Hero Image
面积与积分:流数的逆运算

测量曲边图形的面积是数学中最古老的问题之一。大约公元前 250 年,阿基米德证明了抛物线弓形的面积是其内接三角形面积的 $\frac43$。这是天才之举,但它是“量身定做”的:每遇到一条新曲线,就需要一个新想法。 到了 17 世纪,费马、卡瓦列里、沃利斯等人已经能对许多 $n$ 值计算 $y=x^n$ 下的面积。所缺的是一条普遍法则;所缺的,还有牛顿和莱布尼茨各自领悟到的一点:求面积与求变化率是互逆运算。 面积是一个会增长的量 设想曲线 $y=f(x)$ 下方从 $0$ 到某点 $x$ 的面积,记作 $A(x)$。把右边界从 $x$ 推到 $x+h$,面积就多出一条细窄的条带。 这条带几乎是一个高为 $f(x)$、宽为 $h$ 的矩形。所以 $$A(x+h)-A(x)\approx f(x)\cdot h\qquad\Longrightarrow\qquad\frac{A(x+h)-A(x)}{h}\approx f(x).$$条带越细,近似越好。取极限: $$A'(x)=f(x).$$用牛顿的语言说:面积的流数就是曲线的高度。面积增长的速度恰好由高度给出。要求面积,只需找到一个流数为 $f$ 的函数,也就是反方向走一遍。 严格地说,我们把条带夹在两个矩形之间:一个取 $f$ 在该区间上的最小高度,另一个取最大高度。若 $f$ 连续,当 $h\to0$ 时这两个高度都趋于 $f(x)$,条带便被夹在中间。 《分析》中的法则 1669 年,牛顿写了一篇名为《分析》(De analysi)的短论。其中第一条法则用今天的记号来说就是:$y=ax^{m/n}$ 下方从 $0$ 到 $x$ 的面积为 $$\frac{an}{m+n}\,x^{(m+n)/n}.$$看起来复杂,其实就是你熟悉的法则:$x^k$ 下方的面积是 $\dfrac{x^{k+1}}{k+1}$。例如,$y=x^2$ 在 $0$ 与 $2$ 之间: $$\int_0^2 x^2\,dx=\left[\frac{x^3}{3}\right]_0^2=\frac{8}{3}.$$阿基米德需要一整套证明才能得到这个数,有了这条法则,只要一行。 作为面积的对数 把这条法则与广义二项式结合起来,牛顿算出了别人不会算的面积。双曲线 $y=\dfrac{1}{1+x}$ 可以化为幂的和: $$\frac{1}{1+x}=1-x+x^2-x^3+\cdots$$接下来只需逐项求每个幂下的面积: $$\int_0^x\frac{dt}{1+t}=x-\frac{x^2}{2}+\frac{x^3}{3}-\frac{x^4}{4}+\cdots$$这块面积就是自然对数 $\ln(1+x)$。取 $x=0.1$,四项给出 $0.0953083$,正确值是 $0.0953102$。

Hero Image
通用机:程序也是数据

每台图灵机只做一件事。加 1 的机器就加 1;写 $\frac17$ 的机器就写 $\frac17$。要做别的计算,就得换一台机器。在 1936 年,这是常态:机械计算器、穿孔卡片制表机和潮汐预测机都是为一项任务而造的,换任务就意味着换机器或重新接线。 在同一篇论文里,图灵证明了这并非必要。 读机器的机器 任何机器的规则表都可以作为文字写在纸带上。于是图灵描述了一台特殊的机器 $U$——通用机,它这样工作: 在纸带上接收一台机器 $M$ 的描述,后面跟着一个输入 $x$。 在描述中查找与 $M$ 当前状态以及 $M$ 正在读的符号相对应的规则。 在代表 $M$ 的纸带的那部分上执行这条规则,记下新状态,回到第 2 步。 这样,只要收到任何一台机器的规则表,$U$ 就能一步一步地模仿它。用符号写: $$U(\langle M\rangle,x)=M(x)\quad\text{对每台机器 }M\text{ 和每个输入 }x.$$代价是慢:$M$ 的每一步,$U$ 都要用许多步去查找和抄写。但 $U$ 能算的,恰恰是所有机器合起来能算的。 程序放进内存 实际的推论就是存储程序的思想。不必为每项任务造一台机器,只造一台,任务作为数据输入,放在存数字的同一个内存里。换任务就变成了换文字。你在手机上打开一个应用时正是如此:设备总是那一台,变的是它读的描述。 更进一步:如果程序是数据,一个程序就可以读、写、修改别的程序。编译器和操作系统做的就是这件事;从某种意义上说,停机问题证明中那台接收自身描述的机器 $D$ 也是如此。 Pilot ACE,图灵设计的缩小版,在国家物理实验室建成,1950 年投入运行。它现在陈列于伦敦科学博物馆。Philafrenzy · Wikimedia Commons · CC BY 2.0 从纸上到金属 战后,1945 至 1946 年,图灵在国家物理实验室写出了一台存储程序计算机——ACE(自动计算引擎)——的完整设计。这个设计很大胆:用水银延迟线做内存,每秒一百万个脉冲,甚至设想机器可以编程修改自己的指令。官僚作风和工程师的短缺拖慢了建造。缩小版的 Pilot ACE 直到 1950 年才运行起来,有一段时间它是世界上最快的计算机之一。 与此同时,在曼彻斯特,弗雷德里克·威廉姆斯和汤姆·基尔伯恩于 1948 年 6 月 21 日,在一台绰号**“宝贝”**的机器上运行了第一个存放在电子内存中的程序。几个月后图灵来到曼彻斯特,参与了此后几台机器的工作。

Hero Image
用尺规等分双纽线

1694 年,雅各布·伯努利研究了一条形如横躺的数字 8 的曲线,称之为 lemniscus,意思是蝴蝶结丝带。以点 $(\pm\frac1{\sqrt2},0)$ 为焦点,它是到两个焦点距离之积等于 $\frac12$ 的点的集合。它的方程是 $$(x^2+y^2)^2=x^2-y^2,$$用极坐标表示则是 $r^2=\cos2\theta$。一个半世纪之后,阿贝尔证明了一个关于它的定理,像是从欧几里得的书里走出来的:对于哪些数 $n$,可以只用尺规把双纽线分成 $n$ 段等长的弧? 伯努利双纽线 r² = cos 2θ,七个点把它分成八段等长的弧。曲线两次经过中心。Euler’s Eyes 绘图 弧长 首先,曲线的一段有多长?在极坐标中,一小段弧满足 $ds^2=dr^2+r^2\,d\theta^2$。对 $r^2=\cos2\theta$ 求导, $$2r\,dr=-2\sin2\theta\,d\theta,\qquad\sin2\theta=\sqrt{1-\cos^22\theta}=\sqrt{1-r^4},$$所以 $d\theta=-\dfrac{r\,dr}{\sqrt{1-r^4}}$,并且 $$ds^2=dr^2+\frac{r^4\,dr^2}{1-r^4}=\frac{dr^2}{1-r^4}.$$于是,从中心到距中心为 $r$ 的点的弧长是 $$\boxed{s=\int_0^r\frac{dt}{\sqrt{1-t^4}}.}$$这就是双纽线积分,也就是定义双纽线正弦的那个积分。换句话说:双纽线上沿弧距中心为 $s$ 的点,到中心的距离是 $\operatorname{sl}(s)$。双纽线正弦之于双纽线,正如正弦之于圆。从中心到顶端的弧长为 $\frac\varpi2\approx1.3110$,整条曲线长 $2\varpi\approx5.2441$。 1751 年的圣诞节 1718 年,意大利伯爵朱利奥·法尼亚诺发现了如何用尺规把双纽线的一段弧加倍:给定一段弧,作出长度为它两倍的另一段弧。没有人太在意。1751 年 12 月 23 日,柏林科学院把法尼亚诺的著作交给欧拉审阅。欧拉立刻看出了其中的价值,把法尼亚诺的公式推广为这些积分的加法公式。将近一个世纪后,雅可比说那一天是椭圆函数的诞生日。 分成八段 我们用双纽线正弦写出法尼亚诺的公式: $$\operatorname{sl}(2u)=\frac{2\operatorname{sl}(u)\sqrt{1-\operatorname{sl}(u)^4}}{1+\operatorname{sl}(u)^4}.$$要把曲线分成八等份,只需找到平分从中心到顶端那段弧的点。顶端在 $r=1$,所以我们寻找满足 $\operatorname{sl}(2u)=1$ 的 $s=\operatorname{sl}(u)$: $$1+s^4=2s\sqrt{1-s^4}.$$两边平方,并令 $w=s^2$: $$(1+w^2)^2=4w(1-w^2)\quad\Longrightarrow\quad w^4+4w^3+2w^2-4w+1=0.$$这个多项式是完全平方:$(w^2+2w-1)^2$。所以 $w^2+2w-1=0$,正根为 $w=\sqrt2-1$。所求的点到中心的距离是 $$\boxed{r=\sqrt{\sqrt2-1}\approx0.6436.}$$这个数只涉及平方根,而平方根可以用尺规作出。以曲线中心为圆心、$\sqrt{\sqrt2-1}$ 为半径画圆,它与双纽线交于上图中间的四个点。 阿贝尔定理 高斯在 1796 年证明了正十七边形可以用尺规作出,更一般地,当 $n$ 是 2 的幂乘以不同的费马素数(如 3、5、17、257、65537)时,圆可以被分成 $n$ 等份。在 1801 年的书中,他留下了一句神秘的话:同样的原理也适用于积分 $\int\frac{dx}{\sqrt{1-x^4}}$。此后他没有再发表任何相关内容。

Hero Image
纳皮尔算筹:用小棒做乘法

对数用于天文学中的大型计算。为了日常的运算,纳皮尔发明了另一样东西,1617 年,也就是他去世那年,发表在一本小书《算筹术》(Rabdologia)中。书名来自希腊语 rhabdos(棒)和 lógos(计算):用小棒计算。 算筹 每一根算筹,也叫"骨头",因为最贵的是象牙做的,顶端写着 0 到 9 中的一个数字,下面是它的 1 到 9 倍,写在九个被斜线分开的小方格里。十位在斜线上方,个位在下方。例如 7 的算筹上写着 $0/7$、$1/4$、$2/1$、$2/8$、$3/5$、$4/2$、$4/9$、$5/6$、$6/3$。 一套 17 世纪的纳皮尔算筹及其盒子,藏于剑桥惠普尔博物馆。Marsupium · Wikimedia Commons · 公有领域 怎样相乘 计算 $425\times6$ 时,把 4、2、5 三根算筹并排放好,看第六行: $$4\times6=24\ \to\ 2/4,\qquad2\times6=12\ \to\ 1/2,\qquad5\times6=30\ \to\ 3/0.$$现在从右到左沿斜线相加。第一条斜线只有 0。第二条有 3 和 2:得 5。第三条有 1 和 4:得 5。最后一条只有 2。结果是 $$425\times6=2550.$$斜线自动完成了普通乘法中的"进位":每个乘积的十位,都落在下一个乘积个位所在的同一条斜线上。如果一条斜线的和超过 9,多出的部分就进到下一条,和加法一样。 请启用 JavaScript 以使用这个交互图形。完整的推理见正文。 多位数的乘数 要乘一个多位数,比如 $425\times36$,就分别读出第 6 行和第 3 行,再把结果按正确的位置相加: $$425\times36=425\times30+425\times6=12\,750+2\,550=15\,300.$$最大的好处是谁也不需要背乘法表:只要会读、会加就行。算筹在几年内传遍欧洲,一直用到 19 世纪。在《算筹术》中,纳皮尔还描述了速算盒,一种更精巧的条板盒,不用写下任何加法就能做更大的乘法。

Hero Image
E = mc²:藏在质量里的能量

我又想到了电动力学论文的一个推论。相对性原理加上麦克斯韦方程,要求质量是物体所含能量的直接量度。这个想法既有趣又诱人;但我不知道上帝是不是正在笑话这件事,牵着我的鼻子走。 — 阿尔伯特·爱因斯坦致康拉德·哈比希特的信(1905 年夏) 1905 年 9 月,在相对论论文发表三个月后,爱因斯坦给《物理学年鉴》寄去一篇只有三页的补充,标题是一个问句:“物体的惯性取决于它所含的能量吗?“答案是肯定的,而结论——用文字和别的字母写出——就是物理学中最著名的公式: $$\boxed{E=mc^2.}$$简化的论证 爱因斯坦设想一个静止的物体,同时向相反方向发出两个相同的光脉冲,每个能量为 $\frac E2$。由于两个脉冲相互抵消,物体保持静止。到这里没什么奇怪:物体损失了能量 $E$。 现在让一个以很小速度 $v$ 经过的人来看同一场景。对这位观察者来说,物体前后都在以同一速度 $v$ 运动。但按照相对论,向前发出的光看起来能量稍大,向后发出的稍小,对于很小的 $v$,总共是 $$E\left(1+\frac{v^2}{2c^2}\right).$$对这位观察者来说,总能量也必须守恒。物体除了 $E$ 之外还多损失了 $E\frac{v^2}{2c^2}$,而这份损失只能来自它的运动能量 $\frac12mv^2$。既然速度没变,变的就是 质量: $$\frac12(\Delta m)\,v^2=E\,\frac{v^2}{2c^2}\quad\Longrightarrow\quad \Delta m=\frac{E}{c^2}.$$一个物体以任何形式损失能量 $E$,就损失质量 $\frac E{c^2}$。爱因斯坦的结论是:“物体的质量是它所含能量的量度”。质量就是储存起来的能量。 那是多少? 数 $c^2$ 非常巨大:$(3\times10^8)^2=9\times10^{16}$ m²/s²。所以很小的质量对应着巨大的能量。仅仅一克: $$E=0.001\ \text{kg}\cdot9\times10^{16}\ \text{m}^2/\text{s}^2\approx9\times10^{13}\ \text{J}.$$这相当于约 2.1 万吨 TNT 的能量,比广岛原子弹还多,或者一座约 1 万人口的城镇一年的全部用电量。 反过来,日常的能量对应的质量小得可笑。把一升水从 20 °C 加热到 100 °C,水获得约 335 000 J,它的质量增加 $$\Delta m=\frac{335\,000}{9\times10^{16}}\approx3.7\times10^{-12}\ \text{kg},$$大约十亿分之四克。没有哪台秤能察觉。所以几个世纪以来,质量看起来是严格守恒的。 太阳与恒星 质量真正变成能量的地方,是原子核。在太阳中心,四个氢核聚变成一个氦核。但账算不平: $$4\times1.00783\ \text{u}=4.03130\ \text{u}\quad\text{对比}\quad\text{氦的}\ 4.00260\ \text{u}.$$少了 $0.0287$ u,约为质量的 0.7%。这部分消失的质量以能量 $\Delta m\,c^2$ 的形式释放出来,太阳就是因此发光的。太阳的辐射功率为 $3.8\times10^{26}$ 瓦;除以 $c^2$,它每秒损失

Hero Image
四个平方数就够了

任取一个正整数,试着把它写成完全平方数 $0, 1, 4, 9, 16, 25, \ldots$ 之和,用的项数越少越好: $$\begin{aligned} 5&=4+1,\\ 6&=4+1+1,\\ 7&=4+1+1+1,\\ 30&=25+4+1,\\ 2026&=2025+1=45^2+1^2. \end{aligned}$$有些数本身就是平方数,有些需要两个,有些需要三个。7 需要四个:没有别的办法。会不会有哪个数需要五个?1770 年,拉格朗日证明了:不会。 每个正整数都是四个整数的平方之和。 把 0 也算作平方数,这就是说总存在 $a, b, c, d$,使得 $n=a^2+b^2+c^2+d^2$。 一个延续了十五个世纪的猜想 大约公元 250 年,亚历山大的希腊人丢番图在他的问题中,不加说明地用到了某些数可以写成四个平方数之和这一事实。1621 年,法国人克洛德-加斯帕尔·巴歇出版了丢番图《算术》的拉丁文版本,并明确写出了这个论断。他说自己验证到了 325,但不知道如何证明。 费马正是在巴歇这本书的页边写下了他那些著名的批注。费马宣称自己用无穷递降法证明了它,但和往常一样,从未拿出证明。 欧拉的四十年 欧拉为证明它尝试了大约四十年,始终没有完成。但他在 1748 年找到了关键的一块:一个恒等式,说明两个四平方和的乘积仍然是四平方和。 $$\begin{aligned} &(a^2+b^2+c^2+d^2)(e^2+f^2+g^2+h^2)\\ &\quad=(ae+bf+cg+dh)^2\\ &\qquad+(af-be+ch-dg)^2\\ &\qquad+(ag-bh-ce+df)^2\\ &\qquad+(ah+bg-cf-de)^2. \end{aligned}$$它看起来像魔术,但只要把两边展开就行:所有交叉项都成对抵消。例如,$7=2^2+1^2+1^2+1^2$,$15=3^2+2^2+1^2+1^2$。恒等式给出 $$\begin{aligned}105&=7\cdot15=10^2+1^2+0^2+(-2)^2\\&=100+1+0+4.\end{aligned}$$这个结论威力很大。每个数都是素数的乘积。如果每个素数都是四平方和,恒等式就保证它们的乘积也是。所以只需要对素数证明这个定理。 拉格朗日的证明 就在这里,1770 年已在柏林的拉格朗日登场了。他的证明分两个阶段,两个阶段都属于费马递降法一类。 第一阶段。 对每个奇素数 $p$,存在 $x$ 和 $y$,使 $x^2+y^2+1$ 是 $p$ 的倍数。理由是一个计数:$x$ 从 $0$ 取到 $\frac{p-1}2$ 时,数 $x^2$ 除以 $p$ 留下 $\frac{p+1}2$ 个不同的余数,数 $-1-y^2$ 也是如此。由于 $\frac{p+1}2+\frac{p+1}2=p+1$ 多于 $p$ 个可能的余数,根据抽屉原理,两张表之间必有一个余数重复。所以 $p$ 的某个倍数,比如 $mp$,是四平方和:$x^2+y^2+1^2+0^2$。

Hero Image
指数演算:求 x 的 x 次幂的导数

莱布尼茨的微积分会对指数固定的幂求导,比如 $x^3$ 或 $x^{1/2}$:$x^n$ 的导数是 $nx^{n-1}$。但在 1694 年给莱布尼茨的一封信里,约翰·伯努利摆出了一个怪东西:表达式 $$y=x^x,$$其中底数 和 指数同时变化。$x^n$ 的法则用不上,因为指数不固定;$a^x$ 的法则也用不上,因为底数不固定。1697 年,约翰在《学者学报》上发表了"指数演算原理",给出了处理这类幂的方法。他把它们称为 游动的(percurrent),因为指数在各个值之间游动。 对数的诀窍 思路是把幂变成我们会求导的乘积。设 $x>0$,两边取自然对数: $$\ln y=x\ln x.$$现在两边对 $x$ 求导。左边由链式法则得到 $\dfrac{y'}y$。右边由乘积法则得到 $1\cdot\ln x+x\cdot\dfrac1x=\ln x+1$。于是 $\dfrac{y'}{y}=\ln x+1$, $$\boxed{\frac{d}{dx}\,x^x=x^x\,(\ln x+1).}$$这种对函数的对数而不是函数本身求导的技巧,后来被称为 对数求导法。它对任何 $f>0$ 的 $y=f(x)^{g(x)}$ 都适用: $$\ln y=g\ln f\quad\Longrightarrow\quad y'=f^{\,g}\left(g'\ln f+g\,\frac{f'}f\right).$$括号里的两项分别记录了两种变化:指数的变化 $g'\ln f$,和底数的变化 $g\frac{f'}f$。如果底数固定,只剩第一项,回到 $\frac{d}{dx}a^x=a^x\ln a$;如果指数固定,只剩第二项,回到 $nx^{n-1}$。 x 的 x 次幂在哪里最小 由于 $x^x$ 总是正的,导数的符号就是 $\ln x+1$ 的符号。当 $x<\frac1e$ 时为负,当 $x>\frac1e$ 时为正。函数一直下降到 $x=\frac1e\approx0.368$,然后上升。最小值是 $$\left(\frac1e\right)^{1/e}=e^{-1/e}\approx0.692.$$也就是说:在所有正数中,没有哪个数的自身次幂小于 $0.692$。例如 $0.5^{0.5}=\sqrt{0.5}\approx0.707$,$0.3^{0.3}\approx0.697$,都略高一点。 在零附近呢? 当 $x$ 趋近零时,$x^x$ 会怎样?底数趋于零,往下拉;指数趋于零,往 1 拉。谁赢?写成 $x^x=e^{x\ln x}$,用 洛必达法则 计算指数:

Hero Image
猜度术:计算机会

猜度一件事,就是度量它的概率。因此我们把猜度术,或称随机术,定义为尽可能准确地度量事物概率的技艺,使我们在判断和行动中,总能选择或遵循在我们看来更好、更令人满意、更稳妥或更审慎的做法。 — 雅各布·伯努利,《猜度术》(1713),第四部分 1654 年,帕斯卡和费马 通信讨论一局中断的赌博该如何分配赌注。1657 年,荷兰人克里斯蒂安·惠更斯出版了一本十五页的小册子,讲掷骰子游戏中的计算。这些都是客厅里的问题:骰子、纸牌、赌注。 雅各布·伯努利想要的远不止这些。在他看来,概率是对 确定程度 的度量,是一个介于 0(不可能)和 1(必然)之间的数,可以用来在法庭上衡量证词、预测一个人还能活多久、评估一份保险,或者判断一种药是否有效。他花了二十年写一本书来说明如何做到。他把它称为 Ars conjectandi,《猜度术》。 《猜度术》的扉页,1713 年在巴塞尔出版,距雅各布去世已有八年。Wikimedia Commons · 公有领域 四部分的书 《猜度术》分为四部分。第一部分重印了惠更斯的书,雅各布写的评注比原文还长。第二部分是一门完整的 组合学 课程:排列、组合,以及其中如今以雅各布命名的 幂和。第三部分把这些应用到几十种游戏上。第四部分没有完成,讨论概率在公民、道德和经济生活中的应用,黄金定理 就在这里。 伯努利试验 书中最简单的想法,成了统计学中用得最多的想法之一。设想一个只有两种可能结果的试验:硬币是不是正面,病人是否痊愈,零件是不是次品。其中一种结果叫 成功,概率为 $p$;另一种叫 失败,概率为 $q=1-p$。这个词只是一个标签:在工厂里,被计数的"成功"可能是发现一个次品。 如今这样的试验叫作 伯努利试验。雅各布的问题是:在相同条件下把试验重复 $n$ 次,且各次结果互不影响,恰好得到 $k$ 次成功的概率是多少? 一步步推出公式 先看一个小例子。掷一颗骰子 3 次,“成功"是掷出 6,$p=\frac16$。恰好掷出两个 6 的机会是多少? 一种可能的序列是 6、6、其他。它的概率是每次投掷机会的乘积: $$\frac16\cdot\frac16\cdot\frac56=\frac5{216}.$$但还有其他含两个 6 的顺序:6、其他、6 和 其他、6、6。每一种的概率都是 $\frac5{216}$,因为同样的因子只是换了顺序。共有 3 种顺序,所以 $$P(\text{两个 6})=3\cdot\frac5{216}=\frac{15}{216}\approx6.9\%.$$顺序的个数,就是选出 哪几次 投掷成功的方法数:从 3 次中选 2 次,即 $\binom32=3$。一般地,每个含 $k$ 次成功、$n-k$ 次失败的序列概率为 $p^kq^{n-k}$,这样的序列有 $\binom nk$ 个。加起来: