跳到主要内容

从基普乔格与马拉松讲起

决定来蹭一波热点...…虽然有点晚了。

众所周知,2019 年 10 月 12 日,来自肯尼亚的跑者埃鲁德·基普乔格突破了马拉松记录(并且这个被打破的记录也是他本人创的),跑进 2 小时大关;为了纪念这一里程碑式的时刻,也为了和高中的机械运动专题相关联,本文就来看看基普乔格跑步中的一些问题。

此为真实数据;但为了使内容更加有趣,我们决定使用一些更“刺激”的数据

注:本文所用符号:

  • dd, f(t)f(t)——位移;d0d_0——初始位移
  • vv, f(t)f'(t)——速度;v0v_0——初始速度
  • aa, f(t)f''(t)——加速度
  • tt——时间;Δt\Delta t, dtdt——t 的微分
  • TT——时刻

一、瞬时速度与从 d-t 图到 v-t 图

无论如何,人类也不可能跑出严格的匀速运动——虽然在较大的尺度上,基普乔格的确做到了速度基本一致,但在秒的尺度上,一定是一步一步,有快有慢。假设基普乔格起步时的运动情况如下图:

其中横坐标表示时间;纵坐标表示位移。所以,每一个点 (T,d) 代表了一个时刻 T 和对应的基普乔格的位移 d。因为此图展示了 d 随着 t 变化而变化的规律,所以叫做 d-t 图。

问题 1、通过 d-t 图,可以得到基普乔格在每一个时刻的位移;那么,如何求出他在这个时刻的瞬时速度?

这个问题乍一看十分不着实际——速度怎么能脱离时间而存在?“瞬时”这个词就好像拍了一张照片,如果是位移,还比较容易知道;但怎么能从照片上知道他的速度呢?速度必须是与时间一同存在的。

为了解决这个问题,我们可以假设他跑了极短的一段时间 Δt\Delta t,短到比任何一个你能想到的数都接近 0,但不等于 0。在如此短的时间内,他基本是在作匀速运动;我们也认为,这个速度就是他在 t0t_0 的瞬时速度,即

v=limΔt0ΔdΔt\begin{aligned} v=\lim_{\Delta t\to 0}\frac{\Delta d}{\Delta t} \end{aligned}

在上一篇文章关于误差传递与导数运算的发现中,已经介绍了导数的概念,一般式为:

f(x)=limΔx0Δf(x)Δx\begin{aligned} f'(x)=\lim_{\Delta x\to 0}\frac{\Delta f(x)}{\Delta x} \end{aligned}

这两个式子长得何其相像!那么,如果我们把 tt 当作自变量,dd 当作 tt 的函数,vv 就是 dd 的导函数。它在几何上表示为在 t=t0t=t_0 点附近的一段曲线的切线,如这样:

每一个时刻 tt 都能对应一个瞬时速度 vv。如果画出 vv 关于 tt 变化的曲线,就会长下图这样:

这张图叫做 v-t 图。

所以,从 d-t 图画出 v-t 图的过程,本质上是一个求导,即微分的过程。

(由于是一元函数,导数和微分的区别不做深究)

二、时间段中的位移与从 v-t 图到 d-t 图

问题 2、通过上一节的 v-t 图,可以知道基普乔格在任意两个时刻 T1T_1T2T_2 间的速度变化情况;那么,如何求出他在这段时间中的位移?

显然,由于速度在不停变化,不可能用d=vtd=vt直接得出结果。

我们想象一个场景:如果一个人在第一秒的速度为1m/s1\,\text{m/s},第二秒为2m/s2\,\text{m/s},第三秒为1.3m/s1.3\,\text{m/s},那么,他在这三秒内的总位移就是1+2+1.3=4.3m1+2+1.3=4.3\,\text{m}。所以,总位移可以用每一个做匀速运动的时间内的位移之和来计算。

我们在上一节中已经做出了假设:在足够短的时间中,所有运动都是匀速直线的。所以,用同样的思路,如果设 Δt\Delta t 表示一个无限小时间,则基普乔格在 T1T_1 处的速度为 v0v_0T1+ΔtT_1+\Delta t 处的速度为 v1v_1T1+2ΔtT_1+2\Delta t 处的速度为 v2v_2……一直到 T1+nΔtT_1+n\Delta t 的速度为 vnv_n,其中 nn 满足 nΔt=T2T1n\cdot \Delta t=T_2-T_1,那么他的总位移就是

d=v0Δt+v1Δt+v2Δt++vnΔt=i=0nviΔt\begin{aligned} d=v_0\Delta t+v_1\Delta t+v_2\Delta t+\dots+v_n\Delta t=\sum_{i=0}^n v_i\cdot\Delta t \end{aligned}

在第一节中,我们把一个整体切成极小的部分来分析,称之为微分;在这里,我们则把无数个极小的部分拼成一个整体,这种过程叫做积分——准确地说,此处我们在讨论一定范围内的无数个极小部分之和,是定积分。在 平面几何大宝鉴:祖暅原理的平面几何运用 中,便运用了定积分的思想,可以在那里找到一种比较几何的积分推导方法。定积分在几何上的意义便为曲线与 x 轴围成的图形面积,如下图。

由于牵涉到无限小、无限大,再用传统的 sigma 显得不大合适;所以,便用 summa 符号表示积分。

d=T1T2vdt\begin{aligned} d=\int_{T_1}^{T_2} v\cdot\mathrm{d}t \end{aligned}

summa 就是那个拉长的曲线。它的右下角的数表示积分下界,即 v0v_0 对应的时刻,T1T_1;右上角是积分上界,即 vnv_n 对应的时刻,T2T_2。它表示把从 T1T_1T2T_2 间所有的 vtv_t 乘积相加。由于是无限项相加,tt 又是无限小量,所以结果可以是一个数。

所以,求某个时间中的位移,便是求定积分的过程。

而如果想从 v-t 图还原出 d-t 图,便要做不定积分。一般形式是

d=vdt\begin{aligned} d=\int v\,\mathrm{d}t \end{aligned}

通过这种方法,可以通过导函数构建出原函数;但这个原函数并不确定。因为细心的话,可以发现,在求导的过程中,损失了一部分信息——即该点的实际纵坐标。所以,积分后的函数,可以上下平移。

这也解释得通——如果知道每一个时刻的速度,也只能知道位移的变化,而不能知道位移的绝对大小,因为起始位置不一定为 0。

三、速度的变化

问题 3、如果我们拿着一个测速仪站在冲来的基普乔格面前,可以求出他在这一刻的所有运动情况,如果基普乔格的运动情况不再发生突然改变,能不能重复出他的整个运动过程?

首先,这个测速仪肯定测得出他的加速度。加速度 aa 的定义为速度 vv 的变化与时间 tt 的比值,也就是速度的变化率。毫无疑问,瞬时加速度 aavv 的导数,就好像 vvdd 的导数一样。

如果 aa 为定值,通过这个方程组:

{v1=v0+atd=d0+v0+v12t\begin{cases} v_1=v_0+at\\ d=d_0+\dfrac{v_0+v_1}{2}t \end{cases}

可以得到:

d=d0+vt+12at2\begin{aligned} d=d_0+vt+\frac 12at^2 \end{aligned}

它的意思是,如果知道 d-t 图上的一点 (T,d0)(T,d_0),以及在这一点的导数 vv,以及导数的导数 aa(定值),就可以通过此公式得到任意时间 tt 后的位移 dd。写得稍微一般化一点,由于 d0=d(T)d_0=d(T), v=d(T)v=d'(T), a=d(T)a=d''(T),可以得到

d(T+t)=d(T)+d(T)t+12d(T)t2\begin{aligned} d(T+t)=d(T)+d'(T)t+\frac 12d''(T)t^2 \end{aligned}

下一步,如果 aa 不是定值呢?如果测速仪还测出了加速度的变化率、加速度变化率的变化率,等等,就又会有 aa 的导数 aa'aa' 的导数 aa''……此时又怎么调整公式?泰勒告诉我们,有:

d(T+t)=10!d(T)+11!d(T)t+12!d(T)t2+13!d(T)t3+=i=0d(i)(T)ti\begin{aligned} d(T+t)&=\frac{1}{0!}d(T)+\frac{1}{1!}d'(T)t+\frac{1}{2!}d''(T)t^2+\frac{1}{3!}d'''(T)t^3+\dots\\ &=\sum_{i=0}^\infty d^{(i)}(T)t^i \end{aligned}

其中 dd 右上角的 (i)(i) 表示 ddii 阶导数,即 ddii 个“'”。这便是大名鼎鼎的泰勒展开。

如果上面的代数式太抽象,我们可以用一些手段来看出它的本质。首先,如果设 T=0T=0 的话,就可以消去它;其次,设 1i!d(i)(T)=mi\displaystyle \frac{1}{i!}d^{(i)}(T)=m_i;经过这两步,函数式变成了这样:

d(t)=m0+m1t+m2t2+m3t3+\begin{aligned} d(t)=m_0+m_1t+m_2t^2+m_3t^3+\dots \end{aligned}

这不就是一个多项式函数么!在知道曲线在 (T,d0)(T,d_0) 点的各阶导数的情况下,m0m_0, m1m_1 等等都是定值。这样,所有的函数就都可以用多项式函数来无限近似了。

用这种方法,你也可以跑出和基普乔格一模一样的成绩——只要基普乔格不在中途突然改变加速度。不然的话,只要函数在某一点不连续,泰勒展开就会失效。形象化地说,就是你不可能知道他之后是怎么跑的——是要喝水而减了速?还是突然加速?

通过以上三个问题,我们在机械运动和微积分间建立起了联系,用一种模式化的思路,把看似琐碎的问题变为了纯粹的理论推导,并可以直接代入对应的微积分公式求解,充分体现了数学之美。事实上,微积分的发明,本来就是作为辅助物理研究的数学工具——数学作为一种描述宇宙工具,还有无限的魅力。