Габор Секей. Парадоксы в теории вероятностей и математической статистике
═════════════════════
Описание:
═════════════════════
Книга венгерского математика, содержащая собрание неожиданных выводов и утверждений из теории вероятностей, математической статистики и теории случайных процессов. Написана живо и увлекательно.
Рассматриваются как классические парадоксы, двигавшие развитие науки, начиная с XVI в., так и современные проблемы теории вероятностей. Большинство аспектов вполне доступно, но отдельные вопросы требуют серьезной математической подготовки.
#physics #math #физика #математика
#теория_вероятностей@physics_math
#математика@physics_math
#статистика@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
═════════════════════
Описание:
═════════════════════
Книга венгерского математика, содержащая собрание неожиданных выводов и утверждений из теории вероятностей, математической статистики и теории случайных процессов. Написана живо и увлекательно.
Рассматриваются как классические парадоксы, двигавшие развитие науки, начиная с XVI в., так и современные проблемы теории вероятностей. Большинство аспектов вполне доступно, но отдельные вопросы требуют серьезной математической подготовки.
#physics #math #физика #математика
#теория_вероятностей@physics_math
#математика@physics_math
#статистика@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
November 20, 2017
КАК НАДО ПРЫГАТЬ ИЗ ДВИЖУЩЕГОСЯ ВАГОНА?
═════════════════════
Задав кому-нибудь этот вопрос, вы, конечно, получите ответ: “Вперед, по движению, согласно закону инерции”. Попросите, однако, объяснить подробнее, причем тут закон инерции. Можно предсказать, что при этом произойдет: ваш собеседник начнет уверенно доказывать свою мысль; но если не перебивать его, он скоро сам остановится в недоумении: выйдет, что именно вследствие инерции надо прыгать как раз наоборот – назад, против движения!
И в самом деле, закон инерции играет здесь роль второстепенную, – главная причина совсем другая. И если эту главную причину забыть, то мы действительно придем к выводу, что надо прыгать назад, а никак не вперед.
Пусть вам необходимо выпрыгнуть на ходу. Что произойдет при этом?
Когда мы прыгаем из двигающегося вагона, то тело наше, отделившись от вагона, обладает скоростью вагона (оно движется по инерции) и стремится двигаться вперед. Делая прыжок вперед, мы, конечно, не только не уничтожаем этой скорости, но, наоборот, еще увеличиваем ее.
Отсюда следует, что надо было бы прыгать назад, а вовсе не вперед, по направлению движения вагона. Ведь при прыжке назад скорость, сообщаемая прыжком, отнимается от скорости, с которой наше тело движется по инерции; вследствие этого, коснувшись земли, тело наше с меньшей силой будет стремиться опрокинуться.
Однако если уж и приходится прыгать из движущегося экипажа, то все прыгают вперед, по движению. Это действительно лучший способ и настолько проверенный, что мы настойчиво предостерегаем читателей от попыток проверить неудобство прыганья назад с движущегося экипажа.
Так в чем же дело?
В неверности объяснения, в его недоговоренности. Будем ли прыгать вперед, будем ли прыгать назад, – в том и другом случае нам грозит опасность упасть, так как верхняя часть туловища будет еще двигаться, когда ноги, коснувшись земли, остановятся [Можно объяснить падение в этом случае также и с иной точки зрения (см. об этом “Занимательную механику”, гл. III, статью: “Когда горизонтальная линия не горизонтальна?”).].
Скорость этого движения при прыжке вперед даже больше, чем при прыжке назад. Но существенно важно то, что вперед падать гораздо безопаснее, чем падать назад. В первом случае мы привычным движением выставляем ногу вперед (а при большой скорости вагона – пробегаем несколько шагов) и тем предупреждаем падение.
Это движение привычно, так как мы всю жизнь совершаем его при ходьбе: ведь с точки зрения механики, как мы узнали из предыдущей статьи, ходьба есть не что иное, как ряд падений нашего тела вперед, предупреждаемых выставлением ноги. При падении же назад нет этого спасительного движения ног, и оттого здесь опасность гораздо больше.
Наконец, важно и то, что когда мы даже в самом деле упадем вперед, то, выставив руки, расшибемся не так, как при падении на спину.
Итак, причина того, что безопаснее прыгать из вагона вперед, кроется не столько в законе инерции, сколько в нас самих. Ясно, что для предметов неживых правило это неприменимо: бутылка, брошенная из вагона вперед, скорее может разбиться при падении, нежели брошенная в обратном направлении. Поэтому, если вам придется почему-либо прыгать из вагона, выбросив предварительно свой багаж, следует кидать багаж назад, самим же прыгать вперед.
Люди опытные – кондукторы трамвая, контролеры – часто поступают так: прыгают назад, обратившись спиной по направлению прыжка. Этим достигается двоякая выгода: уменьшается скорость, приобретенная нашим телом по инерции, и, кроме того, предупреждается опасность падения на спину, так как прыгающий обращен передней стороной тела по направлению возможного падения.
#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
═════════════════════
Задав кому-нибудь этот вопрос, вы, конечно, получите ответ: “Вперед, по движению, согласно закону инерции”. Попросите, однако, объяснить подробнее, причем тут закон инерции. Можно предсказать, что при этом произойдет: ваш собеседник начнет уверенно доказывать свою мысль; но если не перебивать его, он скоро сам остановится в недоумении: выйдет, что именно вследствие инерции надо прыгать как раз наоборот – назад, против движения!
И в самом деле, закон инерции играет здесь роль второстепенную, – главная причина совсем другая. И если эту главную причину забыть, то мы действительно придем к выводу, что надо прыгать назад, а никак не вперед.
Пусть вам необходимо выпрыгнуть на ходу. Что произойдет при этом?
Когда мы прыгаем из двигающегося вагона, то тело наше, отделившись от вагона, обладает скоростью вагона (оно движется по инерции) и стремится двигаться вперед. Делая прыжок вперед, мы, конечно, не только не уничтожаем этой скорости, но, наоборот, еще увеличиваем ее.
Отсюда следует, что надо было бы прыгать назад, а вовсе не вперед, по направлению движения вагона. Ведь при прыжке назад скорость, сообщаемая прыжком, отнимается от скорости, с которой наше тело движется по инерции; вследствие этого, коснувшись земли, тело наше с меньшей силой будет стремиться опрокинуться.
Однако если уж и приходится прыгать из движущегося экипажа, то все прыгают вперед, по движению. Это действительно лучший способ и настолько проверенный, что мы настойчиво предостерегаем читателей от попыток проверить неудобство прыганья назад с движущегося экипажа.
Так в чем же дело?
В неверности объяснения, в его недоговоренности. Будем ли прыгать вперед, будем ли прыгать назад, – в том и другом случае нам грозит опасность упасть, так как верхняя часть туловища будет еще двигаться, когда ноги, коснувшись земли, остановятся [Можно объяснить падение в этом случае также и с иной точки зрения (см. об этом “Занимательную механику”, гл. III, статью: “Когда горизонтальная линия не горизонтальна?”).].
Скорость этого движения при прыжке вперед даже больше, чем при прыжке назад. Но существенно важно то, что вперед падать гораздо безопаснее, чем падать назад. В первом случае мы привычным движением выставляем ногу вперед (а при большой скорости вагона – пробегаем несколько шагов) и тем предупреждаем падение.
Это движение привычно, так как мы всю жизнь совершаем его при ходьбе: ведь с точки зрения механики, как мы узнали из предыдущей статьи, ходьба есть не что иное, как ряд падений нашего тела вперед, предупреждаемых выставлением ноги. При падении же назад нет этого спасительного движения ног, и оттого здесь опасность гораздо больше.
Наконец, важно и то, что когда мы даже в самом деле упадем вперед, то, выставив руки, расшибемся не так, как при падении на спину.
Итак, причина того, что безопаснее прыгать из вагона вперед, кроется не столько в законе инерции, сколько в нас самих. Ясно, что для предметов неживых правило это неприменимо: бутылка, брошенная из вагона вперед, скорее может разбиться при падении, нежели брошенная в обратном направлении. Поэтому, если вам придется почему-либо прыгать из вагона, выбросив предварительно свой багаж, следует кидать багаж назад, самим же прыгать вперед.
Люди опытные – кондукторы трамвая, контролеры – часто поступают так: прыгают назад, обратившись спиной по направлению прыжка. Этим достигается двоякая выгода: уменьшается скорость, приобретенная нашим телом по инерции, и, кроме того, предупреждается опасность падения на спину, так как прыгающий обращен передней стороной тела по направлению возможного падения.
#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
November 24, 2017
Во время империалистической войны, как сообщали газеты, с французским летчиком произошел совершенно необыкновенный случай. Летая на высоте двух километров, летчик заметил, что близ его лица движется какой-то мелкий предмет. Думая, что это насекомое, летчик проворно схватил его рукой. Представьте изумление летчика, когда оказалось, что он поймал... германскую боевую пулю!
Не правда ли, это напоминает россказни легендарного барона Мюнхгаузена, будто бы ловившего пушечные ядра руками?
А между тем в сообщении о летчике, поймавшем пулю, нет ничего невозможного.
Пуля ведь не все время движется со своей начальной скоростью 800 — 900 м в секунду. Из-за сопротивления воздуха она постепенно замедляет свой полет и к концу пути — на излете — делает всего метров 40 в секунду. А такую скорость развивает и самолет. Значит, легко может случиться, что пуля и самолет будут иметь одинаковую скорость; тогда по отношению к летчику пуля будет неподвижна или будет двигаться едва заметно. Ничего не будет стоить тогда схватить ее рукой, — особенно в перчатке, потому что пуля, движущаяся в воздухе, сильно разогревается.
═════════════════════
#физика@physics_math
#математика@physics_math
#факты@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Не правда ли, это напоминает россказни легендарного барона Мюнхгаузена, будто бы ловившего пушечные ядра руками?
А между тем в сообщении о летчике, поймавшем пулю, нет ничего невозможного.
Пуля ведь не все время движется со своей начальной скоростью 800 — 900 м в секунду. Из-за сопротивления воздуха она постепенно замедляет свой полет и к концу пути — на излете — делает всего метров 40 в секунду. А такую скорость развивает и самолет. Значит, легко может случиться, что пуля и самолет будут иметь одинаковую скорость; тогда по отношению к летчику пуля будет неподвижна или будет двигаться едва заметно. Ничего не будет стоить тогда схватить ее рукой, — особенно в перчатке, потому что пуля, движущаяся в воздухе, сильно разогревается.
═════════════════════
#физика@physics_math
#математика@physics_math
#факты@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
November 28, 2017
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
December 1, 2017
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
December 8, 2017
Статьи и книга от нашего подписчика:
═════════════════════
Применение метода степенных рядов для решения обыкновенных дифференциальных уравнений в прикладных вычислениях (статьи и книга по автоматическому дифференцированию).
═════════════════════
#математика@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
═════════════════════
Применение метода степенных рядов для решения обыкновенных дифференциальных уравнений в прикладных вычислениях (статьи и книга по автоматическому дифференцированию).
═════════════════════
#математика@physics_math
#python #код #django #питон #джанго #программирование #cod #coding #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
December 8, 2017
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
December 9, 2017
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
December 10, 2017
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
Облако@Mail.Ru
Файл из Облака Mail.Ru
Облако Mail.Ru - это ваше персональное надежное хранилище в интернете. Все нужные файлы всегда под рукой, доступны в любой точке мира с компьютера или смартфона.
December 10, 2017
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
December 17, 2017
Частный случай из жизни плазмы
═════════════════════
#физика@physics_math
#плазма@physics_math
#математика@physics_math
═════════════════════
#физика@physics_math
#плазма@physics_math
#математика@physics_math
January 17, 2018
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
January 19, 2018