好言歸正傳，在痛定思透之後，我們發現一個嚴重的癥結：我們的文章之所以更新緩慢，有一定程度的原因是因為作者多少到心寒：到底有沒有人看我們的文章啊?!(翻桌)(當然我們要謙卑：目前也正在修正文章的取向，請不吝指教並敬請期待)
[Physics]電磁學筆記-交流電路
複數表示法
電學中保留$i$作為電流的符號，以$j=\sqrt { -1 } $表示定義：
$${ e }^{ j\theta }=\cos { \theta } +j\sin { \theta } $$
$$\Rightarrow { e }^{ j(\pi /2) }=j,\quad { e }^{ j(-\pi /2) }=-j=\frac { 1 }{ j } $$
[Physics]電磁學筆記-直流電路
前言：
最近在讀電磁學的相關內容，就順便把做的筆記打在這裡，有需要的加減參考
正文：
$$\sum { I_{ in } } =\sum { I_{out} } $$
2.在任意封閉回路上各段電位變化之合必等於零(能量守恆的一種形式)
$$\sum _{ closed\quad loop } \Delta { V }=0$$
顧名思義，只包含電阻resistor及電容capacitor的電路
由KIRCHHOFF’S RULES，可得
$$\varepsilon -\frac { q }{ C } -IR=0$$
其中$\frac { q }{ C }$是電容兩端的電位差，$IR$是電阻兩端的電位差
迴路接通之時($t=0$)，電容尚未充電，故有電流最大值：
$$I_{ 0 }=\frac { \varepsilon }{ R } $$
接著電流便會流經電阻幫電容充電，直到充電完成不再有電流，此時電容的電荷將達到最大值：
$$Q=C \varepsilon $$
而進一步分析，可由前述之克西荷夫定律推導。由於電流等於電容中電荷的時變率，即$I=\frac { dq }{ dt } $
$$\frac { dq }{ dt } =\frac { \varepsilon }{ R } -\frac { q }{ RC } $$
整理可得
$$\frac { dq }{ q-C\varepsilon } =-\frac { 1 }{ RC } dt$$
由初始條件$q=0, t=0$，且$R$、$C$、$\varepsilon$為常數，積分得
$$\int _{ 0 }^{ q }{ \frac { dq }{ q-C\varepsilon } } =-\frac { 1 }{ RC } \int _{ 0 }^{ t } dt$$
$$\ln { \frac { q-C\varepsilon }{ -C\varepsilon } } =-\frac { t }{ RC } $$
由上可得
$$q(t)=C\varepsilon (1-e^{ -\frac { t }{ RC } })=Q(1-e^{ -\frac { t }{ RC } })$$
又$I=\frac { dq }{ dt } $
$$I(t)=\frac { \varepsilon }{ R } e^{ -\frac { t }{ RC } }=I_{ 0 }e^{ -\frac { t }{ RC } }$$
由上二式可得知，充飽所需的時間$t\rightarrow \infty $，而式中的$RC$則稱為時間常數$\tau $(因次為時間)
最近在讀電磁學的相關內容，就順便把做的筆記打在這裡，有需要的加減參考
正文：
KIRCHHOFF’S RULES
1.電路上進入任意節點的電流等於其離開的電流(電荷守恆的一種形式)$$\sum { I_{ in } } =\sum { I_{out} } $$
2.在任意封閉回路上各段電位變化之合必等於零(能量守恆的一種形式)
$$\sum _{ closed\quad loop } \Delta { V }=0$$
RC CIRCUITS
顧名思義，只包含電阻resistor及電容capacitor的電路
由KIRCHHOFF’S RULES，可得
$$\varepsilon -\frac { q }{ C } -IR=0$$
其中$\frac { q }{ C }$是電容兩端的電位差，$IR$是電阻兩端的電位差
迴路接通之時($t=0$)，電容尚未充電，故有電流最大值：
$$I_{ 0 }=\frac { \varepsilon }{ R } $$
接著電流便會流經電阻幫電容充電，直到充電完成不再有電流，此時電容的電荷將達到最大值：
$$Q=C \varepsilon $$
而進一步分析，可由前述之克西荷夫定律推導。由於電流等於電容中電荷的時變率，即$I=\frac { dq }{ dt } $
$$\frac { dq }{ dt } =\frac { \varepsilon }{ R } -\frac { q }{ RC } $$
整理可得
$$\frac { dq }{ q-C\varepsilon } =-\frac { 1 }{ RC } dt$$
由初始條件$q=0, t=0$，且$R$、$C$、$\varepsilon$為常數，積分得
$$\int _{ 0 }^{ q }{ \frac { dq }{ q-C\varepsilon } } =-\frac { 1 }{ RC } \int _{ 0 }^{ t } dt$$
$$\ln { \frac { q-C\varepsilon }{ -C\varepsilon } } =-\frac { t }{ RC } $$
由上可得
$$q(t)=C\varepsilon (1-e^{ -\frac { t }{ RC } })=Q(1-e^{ -\frac { t }{ RC } })$$
又$I=\frac { dq }{ dt } $
$$I(t)=\frac { \varepsilon }{ R } e^{ -\frac { t }{ RC } }=I_{ 0 }e^{ -\frac { t }{ RC } }$$
由上二式可得知，充飽所需的時間$t\rightarrow \infty $，而式中的$RC$則稱為時間常數$\tau $(因次為時間)
淺談排序(Sorting algorithm)
維基百科中的資料(http://en.wikipedia.org/wiki/Sorting_algorithm)：
在計算機科學與數學中，一個排序演算法（Sorting algorithm）是一種能將一串資料依照特定排序方式的一種演算法。
雖然排序演算法是一個簡單的問題，但是從計算機科學發展以來，已經有大量的研究在此問題上。舉例而言，氣泡排序在1956年就已經被研究。雖然大部分人認為這是一個已經被解決的問題，有用的新演算法仍在不斷的被發明。
在計算機科學與數學中，一個排序演算法（Sorting algorithm）是一種能將一串資料依照特定排序方式的一種演算法。
雖然排序演算法是一個簡單的問題，但是從計算機科學發展以來，已經有大量的研究在此問題上。舉例而言，氣泡排序在1956年就已經被研究。雖然大部分人認為這是一個已經被解決的問題，有用的新演算法仍在不斷的被發明。
當常態分布搞上標準差
常態分佈（Normal distribution）又名高斯分佈（Gaussian distribution），是一個在數學、物理及工程等領域都非常重要的機率分佈，在統計學的許多方面有著重大的影響力。(維基)
常態分布(以下簡稱ND)在現實生活中是相當常見的東西(茶)。
訂閱：
文章 (Atom)