科学空间|Scientific Spaces

牛腩过冷河

除了数学物理和中国象棋，我闲时也喜欢弄一下吃的。看到各种菜料经过自己的加工变成佳肴，也是一件美不胜收的事情；有时看到同样的菜料能够做出不同款式、不同味道的菜时，更是其乐无穷。作为广东人，我很自豪于其中一句话：“广东人吃所有东西——天上飞的，除了飞机；地上爬的，除了火车；水中游的，除了潜艇”。虽然不免有些夸张，但这句话充分显示了广东人（或者说岭南地区）饮食和烹饪的强大本领。我的厨房技术来源于我妈妈，小时候妈妈在家里做菜，由于是烧柴草生火，所以我得在灶前看好火。于是看火之时也在看妈妈做菜，久而久之，也会学会了一些做菜的方法。而现在，妈妈仍是家里的厨房好手，而我也不时进入厨房，做做自己喜欢吃的东西。谢谢我的好妈妈！

炼钢

本文叫“炼钢.vs.做菜”，这两者基本上是风牛马不相及，不过我却发现它们有一点点相似的技巧。已不记得什么时候了，在一本自然科学的书上，我曾看到过炼钢的两种技术：淬火和退火（后来发现还有正火、回火等，原理类似）。简单来说，淬火是将一块钢铁烧红，然后放进冷水中迅速冷却（也就是加热到一定温度，然后迅速冷却），如此重复，便可使得钢铁变硬，但同时也会更脆；退火则刚刚相反，它是将钢铁烧红后，让它自然冷却（有必要时，想办法降低冷却速度），如此一来，钢铁变软了，也变韧了。正火、回火均与退火类似，只是在细节上不同。通过淬火和退火的适当组合，可以生产出硬度和韧度都适当的钢铁。

点击阅读全文...

一般来说，如果原函数容易找到的话，牛顿-莱布尼兹公式是定积分的通用方法。但是牛顿-莱布尼兹公式只适合连续函数的积分，如果积分区间含有奇点，那就不成立了。比如，我们考虑积分
$$\int_{-1}^1 \frac{1}{x^2}dx$$
当然，从严格的数学上来说，这种写法是不成立的，因为被积函数在原点没有意义。当然，从物理的角度来考虑，由于对称性，我们确信
$$\int_{-1}^1 \frac{1}{x^2}dx=2\int_{0}^1 \frac{1}{x^2}dx=\lim_{\varepsilon\to 0}2\int_{\varepsilon}^1 \frac{1}{x^2}dx$$
从而得出积分发散的结论。这种处理某种程度上是可以接受的，但是却不是让人满意的，因为它导致了分段。有什么办法可以直接处理这种情况呢？确实有的，同样引入参数，并且最终让参数为0，考虑带参数的积分
$$\int_{-1}^1 \frac{1}{x^2+\varepsilon^2}dx$$
只要参数为正，这个被积函数就在$\mathbb{R}$上处处连续了，也就是奇点消失了，这样子就可以用牛顿-莱布尼兹公式了
$$\int_{-1}^1 \frac{1}{x^2+\varepsilon^2}dx=\left.\frac{1}{\varepsilon}\arctan\left(\frac{x}{\varepsilon}\right)\right|_{-1}^{1}$$
考虑$\varepsilon\to 0$的情况，就自动得到了积分发散的结论。

点击阅读全文...

开水白菜 (1)

如果要用做菜来比喻人生的话，我觉得，人生最高的境界之一便是开水白菜。

点击阅读全文...

为了拓展整数的概念，我们需要了解关于环和域这两个代数结构，这些知识在网上或者相应的抽象代数教程中都会有。抽象地提出这两个代数结构，是为了一般地处理不同的数环、数域中的性质。在自然数集$\mathbb{N}$中，可以很方便定义和比较两个数字的大小，并且任意一个自然数的子集，都存在最小元素，这两点综合起来，我们就说$\mathbb{N}$是“良序”的（这也是数学归纳法的基础）。在良序的结构中，很多性质的证明变得很简单，比如算术基本定理。然而，一般的数环、数域并没有这样的“良序”，比如任意两个复数就不能比较大小。因此，一般的、不基于良序的思想就显得更为重要了。

环和域

关于环（Ring）的定义，可以参考维基百科上面的“环（代数）”条目。简单来说，环指的是这样一个集合，它的元素之间可以进行加法和乘法，并满足一些必要的性质，比如运算封闭性、加法可交换性等。而数论中大多数情况下研究的是数环，它指的是集合是数集的情况，并且通常来说，元素间的加法和乘法就是普通的数的加法和乘法。比如所有的实整数就构成一个数环$\mathbb{Z}$，这个数环是无限的；所有的偶整数也构成一个数环$2\mathbb{Z}$；对于素数$p$，在模$p$之下，数集$\{0,1,2,\dots,p-1\}$也构成了一个环，更特别的，它还是一个数域。

点击阅读全文...

简单说说

《可畏的对称》

笔者最近陶醉于从李对称的角度来理解力学和场论，并且计算得到一些比较有趣的结果，遂想在此与大家分享。我发现，仅仅需要一个描述对称的无穷小生成元和一些最基本的假设，几乎就可以完成地推导出整个相对论力学来，甚至推导出整个（经典）场论理论来。这确实是不可思议的，我现在能基本体会到当年徐一鸿大师写的《可畏的对称》的含义了。对称的威力如此之大，以至于我们真的不得不敬畏它。而在构思本文题目的时候，我也曾想到过用“可畏的对称”为题，但不免有抄袭和老套之嫌。后来想到曾有一部漫画叫《一本漫画闯天涯》，遂将“漫画”改成“对称”，“天涯”改成“物理”，似乎也能表达我对“对称”的感觉。

对称就是在某种变换下保持不变的性质，比如狭义相对论要求所有物理定律在所有惯性系中保持不变，这相对于要求描述物理定律的方程在匀速运动的坐标变换下保持不变，结合光速不变的要求，我们就可以推导出洛伦兹变换，从而完成地描述了狭义相对论里边的对称。然而，并不是任何时候都可以想推导洛伦兹变换那样，能够把一个完整的变换推导出来的。幸好，李对称的不需要完整的对称描述，它只需要“无穷小变换”（意味着我们可以忽略掉高阶项），对应地产生一个“无穷小生成元”，用这个无穷小生成元，就足以完整构建出我们所需要的物理来。这种“无穷小”决定“广泛”、“局部”决定“全局”的奇妙至今仍让我觉得不可思议。（关于李对称、无穷小生成元的基本概念，不妨先阅读：《求解微分方程的李对称方法》）

点击阅读全文...

在《两百万前素数之和与前两百万素数之和》中，我们用Python求了前两百万的素数和以及两百万前的素数和，并且得到了在Python 3.3中的执行时间如下：

两百万前的素数之和：
142913828922
time: 2.4048174478605646

前两百万的素数之和：
31381137530481
time: 46.75734807838953

于是想办法提高python脚本的执行效率，我觉得在算法方面，优化空间已经比较小了，于是考虑执行器上的优化。在搜索的无意间我看到了一个名词——Psyco！这是python的一个外部模块，导入后可以加快.py脚本的执行。网上也有《用 Psyco 让 Python 运行得像 C一样快》、《利用 psyco 让 Python 程序执行更快》之类的文章，说明Psyco确实是一个可行的选择，于是就跃跃欲试了，后来了解到Psyco在2012年已经停止开发，只支持到Python 2.4版本，目前它由 PyPy所接替。于是我就下载了PyPy。

点击阅读全文...

每当看到数学的两个看似毫不相关的分支巧妙地联系了起来时，我总会为数学的神奇美丽惊叹不已。在很久以前，当我看到通过生成函数法把数论问题与复变函数方法结合起来，衍生出一门奇妙的“解析数论”时，我就惊叹过生成函数法的漂亮！可惜，一直都没有好好写整理这些内容。今天，当我在看李政道先生的《物理学中的数学方法》时，看到他把复变函数跟随机游动如鬼斧神工般了起来，再次让我拍案叫绝。最后实在压抑不住心中的激动，在此写写概率论和生成函数的事情。

数论与复变函数结合，就生成了一门“解析数论”，按照这个说法，概率与复变函数结合，应该就会有一门“解析概率”，但是我在网上搜索的时候，并没有发现这个名词的存在。经过如此，本文还是试用了这个名词。虽然这个名词没有流行，但事实上，解析概率的方法并不算新，它可以追溯到伟大的数学家拉普拉斯以及他的著作《分析概率论》中。尽管如此，这种巧妙漂亮的方法似乎没有得到大家应该有的充分的认识。

我觉得，即使作为一个简洁的计算工具，生成函数法这个美丽的技巧，也应该尽可能为科学爱好者所知，更不用说数学专业的朋友了。

点击阅读全文...

6月13日：更新了一个新的可用IP，不知道能够用多久。

以前大家顶多看到利用这个技巧访问facebook、youtube之类的网站，现在无奈到连Google都得用这个方法访问了。

近日，笔者发现直接输入http://www.google.com.hk无法访问Google搜索，要知道对于学术来说，没有Google是多么严重的事情，很多有用的学术资料，尤其是外文资料，都得靠Google来搜。主观性来说，在学术方面，百度不可能赶得上Google，望其项背都不可能。

点击阅读全文...