📝 Интегральное исчисление возникло не как умозрительная конструкция, а как необходимость решения двух классов задач 📝:
1. Квадратура — вычисление площади фигуры, ограниченной кривой линией.
2. Кубатура — вычисление объёма тела со сложной формой.
Первые известные попытки решения таких задач относятся к Древнему Египту и Месопотамии. А систематические методы появляются в Древней Греции.

▪️ Первый интеграл: площадь сегмента параболы (Архимед). Архимед Сиракузский (287–212 гг. до н. э.) первым сформулировал и строго доказал метод, который называется методом исчерпывания.
Задача: Найти площадь S сегмента, отсекаемого прямой AB от параболы y = x². Ход рассуждения Архимеда:
1. Внутри сегмента строится треугольник ΔABC с максимальной высотой.
2. Площадь этого треугольника T₁ принимается за первое приближение.
3. В оставшихся двух малых сегментах снова вписываются треугольники, суммарная площадь которых T₂ = T₁ / 4.
4. Процесс повторяется. Получается геометрическая прогрессия: S = T₁ + T₂ + T₃ + … = T₁ + T₁/4 + T₁/4² + …
Архимед строго доказывает, что S = (4/3)·T₁
В современных символах для параболы y = x² на отрезке от –a до a: ∫₋ₐᵃ x² dx = 2·a³/3
Площадь вписанного треугольника T₁ = a³, откуда и получается S = (4/3)·a³.

▪️ Метод неделимых (Кавальери, XVII век). Следующий принципиальный шаг совершил Бонавентура Кавальери (1598–1647), ученик Галилея. Он ввёл понятие «неделимых» — линий, составляющих площадь, и плоскостей, составляющих объём.
Принцип Кавальери: Если при пересечении двух тел плоскостями, параллельными некоторой заданной плоскости, площади сечений равны, то равны и объёмы тел.
Кавальери вычислил, например, площадь под дугой циклоиды и получил соотношение: ∫₀²πᴿ y dx = 3πR²
где y — ордината циклоиды, R — радиус производящего круга. Интеграл он понимал как сумму всех линий (ординат), но не оперировал пределами.
Его результат для степенной функции: сумма всех квадратов неделимых (то есть ∫x²dx) относится к квадрату над той же длиной как 1:3. Это записывалось как: ∫₀ᵃ x² dx = a³/3
Для xⁿ он и его последователи (Торричелли, Роберваль) нашли, что ∫₀ᵃ xⁿ dx = aⁿ⁺¹ / (n+1), где n ∈ ℕ.

▪️ Интеграл как предел сумм (Ферма, Паскаль). Пьер Ферма в 1636 году разработал метод квадратуры для кривых вида y = xᵐ⁄ⁿ. Он разбивал интервал [0, a] на геометрическую прогрессию точек, вычислял сумму площадей прямоугольников и переходил к пределу. Общая формула, полученная Ферма: ∫₀ᵃ xᵐ⁄ⁿ dx = n·a⁽ᵐ⁺ⁿ⁾⁄ⁿ / (m+n)
При m/n = k (рациональное) получается: ∫₀ᵃ xᵏ dx = aᵏ⁺¹ / (k+1)

▪️ Итоговое открытие: теорема, связавшая интеграл и производную. К 1660–1670 гг. Исаак Ньютон и Готфрид Лейбниц независимо поняли главное: операция квадратуры и операция нахождения касательной обратны.
Фундаментальная теорема анализа: Пусть F'(x) = f(x). Тогда ∫ₐᵇ f(x) dx = F(b) – F(a).
Символ интеграла ∫ (буква S — от лат. summa) и обозначение дифференциала dx были введены Лейбницем в статье 1686 года «О глубокой геометрии и анализе неделимых и бесконечных».

▪️ Практика применения:
1. Землемерие и строительство — вычисление площади неправильных полей (метод исчерпывания заменял современную квадратуру).
2. Гидростатика — Архимед определял объём вытесненной жидкости.
3. Военное дело — расчёт объёмов ядер, формы укреплений.
4. Астрономия — принципы счёта интегралов из астрономии, Кеплер применил для вычисления объёма винных бочек.
5. Навигация и картография — определение площадей на картах в проекции Меркатора.

В XVII веке понятие предела ещё не было. Лейбниц оперировал «бесконечно малыми» величинами, что вызывало критику. Строгий предел ε-δ дал Коши (1823), а теоретико-множественное обоснование — Риман (1854). Однако методы Архимеда, Кавальери и Ферма были элементарно строги в рамках своей геометрической интуиции. Первый строгий результат — Архимед. Первая общая техника — неделимые Кавальери. Первый формализм — Лейбниц. Первое аналитическое доказательство — Ньютон.

▫️Архимед «Квадратура параболы»
▫️Кавальери «Геометрия неделимых»
▫️Ньютон «Математические начала натуральной философии»
▫️Лейбниц «De geometria recondita».

💡 Physics.Math.Code // @physics_lib

🦾 Связь сингулярности с самым маленьким промышленным роботом-манипулятором ⚙️

Хотя робот размером примерно с человеческую руку, его эффективное декартово рабочее пространство удивительно велико. В этом видео показано, как специальный алгоритм управления сингулярностями позволяет манипулятору плавно преодолевать кинематические сингулярности, в полной мере используя преимущества своего рабочего пространства, сохраняя при этом точное управление и динамическую стабильность.

Робот создан специально для автоматизации высокого уровня в микроэлектронике, полупроводниках, фотонике, медицинских приборах, передовых лабораторных процессах и аналогичных областях, где решающее значение имеют точность на микронном уровне и чрезвычайно малые габариты.

👨🏻‍💻 Алгоритм обработки сингулярностей (singularity-handling algorithm) в робототехнике — это метод управления манипулятором, который учитывает сингулярные конфигурации, при которых матрица Якоби теряет ранг, что приводит к потере управляемости. Цель — минимизировать влияние сингулярностей, например, избежать непредсказуемых движений, потери контроля или повреждения системы.

Сингулярность возникает, когда две или более оси манипулятора становятся выровненными, что приводит к потере одной или более степеней свободы. Некоторые типы сингулярностей:
1. Сингулярности запястья — когда две оси в запястье робота становятся выровненными, что теряет одну степень свободы.
2. Сингулярности локтя — возникают, когда рука робота полностью вытянута, из-за чего запястье лежит в той же плоскости, что и второй и третий сочленения.
3. Сингулярности плеча — возникают, когда запястье робота выравнивается с основанием, что заставляет первые и четвёртые сочленения пытаться повернуть на 180 градусов на лету.

💠 Алгоритмы обработки сингулярностей могут включать:

▪️ Выявление сингулярных конфигураций. Например, анализ детерминанта матрицы Якоби — если он равен нулю, матрица сингулярна.
▪️ Корректировку конфигурации при обнаружении сингулярности. Например, для граничных сингулярностей алгоритм изменяет вход управления, чтобы вернуть манипулятор из сингулярной прямой позы. Для внутренних сингулярностей алгоритм управляет манипулятором с помощью движения в нулевом пространстве.
▪️ Минимизацию резких движений на границах сингулярных регионов. Например, для некоторых типов сингулярностей в управление в нулевом пространстве интегрируют контроль демпфирования, чтобы минимизировать резкие движения.

Некоторые примеры реализации алгоритма в робототехнике:

▫️ Алгоритм на основе контроля в оперативном пространстве для антропоморфных манипуляторов с шестью степенями свободы. Для граничных сингулярностей алгоритм модифицирует вход управления, для внутренних — управляет манипулятором с помощью движения в нулевом пространстве.

▫️ Метод на основе виртуальных избыточных сочленений для манипулятора PUMA 560. В матрицу Якоби вводят виртуальные избыточные сочленения, чтобы поддерживать ранг матрицы при возникновении сингулярности.

▫️ Метод отслеживания траектории с учётом сингулярных положений на основе генетических алгоритмов. Позволяет минимизировать ошибки и эффективно избегать критических состояний за счёт глобальной оптимизации управляющих параметров.

💡 Physics.Math.Code // @physics_lib

💥 Первый лазер был изобретён американским физиком Теодором Майманом 16 мая 1960 года в исследовательской лаборатории Хьюза (Hughes Research Laboratories). Майман создал лазер вопреки мнению многих учёных, которые были уверены, что рубин не годится в качестве рабочей среды. 7 июля 1960 года на специально созванной пресс-конференции Майман объявил о создании лазера и рассказал о возможных областях его применения — связь, медицина, военная техника, транспорт, высокие технологии. Особенности конструкции:
▪️ В качестве активной среды — кристалл искусственного рубина ( оксид алюминия Al₂O₃ с небольшой примесью хрома Cr ).
▪️ Из кристалла был изготовлен стержень в виде цилиндра диаметром 1 и длиной 2 см, который в процессе работы подвергался облучению излучением импульсной газоразрядной лампы.
▪️ Резонатором служил резонатор Фабри-Перо, образованный серебряными зеркальными покрытиями, нанесёнными на торцы стержня.
▪️ Лазер работал в импульсном режиме, излучая свет с длиной волны 694,3 нм.
▪️ Майман предложил принцип накачки рабочего тела — короткими вспышками света от лампы-вспышки.
▪️ Зеркальные покрытия на торцах кристалла создавали положительную обратную связь, чтобы усилитель стал генератором.
▪️ Расчёты Маймана показали, что атомы хрома в кристалле рубина имеют подходящую систему энергетических уровней, которая делает возможной генерацию лазерного излучения.
▪️ Первый лазер Маймана стал отправной точкой для развития лазерных технологий. Лазеры стали незаменимыми инструментами в физике, химии, биологии и других научных дисциплинах, позволили учёным проводить более точные эксперименты и измерения.
▪️ Лазеры стимулировали дальнейшие исследования и инновации в области оптики и фотоники, привели к разработке новых типов лазеров, увеличению мощности и эффективности.

Импульсные лазеры мощнее непрерывных в плане мощности:
▫️Непрерывные лазеры характеризуются постоянной выходной мощностью, которая может достигать десятков киловатт. Это делает их идеальными для задач, требующих высокой мощности на протяжении длительного времени, таких как лазерная резка или сварка металлов.
▫️Импульсные лазеры работают иначе — они передают энергию в короткие, мощные вспышки. Это делает их менее энергоёмкими, поскольку импульсы могут достигать высокой пиковой мощности при минимальном общем энергопотреблении. Такой подход позволяет выполнять точные, деликатные работы, не перегревая материал.

Таким образом, для крупных производств, где необходима высокая мощность и стабильность, лучше подойдут непрерывные лазеры, а для точных задач, таких как микросварка, очистка поверхности или гравировка, рекомендуется использовать импульсные лазеры. #лазер #техника #science #физика #physics #производство

💥 Лазерная очистка поверхности старой монеты

💥 Лазерная резка

🔦 Лазерная сварка с разной формой луча

💥 Лазерное скальпирование микросхемы

💡 Physics.Math.Code // @physics_lib

📝 Классический программист, который уверен, что знает математику

▪️ 1. Забудь про «Клиент-Сервер» — тут всё — ВЕКТОРЫ
В бэке ты работаешь с сущностями в БД. В геймдеве сущность — это трансформ. Матрица 4x4.
Ты привык: if (user.age > 18). Теперь ты будешь писать: if (Dot(A, B) > 0.0f). И если ты не поймешь, что такое скалярное произведение — твой персонаж будет летать сквозь стены. Ты управляешь не объектами, а ИЗМЕНЕНИЯМИ В ПРОСТРАНСТВЕ.

▪️ 2. Твой первый шок — Кватернионы
В web время идет линейно. В играх — время дискретно (DeltaTime). Если ты используешь Эйлеровы углы (X, Y, Z) для вращения камеры — ты умрешь от Gimbal Lock. Это когда одна ось поворота вырождается, и камера начинает бешено дергаться. Запомни магические числа: w, x, y, z. Кватернион — это не 4D-вектор, это Ось + Угол.
Ты должен поворачивать объект (код на C++/Unreal или C#/Unity):

// ПРАВИЛЬНО: Плавный поворот к цели
Quaternion currentRotation = transform.rotation;
Quaternion targetRotation = Quaternion.LookRotation(target.position - transform.position);

// Самое важное! Slerp (Spherical Linear Interpolation) 
// Это не Lerp! Lerp порезает траекторию по хорде, а Slerp — по дуге.
transform.rotation = Quaternion.Slerp(currentRotation, targetRotation, Time.deltaTime * speed);

▪️ 3. Матрицы — твой новый Бог
Ты не двигаешь объект прибавлением к x. Ты перемножаешь матрицы:
MVP = Projection * View * Model
➖ Model — где объект лежит в мире.
➖ View — где стоит камера (по сути, обратная матрица позиции камеры).
➖ Projection — перспектива (искажение для эффекта глубины).
Пример: У тебя есть координаты мыши на экране (x=640, y=480). Как найти луч в 3D?

// НЕ пытайся сделать это в лоб. Используй обратную матрицу проекции!
Vector3 screenPos = new Vector3(Input.mousePosition.x, Input.mousePosition.y, 0.5f); // 0.5 - середина глубины
Vector4 worldPos = camera.projectionMatrix.inverse * camera.worldToCameraMatrix.inverse * screenPos;

Перепутаешь порядок умножения (MV вместо VM) — твой луч улетит не туда, куда смотрит камера, а в зеркальное отражение.

▪️4. Аналитическая геометрия — это алгебра, а не геометрия
Здесь всё через SDF (Sign Distance Functions), если ты шейдерист, или через Оси.
Важнейший лайфхак: Вместо вычисления расстояния через корень (sqrt(dx*dx + dy*dy)) — сравнивай квадраты.
sqrt() — это адски дорого для 1000 юнитов.

// ПЛОХО:
float dist = sqrt(pow(x1-x2, 2) + pow(y1-y2, 2));
if (dist < 10) { Attack(); }

// ХОРОШО (экономит тебе 0.5 мс фрейма):
float distSq = (x1-x2)*(x1-x2) + (y1-y2)*(y1-y2);
if (distSq < 100.0f) { Attack(); } // 10^2 = 100

▪️5. Как проверить, что игрок в поле зрения?
Это классика для любого стелс-экшена. Тебе нужен Скалярный продукт (Dot Product).
Dot = |A| * |B| * cos(angle)
Если нормализовать векторы (длина = 1), то cos(angle) между взглядом врага и направлением на игрока дает нам ответ:
Если Dot > 0.7 — игрок прямо перед носом (угол 45°).
Если Dot < 0 — игрок за спиной.
Код детекции:

Vector3 enemyForward = enemy.transform.forward; // Куда смотрит враг
Vector3 toPlayer = (player.transform.position - enemy.transform.position).normalized;

float dotProduct = Vector3.Dot(enemyForward, toPlayer);

// Угол обзора 90 градусов (Cos(90)=0)
if (dotProduct > 0.0f) 
{
    // Вижу тебя! (если нет стены, проверяем Raycast)
    if (!Physics.Linecast(enemy.position, player.position)) 
    {
        enemy.Shoot();
    }
}

▫️ Визуализируй. Не верь расчетам в уме. Нарисуй Debug.DrawLine() и DrawRay() для каждого вектора. Если ты не видишь линии в редакторе — ты гадаешь.
▫️ Системы координат. Всегда знай, в каком пространстве ты сидишь: World Space, Local Space или Screen Space. Перепутал — объект улетел.
▫️ Сначала геометрия, потом физика. Физика пинает объект через силу. Геометрия просто говорит "я здесь". Хочешь просто поставить объект на полку — используй MovePosition, а не AddForce.

Программист тратит 3 дня на дебаг, почему персонаж улетает в космос. Геймдев-программист знает, что это Gimbal Lock или переполнение float после умножения матриц.
База: "3D Math Primer for Graphics and Game Development".

💡 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

🖥 Списочные ловушки Python: умножение и вложенность

В этой заметке разберем классический подвох, на котором спотыкаются даже опытные разработчики. Рассмотрим код:

a = [[]] * 3
a[0].append(1)
print(a)

Что будет на выводе в консоли? A) [[1], [], []] B) [[1]] C) [[1], [1], [1]] D) Ошибка
Правильный ответ: C) [[1], [1], [1]]

А если мы увеличим вложенность списков?

a = [[[]]] * 3
a[0].append(1)
print(a)

Что выведет? Подумайте, прежде чем открывать ответ.
Правильный ответ: [[[], 1], [[], 1], [[], 1]]

📚 Ошиблись? Тогда давайте разбираться. Теория того как работает умножение списков

▪️ 1. Главное правило: Операция [x] * n работает так:
➖ Создается объект x
➖ Создается список из n элементов
➖ Каждый элемент — это ссылка на один и тот же объект x
Это называется поверхностным (shallow) копированием.
a = [[]] * 3 Реально в памяти: a = [ссылка_на_список, ссылка_на_список, ссылка_на_список]

▪️ 2. Почему с числами всё проще, а со списками — нет?

b = [1] * 3
b[0] = 5
print(b)  # [5, 1, 1]  всё работает

Числа — неизменяемые. Когда мы пишем b[0] = 5, мы не меняем объект 1, а переназначаем ссылку на новый объект 5. Остальные элементы продолжают ссылаться на 1.
Со списками иначе:

a = [[]] * 3
a[0].append(1)  # МЕНЯЕМ сам объект, а не переназначаем ссылку

Метод.append() изменяет существующий список, не создавая новый. Поэтому изменения видны через все ссылки.

a = [[]] * 3
a[0].append(1)
print(a)  # [[1], [1], [1]]

a = [[[]]] * 3
a[0].append(1)
print(a)  # [[[], 1], [[], 1], [[], 1]]

a = [[[]]] * 3
a[0][0].append(1)  # Два индекса!
print(a)  # [[[1]], [[1]], [[1]]]

a = [[[]]] * 3
a[0] = 100  # ПЕРЕНАЗНАЧАЕМ ссылку
print(a)  # [100, [[ ]], [[ ]]]

a = [[], [], []]  # уже три разных списка
a[0].append(1)    # меняем только первый
print(a)  # [[1], [], []]

▪️Как создать независимые списки?

a = [[] for _ in range(3)]
a[0].append(1)
print(a)  # [[1], [], []]

a = [[[]] for _ in range(3)]
a[0].append(1)
print(a)  # [[[], 1], [[]], [[]]]

Глубокое копирование:

import copy
a = [copy.deepcopy([[]]) for _ in range(3)]

Классика циклом:

a = []
for _ in range(3):
    a.append([])

1. Умножение списков ≠ создание копий объектов — это создание копий ссылок.
2. Для изменяемых объектов (списки, словари, множества) проблема особенно заметна.
3. Для неизменяемых (числа, строки, кортежи) проблема скрыта, но механизм тот же.
4. Всегда используй генератор списков, если нужны независимые вложенные структуры.
5. a[0].append() — изменение объекта; a[0] = ... — переназначение ссылки

▪️Для проверки понимания задачи. Что выведет этот код?

a = [[0]] * 3
a[1][0] = 5
print(a)

#программирование #python #задачи #алгоритмы #computer_science #собеседования

💡 Physics.Math.Code // @physics_lib

🟡Нужный пробник для радиолюбителя 🟡

Как с помощью светодиода и катушки проверить наличие ВЧ поля на импульсном трансформаторе и дросселе. Очень простой светодиодный индикатор высокочастотного электромагнитного поля, которым можно проверять наличие этого ВЧ поля на импульсных трансформаторах и дросселях при их непосредственной работе. Как известно во время работы любых импульсных трансформаторов и дросселей вокруг них имеется электромагнитное поле высокой частоты (обычно десятки килогерц). И если в это поле поместить катушку, то на ее концах появится электрическое напряжение. Этот эффект можно использовать для тестирования импульсных трансформаторов и дросселей. #физика #опыты #эксперименты #наука #science #physics #электродинамика #магнетизм #видеоуроки #схемотехника #радиофизика

💡 Physics.Math.Code // @physics_lib

📚 Искусство программирования / The Art of Computer Programming

💾 Скачать книги

📙 Том 1. Основные алгоритмы.
📙 Том 2. Получисленные алгоритмы.
📙 Том 3. Сортировка и поиск.
📙 Том 4.1. Комбинаторные алгоритмы.
📙 Том 4.2. Генерация всех кортежей и перестановок
📙 Том 4.3 Генерация всех сочетаний и разбиений
📙 Том 4.4 Генерация всех деревьев. История комбинаторной генерации

Поскольку Кнут всегда считал «Искусство программирования» основным проектом своей жизни, в 1993 году он вышел на пенсию с намерением полностью сконцентрироваться на написании недостающих частей и приведении в порядок существующих. Он полагал, что на завершение работы потребуется 20 лет.

«Искусство программирования» (англ. The Art of Computer Programming) — фундаментальная монография известного американского математика и специалиста в области компьютерных наук Дональда Кнута, посвященная рассмотрению и анализу важнейших алгоритмов, используемых в информатике. В 1999 году книга была признана одной из двенадцати лучших физико-математических монографий столетия.

Основной чертой монографии Кнута, выгодно отличающей её от других книг, посвящённых программированию, является исключительно высоко поднятая планка качества материала и академичности изложения, а также глубина анализа рассматриваемых вопросов. Благодаря этому она стала настоящим бестселлером и настольной книгой каждого профессионального программиста. #программирование #алгоритмы #подборка_книг #computer_science #code #математика #math #physics #IT #лекции #видеоуроки

⚠️ UPD: Добавлены книги в лучшем качестве и в PDF 📚

💡 Physics.Math.Code // @physics_lib

📚 Дональд Кнут «Искусство программирования»

📙 Том 1. Основные алгоритмы

Первый том является введением в основные алгоритмы и структуры данных, описывает базовые понятия и методы программирования. Здесь же рассматривается тема представления данных в памяти компьютера и эффективной работы с ними.
Книга изобилует примерами для символьных вычислений, численных методов, методов имитации и многого другого.
Примеры программ написаны на так называемом «MIX-ассемблере» - языке, предназначенном для работы на гипотетическом «MIX-компьютере». В третьем издании устаревший MIX был заменен на MMIX, для которого существует программное обеспечение, обеспечивающее его эмуляцию.
Использование языка низкого уровня отпугивает многих читателей, но сам автор небезосновательно оправдывает свой выбор. Привязка к архитектуре позволяет судить о таких характеристиках алгоритма, как скорость и сложность (т. е. использование памяти).

📙 Том 2. Получисленные алгоритмы

Вторая книга посвящена введению в получисленные алгоритмы. Отдельный раздел посвящен арифметике, случайным числам и алгоритмам их генерации. Даются основы теории получисленных алгоритмов, подкрепленные многочисленными примерами.
Особого упоминания заслуживают предложенная Кнутом в настоящем издании новая трактовка генераторов случайных чисел, а также рассмотрение способов вычислений с помощью формальных степенных рядов.

📙 Том 3. Сортировка и поиск

В третьем томе содержится исчерпывающий обзор классических алгоритмов сортировки и поиска. Этот материал дополняет изложенную в первой части информацию о структурах данных становясь своего рода логическим продолжением первого тома.
Здесь автор рассказывает о внутренней и внешней памяти, о построении больших и малых баз данных и работе с ними. Для всех рассмотренных в книге алгоритмов приводится сравнительный анализ их эффективности. Специальный раздел посвящен методам оптимальной сортировки и описанию новой теории перестановки и универсального хеширования.

📙 Том 4. Комбинированные алгоритмы

Четвертый том сам по себе является многотомником. Комбинаторный поиск — богатая и важная тема, и Кнут приводит слишком много нового, интересного и полезного материала, чтобы его можно было разместить в одном или двух (а может быть, даже в трех) томах. Одна эта книга включает около 1500 упражнений с ответами для самостоятельной работы, а также сотни полезных фактов, которые вы не найдете ни в каких других публикациях. #программирование #алгоритмы #подборка_книг #computer_science #code #математика #math #physics #IT #лекции #видеоуроки

⚠️ UPD: Добавлены книги в лучшем качестве и в PDF 📚

💡 Physics.Math.Code // @physics_lib

✨ Электроника и схемотехника

В этом посте предлагаю обсудить вопросы, связанные с электроникой и цифровой схемотехникой. Всё это будет полезно начинающим.

◾️ 1. С чего начать изучать электронику?
◾️ 2. Стоит ли прочитать учебник по физике, раздел "электричество и магнетизм" ?
◾️ 3. Лучше начинать с аналоговых приборов или сразу переходить к изучению цифровой схемотехники?
◾️ 4. Нужны ли хорошие знания электроники человеку, занимающемуся программированием встраиваемых систем?
◾️ 5. Стоит ли пытаться травить платы самостоятельно или лучше заказать?
◾️ 6. Хлористое железо, лимонная кислота или фоторезистор?
◾️ 7. Что нужно спаять первым делом? С чего начинать практику?
◾️ 8. Какой набор инструментов/приборов хватит начинающему радиолюбителю?

✍🏻 Обсуждаем здесь в комментариях

#электроника #схемотехника #радиофизика #ночной_чат #физика #опыты #эксперименты #наука #science #physics #электродинамика #магнетизм #видеоуроки #схемотехника #радиофизика

💡 Physics.Math.Code // @physics_lib

💡Угольная дуговая лампа 1889 года в работе

Такие лампочки можно было встретить на улице Нью-Йорка или Лондона в 1890 году. В то время вы могли бы увидеть не тусклый газовой рожок, а белый яркий свет, рожденный электрической дугой. Так выглядела первая успешная технология искусственного освещения, которая появилась за десятилетия до лампы накаливания Эдисона. На видео — реставрированная открытая угольная лампа системы Ward (модель 1888–1894 годов). Такие лампы продавались по 50 долларов за штуку и стали первыми в мире серийными уличными фонарями. Их изобретатель Чарльз Браш запустил конструкцию в конце 1870-х, и к концу XIX века сотни тысяч таких «солнц на палке» горели в городах по всему миру.

▪️ Дуга горит в открытом воздухе между двумя угольными стержнями диаметром ½ дюйма.
▪️ Напряжение — 55 В, ток — 8 А (постоянный, пульсирующий). Это даёт мощность около 440 Вт.
▪️ Температура в центре дуги достигает ~6000 °C — это сравнимо с температурой поверхности Солнца!
▪️ Именно поэтому свет получается таким ярким и максимально приближенным к естественному дневному спектру (сплошной спектр с сильной УФ-составляющей).
▪️ Лампа потребляет около 3–4 ватт на свечу — по тем временам это был невероятный КПД по сравнению с газовым освещением.

Такие лампы исчезли из-за их главной проблемы — выгорания. Угольные стержни сгорали за всего 10 часов непрерывной работы, и их надо было вручную регулировать (механизм на видео как раз автоматически сближает стержни по мере горения). В конце 1890-х их сменили закрытые дуговые лампы — с миниатюрной стеклянной колбой вокруг дуги. Она отсекала кислород, и стержни служили уже до 90 часов. Экономия вышла колоссальной, и открытые лампы ушли в историю.

Этот экземпляр на видео — легендарная лампа «Ward Arc Lamp» от компании Electric Construction and Supply Company (Нью-Йорк). Она работала в 1890-м и стоила как неплохой велосипед или месячное жалованье рабочего. Хранится в музее  Ingenium (Оттава, Канада). #физика #опыты #эксперименты #наука #science #physics #электродинамика #магнетизм #видеоуроки #схемотехника #радиофизика

💡 Physics.Math.Code // @physics_lib