')
- eq = ln(x)-24
- eq1 = Eq(eq,0)
- solveX = solve(eq1)
- print(int(solveX[0]))
- 26489122129

假设木块高3cm,这些木块摞起来有多高呢 ?
,大约等于地球到月亮的距离的2倍
当 |x| < 1

假设有



由于


这个证明要求S首先要存在,也就是这个幂级数要是收敛的,不能是发散的。
当
时,等式
会变成
,造成结果无意义。


(收敛半径 radius of converges)
(级数收敛点集区间)
当
,
是发散的
当
, 是边界,并不会被使用
以指数速度趋向0 ,当
不会趋向0 ,当
这些运算对幂级数来说都是成立的
(1)运算举例


注意:使用泰勒公式时,当 n=0 时, 约定俗成 0! = 1
泰勒公式的本质是近似,当 f(x)在
处有n阶导数,则有这个函数可以用幂函数近似替代,有公式

当这个函数在 x=0 处有n阶导数,泰勒公式变换为更常用的麦克劳林公式

当这个展开式n值越大,近似度就越高
通常在幂级数中, 
证明:




x 取 0, 

我们知道,当
,
所以我们可以把它带入泰勒公式,有

而 
我们知道,当 



