type
status
date
slug
summary
tags
category
icon
password

正如众所周知,这是一个耦合摆。尽管它看似简单,但我将借此来解释一个神奇的物理现象。这个耦合摆由两个摆组成,两个摆之间通过细线相连。拨动其中一个摆,另一个摆会缓慢地开始摆动,振幅逐渐增大;最初被拨动的摆摆动的振幅逐渐减小直至停止,此时另一个摆的振幅达到最大。停下的摆在仍然摆动的摆的作用下再次开始摆动,然后不断循环上述过程,直至摆动的能量全部耗尽,两个摆最终全部停止。

定性理解

耦合摆是单摆的一种耦合形式,下面我们将从定性和定量两个角度来解读。首先,让我们从定性的角度来理解:“耦合”意味着有惯性。我们将最初被拨动的摆称为 A 摆,然后开始摆动的摆称为 B 摆。A 摆将能量传递给 B 摆,在传递的过程中具有惯性。物体之间的能量传递过程将持续,直到能量完全传递给对方,然后完成反方向的能量传递。这就好比将物体向上抛出,刚开始有一个初速度,然后速度逐渐减小,高度不断增加,直至物体的动能完全转变成重力势能。此时物体静止,然后开始反向的转化,物体下落,重力势能再次转化为动能。耦合摆的能量传递过程实际上可以理解为一种共振现象,摆进行简谐振动,忽略空气阻力与一切摩擦。A 摆振动的能量通过细绳传递给 B 摆,使 B 摆开始振动;B 摆再次通过相同的作用使已经停止的 A 摆再次振动。

定量理解

现有两个单摆,质量均为 m,悬挂于长度为 l 的硬质绳子上。两个摆以弹性系数为 k,满足胡克定律的细绳连接。两摆的初始角度分别为 \(\theta_{1}\) 和 \(\theta_{2}\) 。与单摆的公式不同,耦合摆需要加上胡克定律项:
\[ml\frac{d^{2}\theta_{1}}{dt^{2}} = -mg\theta_{1} + kl(\theta_{2}-\theta_{1})\] \[ml\frac{d^{2}\theta_{2}}{dt^{2}} = -mg\theta_{2} - kl(\theta_{2}-\theta_{1})\]
胡克定律中的位移 \(\Delta S\) 可表示为线速度 v 的积分,即 \(\Delta S = l\Delta \theta\)
不难注意到,方程组中含有大量的对称性。为了更明显地体现对称性,我们设定:
\[x_{i} = ml\theta_{i} (i = 1,2)\] \[\alpha = \frac{g}{l}\] \[\beta = \frac{k}{m}\]
重新将方程写为:
\[\frac{d^{2}x_{1}}{dt^{2}} = -\alpha x_{1} + \beta(x_{2}-x_{1})\] \[\frac{d^{2}x_{2}}{dt^{2}} = -\alpha x_{2} - \beta(x_{2}-x_{1})\]
原方程可以表达为矩阵的形式:
\[\ddot{X} = AX\]
其中:
\[\ddot X = \begin{bmatrix} \ddot x_{1} \\ \ddot x_{2} \end{bmatrix}\] \[A = \begin{bmatrix} -\alpha - \beta & \beta\\ \beta & - \alpha - \beta \end{bmatrix}\] \[X = \begin{bmatrix} x_{1}\\ x_{2} \end{bmatrix}\]
矩阵 A 的两个特征值为:
\(\lambda_1 = -\alpha\), \(\lambda_2 = -\alpha - 2\beta\)
将耦合摆解耦:
设有矩阵:
\[S = \begin{bmatrix} S_{1}&S_{2}\\ S_{3}&S_{4} \end{bmatrix}\]
\[S^{-1} = \frac{1}{\text{det}(S)} \cdot \begin{bmatrix} S_{4}&-S_{2}\\ -S_{3}&S_{1} \end{bmatrix}\]
定义一个矩阵 y = \begin{bmatrix} y_1\\ y_2 \end{bmatrix} ,使得: \(X = S^{-1}y\) .
那么有: \(S^{-1}\ddot y = \ddot X = AX = AS^{-1}y\) ,
因此: \(\ddot y = SAS^{-1}y\) .
为了解耦,我们希望 \(SAS^{-1}\) 这个乘积为一个对角线矩阵。因此,这个乘积必然是由矩阵 A 的特征值组成的矩阵,即:
\[SAS^{-1} =\frac{1}{\text{det}(S)}\cdot \begin{bmatrix} (S_
1S_4-S_2S_3)(-\alpha-\beta)+(S_2S_4-S_1S_3)\beta&S_1^2-S_2^2\\ S_4^2-S_3^2&(S_1S_4-S_2S_3)(-\alpha-\beta)-(S_2S_4-S_1S_3)\beta \end{bmatrix}\]
\[= \begin{bmatrix} -\alpha& 0\\ 0&-\alpha-2\beta \end{bmatrix}\]
由于 \(\text{det}[S]\) 是一个常数,在这个计算中我们可以将其忽略,并不会影响结果。以上矩阵可以写作四个方程:
\((S_1S_4-S_2S_3)(-\alpha-\beta)-(S_2S_4-S_1S_3)\beta = -\alpha-2\beta\)
\((S_1S_4-S_2S_3)(-\alpha-\beta)+(S_2S_4-S_1S_3)\beta = -\alpha\)
\(S_4^2-S_3^2 = 0\)
\(S_1^2-S_2^2 = 0\)
不失一般性地,假定 \(S_1 = S_2 = 1\) ,则因为 \(\text{det}(S)\) 不为0, \(S_3 = -S_4\) .
由 \(S_1S_4-S_2S_3=1\),可知: \(2S_1S_4 = 1;\space \space 2S_1S_3 = -1\) .
所求矩阵 S 即为: \(\begin{bmatrix} 1&1\\ 1/2&-1/2 \end{bmatrix}\) , \(S^{-1} = \begin{bmatrix} 1/2&-1\\ 1/2&1\\ \end{bmatrix}\)
最后的解:
\(\ddot y = \begin{bmatrix} -\alpha& 0\\ 0&-\alpha-2\beta \end{bmatrix}y\)
\(X = S^{-1} y\)
由于我们已经通过变换将 y 的两个元素解耦,我们可以轻松地求解 y:
\(y_1 = -\sqrt{\alpha}\cos (\sqrt{\alpha}t)\)
\(y_2 = -\sqrt{\alpha+2\beta}\cos (\sqrt{\alpha+2\beta}t)\)
将 y 转换为 X,可以得到 x 关于 t 的函数:
\[x_1 = -\frac{\sqrt{\alpha}\cos (\sqrt{\alpha}t)}{2}+\sqrt{\alpha+2\beta}\cos (\sqrt{\alpha+2\beta}t)\]
\[x_2 = -\frac{\sqrt{\alpha}\cos (\sqrt{\alpha}t)}{2}-\sqrt{\alpha+2\beta}\cos (\sqrt{\alpha+2\beta}t)\]
将原来的变量代回,可以得到我们方程的解:
\[ml\theta_1 = -\frac{\sqrt{\frac{g}{l}}\cos (\sqrt{\frac{g}{l}}t)}{2}+\sqrt{\frac{g}{l}+2\frac{k}{m}}\cos (\sqrt{\frac{g}{l}+2\frac{k}{m}}t)\]
\[ml\theta_2 = -\frac{\sqrt{\frac{g}{l}}\cos (\sqrt{\frac{g}{l}}t)}{2}-\sqrt{\frac{g}{l}+2\frac{k}{m}}\]
这样的Markdown文本应该更加清晰和易读。如果还有其他调整或修改的需要,请随时告诉我。
 
相关文章
Videos化学表述
Loading...