¿Cómo encontraría el ángulo óptimo de un proyectil proyectado hacia una colina con forma de función?

No soy lo suficientemente bueno en matemáticas para idear una solución puramente formulada para esto, pero este es un ejemplo de dónde una simulación numérica es un buen enfoque del mundo real.

Para hacer esto, escribiría un programa que simule la trayectoria del proyectil para muchos valores de theta (y opcionalmente S), y para cada uno de estos escenarios, vea dónde cruza el límite de la función similar a una colina.

Los recursos informáticos son baratos, además de este enfoque le permite cambiar la función de la colina a su antojo, agregar perfiles de altura del mundo real, tener en cuenta la resistencia del aire (arrastre), etc., sin cambiar los fundamentos del programa.

Por ejemplo, si desea tener en cuenta cosas como el arrastre y la variación de la densidad del aire en la altitud, las cosas se complican rápidamente y hacen que una solución formulada sea difícil o imposible, mientras que la simulación numérica permite que tales cosas se agreguen muy fácilmente. IIRC una de las primeras aplicaciones para computadoras fue predecir tablas de rango de artillería.

Para una solución precisa, probablemente necesite algunos métodos numéricos. Sin embargo, siempre puede resolverlo utilizando algún método de aproximación y obtener una idea del problema primero.

Entonces, primero veamos cómo se ve la curva de [math] f (x) [/ math]

Para analizar el problema, podemos obtener primero el ángulo entre la curva y el eje [matemático] x [/ matemático].

Fácilmente podemos saber que

[matemáticas] \ frac {df} {dx} = \ frac {5} {4} \ left (\ frac {1} {4} (x-8) \ right) ^ 4 [/ math]

cuando [matemática] x = 0 [/ matemática], entonces [matemática] \ frac {df} {dx} = 20 [/ matemática], y nosotros el ángulo es [matemática] \ theta = \ tan ^ {- 1} 20 = 87.1376 [/ matemáticas] grado.

Entonces, el primer caso será [matemática] \ theta <87.1376 [/ matemática], luego el problema se reduce al problema de movimiento de proyectil estándar y podemos saber que cuando [matemática] \ theta = 45 [/ matemática] la distancia es la mayor .

El segundo caso será [math] \ theta \ geq 87.1376 [/ math], entonces este problema se convierte en un complicado problema de optimización, probablemente necesite métodos numéricos para resolverlo. Aquí solo usamos un método de aproximación. La idea es utilizar una función lineal [matemática] y = kx [/ matemática] para aproximar [matemática] f (x) [/ matemática]. Parte de la razón para hacerlo es que podemos observar que la curva es bastante empinada, lo que es más o menos como un caso lineal.

Entonces podemos tener un conjunto de ecuaciones acopladas

[matemáticas] v \ sin \ theta t-1 / 2gt ^ 2 = y [/ matemáticas]

[matemáticas] v \ cos \ theta t = x [/ matemáticas]

[matemáticas] y = kx [/ matemáticas]

donde [matemática] v [/ matemática] es la velocidad inicial, [matemática] t [/ matemática] es el tiempo de vuelo en el cielo, [matemática] g [/ matemática] es la tasa de aceleración gravitacional.

De las ecuaciones anteriores, podemos obtener

[matemáticas] t = \ frac {2v (\ sin \ theta-k \ cos \ theta)} {g} [/ matemáticas]

Entonces podemos tener eso

[matemáticas] x = v \ cos \ theta t = \ frac {v ^ 2 (2 \ sin \ theta \ cos \ theta-2k \ cos ^ 2 \ theta)} {g} [/ matemáticas]

entonces

[matemáticas] x = \ frac {v ^ 2 (\ sqrt {1 + k ^ 2} \ sin (2 \ theta + \ phi) -k)} {g} [/ matemáticas]

Claramente podemos saber [matemáticas] \ phi = -87.1376 [/ matemáticas], entonces cuando [matemáticas] 2 \ theta -87.1376 = 90 [/ matemáticas] obtenemos un máximo de [matemáticas] \ sin (2 \ theta + \ phi) [ /matemáticas]. Entonces [matemáticas] \ theta = 88.5688. [/matemáticas]