辛几何&李代数

数学家破解百年高维“球体填充问题”

数学家破解百年高维“球体填充问题”

有些人的工作是在噪声图像中分离信号,以寻找来自数十亿公里外的外星文明;有些人在研究弦理论,以探索宇宙中基本要素的内在联系;有些人则在食品店堆放水果,以求最节省空间的方法从而码得最多。奇妙的是,这些看似无关的事情都因为数学纽带而联系到一起&&它们都涉及到球体填充问题。只不过有些球体存在于其他维度。让我们看看数学家有什么最新发现。 早在1611年,... 阅读全文

有些人的工作是在噪声图像中分离信号,以寻找来自数十亿公里外的外星文明;有些人在研究弦理论,以探索宇宙中基本要素的内在联系;有些人则在食品店堆放水果,以求最节省空间的方法从而码得最多。奇妙的是,这些看似无关的事情都因为数学纽带而联系到一起——它们都涉及到球体填充问题。只不过有些球体存在于其他维度。让我们看看数学家有什么最新发现。

 

数学家破解百年高维“球体填充问题”

 

早在1611年,开普勒就已经推测出如何码放相同大小的球体能够达到最密集效果。他认为,形如金字塔那样的堆积方式乃是正解,就像在水果店里见到的桔子那样。球与球之间总会存在空隙,通过进一步研究,数学家们发现在满满一袋子网球里面,大约36%的空间都是空气。假如你能够精心排布这些网球,那么这个比例可以降低到26% (亦称26%法),但是人们在一百年前就已经认识到,26%乃是其极限。而对于开普勒的猜想,直到1998年,才被现在匹兹堡大学的Thomas Hales教授所证明。据说当时数学论证文档长达250页,还动用了猛犸象计算机。

 

其实,玩数学的人还会在高维度下鼓弄球体填充游戏——球的定义依然不变,但“距离”这一概念则在我们熟知的三维系统 (比如x,y,z轴) 之外获得了更多属性。其实,高维球体的定义并不复杂:在高维空间下到给定球心距离相等的一组点所构成的即为高维球体。重要的是,在多维环境下将具有更多的码放方法。所以寻找能够空间利用率最高的球体排布可能性一直是主要挑战。

 

不过,我们很难对高维度下的球体填充进行视觉呈现,但它们却是非常实际的存在:高密度的球体填充与我们常见的纠错代码有着密切关系。早在上世纪60年代,John Leech试图纠正信号在传播过程中所积累的错误或噪声。他发现在24维度下处理数据会非常实用,尤其对于从5亿英里以外传送回木星图像这种工作来说。

 

数学家破解百年高维“球体填充问题”
旅行者1号

 

十年后,旅行者1号和2号确实采用了这一方法。1977年,NASA在发射木星和土星探测器前曾面临着重要难题:在极低的电力供应下,如何将旅行者号拍摄的彩色图片传送回地球?当时所采取的方式是将图像转换为一组24位的二进制序列,成为“代码字”。代码字以无线电波的形式发射进宇宙,波峰和波谷分别代表1和0。但数据传输总会伴随着噪声,有时1会失真为0,有时0又会变成1。所以要还原旅行者号的图像,就需要纠错。

 

一方面,代码字需要足够清晰显著以便识别;另一方面,在24位的限制下,相对含混模糊的代码字才能提供更多的可能性,以及更快的数据传输速度。这样的矛盾与需求也随之转化为几何问题,比特位对应在了空间坐标上,每段代码字都成为一个24维空间下球体的球心。如果球体发生重叠,那么相关的代码字也将无法被识别。为了最大化地传输数据并且进行纠错,问题最终演变为:如何在24维空间下最密集地填充球体?

 

数学家破解百年高维“球体填充问题”
E8 lattice points

 

长久以来,数学家们已经积累了大量证据,几乎要默认E8和Leech晶格 (两者分别为8维度和24维度下极为美妙且对称的球体填充模型) 就是两种维度下的最佳填充方法。但他们一直缺少一项关键证据,即一个能够计算可容许球体最大密度的函数。

 

如今,乌克兰数学家Maryna Viazovska似乎已经找到了答案。今年3月,她先后在论文预印网站上贴出了两个重要的成果。她首先从8维空间球体排布开始说起,证明了E8晶格 (E8 lattice) 在8维空间中具有最大密度。E8很像是高维版本的“26%法”问题,只不过在8维空间下,球体之间拥有更多空隙,可以多塞进去一些。

 

数学家破解百年高维“球体填充问题”

Maryna Viazovska

 

当然,弦理论家并不会摆弄球体,他们只是将E8结构当作不同维度下的弦理论彼此关联方式中的重要组成部分。弦理论从26个维度开始,并需要折叠简化至我们所熟知的3维。E8则包含了折叠所需要的所有必要属性。

 

数学家和物理学家认为这绝不是一个巧合。他们觉得这样一个维度是最为简单有效的,因为再添加任何一维空间都会使其更难以解释。可能他们还真说对了,Viazovska已经可以证明E8结构不会留下任何额外空间,对于8维球体填充来说这是最高效的方法。

 

数学家破解百年高维“球体填充问题”

 

不过她并没有止步于此。在发布了8维研究后,一些希望解决24维问题的数学家找到她,于是他们开始研究 “Leech晶格”。Leech晶格对信息的处理方式就好比在24维度下排布球体,数学家们也一直认为这是最有效的解决方法。仅仅在E8文章公布一周之后,Viazovska和同事们又搞定了24维的问题

 

尽管两篇文章尚未接受同行评议,在数学圈内似乎并没有什么质疑。由于E8和Leech晶格与数学和物理的诸多领域关系密切, Viazovska等人的发现对未来的研究有着重要意义。

收起全文

辛几何&李代数

细数二十世纪最伟大的10大算法

细数二十世纪最伟大的10大算法

作者July总结了一篇关于计算方法的文章《细数二十世纪最伟大的10大算法》,此文只是本人对算法比较感兴趣,所以也做翻译,学习研究下。以下是文章内容: 发明十大算法的其中几位算法大师 一、1946 蒙特卡洛方法[1946: John von Neumann, Stan Ulam, and Nick Metropolis, all at th... 阅读全文

作者July总结了一篇关于计算方法的文章《细数二十世纪最伟大的10大算法》,此文只是本人对算法比较感兴趣,所以也做翻译,学习研究下。以下是文章内容:

发明十大算法的其中几位算法大师

细数二十世纪最伟大的10大算法

一、1946 蒙特卡洛方法

[1946: John von Neumann, Stan Ulam, and Nick Metropolis, all at the Los Alamos Scientific Laboratory, cook up the Metropolis algorithm, also known as the Monte Carlo method.]

1946年,美国拉斯阿莫斯国家实验室的三位科学家John von Neumann,Stan Ulam 和 Nick Metropolis共同发明,被称为蒙特卡洛方法。

它的具体定义是:

在广场上画一个边长一米的正方形,在正方形内部随意用粉笔画一个不规则的形状,现在要计算这个不规则图形的面积,怎么计算列?蒙特卡洛(Monte Carlo)方法告诉我们,均匀的向该正方形内撒N(N 是一个很大的自然数)个黄豆,随后数数有多少个黄豆在这个不规则几何形状内部,比如说有M个,那么,这个奇怪形状的面积便近似于M/N,N越大,算出来的值便越精确。在这里我们要假定豆子都在一个平面上,相互之间没有重叠。

蒙特卡洛方法可用于近似计算圆周率:让计算机每次随机生成两个0到1之间的数,看这两个实数是否在单位圆内。生成一系列随机点,统计单位圆内的点数与总点数,(圆面积和正方形面积之比为PI:1,PI为圆周率),当随机点取得越多(但即使取10的9次方个随机点时,其结果也仅在前4位与圆周率吻合)时,其结果越接近于圆周率。

二、1947 单纯形法

[1947: George Dantzig, at the RAND Corporation, creates the simplex method for linear programming.]

1947年,兰德公司的,Grorge Dantzig,发明了单纯形方法。单纯形法,此后成为了线性规划学科的重要基石。所谓线性规划,简单的说,就是给定一组线性(所有变量都是一次幂)约束条件(例如a1*x1+b1*x2+c1*x3>0),求一个给定的目标函数的极值。

这么说似乎也太太太抽象了,但在现实中能派上用场的例子可不罕见——比如对于一个公司而言,其能够投入生产的人力物力有限(“线性约束条件”),而公司的目标是利润最大化(“目标函数取最大值”),看,线性规划并不抽象吧!

线性规划作为运筹学(operation research)的一部分,成为管理科学领域的一种重要工具。

而Dantzig提出的单纯形法便是求解类似线性规划问题的一个极其有效的方法。

三、1950 Krylov子空间迭代法

[1950: Magnus Hestenes, Eduard Stiefel, and Cornelius Lanczos, all from the Institute for Numerical Analysis at the National Bureau of Standards, initiate the development of Krylov subspace iteration methods.]

1950年:美国国家标准局数值分析研究所的,马格努斯Hestenes,爱德华施蒂费尔和科尼利厄斯的Lanczos,发明了Krylov子空间迭代法。

Krylov子空间迭代法是用来求解形如Ax=b 的方程,A是一个n*n 的矩阵,当n充分大时,直接计算变得非常困难,而Krylov方法则巧妙地将其变为Kxi+1=Kxi+b-Axi的迭代形式来求解。这里的K(来源于作者俄国人Nikolai Krylov姓氏的首字母)是一个构造出来的接近于A的矩阵,而迭代形式的算法的妙处在于,它将复杂问题化简为阶段性的易于计算的子步骤。

四、1951 矩阵计算的分解方法

[1951: Alston Householder of Oak Ridge National Laboratory formalizes the decompositional approach to matrix computations.]

1951年,阿尔斯通橡树岭国家实验室的Alston Householder提出,矩阵计算的分解方法。这个算法证明了任何矩阵都可以分解为三角、对角、正交和其他特殊形式的矩阵,该算法的意义使得开发灵活的矩阵计算软件包成为可能。

五、1957 优化的Fortran编译器

[1957: John Backus leads a team at IBM in developing the Fortran optimizing compiler.]

1957年:约翰巴库斯领导开发的IBM的团队,创造了Fortran优化编译器。Fortran,亦译为福传,是由Formula Translation两个字所组合而成,意思是“公式翻译”。它是世界上第一个被正式采用并流传至今的高级编程语言。这个语言现在,已经发展到了,Fortran 2008,并为人们所熟知。

六、1959-61 计算矩阵特征值的QR算法

[1959–61: J.G.F. Francis of Ferranti Ltd, London, finds a stable method for computingeigenvalues, known as the QR algorithm.]

1959-61:伦敦费伦蒂有限公司的J.G.F. Francis,找到了一种稳定的特征值的计算方法,这就是著名的QR算法。

这也是一个和线性代数有关的算法,学过线性代数的应该记得“矩阵的特征值”,计算特征值是矩阵计算的最核心内容之一,传统的求解方案涉及到高次方程求根,当问题规模大的时候十分困难。QR算法把矩阵分解成一个正交矩阵(希望读此文的你,知道什么是正交矩阵。:D。)与一个上三角矩阵的积,和前面提到的Krylov 方法类似,这又是一个迭代算法,它把复杂的高次方程求根问题化简为阶段性的易于计算的子步骤,使得用计算机求解大规模矩阵特征值成为可能。

这个算法的作者是来自英国伦敦的J.G.F. Francis。

七、1962 快速排序算法

[1962: Tony Hoare of Elliott Brothers, Ltd., London, presents Quicksort.]

1962年:托尼埃利奥特兄弟有限公司,伦敦,霍尔提出了快速排序。

哈哈,恭喜你,终于看到了可能是你第一个比较熟悉的算法~。

快速排序算法作为排序算法中的经典算法,它被应用的影子随处可见。

快速排序算法最早由Tony Hoare爵士设计,它的基本思想是将待排序列分为两半,左边的一半总是“小的”,右边的一半总是“大的”,这一过程不断递归持续下去,直到整个序列有序。说起这位Tony Hoare爵士,快速排序算法其实只是他不经意间的小小发现而已,他对于计算机贡献主要包括形式化方法理论,以及ALGOL60 编程语言的发明等,他也因这些成就获得1980 年图灵奖。

关于快速排序算法的具体认识与应用,请参考我写的一篇文章,精通八大排序算法系列。

一、快速排序算法:

http://blog.csdn.net/v_JULY_v/archive/2011/01/04/6116297.aspx

快速排序的平均时间复杂度仅仅为O(Nlog(N)),相比于普通选择排序和冒泡排序等而言,实在是历史性的创举。

八、1965 快速傅立叶变换

[1965: James Cooley of the IBM T.J. Watson Research Center and John Tukey of PrincetonUniversity and AT&T Bell Laboratories unveil the fast Fourier transform.]

1965年:IBM 华生研究院的James Cooley,和普林斯顿大学的John Tukey,AT&T贝尔实验室共同推出了快速傅立叶变换。

快速傅立叶算法是离散傅立叶算法(这可是数字信号处理的基石)的一种快速算法,其时间复杂度仅为O(Nlog(N));比时间效率更为重要的是,快速傅立叶算法非常容易用硬件实现,因此它在电子技术领域得到极其广泛的应用。

九、1977 整数关系探测算法

[1977: Helaman Ferguson and Rodney Forcade of Brigham Young University advance an integerrelation detection algorithm.]

1977年:Helaman Ferguson和 伯明翰大学的Rodney Forcade,提出了Forcade检测算法的整数关系。

整数关系探测是个古老的问题,其历史甚至可以追溯到欧几里德的时代。具体的说:给定—组实数X1,X2,...,Xn,是否存在不全为零的整数a1,a2,...an,使得:a1 x 1 +a2 x2 + . . . + an xn =0?这一年BrighamYoung大学的Helaman Ferguson 和Rodney Forcade解决了这一问题。该算法应用于“简化量子场论中的Feynman图的计算”。

十、1987 快速多极算法

[1987: Leslie Greengard and Vladimir Rokhlin of Yale University invent the fast multipolealgorithm.]

1987年:莱斯利的Greengard,和耶鲁大学的Rokhlin发明了快速多极算法。

此快速多极算法用来计算“经由引力或静电力相互作用的N 个粒子运动的精确计算——例如银河系中的星体,或者蛋白质中的原子间的相互作用”。ok,了解即可。

原文链接:http://blog.csdn.net/v_JULY_v/archive/2011/01/10/6127953.aspx

收起全文

辛几何&李代数

数学进展

数学进展

定向最后通过渗流和随机矩阵 曾杏元,侯振挺 数学进展. 2013, 42 (3): 257-278. DOI: 10.11845/sxjz.2011014a ... 阅读全文

定向最后通过渗流和随机矩阵 

曾杏元,侯振挺

数学进展. 2013, 42 (3): 257-278.   DOI: 10.11845/sxjz.2011014a 

数学进展 摘要  

Related Articles | Metrics

论文

三维复Ginzburg-Landau方程的时间解析性和近似惯性流形 

郭春晓,郭艳凤,李栋龙

数学进展. 2013, 42 (3): 279-287.   DOI: 10.11845/sxjz.2013007b 

数学进展 摘要  

Related Articles | Metrics

可交换范畴理论的一个结构定理 

童雪,沈复兴,李永强

数学进展. 2013, 42 (3): 288-296.   DOI: 10.11845/sxjz.2010187b 

数学进展 摘要  

Related Articles | Metrics

可逆的偏缠绕结构 

陈笑缘

数学进展. 2013, 42 (3): 297-300.   DOI: 10.11845/sxjz.2011031b 

数学进展 摘要  

Related Articles | Metrics

关于椭圆曲线y2=x(x+σp)(x+σq)在类数为1 虚二次域上的Selmer 群及 Mordell-Weil 群结构 

李修美

数学进展. 2013, 42 (3): 302-314.   DOI: 10.11845/sxjz.2010196b 

数学进展 摘要  

Related Articles | Metrics

Diophantine方程 x2+p2=yn 的解数 

梁明

数学进展. 2013, 42 (3): 319-315.   DOI: 10.11845/sxjz.2011021b 

数学进展 摘要  

Related Articles | Metrics

二阶线性微分方程解的超级 

龙见仁,伍鹏程

数学进展. 2013, 42 (3): 326-320.   DOI: 10.11845/sxjz.2011015b 

数学进展 摘要  

Related Articles | Metrics

推广的Baskakov-Durrmeyer型算子在 Lp[0,) 空间中的逼近 

郭顺生,刘国芬

数学进展. 2013, 42 (3): 327-338.   DOI: 10.11845/sxjz.2011027b 

数学进展 摘要  

Related Articles | Metrics

Banach空间上混合性C0半群的谱条件 

姚玉武,陈秀,朱玉扬,康素玲

数学进展. 2013, 42 (3): 339-347.   DOI: 10.11845/sxjz.2010124b 

数学进展 摘要  

Related Articles | Metrics

Ces\`{a}ro-Orlicz序列空间中的某些重要几何性质 

麻振华,崔云安

数学进展. 2013, 42 (3): 354-348.   DOI: 10.11845/sxjz.2010151b 

数学进展 摘要  

Related Articles | Metrics

超线性算子的零点定理及其应用 

王峰,孙经先,崔玉军

数学进展. 2013, 42 (3): 362-355.   DOI: 10.11845/sxjz.2011059b 

数学进展 摘要  

Related Articles | Metrics

一个逆向的含多参量的Mulholland不等式 

杨必成

数学进展. 2013, 42 (3): 363-367.   DOI: 10.11845/sxjz.2010009b 

数学进展 摘要  

Related Articles | Metrics

Lp-John椭球的极值性质 

马统一

数学进展. 2013, 42 (3): 379-369.   DOI: 10.11845/sxjz.2011007b 

数学进展 摘要  

Related Articles | Metrics

最大收益支撑森林对策 

李文屏,张寅生,谢政,王正明

数学进展. 2013, 42 (3): 381-392.   DOI: 10.11845/sxjz.2010066b 

数学进展 摘要  

Related Articles | Metrics

求解初值问题的指数拟合RKNd方法 

翟文娟,陈丙振

数学进展. 2013, 42 (3): 393-403.   DOI: 10.11845/sxjz.2011014b 

数学进展 摘要  

Related Articles | Metrics

复合系统的混沌性 

吴新星,朱培勇

数学进展. 2013, 42 (3): 405-415.   DOI: 10.11845/sxjz.2011005b 

数学进展 摘要  

Related Articles | Metrics

收起全文

辛几何&李代数

梅森素数的分布式网络计算

梅森素数的分布式网络计算

生成一个列表(Forming a list) 很容易证明,如果 2P-1 是素数,则 P 也一定是素数。因此,搜索梅森素数的第一步就是生成一个用于测试的素数指数列表。 试验分解因子(Trial Factoring)下一步是通过寻找小因子来排除一些指数。有一个非常高效的算法判断一个数是否能整除 2P-1。例如,让我们看一下 47 是否能够整除 22... 阅读全文

生成一个列表(Forming a list)

很容易证明,如果 2P-1 是素数,则 P 也一定是素数。因此,搜索梅森素数的第一步就是生成一个用于测试的素数指数列表。

 

试验分解因子(Trial Factoring)

下一步是通过寻找小因子来排除一些指数。有一个非常高效的算法判断一个数是否能整除 2P-1。例如,让我们看一下 47 是否能够整除 223-1。把指数 23 转换成二进制数,我们得到 10111。从 1 开始,重复以下步骤:平方,删除指数的最左边二进位,如果该位是 1,则将平方后得到的值乘以 2,然后计算其除以 47 后的余数。

平方删除最左边二进位如果需要就乘以 2除以47的余数
1*1 = 1101111*2 = 22
2*2 = 40111no4
4*4 = 1611116*2 = 3232
32*32 = 1024111024*2 = 204827
27*27 = 7291 729*2 = 14581

因此,223 = 1 mod 47。两边同时减 1,223-1 = 0 mod 47。因此我们知道 47 是一个因子,从而 223-1 不是素数。

可以证明梅森数有一个非常好的性质:2P-1 的任何因子 q 必定是 2kP+1 的形式,并且 q 除以 8 的余数一定是 1 或者 7。最后,一个高效的程序可以利用任何可能的因子 q 必须是素数这一事实。

GIMPS 程序的分解因子代码使用修正的厄拉托森斯(Eratosthenes)筛法,利用一个二进位表示一个可能的 2kP+1 形式的因子。这个筛排除能够被大约 40,000 以下的素数整除的任何可能的因子。同样,表示除以 8 的余数是 3 或者 5 的可能的因子的二进位被清除。这个过程排除大约百分之九十五的可能的因子。剩下的可能的因子使用上面描述的高效的算法进行测试。

现在唯一的问题是要试验分解多少因子?答案取决于三个因素:分解因子的代价、发现一个因子的概率和素性测试的代价。我们使用以下公式:

分解因子的代价 < 发现因子的概率 * 2 * 素性测试的代价

也就是说,分解因子所花费的时间必须小于期望被节省的时间。如果能够发现一个因子,我们就能够避免进行首次素性测试和复查。

根据以前分解因子的数据,我们知道发现一个 2X 到 2X+1 之间的因子的概率大约是 1/X。本程序进行素性测试和分解因子所需的时间已经被计算出来。目前,本程序试图分解因子到:

指数上限分解因子到
3,960,000260
5,160,000261
6,515,000262
8,250,000263
13,380,000264
17,850,000265
21,590,000266
28,130,000267
35,100,000268
44,150,000269
57,020,000270
71,000,000271
79,300,000272

 

用 P-1 方法分解因子(P-1 Factoring)

还有另外一个方法可被 GIMPS 程序用来搜索因子,因而避免进行素性测试的花费。这个方法叫做波拉德(Pollard)(P-1)方法。如果q 是某数的一个因子,并且 q-1 是高度复合的(也就是说 q-1 只有小因子),P-1 方法就可以找到因子 q

该方法用于梅森数时甚至更高效。回忆一下,因子 q 只能是 2kP+1 的形式。只要 k 是高度复合时,就很容易修改 P-1 方法去搜索因子 q

P-1 方法是十分简单的。在第一阶段我们挑选一个边界 B1。只要 k 的所有因子都小于 B1 (我们称 k 为 B1-平滑 (B1-smooth) ),P-1 方法就能找到因子 q。我们首先计算 E = (比 B1 小的所有素数的乘积)。然后计算 x = 3E*2*P。最后,检查 x-1 和 2P-1 的最大公约数,就可以知道是否找到一个因子。

使用第二个边界 B2,我们可以改进波拉德算法,达到第二阶段。如果 k 在 B1 到 B2 之间刚好有一个因子,而其它因子都小于 B1,我们就能够在第二阶段找到因子 q。这个阶段要使用大量的内存。

GIMPS 程序使用该方法去寻找一些给人印象深刻的因子。例如:

22,944,999-1 能够被 314,584,703,073,057,080,643,101,377 整除。
314,584,703,073,057,080,643,101,377 等于 2 * 53,409,984,701,702,289,312 * 2,944,999+1。
值 k,53,409,984,701,702,289,312,是非常平滑的:
53,409,984,701,702,289,312 = 25 * 3 * 19 * 947 * 7,187 * 62,297 * 69,061

GIMPS 如何智能地选择 B1 和 B2 呢?我们使用试验分解因子方法中的公式的变种。我们必须使下式取得最大值:

发现因子的概率 * 2 * 素性测试的代价 - 分解因子的代价

发现因子的概率和分解因子的代价都依赖于 B1 和 B2 的取值。当 k 是 B1-平滑 或者 k 是 B1-平滑 并且在 B1 到 B2 之间刚好有一个因子时,迪克曼(Dickman)函数(参见高德纳(Knuth)《计算机程序设计艺术》第二卷(译注:中文版第347页))用来确定发现因子的概率。本程序尝试许多 B1 的值,如果有足够的可用内存的话也尝试一些 B2 的值,用以确定使以上公式取得最大值的 B1 和 B2 的值。

 

卢卡斯-莱默测试(Lucas-Lehmer testing)

卢卡斯-莱默素性测试是非常简单的:如果 P > 2, 2P-1 是素数当且仅当 SP-2 = 0,其中,S0 = 4,SN = (SN-12 - 2) mod (2P-1)。例如,证明 27 - 1 是素数的过程如下:

S0 = 4
S1 = (4 * 4 - 2) mod 127 = 14
S2 = (14 * 14 - 2) mod 127 = 67
S3 = (67 * 67 - 2) mod 127 = 42
S4 = (42 * 42 - 2) mod 127 = 111
S5 = (111 * 111 - 2) mod 127 = 0

为了高效地实现卢卡斯-莱默测试,我们必须寻找对巨大的数进行平方及对 2P-1 取余的快速方法。自二十世纪六十年代后期以来,对巨大的数进行平方的最快速的算法是:把巨大的数分裂成小片形成一个大数组,然后执行快速傅里叶变换(FFT),逐项平方,然后再进行快速傅里叶逆变换(IFFT)。参见克努特的《计算机程序设计艺术》第二卷“乘法能有多快?”一节(译注:中文版第267页)。1994年1月,由Crandall)和巴里·费金(Barry Fagin) 合著的题为“离散加权变换和大整数算术”的计算数学文章,引入了无理底数 FFT 的概念。这个改进使得计算平方的速度提高两倍以上,允许使用较小的 FFT,并且这一过程中自动执行了对 2P-1 取余步骤。虽然由于英特尔公司的奔腾处理器体系结构的原因,GIMPS 程序使用浮点 FFT,但彼得·蒙哥马利(Peter Montgomery)给出的一个纯整数加权变换的方法也能够被使用。

正如上一段所提到的,GIMPS 使用汇编语言编写的浮点 FFT 算法,充分利用流水线和高速缓存。因为浮点运算是不精确的,在每次迭代后浮点值舍入到整数。本来该有的整数结果和程序计算出来的浮点结果之间的差异叫做“卷折误差”。如果卷折误差超过 0.5 则舍入将产生不正确的结果 - 这意味着必须使用更大的 FFT。GIMPS 程序的错误检查确保最大卷折误差不超过 0.4。不幸地,这种错误检查的代价相当高,以致于不能在每次平方后都进行检查。存在另外一种代价很低的错误检查。FFT 平方的一个性质是:

(输入 FFT 值的和)2 = (输出 IFFT 值的和)

由于我们使用浮点数,我们必须将上式中的“等于”改为“约等于”。如果上式中两个值实质上不等,将给出一个在 readme.txt 文件中描述过的 SUMINP != SUMOUT 错误。如果输入 FFT 值的和是一个非法的浮点数(例如无穷大),将给出一个 ILLEGAL SUMOUT 错误。不幸地,这种错误检查无法发现我们将在下一节中描述的所有错误。

卢卡斯-莱默测试发现一个新的梅森素数的概率有多大?一个简单的估计是再次利用发现一个 2X 到 2X+1 之间的因子的概率大约是 1/X 的事实。例如,你已经使用试验分解因子证明 210,000,139-1 没有比 264 小的因子,那么它是素数的概率是:没有 65 二进位因子的概率 * 没有 66 二进位因子的概率 * ... * 没有 5,000,070 二进位因子的概率,即:

梅森素数的分布式网络计算

化简后得到:64 / 5,000,070,或者1 / 78,126。这个简单的估计不是很准确,它给出的公式是:(试验分解因子到多大的指数) / (指数/2)。进一步的工作表明更精确公式是:(试验分解因子到多大的指数-1) / (指数 * 欧拉常数(0.577...))。在上例中,是1 / 91,623。这个更精确的公式是未经证明的。

 

复查(Double-checking)

为了核实首次的卢卡斯-莱默素性测试没有出错,GIMPS 程序运行第二次素性测试。在每次测试期间,最终的 SP-2 的最低 64 二进位,叫做余数,被打印出来。如果它们相同,GIMPS 宣称该指数已经被复查。如果它们不相同,素性测试被再次运行直到最后出现匹配。和首次测试相匹配的复查,通常是在首次测试之后大约两年进行。GIMPS 分配复查给较慢的计算机,因为该指数比正在进行的首次测试的指数小,以便较慢的计算机能够在合理的时间内完成其工作任务。

GIMPS 复查采取进一步的防护措施以避免程序设计错误。在开始卢卡斯-莱默测试之前,S0 的值被左移随机的二进位。每次平方刚好加倍我们左移的 S 值。注意对 2P-1 取余的步骤仅是简单地将第 P 位以上的位移到最低有效位,因此没有信息丢失。为什么我们要自找麻烦呢?因为如果计算 FFT 的程序代码有错误,对 S 值的随机的移位确保第二次素性测试中的 FFT 算法处理一个和首次素性测试完全不同的值。一个程序设计错误几乎不可能产生同样的最终 64 二进位余数。

历史上,卢卡斯-莱默测试运行期间没有报告严重错误时,结果的错误率大致是 1.5%。卢卡斯-莱默测试产生的错误被报告的比率大约是 50%。作为记录,我没有把“ILLEGAL SUMOUT”作为严重错误统计。

收起全文

辛几何&李代数

浅议印欧语词根简化与英语词族记忆

结合历史语言学和语音学的音变法则,提出印欧词根的简化,使其更适合对浩如烟海、纷繁复杂的英语单词的词族分类和理解记忆,使流行的词根词缀记忆法更上一个台阶,形成词族记忆,从根本上解决记忆单词的困难。 一、印欧语和印欧语词根 原始印欧语是后世语言学家根据现时印欧语系诸语的特色,透过比较语言学的方法而倒推出来的假想语言。这种假想语言被认为是现时印欧语系诸... 阅读全文

结合历史语言学和语音学的音变法则,提出印欧词根的简化,使其更适合对浩如烟海、纷繁复杂的英语单词的词族分类和理解记忆,使流行的词根词缀记忆法更上一个台阶,形成词族记忆,从根本上解决记忆单词的困难。

 

一、印欧语和印欧语词根

原始印欧语是后世语言学家根据现时印欧语系诸语的特色,透过比较语言学的方法而倒推出来的假想语言。这种假想语言被认为是现时印欧语系诸语的共同祖先。虽然原始印欧语没有得到直接证实,但其基本的发音和词汇都通过比较法重构了出来。标准惯例是将未证实的形式用星号标记岀来:*uodōr(“水”,比较英语的water)、*kuon(“狗”,比较英语的canine;词根can(i)-, dog)、*treies(“三”,阳性,比较今日英语没有词性的three;词根tri-, three)等。现代印欧语的很多词都是从这些“原始词”经过有规律的语音变化发展而来。

重构的原始印欧语(PIE)词根是承载词汇意义的基本词素。通过增加后缀形成词干,再通过变形词缀在语法上形成变形后的词(名词或动词)

PIE 词根服从元音变换,除了一些非常特殊的情况,词根完全由它的要素辅音来刻画,而元音是可以变换的。作为规则,PIE词根有单一的音节核心,并通过元音变换可以要么是单音节要么不构成音节。

 

基本词根结构:

PIE 词根的中间是元音变换的元音(通常是完全等级的 *e,有时可能是 *a)。这个元音构成了一个响亮顶点,它周围前导或尾随着逐步递减响亮度的一序列辅音(就是说响亮度在词根两侧都递减)。响亮级别如下:

1. *l *r *y *n

2. *w *m

3. 塞音

这给出了下列词根结构(这里的 P 是塞音而Ø是空位置)

 

l

 

l

 

P

w

r

r

w

P

Ø

m

y

e

y

m

Ø

 

Ø

n

 

n

Ø

 

 

 

Ø

Ø

 

元音后的 *w 经常写为 *u,而在元音后的 *y 经常写为 *i。因此 *leig- = *leyg-to bind”而 *dʰeu- = *dʰew- to run”都是允许的词根。

 

二、音变定律

1、原始印欧语中的元音变换

原始印欧语(PIE)有正规的 ablaut(元音交替)序列构成自五个元音 e/ē/o/ō。这意味着在同一个词的不同形式,或不同但相关的词中,基本元音短 /e/,可以被替代为长 /ē/,短 /o/ 或长 /ō/,或者省略(表示为 Ø)

Ø

e

ē

o

ō

2、格里姆定律

德国语言学家雅各布·格林(Jakob Grimm)发现属于印欧语系的语言不仅有共同的词汇和共同的形态,语音的变化还很有规律,提出格林定律(Grimm’s law),其对应规律如下:

梵语

希腊语

拉丁语

日耳曼语

bh-

ph-

f-

b-

dh-

th-

f-

d-

gh-

kh-

h-

g-

b-

b-

b-

p-

d-

d-

d-

t-

g-

g-

g-

k-

p-

p-

p-

f-

t-

t-

t-

th-

k-

k-

k-

h-

为便于对现代英语的解析,结合“格拉斯曼定律”、“维尔纳定律”,将上述规则简化如下:

1). 加减h现象。因为h仅为送气音,在现代英语中有加减的现象,比如美式英语有将where读作[hwɛr]when[hwɛn]why[hwaɪ]等,那么,我就可以把d-/dh-; t-/th-; p-/ph-; k-/kh-看作是向相应清浊音的过度;

2).清浊音交替:

b-

bh-

p-

ph-

f-

d-

dh-

t-

th-

 

k-

kh-

g-

h-

 

s

 

z

 

 

3). p-, ph-, f- 可以看作是一组,因为英语中非常多ph-  f- 读作[f],甚到同一个词有两种拼写,如:phantasm, fantasm(幻觉)phantasize, fantasize(幻想) fantast, phantast(幻想家)

4). k-, kh-, g-, h- 可以简单地理解为:舌根音/软腭音[g][k][h]交替。

;英语door(抽象出其中表意的辅意就是:th*r; f*r; d*r)。〖注〗forum(论坛,本意为门外的一个集会场所。-um是拉丁语中性名词语法字尾)thyroid 甲状腺,喉咙之门(-oid, …状/样子)

  又如: papa(ba爸爸)father(fu父亲)dad(die爹爹)

Great Vowel Shift)是英语史上的一次重大的语音转变,开始于14世纪一直持续到16世纪。转变主要体现在英语长元音的变化上,两个高位长元音([i:] [u:])转变成复合元音,其余的五个长元音开口度缩小(高化),其中的一个还伴随有舌位的前移。

                (闭)

i:  eɪ                  əʊ oʊ  u:

 aɪ                       aʊ 

    e:                            o:

        ε:                 ɔ:

              a:

               (开)

 

4、特殊的音变:

spirantization  affrication),这在拉丁语的不定式和相应过去分词的词干作为英语词根中,十分常见。

2) r  s/z。如:were, was,这在中国南方方言中也十分突出,如将“人”读作[zen],“日”读作[zi],“扔”读作[zeng]等。

 

三、印欧语词根简化

根据印欧语词根完全由它的要素辅音来刻画,而元音是可以变换的法则,对在英语中衍生能力最强的约400个印欧词根进行了简化,并可系统地理解记忆4万单词,因为是从根本的理解记忆,所以,不容易遗忘,而且在阅读中理解为更为明确、深刻,而在表达运用中,也会更心中有数,而不是简单的拼写与词义的机械对应。

1、简化的原则:

1) 尽可能简单化,并列举一个“形神兼备”的最简单的英语单词以辅助理解和记忆“简化印欧词根”,我们可以生动地称之为英语单词的“构词密码”。

2) 最大范围地概括英语单词的演变、衍生规律,以达到系统化地理解记忆最大量的单词。

2、简化的方法:

1) 保留印欧词根的辅音,用星号(*)代替印欧词根中的元音(单元音、双元音)

2) 去掉送气声“h”,因为存在加减“h”音现象,就不必标出了;

3) 根据音变规律,从“构词密码”扩展出英语词根,从而形成词族记忆结构:

 

 

英语词根→

同根词

 

 

英语词根→

同根词

印欧词根 

构词密码

简化印欧词根)

英语词根→

同根词

 

 

英语词根→

同根词

 

 

其他同族单词

 

词根的结尾增加一或两个声音,经常是塞音,而不改变它的意义。这些扩展的来源未知。)

举例说明:

构词密码) -t*n-

印欧语词根*ten-, to stretch伸展 > hold拿住

> 英语词根tentain/tein/tæntintontun

              tend/tens (+d:词根扩展;ds咝音化)

瘦的)来记住这个密码。(拉伸而变得细长>瘦的)

收起全文

辛几何&李代数

五大常用算法

分治:把一个复杂的问题分成两个或更多的相同或相似的子问题,再把子问题分成更小的子问题……直到最后子问题可以简单的直接求解,原问题的解即子问题的解的合并http://www.cnblogs.com/steven_oyj/archive/2010/05/22/1741370.html#3024443--------------------------------... 阅读全文

分治把一个复杂的问题分成两个或更多的相同或相似的子问题,再把子问题分成更小的子问题……直到最后子问题可以简单的直接求解,原问题的解即子问题的解的合并

http://www.cnblogs.com/steven_oyj/archive/2010/05/22/1741370.html#3024443

--------------------------------------------------------------------------------------------------------------

动态规划每次决策依赖于当前状态,又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的,所以,这种多阶段最优化决策解决问题的过程就称为动态规划

http://www.cnblogs.com/steven_oyj/archive/2010/05/22/1741374.html

-----------------------------------------------------------------------------------------------------------------

贪心在对问题求解时,总是做出在当前看来是最好的选择也就是说,不从整体最优上加以考虑,他所做出的仅是在某种意义上的局部最优解。 常见的贪心算法有:Prim算法、Kruskal算法(都是求最小生成树的)

基本思路:将问题分解为若干个小问题,逐渐求得各个子问题的局部最优解,最后合并为原来问题的解

 

--------------------------------------------------------------------------------------------------------------

回溯回溯算法实际上一个类似枚举的搜索尝试过程,主要是在搜索尝试过程中寻找问题的解,当发现已不满足求解条件时,就“回溯”返回,尝试别的路径。深度优先

   回溯法是一种选优搜索法,按选优条件向前搜索,以达到目标。但当探索到某一步时,发现原先选择并不优或达不到目标,就退回一步重新选择,这种走不通就退回再走的技术为回溯法,而满足回溯条件的某个状态的点称为“回溯点”。

--------------------------------------------------------------------------------------------------

分支限界类似于回溯法,也是一种在问题的解空间树T上搜索问题解的算法。但在一般情况下,分支限界法与回溯法的求解目标不同。回溯法的求解目标是找出T中满足约束条件的所有解,而分支限界法的求解目标则是找出满足约束条件的一个解,或是在满足约束条件的解中找出使某一目标函数值达到极大或极小的解,即在某种意义下的最优解

http://www.cnblogs.com/steven_oyj/archive/2010/05/22/1741378.html

收起全文

辛几何&李代数

阶级与秩序

阶级与秩序

圣谛尚不为,何阶级之有! &&青原行思禅师 Order without liberty and liberty without order are equally destructive. &&Theodore Roosevelt   1 引子 笔者来自穷乡僻壤,因此家乡话里就保有一些化石级的文化... 阅读全文

 

圣谛尚不为,何阶级之有!

——青原行思禅师

Order without liberty and liberty without order are equally destructive.

——Theodore Roosevelt

  1 引子

笔者来自穷乡僻壤,因此家乡话里就保有一些化石级的文化痕迹。旧时待客,主人会根据客人的阶级层次决定接待规格,俗谓看人下菜碟。对于拥有这种自觉的人,文化点的表述是具有较高的阶级觉悟,俺们老家的土话就说这人“长就一对阶级眼”,属于天赋异禀的一类。阶级繁杂且森严,是中国文化的精髓。历史上不仅是对官员,就连嫔妃、奴才、太监和教授都分成三六九等,都有系统科学的标识和具体而微的待遇安排。比如,汉朝是个有文化的朝代,帝妇初分为皇后、夫人、美人、良人、八子、七子、长使、少使八等,后又引入婕妤、妌娥、容华、充依、五官、顺常和无涓(共和、娱灵、保林、良使和夜者)共十五等。清朝帝妇则分为皇后、皇贵妃、贵妃、妃、嫔、贵人、常在和答应,从命名上就能看到文化的缺乏。不同阶级之间,有递补、提拔、贬谪与自甘堕落,但平时一般各以本分,这正应了原子中电子的隧穿、受激向上跃迁、受激向下跃迁和自发向下跃迁,以及大多时间在稳定状态上的无所事事。

用来区分人或物之不同等级的汉语词包括阶-级、秩-序、品(秩)、次(幂)等词,用这些词加以翻译的英文词有level,order,degree,grade,rank,等等。这些词在数学物理中频繁出现,且意义多有不同甚至混淆, 中西文皆然。中文的阶级,其中的阶(堦)见于台阶,庭阶寂寂,是实体,而级,见于拾(shè) 级而上,由计数(enumeration)而来,有抽象的内容。容易理解,台阶是一种实用的、但也被故意符号化了的存在,许多建筑在面前都筑起多层次的台阶,陡然而出威严(图1)。阶-级、秩-序这种得自自然和日常生活的词必然散布于数学物理的表述,弄不清level,order,degree,grade,rank 这些词的用法,看数学物理和看宫斗剧一样有点稀里糊涂。学物理者,将一双阶级眼用在这里,正得其宜也。

   2 Level

谈到汉译为阶级的词,容易想到的一个便是level, 见于energy level (能级),但这可能是误解。英语的level,来自拉丁语的libra,与平、衡有关。水平的线或者面,即为level,如sea level (海平面),on a level line (水平线上)。牛顿流体在重力场下的静止状态,其表面的法向应该是重力的方向,此即waterseeks its level 之意。利用这个事实,可以制作水平仪(level,见图2),这是工程中必不可少的工具。Level 不是级,而是阶、阶之面。在日常用法中,level 不仅表示层面,还暗含平衡之意, 如high-leveltalk,不仅是说会谈的层次高,而且是对等的。Level 还有equally advanced in development & even or uniform in some characters (等间距的、均匀分布的),因此level暗含“equal in importance, rank, degree, etc.”的意思,这也可能是我们愿意拿级来翻译level 的原因。但是,把energy level 翻译成能级还好,习惯性地把atomic level,sub-levels 中的level也翻译成“ 能级”这就麻烦了,它掩盖了轨道(也许就是个数学的函数)自身的排列问题,这里的level强调的也许只是轨道可分辨这个事实。在象levels of consciousness,levels of difficulty 这样的概念中,谈论的都是抽象概念的分层次,没有定量的成分。许多时候,把level 译成层次、层面也许是更合适的,哪怕是energy level。比如加速器的energylevel,如在例句LHC experiments run at the highest energy level 中,就应该译成“能量水平”, 目前欧洲大型强子对撞机就运行在13 TeV 的能量水平上。此外,象the macroscopic level of quantum mechanics一文,显然讨论的是量子力学的宏观层次。

  3 Degree

Degree, 来自拉丁语动词degradare,就是英文的degrade,是一串台阶(steps or stages)的意思,注意它更多强调了降序的排列,这一点从a cousin in the second degree (二度表亲,拥有同一个太爷爷、太奶奶辈分的前辈)一词中很容易看出来。Degree 和grade (gradus) 意义相同,两者可连用。我们在学校里学习的难易程度也是分级的(同学,你物理是第几grade 的?)。如果是沿着不易觉察的台阶或者刻度一点一点向前(向上)推进,这就是一个gradual(逐渐的)过程。达到一定程度就能graduate (毕业、爬到头了), 就可以receive a degree (获得一个学位,拿到一个刻度标记)了。常用的摄氏温标(temperature scale)的量度名称为degree Celsius (摄氏度),也称degree centrigrade (100 刻度制),后一词透露了其是如何被定义的。将标准大气压(维也纳夏季的气压)下冰—水混合物的温度定为0 ℃,把水的沸点定为100 ℃。利用稀薄空气在等压条件下体积随温度线性变换的假设,可以根据稀薄气体体积相较于0 ℃下的增量给0 ℃到100 ℃间的任意温度赋值。这就是摄氏温标的定义。注意,对于稀薄空气,在0 ℃到100 ℃之间温度每增加1 ℃,体积增加约1/267。明白了这一点,也就明白了作为对摄氏温标之拓展的绝对温标,其唯一的定标点,水的三相点,为什么会定为273.16 K了。一般中文教科书中论及摄氏温标,只含含糊糊地来一句“标准大气压下冰水混合物的温度定为0 ℃,水的沸点定为100 ℃,此为摄氏温标”,显然漏掉了太多的信息。编书者当年囿于条件不能知道细节可以理解,但根本没注意到定义的不完整就让人不能理解了。早期的来自物质体积变化的、直观的一排刻度,那真是degree,如今的电子式的温度计,显示的就是“一个”数值,则需要符号℃,°F 的提醒才会想起degree来(图3)。

有可视标度的是真degree,纯数字的就靠外加符号的提醒了

Degree 可用作对一般程度的或者干脆就是直观存在的度量。一个圆, 其上可以划上刻度, 分为360°,那是对每年天数的取整,不具有绝对的意义。在反射光的degree of polarization(偏振度)概念中,degree 反映的是程度,其取值在0到100%之间。Degree 或者grade 还被用来衡量抽象概念的程度,如马克思的《政治经济学批判》一书中有句云:“Der Tauschwert der Waren,so als allgemeine Äquivalenz und zugleich als Grad dieser Äquivalenz in einer spezifischen Ware,oder in einer einzigen Gleichung der Waren mit einer spezifischen Ware ausgedrückt,ist Preis (商品的交换价值,作为一般等价以及在某特定商品中此等价的程度值,或者表达为该商品同某一特定商品的等值关系,是价格)”。在degrees of degeneracy(简并度),degrees of freedom (自由度)等概念中,degree 是个正整数。简并度,即对应同一能量之不同状态的数目,在德语中简并度的说法为Entartungsgrad,可见degree 就是grade。自由度就是描述体系所需的独立变量数。仔细体会这个定义,“ 描述体系所需的独立变量数”,则自由度的多少取决于如何描述。描述一个粒子在三维空间中的位置需要3个变量,则描述由N(N≥3)个粒子组成的刚体的构型就需要6个独立变量,或者说刚体运动的自由度为6。在热力学—统计力学中有所谓的能量均分定理,谓每一个自由度对比热的贡献都是一个R/2,R是气体普适常数。如果不深入了解这个能量均分定理成立的条件,许多人都难以理解水分子H2O何以有18个自由度,而水(蒸汽)的比热也一直是温度的函数。就比热问题而言,自由度是能量表示涉及的自由度,这包括动能涉及的动量自由度和势能涉及的位置自由度。有趣的是,某些晶体的晶格可看作是两套或多套亚格子(sublattice)套构而成的,这也可以看成是一类自由度。炭单层的六角晶格是由两套三角格子构成的,其中电子的波函数可以比照电子自旋写成两分量的形式。

  Degree 作为函数或者方程的指标, 汉译为次( 次幂) 或者阶。比如 , 函 数

  阶级与秩序

  是? th-degree Legendre polynomial,汉译? - 阶勒让德多项式。The degree of a monomial,汉译单项式的次幂,是变量指数的和,比如项x2y3的degree 是5。单变量的代数方程(univariate polynomial equation),以变量的最高次幂命名,简称为一元二次方程(a second degree monic polynomial equation)、三次(third degree)方程等等。当然了,这类方程有专门的、简单的称谓quadratic,cubic,quartic,quintic,sextic polynomial equations,分别为二次、三次、四次、五次和六次代数方程。五次以上的多项式方程不存在代数解(unsolvable by radicals),对这个问题的理解带来了群论的诞生。群论对物理学的影响,怎样高度评价都不为过。物理学最深刻的学问,所谓的the fearful symmetry(了不起的对称性),来自对一元代数方程的摆弄。对一元多项式解的探索,是一场惊心动魄的天才的游戏。与解方程有关的还有topological degree theory。如果方程有某个容易得到的解,degree theory 可用来证明其它非平凡解的存在。Degree theory看起来和fixed-point theory(固定点理论), knot theory( 纽结理论) 有关,具体内容笔者不懂,此处不论。

  4 Order

Order 简直就是一个充斥数学和物理学领域的一个词汇。Order 的西语本意也是“放成一溜儿(straightrow,regular series)”的意思,可作为名字和动词使用。Order frequently refers to orderliness, a desire for organization。存在总是表现出某种意义上的order,这让认识世界成为可能。Objects should be ordered in order to bring in some order and clarity(为了有序和明晰,应该为对象排序),这几乎成了科学家的共识。排序、分类是研究的前期准备。

Order 是个用得太多的词,可以想见它的汉译会花样繁多。Order 在物理语境中一般被译成序,如orderparameter (序参量),topological order(拓扑序),off-diagonal long-rangeorder (非对角长程有序),等等。过去分词形式ordered 用作形容词,如晶体就是ordered structure (有序结构)。Order 的对立面是disorder,formless,最无序的存在是chaos (混沌),指the disorder of formless matter and infinite space (由无形的物质和无限的空间一起构成的无序)。混沌被当作有序之宇宙出现之前的状态,也就是说当前的有序状态是自完全无序中发生的,order out of chaos,哈,多哲学。

Order 出现的语境,更多的还是和排序有关,比如lexicographical ordering (字典编纂采用的排序),electrons are always added in order of increasing energy(电子按照能量递增的顺序被加进来),the order of differentiation or integration( 微分、积分的次序),等。微分、积分以及乘积的顺序有时候没关系(immaterial),有时候关系重大,结果依赖于顺序的就意味着别样的数学结构和物理,比如非交换代数或者物理里的非对易算符。有时候,有些源自order 的词从我们的角度来看,会以为排序的意思不明显,比如coordinates和ordinate 就给译成了坐标和纵坐标(vertical ordinate),但请记住这里的关键是这些数值具有排序的含义在里边。有些地方把笛卡尔坐标系的x-轴称为horizontal ordinate(水平坐标),但其实有时候x-轴的对象不是可排序的量,如职工工资分布图,工资是可排序的,职工则无所谓序。当我们把y-轴理解为ordinate时x-轴有专有名词abscissa,是个标记(锯痕?)而已。此外,如lineardimensions are of the order of L,汉译为线性尺度在L的量级,字面上可看到的意思是若排列的话,该尺度应该可与L 等量齐观的。Order of magnitude,量之大小在序列中的位置,汉译干脆就是数量级。

数字的用法分为ordinal numbers( 序数) 和cardinal number ( 基数),前者明显与order有关,而后者也不免和order 有关。一个集合的元素数目,是集合的cardinality (集合的势),而群的元素数,当然也是cardinality, 又被称为order of group,汉译“群阶”。与此同时,群元素g 的period (周期),即使得gm=1 成立的最小整数m,也称为该群元素的order。群阶和元素的阶反映了群的内在结构。大致说来,一个群,其群阶的因子分解越复杂,这个群的结构就越复杂。不仅群和群元素有order 的概念,群的特征标(character)也有order的说法。

Order 在许多场合下有排序的意思,与其连用的数词应是序数词,如second-order differential equation(二阶微分方程),third-order recurring sequences (二阶递归序列),first-order approximation (一阶近似),等等。物理学的方程被限制在(第)二阶(偏)微分方程的层面,学会了解二阶(偏)微分方程,一个纯数学家也许比许多物理学家更象物理学家。量子力学以及后继的发展被有些人频繁以革命誉之,属不通之论,其governing equations 模样可以变得复杂可怕,但属于二阶微分方程却是不变的。

  5 Rank

中文的秩,序也,次也,可连用为秩序、秩次(官阶的高下),还有秩叙(次序)、秩然(秩序井然)、秩如等词。秩既然用来表示官阶的高下,相应的标识就有秩服(区别官阶的服饰)、秩俸(分级别的俸禄)等委婉语。秩被用来翻译英文数理概念中的rank,日常表述的rank,如military rank (军阶)还是用阶级加以翻译。中国古代的官员有华丽花哨的秩服,今天各国军队的military rank 则用华丽花哨的徽章(insignia)加以标识。

Rank,与range,arrange 同源,意为to arrange in order,特别是排成行。作为及物和非及物动词用,rank 一般是排序的意思,如to rank third on a list ( 位列第三), qualitative ranking of various ions toward their ability to precipitate a mixture of hen egg white proteins (根据使得鸡蛋白沉淀的能力把离子定性地加以排序), Alfred Nobel 在设立诺贝尔奖时将物理学排在第一位(ranked physics as the first one), 等等。Rank 作为名词表示次序,汉语的翻译比较随意, 比如people from allranks of life (各阶层人民),a poet of the first rank ( 一流诗人), 等等。Rank 作为排序的意思强调是排成行,国际象棋棋盘上空格的行与列,英文用的即是rank 与file;相应地,对于矩阵的行与列,英文用的是row与column。

Rank 作为科学概念我们知道有rank of a matrix 矩阵的秩的说法。Rank 是矩阵的一个基本特征。把矩阵的行(列)看成一组矢量,这组矢量中线性无关的矢量的数量即是所谓的rank,也即行(列)矢量所张空间的维度。对于一个矩阵,行和列具有相同的秩,也就是矩阵的秩。考虑到矩阵同线性方程组和线性变换(算符)相联系,因此矩阵A 的秩是线性方程组A·x=c 非简并性的度量,也是线性变换y=A·x 之像空间的维度。

在物理上,我们知道能量是标量(scalar),动量、位置是矢量(vector),而角动量L= r? ×p?是贋矢量等等,这些可以用张量(tensor)的语言统一处理。张量是描述张量之间线性关系的几何对象(有点循环定义的味道哈),张量的rank (也叫order或者degree)就是用来表示张量的数列的维度,也即所需指标的个数。由此可知,能量,动量(位置)和角动量分别是rank-0,rank-1 和rank-2张量。针对某个标量(质量,电荷)的空间分布定义的四极矩张量, Q=∫Ωρ(3rirj - |r|2δij)d3r , 就是无迹的rank-2 张量。电位移D (矢量)对应力张量σ(rank-2张量)的响应,或者应变张量ε(rank-2 张量)对电场E (矢量)的响应,相应的系数就是rank-3张量。

涉及线性行为的代数、变换和算符等概念都会有rank 这个特征,因此有(李)代数的秩,(不可约)张量算符的秩等说法。Module (模式)概念也有秩的说法,比如rank 2 的自由Z-module 不过是Ok = Z ?ωZ 的一种装酷的说法而已,其中ω ∈Ok ,Ok 为一代数整数集合。对椭圆曲线y2=x3+Ax+B 也有rank 这么一个量,比如椭圆曲线y2=x3-2 和y2=x3-4, 其Mordell—Weil rank 就是1。这种秩有什么意思,怎么计算,笔者不懂。

收起全文

辛几何&李代数

新拓扑不变量和新拓扑量子力学,及其在物理学前沿中的应用

段一士教授用过去提出的规范势可分解和具有内部结构的新观点,以及φ-映射拓扑流理论建立了新的拓扑场论和新的拓扑量子力学理论及拓扑流分岔理论,并在许多物理前沿方向和数学上得到重要应用。这一理论是近代拓扑物理和场论方面的重要创新,在国际上处于领先地位。该理论揭示了规范场的几何与拓扑之间的直接内在联系,开辟了拓扑与物理学中新的研究领域。由于这一理论具有严谨性、直观性... 阅读全文

段一士教授用过去提出的规范势可分解和具有内部结构的新观点,以及φ-映射拓扑流理论建立了新的拓扑场论和新的拓扑量子力学理论及拓扑流分岔理论,并在许多物理前沿方向和数学上得到重要应用。这一理论是近代拓扑物理和场论方面的重要创新,在国际上处于领先地位。该理论揭示了规范场的几何与拓扑之间的直接内在联系,开辟了拓扑与物理学中新的研究领域。由于这一理论具有严谨性、直观性和可操作性,因而它有广阔的发展前途和应用前景。

目前他所建立的新拓扑场论和新拓扑量子力学已广泛应用于研究凝聚态物理中固体缺陷的拓扑结构(固体缺陷规范理论创始人D.G.B. Edelen教授认为该理论在这一领域是开创性的);玻色-爱因斯坦凝聚和Chern-Simons场论中涡旋的拓扑量子化及其分岔;超导London方程和高维Ginzburg-Landau模型的拓扑场论;近代超弦理论中p-branes的产生及其拓扑结构。并在国际上首次提出Riemann- Cartan流形中以挠率为基础的新拓扑不变量,研究了早期宇宙中宇宙弦的产生及其分岔理论;还研究了太阳黑子的拓扑结构及其分岔。

 

在数学上,以规范势的分解和φ-映射拓扑流场论为基础,首次得到Chern 示性类密度的直接内在拓扑结构;以及Gauss-Bonnet- Chern密度的内部拓扑结构,揭示了欧拉示性数与矢量场零点指数以及Morse理论的直接内在联系。应该指出段一士教授提出的规范势可分解的观点比最近著名理论物理学家L.D. Faddeev提出的类似观点至少早二十年。段一士教授在1976年曾用此观点研究了非阿贝尔规范场中的磁单极理论,受到杨振宁教授的高度赞赏。

收起全文
更多热门小站