Hero Image
素数的计数

素数看起来是随机出现的:2、3、5、7、11、13,然后空了一段到 17、19、23,又空一段到 29。但从远处看,它们遵循一个规律。把不超过 $x$ 的素数个数记作 $\pi(x)$。高斯还是少年时,查阅数表就注意到,在 $x$ 附近,素数的密度约为 $\frac{1}{\ln x}$,于是提出了估计 $$\pi(x) \approx \operatorname{li}(x) = \int_0^x \frac{dt}{\ln t},$$即对数积分。当时没有人知道怎样证明这个估计是好的,也没有人能解释其中的偏差。 一篇八页的论文 1859 年 11 月,黎曼当选柏林科学院院士时,提交了他唯一一篇数论论文:《论小于给定数值的素数个数》,只有八页。在这篇论文中,黎曼用 zeta 函数和欧拉乘积写出了素数计数的精确公式。 这个想法最简洁的形式用的是一种稍加修改的计数,黎曼记作 $f(x)$:每个素数计 1,每个素数的平方计 $\frac{1}{2}$,每个立方计 $\frac{1}{3}$,依此类推。黎曼的公式是 $$f(x) = \operatorname{li}(x) - \sum_{\rho}\operatorname{li}(x^{\rho}) - \ln 2 + \int_x^{\infty}\frac{dt}{t(t^2 - 1)\ln t},$$其中求和遍及 zeta 函数的非平凡零点 $\rho$。第一项是高斯的估计,最后两项很小。把光滑曲线 $\operatorname{li}(x)$ 与素数那不规则的阶梯区分开来的,正是对零点的求和。 零点的波 每个零点 $\rho = \frac{1}{2} + i\gamma$(假定黎曼猜想成立)贡献一个大小约为 $\frac{\sqrt{x}}{\ln x}$ 的振荡,以频率 $\gamma$ 起伏。零点就像一件乐器的音符:加进越来越多的零点,光滑曲线就不断弯折,直到一级一级地重现素数的阶梯。所以人们说,zeta 函数的零点蕴藏着“素数的音乐”。 把加权计数还原,黎曼得到了真正计数的一个近似,即函数 $$R(x) = \sum_{n=1}^{\infty}\frac{\mu(n)}{n}\operatorname{li}\!\left(x^{1/n}\right) = \operatorname{li}(x) - \frac{1}{2}\operatorname{li}\!\left(\sqrt{x}\right) - \frac{1}{3}\operatorname{li}\!\left(\sqrt[3]{x}\right) - \cdots,$$其中 $\mu$ 是默比乌斯函数。它比 $\operatorname{li}(x)$ 好得多:

Hero Image
古典概率与高斯积分

数学概率始于赌博游戏,始于 1654 年帕斯卡与费马之间的通信,又因雅各布·伯努利的大数定律得到第一个伟大定理。拉普拉斯把它变成了一套完整的理论。他关于这一主题的第一篇论文写于 1774 年;1812 年的《概率的解析理论》汇集了将近四十年的研究;1814 年的《概率的哲学随笔》则不用公式,向公众解释了这一切。 1840 年版《概率的哲学随笔》的扉页。Pierre-Simon Laplace · Wikimedia Commons · 公有领域 古典定义 机遇的理论在于:把同一类的所有事件归结为一定数目的同等可能的情形,也就是我们对它们是否发生同样无法确定的情形;然后确定对所求概率的事件有利的情形数。 — 皮埃尔-西蒙·拉普拉斯,《概率的哲学随笔》(1814) 这就是学校里教的定义: $$P = \frac{\text{有利情形数}}{\text{可能情形数}}.$$微妙之处在于“同等可能”这几个字。掷两颗骰子,点数和有 11 种可能,从 2 到 12,但它们并不同样可能。同等可能的情形是 36 个有序对(第一颗,第二颗)。和为 7 出现在其中 6 个里,从 (1, 6) 到 (6, 1),所以概率是 $\frac{6}{36} = \frac{1}{6}$;和为 2 只出现在 (1, 1) 中,概率是 $\frac{1}{36}$。 e 的负 x 平方次幂的积分 研究许多偶然量之和时,拉普拉斯需要一个在整个统计学中处处出现的积分: $$\int_{-\infty}^{\infty} e^{-x^2}\,dx = \sqrt{\pi}.$$亚伯拉罕·棣莫弗在 1733 年已经以数值形式用过这个结果;拉普拉斯在 1774 年给出了证明。最漂亮的证明是一个技巧:不直接算积分 $I$,而是算 $I^2$,它是平面上的积分: $$I^2 = \int_{-\infty}^{\infty}\int_{-\infty}^{\infty} e^{-(x^2+y^2)}\,dx\,dy.$$在极坐标下,$x^2 + y^2 = r^2$,面积元是 $r\,dr\,d\theta$:

Hero Image
《方法》与重写本

阿基米德的书里有完美的证明,却不说他是怎样得到这些结果的。许多世纪以来,数学家们一直怀疑他有一种秘密的方法。他们猜对了,而这种方法是在最意想不到的地方找到的。 致埃拉托色尼的信 有些东西我最初是用力学的方法弄清楚的,之后还必须用几何来证明,因为用这种方法所做的研究并不构成证明。但是,先用这种方法对问题有了一些了解,再去找证明,当然比毫无了解时容易得多。 — 阿基米德,《方法》,致埃拉托色尼的信 我们称之为《关于力学定理的方法》的这篇著作,是写给地理学家昔兰尼的埃拉托色尼的一封信。在信中,阿基米德透露了他的做法:把图形想象成由无穷多个极薄的薄片组成,并在杠杆上称量它们,把它们与一个已知图形的薄片逐片比较。 称量球 最漂亮的例子是球。把半径为 $r$ 的球,以及底面半径为 $2r$、高为 $2r$ 的圆锥和圆柱,沿杠杆的臂放置,使它们的轴与臂重合。在距支点 $x$ 处,用一个垂直于臂的平面把它们都切开。用一点几何知识可知,球的截面面积为 $\pi\left(2rx - x^2\right)$,圆锥的为 $\pi x^2$,圆柱的为 $\pi (2r)^2 = 4\pi r^2$。于是 $$\text{球的截面} + \text{圆锥的截面} = \pi \cdot 2rx.$$阿基米德把球和圆锥的截面移到杠杆另一端、距支点 $2r$ 处,而把圆柱的截面留在原处,距离为 $x$。两边力矩相等: $$2r \cdot \pi \cdot 2rx = x \cdot 4\pi r^2.$$由于每一片都是如此,整个球和圆锥挂在距离 $2r$ 处,就与重心在距离 $r$ 处的整个圆柱平衡。根据杠杆定律: $$2r\,(V_{\text{球}} + V_{\text{圆锥}}) = r\,V_{\text{圆柱}} \quad\Longrightarrow\quad V_{\text{球}} = \frac{1}{2}\cdot 8\pi r^3 - \frac{8}{3}\pi r^3 = \frac{4}{3}\pi r^3.$$这正是他后来在球与圆柱中严格证明的体积。把无穷多个薄片加起来,这是积分学的核心思想,比牛顿和莱布尼茨早了十八个世纪。 祈祷书 大约公元 950 年,君士坦丁堡的一位抄写员把阿基米德的几部著作抄在羊皮纸上。1229 年,一位修士需要羊皮纸来做一本祈祷书:他拆开这部抄本,刮掉墨迹,把每页从中间裁开,转过来,在上面写下祷文。这样重复使用的抄本叫作重写本。

Hero Image
统计学里的女巫:柯西分布

阿涅西 1799 年去世时,想不到她的曲线会在远离几何的地方获得第二次生命。19 世纪,它在概率论中重新出现,成为统计学里最具迷惑性的例子之一。 概率密度 我们在曲线下的面积中看到,$y = \frac{1}{1 + x^2}$ 下的总面积是 $\pi$。除以 $\pi$,面积就变成 1,曲线就成了一个概率密度: $$f(x) = \frac{1}{\pi(1 + x^2)}.$$这就是柯西分布。一次抽样落在 $c$ 和 $d$ 之间的概率,等于这个区间上曲线下的面积 $\frac{1}{\pi}(\arctan d - \arctan c)$。画出来,它和正态曲线很像:一个以零为中心的对称钟形。区别在尾部。正态分布按 $e^{-x^2/2}$ 下降,降得太快,极大的值几乎不会出现;阿涅西曲线只按 $\frac{1}{x^2}$ 下降。 不存在的均值 这个区别带来了一个惊人的后果。分布的均值是 $x\,f(x)$ 的积分。对柯西分布,正半部分的积分是 $$\int_0^{X} \frac{x}{\pi(1 + x^2)}\,dx = \frac{1}{2\pi}\ln(1 + X^2),$$当 $X$ 增大时它无限增大。负半部分向另一个方向做同样的事,计算变成了“无穷减无穷”:这个分布没有均值,也没有方差。 实际上,这意味着多次抽样的平均值不会稳定下来。大数定律和中心极限定理要求均值和方差有限,在这里根本不适用。更糟的是,可以证明 $n$ 次柯西抽样的平均值与单次抽样的分布完全相同。收集再多数据也毫无帮助。 请启用 JavaScript 以使用这个交互图形。完整的推理见正文。 另一方面,中位数却很好用:一半面积在零的左边,一半在右边,多次抽样的中位数趋近于零。所以统计学家把阿涅西曲线当作一个警示:在计算平均值之前,最好先弄清楚数据的尾部是轻还是重。 泊松、柯西与物理学 最早注意到这个问题的是西梅翁-德尼·泊松,他在 1824 年把这个分布当作拉普拉斯误差理论的反例。名字来自奥古斯丁-路易·柯西,他在 1853 年与伊雷内-儒勒·比安内梅关于最小二乘法的争论中讨论过它。 在物理学中,同一条曲线以另一个名字出现:洛伦兹线型,以亨德里克·洛伦兹命名。它描述原子和分子光谱中谱线的形状、振子在共振附近的响应,在粒子物理中还描述揭示不稳定粒子的峰的形状(布莱特-维格纳公式)。凡是一边振荡一边慢慢损失能量的东西,往往都会出现阿涅西的女巫。 海滩上的灯塔 一个经典的例子说明了柯西分布可能从哪里来。一座灯塔距一条笔直的海滩 1 千米,它旋转着,朝随机方向发出一道光脉冲,所有角度的可能性相同。打到海滩上的脉冲,其落点恰好服从柯西分布。当角度接近 90° 时,脉冲会打到海滩上很远的地方,正是这些罕见的远点使均值无法存在。 练习:四分位数一次柯西抽样落在 $-1$ 和 $1$ 之间的概率是多少? $\frac{1}{\pi}(\arctan 1 - \arctan(-1)) = \frac{1}{\pi}\cdot\frac{\pi}{2} = \frac{1}{2}$。一半的抽样落在 $-1$ 和 $1$ 之间:这就是该分布的四分位数。对标准正态分布,一半落在 $-0.674$ 和 $0.674$ 之间;柯西分布在中间更“分散”,在尾部则分散得多得多。

Hero Image
蒙特卡洛方法:掷骰子来计算

1946 年,冯·诺依曼在洛斯阿拉莫斯的同事、波兰数学家斯坦尼斯瓦夫·乌拉姆正在从脑炎中康复,靠玩单人纸牌打发时间。他想知道一局牌能打通的概率是多少。用组合数学去算,复杂得毫无希望。但还有另一个办法:玩上几百局,数一数有多少局打通了。有了计算机,就可以玩上几千局。 乌拉姆把这个想法告诉了冯·诺依曼,后者立刻看出了它的威力:同样的窍门可以用于他们在洛斯阿拉莫斯面对的问题,即中子在炸弹或反应堆中的路径,每个中子都会随机地偏转、被吸收或增殖。不去解方程,而是模拟成千上万个中子,用抽签决定每个中子遇到什么,然后取平均。尼古拉斯·梅特罗波利斯用蒙特卡洛赌场给这个方法命名,乌拉姆的一位叔叔常去那里赌钱。 斯坦尼斯瓦夫·乌拉姆手持 FERMIAC,这是恩里科·费米的一辆小推车,能在纸上画出由人手随机选出的中子路径:一台机械的蒙特卡洛装置。Los Alamos National Laboratory · Wikimedia Commons · 公有领域 1948 年,最早的模拟在 ENIAC 上运行。大部分代码是由冯·诺依曼的妻子克拉拉·丹·冯·诺依曼编写的,她是历史上最早的程序员之一。 用随机点计算 π 最简单的例子:随机抽取点 $(x, y)$,$x$ 和 $y$ 都在 $0$ 和 $1$ 之间。一个点落在四分之一圆 $x^2 + y^2 \le 1$ 内的概率是面积之比,$\frac{\pi/4}{1} = \frac{\pi}{4}$。因此 $$\pi \approx 4 \times \frac{\text{落在里面的点数}}{\text{抽取的点数}}.$$ 请启用 JavaScript 以使用这个交互图形。完整的推理见正文。 估计值改进得很慢。典型误差按 $\frac{1}{\sqrt{n}}$ 的方式减小:要多得一位小数,就需要一百倍的点。计算 $\pi$ 有好得多的方法。但在有许多变量的问题里,比如中子在三维空间中带着能量、方向和碰撞类型的路径,蒙特卡洛往往是唯一可行的方法,因为它的误差与维数无关。 制造偶然 计算机是确定性的机器。“随机”数从哪里来?1949 年,冯·诺依曼提出了平方取中法:取一个四位数,把它平方,把结果写成八位数,取中间四位。这就是下一个数。他完全清楚这不是真正的随机: 任何考虑用算术方法产生随机数字的人,当然都处于罪孽之中。 — 约翰·冯·诺依曼,《与随机数字有关的各种技术》(1951) 这个序列最终会重复或者落到零。但它很快,而且结果可以重现,便于核对计算。今天使用的生成器要好得多,但冯·诺依曼的原则依然成立:人们对生成器的要求不是真正的随机,而是通过问题所需的统计检验。 练习:平方取中从 $1234$ 出发,用平方取中法生成三个数。 $1234^2 = 1\,522\,756$,写成八位数 $01522756$:中间是 $5227$。$5227^2 = 27\,321\,529$:中间是 $3215$。$3215^2 = 10\,336\,225$:中间是 $3362$。序列开头是 $1234, 5227, 3215, 3362, \ldots$

Hero Image
班伯里法:用分班衡量证据

炸弹机很快,但还不够快,无法测试海军恩尼格玛的每一种转子顺序。1940 年,图灵发明了一种纸笔方法,在开动机器之前就排除掉大部分顺序。由于这种方法用的纸张印制于班伯里镇,同事们把它命名为班伯里法(Banburismus)。 这是一种统计方法。为了设计它,图灵重新发明了现代统计学的一个核心思想。 重复出现的字母 把两份德文电报上下对齐,数一数两者在同一位置有相同字母的地方。由于德语大量使用 E、N、R 和 I,重合会比字母随机抽取时频繁得多。在德文文本中,对齐的两个字母相同的概率约为 $\frac1{17}$;如果字母是随机的,这个概率是 $\frac1{26}$。 恩尼格玛以一种奇特的方式保留了这个性质:如果两份电报是用同一串转子位置加密的,原文中的重合在密文中仍然是重合,因为同一位置上的相同字母会变成相同的字母。如果位置不同,比率就降到 $\frac1{26}$。所以,数重合的次数就为“两份电报是否对齐”提供了证据,从而透露出转子位置的信息。 一次重合值多少 图灵问:一次重合应该使我对“电报已对齐”的信心增加多少?答案是似然比,即在一种情况下看到重合的可能性是另一种情况的多少倍: $$\frac{\text{对齐时重合的概率}}{\text{未对齐时的概率}}=\frac{1/17}{1/26}=\frac{26}{17}\approx1.53.$$一个没有重合的位置则是相反方向的证据,弱得多: $$\frac{16/17}{25/26}=\frac{416}{425}\approx0.979.$$按照贝叶斯定理,每条证据都把几率(一个假设的概率与另一个假设的概率之比)乘以它的似然比。位置多了,乘法就多,而手算乘法很慢。 用加法代替乘法 图灵做了纳皮尔三个世纪前做过的事:改用对数,把乘法变成加法。他把似然比的常用对数称为班(ban),把它的十分之一称为分班(deciban): $$\text{以分班计的权重}=10\log_{10}(\text{似然比}).$$现在,每次重合值 $$10\log_{10}\frac{26}{17}\approx+1.8\ \text{分班},$$每个没有重合的位置值 $$10\log_{10}\frac{416}{425}\approx-0.09\ \text{分班}.$$第 8 号营房的操作员只需计数和相加。总计 $+20$ 分班,意味着证据使这个假设的几率变成原来的 $10^2=100$ 倍。 能察觉到的最小证据 在布莱切利园与图灵共事的统计学家 I. J. 古德回忆说,选择分班,是因为它大致是人的直觉能察觉到的证据权重的最小变化,就像分贝是耳朵能察觉到的最小音量变化一样。战后,古德发展了这些思想,帮助奠定了现代贝叶斯统计学。他使用的“证据权重”这套语言,来自图灵。 练习:把证据加起来两份电报对齐了 200 个位置,有 14 处重合。总权重是多少分班?对齐的假设变得更可能了吗? 有 14 处重合和 186 个无重合的位置:$14\cdot1.8+186\cdot(-0.09)\approx25.2-16.7=8.5$ 分班。是正的:支持对齐的几率大约乘以 $10^{0.85}\approx7$。如果字母随机,预期的重合是 $200/26\approx7.7$ 次;如果对齐,是 $200/17\approx11.8$ 次。14 次更符合对齐。 练习:多少次重合打成平手?在 100 个位置中,多少次重合 $k$ 会使总权重为零? $1.8k-0.09(100-k)=0$,即 $1.89k=9$,$k\approx4.8$。在 100 个位置中有 5 次或更多重合,证据就已偏向对齐。这个数介于随机预期 $100/26\approx3.8$ 和对齐预期 $100/17\approx5.9$ 之间。

Hero Image
约翰·纳皮尔的遗产

对数的发明把几个月的工作缩短为几天,可以说使天文学家的寿命延长了一倍。 — 据说出自皮埃尔–西蒙·拉普拉斯 很少有发明传播得这样快。不到十年,对数就在英格兰、荷兰、德意志和意大利得到使用。三个半世纪里,它们是人类最主要的计算工具。 开普勒 第一位重要的使用者是约翰内斯·开普勒,他在 1617 年见到纳皮尔的表,欣喜不已。1619 年,他给这位苏格兰男爵写了一封感谢信,却不知道他已去世两年,并把 1620 年的《星历表》献给了他。开普勒自己编制了对数表,并在 1627 年的《鲁道夫星表》中使用。这部当时最精确的行星位置表证实了椭圆轨道。 自然对数 对数的数学有了自己的生命。1647 年,比利时人格雷瓜尔·德·圣文森特和他的学生阿方斯·德·萨拉萨发现,双曲线 $y=1/x$ 下的面积具有对数的性质。自然对数记作 $\ln$,底为 $e\approx2.71828$,就是欧拉研究并命名的那个数,它早已藏在纳皮尔用两个点给出的定义里。今天,对数出现在地震的里氏震级、声音的分贝、化学的 pH 值、计算机的存储和算法的复杂度之中。 《奇妙的对数表的描述》的扉页,爱丁堡,1614 年。作者署名为“默奇斯顿男爵、苏格兰人约翰·纳皮尔”。John Napier · Wikimedia Commons · 公有领域 其他贡献 小数点。 弗拉芒人西蒙·斯蒂文在 1585 年提倡使用小数,但记法很复杂。纳皮尔在《算筹术》和《构造》中用一个点把整数部分隔开,如 25.803,推动了这一习惯的传播。 球面三角形。 纳皮尔创造了便于记忆的圆部法则,把直角球面三角形的十个公式归结为两句话,用于天文和航海。纳皮尔比拟式至今仍出现在球面三角学的书中。 奈培。 电信中衡量对数比值的单位叫奈培(neper),以纪念他。月球上也有一座以他命名的环形山。 留下了什么 计算。 对数,把乘法变成加法,把乘方变成乘法。 工具。 纳皮尔算筹、速算盒,以及经由冈特和奥特雷德发展出的计算尺。 记号。 小数点和"对数"这个词。 三角学。 圆部法则和纳皮尔比拟式。 科学。 开普勒的星表、航海,以及此后三个世纪的工程。 城堡周围的大学 纳皮尔出生和去世的默奇斯顿塔楼至今仍在。1960 年代,爱丁堡市在它周围建了一所技术学院,以纳皮尔命名。如今它是爱丁堡纳皮尔大学,那座 15 世纪的塔楼就矗立在校园中央,被现代建筑环绕。 要点回顾 约翰·纳皮尔生于 1550 年,卒于 1617 年。经过二十年计算,他在 1614 年发表了对数。 在等比数列中相乘,就是在等差数列中相加:$2^a\times2^b=2^{a+b}$。 纳皮尔用两个运动的点定义对数;用现代语言说,$\operatorname{NapLog}(x)=10^7\ln(10^7/x)$。 他与布里格斯一起采用了以 10 为底:$\log1=0$,$\log10=1$,由 $2^{10}\approx10^3$ 可得 $\log2\approx0.30103$。 纳皮尔算筹读出乘法表的一行,再沿斜线相加,就完成乘法。 计算尺把与对数成正比的长度相加,从而做乘法。 来源: Julian Havil,John Napier: Life, Logarithms, and Legacy(2014)· Eli Maor,e: The Story of a Number(1994)· 纳皮尔传记,MacTutor。

Hero Image
埃瓦里斯特·伽罗瓦的遗产

这封信,如果按照它所包含的思想的新颖和深刻来评判,也许是人类全部文献中分量最重的一篇文字。 — 赫尔曼·外尔,《对称》(1952) 伽罗瓦留下了大约六十页数学,其中很多是匆忙写成的。人们花了半个世纪才读懂它们。读懂之后,它们改变了人们对数学本身的看法:不再研究数和图形,而是研究使它们保持不变的变换。 群论 第一本关于伽罗瓦理论的书,法国人卡米尔·若尔当的《置换论》,出版于 1870 年。两年后,德国人费利克斯·克莱因在他的埃尔朗根纲领中提出,每一种几何都由它的变换群来定义:欧几里得几何研究在旋转和平移下不变的东西;射影几何研究在投影下不变的东西。阿贝尔的同胞、挪威人索菲斯·李创立了以他命名的连续群,用来研究微分方程,就像伽罗瓦研究代数方程那样。 伽罗瓦的工作与阿贝尔的工作非常相似,但有一个区别。阿贝尔证明了公式不存在。伽罗瓦解释了为什么,而且这个解释同时适用于所有方程。这种谈论运算而非数的新语言的故事,也在本站符号学一书的《伽罗瓦与凯莱》一章中讲述。 自然界中的群 物理。 1918 年,德国的埃米·诺特证明,物理定律的每一种对称都对应一个守恒量:时间上的对称给出能量守恒,空间上的对称给出动量守恒。1961 年,默里·盖尔曼用一个叫做 $\mathrm{SU}(3)$ 的群整理了亚原子粒子,并预言了一种当时还没有人见过的粒子,即 1964 年发现的 Ω⁻ 粒子。 化学。 晶体中原子排列的对称群恰好有 230 种,于 1891 年完成分类。每一种矿物、每一种金属、每一种结晶的蛋白质都属于其中之一。 数论。 1995 年,安德鲁·怀尔斯通过研究与椭圆曲线相关的方程的伽罗瓦群,证明了费马大定理。椭圆曲线正是从阿贝尔的椭圆函数中生长出来的。 计算机。 有限域存在于纠错码和密码学之中。 埃瓦里斯特·伽罗瓦,由他的弟弟阿尔弗雷德绘制,1848 年发表,那时他已去世十六年。Alfred Galois · Wikimedia Commons · 公有领域 魔群 挡住五次方程公式的那个 60 元群是单群:它不能被切成更小的块。单群是所有有限群的"原子",找出全部单群是 20 世纪数学最大的工程之一。这项分类于 2004 年完成,由一百多位数学家写成,长达数万页。除了几个无穷族之外,恰好有 26 个零散单群。其中最大的魔群有 $$808\,017\,424\,794\,512\,875\,886\,459\,904\,961\,710\,757\,005\,754\,368\,000\,000\,000$$个元素,约为 $8\times10^{53}$。 留下了什么 方程论。 方程的群,以及判定哪些方程可以用根式求解的准则。 群论。 “群"这个词本身、正规子群的概念,以及把群分解成若干步骤。 有限域。 以他命名的 $p^n$ 元域。 几何。 通过旺策尔、克莱因和李,对不可能作图的解释,以及把几何看作对称性研究的思想。 科学。 粒子物理、晶体学、密码学和编码。 决斗的各种说法 决斗之谜催生了一个多世纪的传说。作家大仲马在回忆录中说,对手是一个名叫佩舍·德尔班维尔的共和派。也有人说是一名警察密探,或者是为了在葬礼上引发起义而安排的决斗。较新的研究认为,对手是一同坐过牢的欧内斯特·迪沙特莱。真相也许永远无法知道。而数学,至少完整地留了下来。

Hero Image
尼尔斯·亨里克·阿贝尔的遗产

阿贝尔留给数学家们的工作,够他们忙上一百五十年。 — 据说出自夏尔·埃尔米特 阿贝尔作为数学家工作了不到八年。在这段时间里,他了结了代数中最古老的问题,为级数带来了严格性,创立了椭圆函数,还写下了一篇直到他死后几十年才被完全理解的论文。今天,他的名字出现在数学中的地方,几乎比任何人都多:阿贝尔群、阿贝尔积分、阿贝尔函数、阿贝尔簇、阿贝尔定理、阿贝尔求和、阿贝尔判别法。 巴黎论文 阿贝尔 1826 年交给巴黎科学院、后来被柯西弄丢的那篇著作,包含一个巨大的结果。它表明,对于任何代数曲线,沿曲线的某些积分之和可以化为固定数目的积分,这个数目只取决于曲线。三十年后,黎曼把这个数称为曲线的亏格,即相应曲面上"洞"的个数。今天这个结果被称为阿贝尔定理,代数几何和黎曼曲面理论都由它发展而来。据说勒让德得知这个定理后,借用拉丁诗人贺拉斯的诗句,称它为 monumentum aere perennius,“比青铜更持久的纪念碑”。 手稿的故事几乎像一部小说。阿贝尔死后,挪威驻巴黎领事请科学院寻找这份文稿。柯西找到了它,1841 年发表,但有错误。在印刷过程中,原稿再次失踪。直到 1952 年,挪威数学家维戈·布伦才在佛罗伦萨一座图书馆里,在一位意大利收藏家的文件中重新找到它。 纪念碑与奖项 古斯塔夫·维格兰创作的阿贝尔纪念碑,位于奥斯陆王宫公园。它于 1908 年揭幕,表现一位赤裸的青年站在两个怪物般的形象之上,许多人把它们理解为被他征服的五次方程和椭圆函数。Wolfmann · Wikimedia Commons · CC BY-SA 4.0 19 世纪末,挪威人索菲斯·李得知诺贝尔奖不设数学奖后,提议设立一个以阿贝尔命名的奖项。随着李在 1899 年去世,以及挪威与瑞典在 1905 年分离,这个想法渐渐搁浅。2002 年阿贝尔诞辰两百周年时,这个想法被重新提起:挪威政府设立了阿贝尔奖,2003 年首次颁给法国人让–皮埃尔·塞尔。今天它被视为数学界的诺贝尔奖。2015 年,它颁给了约翰·纳什和路易斯·尼伦伯格。 留下了什么 1929 年挪威邮票,为纪念阿贝尔逝世一百周年而发行。挪威邮政 · Wikimedia Commons · 公有领域 代数。 五次方程一般公式的不可能性、阿贝尔方程和交换群。 分析。 级数的严格性、任意指数的二项式级数,以及关于幂级数的阿贝尔定理。 椭圆函数。 积分的反演、双周期性和加法公式,与雅可比共同完成。 代数几何。 关于代数函数积分的阿贝尔定理,黎曼理论的根源。 古典几何。 用尺规等分双纽线,可分的数与圆相同。 迟到的信 阿贝尔的一生充满了阴差阳错的书信:高斯没有打开的小册子、柯西弄丢的论文、在他死后两天才到的柏林来信。1830 年巴黎科学院授予他大奖时,他已去世一年多。在挪威,他的肖像曾出现在邮票和 500 克朗纸币上,月球上还有一座以他命名的环形山。 要点回顾 尼尔斯·亨里克·阿贝尔生于 1802 年,卒于 1829 年。他的全部工作完成于 19 到 26 岁之间。 对于五次或更高次的一般方程,不存在用根式表示的公式:这就是阿贝尔–鲁菲尼定理。 二项式级数 $(1+x)^m=1+mx+\cdots$ 在 $|x|<1$ 时收敛;阿贝尔第一个对任意 $m$ 证明了这一点。 把积分 $\int\frac{dt}{\sqrt{1-t^4}}$ 反过来,得到双纽线正弦,一个有两个周期(一实一虚)的函数。 平分双纽线每个四分之一段的点距中心 $\sqrt{\sqrt2-1}$,这是一个可作图的数。 当操作的顺序无关紧要时,群是阿贝尔群;群为阿贝尔群的方程可以用根式求解。 来源: Arild Stubhaug,Niels Henrik Abel and his Times(Springer,2000)· 阿贝尔奖,挪威科学与文学院 · 阿贝尔传记,MacTutor。

Hero Image
热方程与德乔治–纳什正则性

1900 年,在巴黎的国际数学家大会上,大卫·希尔伯特提出了 23 个问题,他认为这些问题将引领 20 世纪的数学。第 19 问题用通俗的话说是:变分法中"性质良好"的问题,其解是否总是光滑函数?半个世纪后,对于一类重要的方程,这个问题仍未解决。1956 年,纳什从一位同事那里听说了它,决定攻克它。 热方程 从最简单的例子开始。一根很长的金属棒在点 $x$、时刻 $t$ 的温度为 $u(x,t)$。热量从热处流向冷处,温度满足傅里叶的热方程: $$\frac{\partial u}{\partial t}=\kappa\,\frac{\partial^2u}{\partial x^2},$$其中 $\kappa>0$ 是材料的扩散率。方程说:一点的温度比周围的平均值低时就升高,比平均值高时就降低。 如果在零时刻所有热能都集中在一点,那么 $t>0$ 时的解是高斯函数 $$G(x,t)=\frac1{\sqrt{4\pi\kappa t}}\,e^{-x^2/(4\kappa t)}.$$我们来验证。对 $t$ 求一次导、对 $x$ 求两次导, $$\frac{\partial G}{\partial t}=\left(-\frac1{2t}+\frac{x^2}{4\kappa t^2}\right)G,\qquad\kappa\frac{\partial^2G}{\partial x^2}=\left(-\frac1{2t}+\frac{x^2}{4\kappa t^2}\right)G.$$两者相等。钟形曲线随时间变宽变低,面积保持为 1:能量守恒并扩散开来。宽度按 $\sqrt t$ 增长,与爱因斯坦布朗运动中走过的距离完全一样。这不是巧合:热是分子的运动,热方程描述的是从远处看到的随机游走。 当材料不规则时 高斯函数有一个了不起的性质:即使初始温度是一个无限集中的尖峰,对任何 $t>0$,解都是完全光滑的。扩散把一切都抹平了。 但如果材料不均匀呢?想象一块由铜、木头和玻璃碎块胡乱粘成的板,每块导热的方式都不同。方程变为 $$\frac{\partial u}{\partial t}=\frac{\partial}{\partial x}\left(a(x,t)\,\frac{\partial u}{\partial x}\right),$$其中导热系数 $a(x,t)$ 可以从一块到另一块突然跳变。只要求它介于两个正的界限之间:$0<\lambda\leq a\leq\Lambda$。系数如此不规则,解没有公式,甚至不清楚它是否有导数。问题是:温度会剧烈变化吗,还是热仍然会把一切抹平? 定理 纳什在 1957 年证明,热仍然会抹平:在任意维数中,这些方程的解都是赫尔德连续的,即存在只依赖于 $\lambda$、$\Lambda$ 和维数的常数 $C$ 与 $0<\alpha\leq1$,使得 $$\boxed{|u(x)-u(y)|\leq C\,|x-y|^{\alpha}.}$$无论材料多么杂乱,温度都不会跳变。纳什的证明极其独到:他用了概率和熵的思想,把热当作扩散开的质量,在没有任何公式的情况下控制住了解。有了这个结果,希尔伯特第 19 问题对这类方程得到了解决。 请启用 JavaScript 以使用这个交互图形。完整的推理见正文。