【Python】有三颗恒星的三体人很难不产生超能力

2023-10-29 23:30

本文主要是介绍【Python】有三颗恒星的三体人很难不产生超能力,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

三体问题

经同学提出,我才意识到,原来三体人有三颗恒星……也就意味着可能三体星人连个稳定的恒星轨道都没有,悲惨指数直线上升。

但就拉格朗日方程而言,却并不困难。设 m i , i ∈ { 0 , 1 , 2 , 3 } m_i, i\in\{0,1,2,3\} mi,i{0,1,2,3}表示四颗星体,则对任意星体 i i i而言,其动能为

T i = 1 2 m i ( x ˙ 2 + y ˙ 2 ) T_i=\frac1 2m_i(\dot x^2+\dot y^2) Ti=21mi(x˙2+y˙2)

势能为

V i = − ∑ j ≠ i G m i m j ( x i − x j ) 2 + ( y i − y j ) 2 V_i=-\sum_{j\not=i}\frac{Gm_im_j}{\sqrt{(x_i-x_j)^2+(y_i-y_j)^2}} Vi=j=i(xixj)2+(yiyj)2 Gmimj

拉格朗日量为 L = T − V L=T-V L=TV,根据拉格朗日方程

d d t ∂ L ∂ r ˙ − ∂ L ∂ r = 0 , r = x i , y i \frac{\text d}{\text dt}\frac{\partial L}{\partial\dot r}-\frac{\partial L}{\partial r}=0,r=x_i,y_i dtdr˙LrL=0r=xi,yi

x ¨ i = − ∑ i ≠ j G m j ( x i − x j ) ( x i − x j ) 2 + ( y i − y j ) 2 3 y ¨ i = − ∑ i ≠ j G m j ( y i − y j ) ( x i − x j ) 2 + ( y i − y j ) 2 3 \ddot x_i=-\sum_{i\not =j}\frac{Gm_j(x_i-x_j)}{\sqrt{(x_i-x_j)^2+(y_i-y_j)^2}^3}\\ \ddot y_i=-\sum_{i\not =j}\frac{Gm_j(y_i-y_j)}{\sqrt{(x_i-x_j)^2+(y_i-y_j)^2}^3} x¨i=i=j(xixj)2+(yiyj)2 3Gmj(xixj)y¨i=i=j(xixj)2+(yiyj)2 3Gmj(yiyj)

则令state以如下顺序编排, s = x 0 , x ˙ 0 , y 0 , y ˙ 0 , x 1 , x ˙ 1 … s=x_0,\dot x_0, y_0, \dot y_0, x_1,\dot x_1\dots s=x0,x˙0,y0,y˙0,x1,x˙1,则 s 4 i = x i , s 4 i + 1 = x ˙ i , s 4 i + 2 = y i , s 4 i + 3 = y ˙ i s_{4i}=x_i, s_{4i+1}=\dot x_i, s_{4i+2}=y_i, s_{4i+3}=\dot y_i s4i=xi,s4i+1=x˙i,s4i+2=yi,s4i+3=y˙i

则列出微分方程如下

def derivs(state, t):N = int(len(state)/4)dydx = np.zeros_like(state)for i in range(N*2):dydx[i*2] = state[i*2+1]for i in range(N):dydx[i*4+1] = 0dydx[i*4+3] = 0for j in range(N):if i==j:continuedx = state[i*4]-state[j*4]dy = state[i*4+2]-state[j*4+2]L = np.sqrt(dx**2+dy**2)**3dydx[i*4+1] -= G * m[j] * dx / Ldydx[i*4+3] -= G * m[j] * dy / Lreturn dydx

由于三体运动过于放荡不羁,故而随机生成的三体几乎很快就分道扬镳了,所以接下来选择适当位置和重量的三颗恒星。且令万有引力常数以年为时间单位

G = 4.98 × 1 0 − 10 k m 3 d − 2 k g − 1 G=4.98\times10^{-10} km^3d^{-2}kg^{-1} G=4.98×1010km3d2kg1

令恒星质量在 1 0 30 k g 10^{30}kg 1030kg的量级,空间距离在 1 0 11 k m 10^{11}km 1011km量级。行星质量在 1 0 25 10^{25} 1025量级。由于质量相差过大,所以假定行星质量为0也是可以的。

为了让恒星三体尽量稳定,在生成质量和初始坐标之后,令其初速度约等于稳定三体运动的速度。

首先,星体质量为 m i m_i mi,坐标为 ( X i , Y i ) (X_i,Y_i) (Xi,Yi),则其重心坐标为

x g = ∑ i m i X i ∑ m i , y g = ∑ i m i Y i ∑ m i x_g = \frac{\sum_im_iX_i}{\sum m_i},y_g = \frac{\sum_im_iY_i}{\sum m_i} xg=miimiXiyg=miimiYi

如将坐标系移动到 ( x g , y g ) (x_g,y_g) (xg,yg),则新坐标系下 x i = X i − x g , y i = Y i − x g x_i=X_i-x_g, y_i=Y_i-x_g xi=Xixg,yi=Yixg

则对 m i m_i mi而言,其运动的半径与加速度分别为为

r i = x i 2 + y i 2 x ¨ i = ∑ j ≠ i G m j ( x j − x i ) ( x i − x j ) 2 + ( y i − y j ) 2 3 y ¨ i = ∑ j ≠ i G m j ( y j − y i ) ( x i − x j ) 2 + ( y i − y j ) 2 3 ω i = x ¨ i 2 + y ¨ i 2 r i \begin{aligned} r_i&=\sqrt{x_i^2+y_i^2}\\ \ddot x_i&=\sum_{j\not=i}\frac{Gm_j(x_j-x_i)}{\sqrt{(x_i-x_j)^2+(y_i-y_j)^2}^3}\\ \ddot y_i&=\sum_{j\not=i}\frac{Gm_j(y_j-y_i)}{\sqrt{(x_i-x_j)^2+(y_i-y_j)^2}^3}\\ \omega_i&=\sqrt{\frac{\sqrt{\ddot x_i^2+\ddot y_i^2}}{r_i}} \end{aligned} rix¨iy¨iωi=xi2+yi2 =j=i(xixj)2+(yiyj)2 3Gmj(xjxi)=j=i(xixj)2+(yiyj)2 3Gmj(yjyi)=rix¨i2+y¨i2

如果 ω i \omega_i ωi不相等,那么每个星体的角速度不同,则运行之后会马上打破现有的局面,从而进入不稳定的状态。

则其初始角度和速度为

cos ⁡ θ = x i r i sin ⁡ θ = y i r i u = x ˙ = − ω i r i sin ⁡ θ = − ω i y i v = y ˙ = ω i r i cos ⁡ θ = ω i x i \begin{aligned} \cos\theta&=\frac{x_i}{r_i}\\ \sin\theta&=\frac{y_i}{r_i}\\ u=\dot x&=-\omega_ir_i\sin\theta&=&-\omega_iy_i\\ v=\dot y&=\omega_ir_i\cos\theta&=&\omega_ix_i \end{aligned} cosθsinθu=x˙v=y˙=rixi=riyi=ωirisinθ=ωiricosθ==ωiyiωixi

得到下图,其中轨迹比较细的那个是行星……

在这里插入图片描述

则其初始化方法为

# 用于初始化星体的质量和位置
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import animation
from scipy import integratenp.random.seed(42)
G = 4.98e-10
m = np.random.rand(4)*10e30
m[0] /= 1e5     #行星质量
x0 = np.random.rand(4)*1e9
x0[0] *= 2      #让行星尽量离他们三颗恒星远一点
y0 = np.random.rand(4)*1e9
y0[0] *= 2
M = np.sum(m)       #总质量
# 计算质心,并以质心为原点
x0 -= np.sum(m*x0)/M
y0 -= np.sum(m*y0)/M
r = np.sqrt(x0**2+y0**2)
a = np.zeros(4)
b = np.zeros(4)
for i in range(4):for j in range(4):if i==j : continuedx = x0[i]-x0[j]dy = y0[i]-y0[j]L = np.sqrt(dx**2+dy**2)**3gm = G * m[j]a[i] += gm * dx / Lb[i] += gm * dy / Lom = np.sqrt(np.sqrt(a**2+b**2)/r)
u0 = -om*y0
v0 = om*x0

绘图代码为

state = np.zeros(16)
for i in range(4):state[4*i] = x0[i]state[4*i+1] = u0[i]state[4*i+2] = y0[i]state[4*i+3] = v0[i]dt = 50
t = np.arange(0, 125000, dt)
# 微分方程组数值解
orbit = integrate.odeint(derivs, state, t)plt.show()
xMax = np.max(orbit)
fig = plt.figure(figsize=(10,10))
ax = fig.add_subplot(xlim=(-xMax,xMax),ylim=(-xMax,xMax))
ax.grid()lws = [0.5,2,2,2]
traces = [ax.plot([],[],'-', lw=lws[i])[0] for i in range(len(m))]
pts = [ax.plot([],[], marker='o')[0] for _ in range(len(m))]
time_template = 'time = %.1f d'
time_text = ax.text(0.05, 0.9, '', transform=ax.transAxes)def animate(i):for n in range(4):traces[n].set_data(orbit[:i,4*n],orbit[:i,4*n+2])pts[n].set_data(orbit[i,4*n],orbit[i,4*n+2])time_text.set_text(time_template % (i*dt))return traces+pts+[time_text]ani = animation.FuncAnimation(fig, animate, range(len(t)),   interval=10, blit=True)
ani.save("tri_5.gif")
plt.show()

接下来还是体验一下行星视角,首先看一下在行星上观察到的恒星们的轨迹

在这里插入图片描述

如果看动图可能压迫感会更强一些,这些恒星简直对行星视若无物。

在这里插入图片描述

其绘图代码无变化,只需让orbit中的行星位置归零,

for i in range(4):orbit[:,4*i] -= orbit[:,0]orbit[:,4*i+2] -= orbit[:,2]

由于恒星辐射的功率密度以三次方的形式进行衰减,若假定行星接收到的功率是三颗恒星的叠加,那么就可以画出三体行星所接收的功率变化

在这里插入图片描述

由于取了以10为底的对数,所以其峰值功率是最小值的 1 0 7 10^7 107倍,所以这是什么概念呢?

假设在短时间内,功率是均匀的,也就是说单位时间内所爆发出的能量基本是不变的。一个汉堡的热量大概为2000kJ,那么其 1 0 4 10^4 104倍就是 2 × 1 0 7 k J 2\times10^7kJ 2×107kJ,相当于10发战斧导弹。

故而对于三体人而言,严冬之日的一个汉堡包,约等于盛夏之时的十发战斧导弹。所以三体人要是没个超能力什么的,基本上是活不下去的。

P = 0
for i in range(1,4):L = np.sqrt(orbit[:,4*i]**2+orbit[:,4*i+2]**2)P += 1/L**3# 为了看上去更清晰,对功率做对数
plt.plot(t,np.log10(P))

这篇关于【Python】有三颗恒星的三体人很难不产生超能力的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/304085

相关文章

一文教你Python如何快速精准抓取网页数据

《一文教你Python如何快速精准抓取网页数据》这篇文章主要为大家详细介绍了如何利用Python实现快速精准抓取网页数据,文中的示例代码简洁易懂,具有一定的借鉴价值,有需要的小伙伴可以了解下... 目录1. 准备工作2. 基础爬虫实现3. 高级功能扩展3.1 抓取文章详情3.2 保存数据到文件4. 完整示例

使用Python实现IP地址和端口状态检测与监控

《使用Python实现IP地址和端口状态检测与监控》在网络运维和服务器管理中,IP地址和端口的可用性监控是保障业务连续性的基础需求,本文将带你用Python从零打造一个高可用IP监控系统,感兴趣的小伙... 目录概述:为什么需要IP监控系统使用步骤说明1. 环境准备2. 系统部署3. 核心功能配置系统效果展

基于Python打造一个智能单词管理神器

《基于Python打造一个智能单词管理神器》这篇文章主要为大家详细介绍了如何使用Python打造一个智能单词管理神器,从查询到导出的一站式解决,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 项目概述:为什么需要这个工具2. 环境搭建与快速入门2.1 环境要求2.2 首次运行配置3. 核心功能使用指

Python实现微信自动锁定工具

《Python实现微信自动锁定工具》在数字化办公时代,微信已成为职场沟通的重要工具,但临时离开时忘记锁屏可能导致敏感信息泄露,下面我们就来看看如何使用Python打造一个微信自动锁定工具吧... 目录引言:当微信隐私遇到自动化守护效果展示核心功能全景图技术亮点深度解析1. 无操作检测引擎2. 微信路径智能获

Python中pywin32 常用窗口操作的实现

《Python中pywin32常用窗口操作的实现》本文主要介绍了Python中pywin32常用窗口操作的实现,pywin32主要的作用是供Python开发者快速调用WindowsAPI的一个... 目录获取窗口句柄获取最前端窗口句柄获取指定坐标处的窗口根据窗口的完整标题匹配获取句柄根据窗口的类别匹配获取句

利用Python打造一个Excel记账模板

《利用Python打造一个Excel记账模板》这篇文章主要为大家详细介绍了如何使用Python打造一个超实用的Excel记账模板,可以帮助大家高效管理财务,迈向财富自由之路,感兴趣的小伙伴快跟随小编一... 目录设置预算百分比超支标红预警记账模板功能介绍基础记账预算管理可视化分析摸鱼时间理财法碎片时间利用财

Python中的Walrus运算符分析示例详解

《Python中的Walrus运算符分析示例详解》Python中的Walrus运算符(:=)是Python3.8引入的一个新特性,允许在表达式中同时赋值和返回值,它的核心作用是减少重复计算,提升代码简... 目录1. 在循环中避免重复计算2. 在条件判断中同时赋值变量3. 在列表推导式或字典推导式中简化逻辑

python处理带有时区的日期和时间数据

《python处理带有时区的日期和时间数据》这篇文章主要为大家详细介绍了如何在Python中使用pytz库处理时区信息,包括获取当前UTC时间,转换为特定时区等,有需要的小伙伴可以参考一下... 目录时区基本信息python datetime使用timezonepandas处理时区数据知识延展时区基本信息

Python位移操作和位运算的实现示例

《Python位移操作和位运算的实现示例》本文主要介绍了Python位移操作和位运算的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 位移操作1.1 左移操作 (<<)1.2 右移操作 (>>)注意事项:2. 位运算2.1

使用Python和Pyecharts创建交互式地图

《使用Python和Pyecharts创建交互式地图》在数据可视化领域,创建交互式地图是一种强大的方式,可以使受众能够以引人入胜且信息丰富的方式探索地理数据,下面我们看看如何使用Python和Pyec... 目录简介Pyecharts 简介创建上海地图代码说明运行结果总结简介在数据可视化领域,创建交互式地