1樓：凸頭匠
這個問題可以等價動量定理學習時經常用到的兩個小球撞擊的問題來進行解釋。
以水平向右為座標正方向。假設水平光滑桌上有乙個具有水平向右初速度為 0" eeimg="1"/>的小球A（相當於你問題裡的水微元），其質量為 。小球A將要撞擊另乙個靜止的小球 。
設碰撞後A和B的速度分別為 和 。
由動量守恆可知
(1)而你這裡要找衝力最大，由動量定理可知就要找到水微元的最大動量變化量，等價於我這裡的A小球碰撞前後可能的最大動量變化量。
小球A碰撞前後的動量變化量為： (2)
因為A碰撞B後自己的速度有幾種情況：①減速但仍向右；②靜止；③反向向左（此時 )。所以情況③中的動量變化量的數值 是三種情況裡最大的，故而相對應的衝力也是三種情況中最大的。
那麼進一步地，在第三種情況下的最大衝力又是多少呢？在什麼情況下取得呢？
簡單分析式(2)不難發現，在第三種情況下，A反向的速度越大，亦即 的絕對值越大時， 也越大。所以只要找到最大可能的反向速度就能夠找到最終的最大動量變化量和衝力了。
這裡介於高中程度，只考慮彈性碰撞無動能損失的情況。由碰撞前後動能守恆可得，
（3）即
（4）因為
所以所以在小球碰撞問題和你的問題下，最大的動量變化量就在碰撞後「速度等於初速度，方向相反」的時候取得，進而此時也有最大衝力。
如何解決tensorflow在用ImageGenerator時GPU利用率低？
蔣別別 GPU利用率低是因為GPU在等待資料從CPU傳輸過來。大概就是資料傳輸到GPU後，GPU逐漸計算起來，然後利用率到90 很快GPU算完之後又變成0，等下乙個batch傳進來。最簡單的，可以嘗試增加batch大小。然後就是，pytorch有個dataloader可以調整執行緒數和pin mem...
如何看待阿法元戰勝阿法狗 阿法元距離代替人類統領世界缺乏什麼？
網易數帆 簡單說，即便 AlphaGo Zero 是錘子，也不是所有的問題都是釘子。Deepmind 也沒有說這種方法可以實現通用人工智慧，只是類似乙個在複雜資料中進行搜尋的機器，並不能解決問題。摘李開復的觀點，說得很明白了 AlphaGo Zero的自主學習帶來的技術革新並非適用於所有人工智慧領域...
物理學中的微元法是一種錯誤的方法嗎？
不嚴謹，最開始是牛爵爺覺得好用拿來，背後的窟窿要等到柯西等一票數學家來填 先有物理直覺再有數學理論的例子還很多，比如傅利葉變換，函式 靈動之翼 之前說得不太好，容易引起誤解，其實我評價的主要是大學的物理。高中的物理，就先知道這些結論是對的，但不要把書中的證明當作標準的證明方法，只把它當作一種理解方式...