干细胞之家 - 中国干细胞行业门户第一站

 

 

搜索
干细胞之家 - 中国干细胞行业门户第一站 干细胞之家论坛 细胞与微环境 沙龙区 美哉:欲拥科学,必抱数学!——不完备性定理和不确定性 ...
朗日生物

免疫细胞治疗专区

欢迎关注干细胞微信公众号

  
查看: 85943|回复: 42
go

美哉:欲拥科学,必抱数学!——不完备性定理和不确定性原理 [复制链接]

Rank: 7Rank: 7Rank: 7

积分
13286 
威望
13286  
包包
34831  

论坛元老 精华勋章 金话筒 专家 优秀会员 优秀版主

楼主
发表于 2015-4-21 14:42 |只看该作者 |正序浏览 |打印
本帖最后由 sunsong7 于 2015-4-21 14:54 编辑
0 l2 y4 x2 Y* v% X% r7 a2 U0 A$ V/ S! J$ r* G, o

关于不完备性定理和不确定性原理的探讨

(本文经原作者陈正茂先生授权转发干细胞之家)


) i8 r5 O+ A) d  g

源自:科学网

作者:陈正茂  
5 e% Y/ Z( ^- s% e" G1 I博客:http://blog.sciencenet.cn/u/etreeasky
  c. w/ H7 Y8 ]" H1 ~2 c! B( K8 H+ [0 a0 O

第一章 公理体系


  I& [: r, Q  J, N6 E, e6 u1.1 几何原本5 R+ `5 p" t( ^
5 s- I0 Z6 u( R/ ~2 B$ s

: x8 R; c& h. w/ D" n  当年我们高考通关上大学,惊奇于大学和中学的巨大区别:中学是点到点的逻辑,而大学是体系到体系的思维。
! P1 |5 b5 Z1 g" j9 I3 P4 W  z   系统思维,是更高级的智慧。
: L/ S) F) K5 Z6 v2 n   历史以来,中国文化的系统思维始终停留在阴阳五行、中庸和谐类模糊笼统的层次上。与此形成鲜明对比的是,西方两千多年前就已经严密论证发明公理化系统思维了。* O9 b* e) r$ Z
   关键的区别是,东方的系统思维是语文的,而西方的系统思维是数学化的。如果语言文字描述是系统分析的1.0版,那么数学度量则是系统分析的2.0版本。
7 w' v# E+ x8 t2 K, \! P- v% G/ c   大学里,文科生不可能不知道《圣经》;理科生也不可能不知道《几何原本》。% \; q' O; V8 O( y
   因为《几何原本》是西方量化体系思维的鼻祖。6 w; S2 Q0 d6 e) j4 I% C
5 [& _2 P% {; a5 c
   公元前300年,古希腊有个叫欧几里得的超人,写了一本叫《几何原本》的超级牛逼著作。从欧几里得发表《几何原本》到如今,尽管已经过去了两千多年,尽管科学技术日新月异,这本书所倡导的思想内涵依然万丈光芒,其思维方式仍然是所有自然科学的理论基础。它在西方是仅次于《圣经》而流传最广的书籍,深深影响了整个人类文明的发展。5 A( @1 B) O( `7 y
   牛顿小时候在剑桥大学附近的夜店里买了一本《几何原本》,开始他认为这本书的内容没有超出常识范围,因而并没有认真地去读它,仅对笛卡儿的“坐标几何”很感兴趣而专心攻读。后来,牛顿于1664年4月在参加特列台奖学金考试的时候遭到落选,当时的考官巴罗博士对他说:“因为你的几何基础知识太贫乏,无论怎样用功也是不行的。”这席谈话对牛顿的震动很大。于是,被深深刺激的牛顿又重新把《几何原本》从头到尾地反复钻研,终于入门,被《几何原本》万丈光芒的思想所折服,为其以后的科学理念打下了坚实的思维基础,后来牛顿按照公理化模式发表跨时代的《自然哲学的数学原理》,终成一代宗师。
7 I2 U6 E6 l. C8 o/ ~* }, u2 ]+ d0 [/ C9 S: i. _1 G
   两千多年前,欧几里德天才地注意到几何体系中已经发现的465条定理都可以由基本的10条公理推导出来,而且他天才洞察力断定几何体系中所有的定理都可以由此10条基本公理推导出来。也就是说,公理是比定理更基本的‘零件’,并且所有的几何学定理都可以由10条公理‘拼凑’而成。) \( B' H" Y2 f4 z+ y! ?( v

7 Q, k/ J8 H& {    几何学的所有问题都可以由10条基本公理来解答,意味着,这10条基本公理不仅是几何体系中标准零件、还是几何体系中“全部的”标准零件。也就是说,几何学仅需这区区10个的基本零件就足够了。因为这10个的‘零件’可以完完整整‘拼凑’出来整个的欧式几何学。# p7 _. X2 ~, E1 }; H7 L
    这个发现太匪夷所思了,因为欧式几何学是非常纷繁复杂的系统,涉及了全等形、平行线和直线形、圆、弦、割线、切线、圆心角、圆周角、棱柱、棱锥、圆柱、圆锥以至球体的体积、圆的某些内接和外切正多边形的尺规作图问题、整除性、质数、最大公约数、最小公倍数、正多面体等等,等等,其中定理多不胜数,探讨的问题更多如牛毛。7 m) S) N* a4 `
6 F, S4 f& l7 M4 w" u0 e
    看过《几何原本》,而不被雷倒的人,绝对是没有看懂的人。. V0 o1 V0 n2 K! a3 y& E
    如此复杂的整个欧式几何体系,居然仅仅只要10个基本‘零件’,就能完全解答了。可以毫不夸张的说,这是人类一万年一回的最伟大的科学发现 !!!  u# j! T& c. p  {3 g: ^4 _
( M7 b/ [- Q0 N8 H/ m

4 O# A; Q+ R. r! z3 [( p. C    今天,如果我们严格苛刻审视,《几何原本》的公理系统并不完善,当中的证明亦有不少缺陷,但它踏出了科学体系化的重大突破、代表了人类抽象思维的巨大升华。
9 U& Z6 x/ z/ j4 u    大道至简,公理体系表达式如此简洁,它是体系化思维的关键核心。2 J$ B( [9 G  F% D7 }3 s
) ?* Y8 A5 V& I, |; v* u
$ _0 s: o# ^4 |
已有 1 人评分威望 包包 收起 理由
细胞海洋 + 10 + 30 精品文章

总评分: 威望 + 10  包包 + 30   查看全部评分

Rank: 7Rank: 7Rank: 7

积分
13286 
威望
13286  
包包
34831  

论坛元老 精华勋章 金话筒 专家 优秀会员 优秀版主

43
发表于 2015-4-22 20:45 |只看该作者

关于不完备性定理和不确定性原理的探讨 (小结)

* K5 s6 [" X5 |) O: B

  p, W( N4 A: ~9 C( j3 Q: y2 I( B  G, p% m' d
) V0 [" ?' `0 J
一、不完备性定理简述9 s6 N2 A: K$ p) G* D" h2 o

1931年哥德尔发表论文《论数学原理和有关系统的形式不可判定命题》,即著名的哥德尔不完备性定理,其核心脉络大致可以分为这样三个步骤:

(步骤一:数字化同构)不完备性定理证明方法的奇思妙想是把自然语言数字化,哥德尔在文中大量篇幅花费在十分繁琐的映射定义上,以便把自然语言映射为数字。因为自然语言可以转换为形式逻辑、形式逻辑可以演算成命题范式、而命题范式可以展开成为标准的逻辑门、并且逻辑门可视作一种二进制代码。比如逻辑门“与”可对应为01,逻辑门“或”可对应为10,逻辑门“非”可对应为11。然后二进制数再转换成小数,如0.1,0.01,0.11,因此形式逻辑运算不过是这三种码的组合。所以即使非常复杂的逻辑门组合,也只是小数点后的尾巴更长点而已,仍然还是个小数。也就是说‘自然语言系统’通过转换为命题逻辑门,恰巧可以对应于一个‘算术公理系统’的小数(有理数)。

哥德尔通过一种十分新颖的同构映射形式,把‘自然语言系统’和‘算术公理系统’联系到了一起。然后,对于原本并不严谨的自然语言的语义的证明,也就变成了惯常熟知的相对简单的严格算术证明。哥德尔天才的洞察力,发现了‘自然语言系统’和‘算术公理系统’的映射同构关系,这是解决自然语言系统语义歧义的关键。


  G# I6 ~5 W) d  ~1 c% V4 W: K

(步骤二:代数数与超越数的区别)历史上,有一些悖论,比如理发师悖论提出后,数学家们发现可以通过对集合论进行改造、通过对集合补充定义来排除悖论。当一个形式逻辑体系出现上述悖论时,就用一个更大的逻辑体系去包络它,让原先那个逻辑体系作为更大的逻辑体系的子集合。当然这样做的结果,新的母体系又可能产生新的矛盾。但这也没关系,只要类似地一层一层地包下去,逻辑系统空间从n维扩充为n+1维,以致于无穷维。依此类推,似乎所有的问题命题总能通过递归嵌套,从而针对性化解。希尔伯特、罗素等数学家都坚信,任何数学真理,只要通过一代又一代人的不断努力,都能依靠不断扩张的n+1维公理的逻辑系统化将其整合到数学的大厦中。简单来看,把一个有歧义的命题分而析之各个击破,相当于细化切分问题。类似于“一尺之捶,日取其半,万世不竭。”我们知道,以这种一刀一刀砍出来小段,其实就是一个分数(有理数)的数列。哥德尔把这种可以通过层层外延扩张的n+1维公理系统称为递归集。

但是,哥德尔发现,还存在另外一些逻辑悖论,比如说谎者诡论,相当于“非递归集”,并不能通过递归集得到完整表达。这类似于“超越数”,它超出了整个代数系统解答能力,超越数对代数系统而言,是不可判定命题。


) n3 n, A" E3 W! X" I

(步骤三:阿列夫0对阿列夫1的不完备)超越数是无理数的主力军,也是稠密实数的主要组成部分。康托尔证明了‘不可列’超越数比‘可列’有理数要多得多[2]。可列集合的势为阿列夫0,不可列集合的势为阿列夫1 。类似于阿列夫1之多的超越数对于阿列夫0维度的代数系统不可判定,哥德尔印证了不可列的“非递归集”对于可列的的形式逻辑系统是不可判定的。

可见,不完备性定理的本质是空间维度的不完备。

: F- w+ g! g3 j, G' Q) X! a

; a  i% o- v) U

; u. a' S6 a' z9 T. q! X


' @$ o) ?0 j7 ^


. ?/ p5 Z8 A9 _" v2 g! C

二、不确定性原理与维度不完备

著名的‘波爱之争’中,波尔坚信矩阵力学是完备的,因为其依赖的希尔伯特空间具备柯西序列内部收敛性,普遍观点认为这意味着数学上的完备性。

但爱因斯坦却坚持认为量子力学是不完备的。依直觉而言这似乎是显然的,因为参照系的不完备将导致数据记录的不完备,因而出现不确定性。维度不完备往往是不确定性现象产生的根源。这就像六个面的骰子,如果我们在骰子的每一个面都有一台摄像机记录,那么对骰子的记录是全面完整确定的;只有当骰子投掷只显示一个面情况时,记录是概率性的。

量子力学到底是不是完备的理论体系,在‘波爱之争’之后也一直未有定论。本文尝试对这一问题作进一步探讨。


% W# `7 o+ O( s+ [下面,先来看一个具体直观的例子:泡利矩阵


8 {/ }2 K* M, l' k& c3 V$ k0 v

5 m1 k0 z. P4 X. K9 ~  众所周知,σx矩阵和σy矩阵不对易,说明其共同本征函数系不完备。那么也许需要先弄清楚,其完备的共同本征函数系是几维的?表面上看二维的泡利矩阵当然是二维的。但是,泡利矩阵的二维并不是一个维度取自于实体空间x轴,另一个维度取自于y轴,而是取自复数空间的某个正、负的方向,而这方向同时和x、y、z三维相关。所以自旋空间有且只有三个泡利矩阵,而不会是两个或四个泡利矩阵。所以σx乘以σy并不是二维空间,而是个三维空间的,所以众所周知的,泡利矩阵σx、σy、σz互相不对易。其不对易的根源在于彼此没有共同的完备的基矢量。也就是说,σx、σy、σz的共同基矢量只有正负方向的二维,但是却需要表达一个三维空间。这不正是“不完备性定理”的本质问题么?(因为基矢量对空间维度不足够,所以表达不完备)3 ]( u) Z  R- u# p, _6 U
有限维度的矩阵的不完备性容易理解。不过我们知道哥本哈根矩阵力学的‘矩阵’是基于微积分表述的连续无限维度的,莫非连续无限维的基矢量也不完备么?
( c, N/ N$ ~( K. C0 [

3 M3 D: X5 F( |

为此,我们来探讨一个不确定性原理的特例——高斯函数。高斯函数应用范围很广,在自然科学、社会科学、数学以及工程学等领域都能看到它的身影。高斯函数是不确定性原理的最简单、最典型、最清晰、最有说服力的例子。

【命题】矩阵力学的高斯函数的exp(ikx)本征函数系不完备

: l* v$ k; _- W6 I) h. l

【证明:

(步骤一:高斯函数原函数与其傅里叶变换函数,存在不确定性关系)


  J1 K: g0 G0 F+ L! }' ~% p

' P/ ^9 ?) m; `: ?- p. C$ x


8 E6 l# E5 g$ n4 ?9 o9 \! D


0 Q+ \' W' V/ S; E


: O4 E) j: p0 U. C6 |+ |

; F3 A* x9 I  h4 j


: Q" p) G1 R7 i$ t! }5 h% K* G' }


  e1 p2 O4 D- W7 V

7 b6 ]6 ^, t; j9 G* H4 r, O

―――――――――――――――――――――――――――――――――――――
3 E1 V2 x: d5 j, Q

[注1:这是基于连续无穷维矩阵的表达式。


' {1 q) i1 M- ~1 S8 O' n8 P( {


$ @" k3 V: B" H; a4 m+ ^


- _( d5 w4 p+ F

   (步骤二:高斯函数原函数与其傅里叶变换函数,存在一组共同本征函数exp(ikx)  )

* ~8 w' z( _1 J, T8 T
先证明高斯函数的傅立叶变换后还是高斯函数:


9 x; Q) H! y. s( Y5 u; t3 w

证明了高斯函数的傅立叶变换后还是高斯函数,其实也就间接说明了高斯函数之间具备共同本证函数。

设高斯函数傅立叶变换函数为φ(k),高斯函数原函数为ψ(x),有:


7 X" _3 R3 |8 p+ N/ X7 ~+ P4 t0 p+ B

  知:exp(ikx)是高斯函数傅立叶变换函数φ(k)的本证函数

  又,由于高斯函数的傅立叶变换后还是高斯函数,可知exp(ikx)也是高斯函数原函数ψ(x)的本证函数。

很显然,exp(ikx)既是高斯波包原函数的本证函数、同时也是高斯函数傅立叶变换函数的本证函数。事实上,高斯函数原函数和高斯函数傅立叶变换函数,其实都是高斯函数。也就是说,高斯函数本身就是傅立叶变换的特征函数。既然不同高斯函数之间区别仅仅是系数不一样,它们当然具有共同的本证函数。当然也就不奇怪exp(ikx)是其中一个的本证函数,也就肯定是另一个的本证函数。

9 V. \0 y, L5 W3 u3 p2 W7 l

9 d6 K% [0 D. L' Z$ o3 N& J7 @

' t9 L: m! l" j8 p3 G

  (步骤三:高斯函数与其傅里叶变换函数的以exp(ikx)为基的共同空间不完备)

  反证:如果矩阵表达的高斯函数和其傅立叶变换函数的以exp(ikx)为基共同空间是完备空间,由对易算符定律:

, l8 \* b" K1 N) s7 |) {; t1 ^+ s

  则推导出,存在一组完备的共同本征函数系exp(ikx),使高斯函数和其傅立叶变换函数的矩阵表达式对易,这与上面‘步骤一’关于这两个函数存在不确定度关系的结论矛盾。

  所以,矩阵表达的高斯函数和其傅立叶变换函数的共同本征函数exp(ikx)不完备

―――――――――――――――――――――――――――――――――――――――

[注2:exp(ikx),常常也记作exp(ipx)、exp(ipr)、exp(ipq)、exp(iEt)、exp(ist)等等。即自然数e的ipx次方,其中i是复数符号、p和x分别是傅立叶变换中的函数变量。


" E; \- [9 t5 N5 `; G/ J9 i9 S0 s2 u


7 y- j9 I, }: a. o7 @

      证明简洁、无懈可击。

      高斯函数的exp(ikx)本征函数系居然是不完备的,很令人费解。

     其根源在于向量空间(平面矩阵)的局限性。因为完备的exp(ikx)本征函数系超出了平面矩阵乘载范围,完备的exp(ikx)本征函数系是一个高阶张量空间。下面以单个电子的夫琅禾费点孔衍射实验来形象说明。

4 p5 z3 S. q4 }+ }
/ \$ o' y- U: r$ M5 I


1 z, [2 h  z  u4 H# N' ^' z


0 m( n/ _( O* B4 k( [+ l% t


  z& Q# C2 i2 i' k; R. ]


; t, D% e" x4 {* p; l

' a% R5 [- r* E


' Y* y- g, Z# v- ]/ D" y9 m


: x6 v2 G! b, L; d8 M


. P* d; Z' @  Y0 O, r% I


- }' [8 N: J- d7 F1 _8 k4 K

三、单电子夫琅禾费点孔衍射实验

阿列夫2维度空间对于大多数人而言可能比较陌生。下面,以“单个电子的夫琅禾费点孔衍射图”来分析,我们能够从中更深入了解阿列夫2维度与量子态空间的内涵、了解不确定性原理与维度不完备的关系。

众所周知,通常的夫琅禾费衍射是“一束”平行光(或一束电子)通过一个方形小孔,形成sinc函数的衍射图形。这个实验形象地定格了量子在频域和空域的波粒二象性的现象,和理论完全一致。一头是‘矩形’小孔、另一头是‘sinc’衍射,而‘矩形’图的傅立叶变换正好是‘sinc’函数图象。因为直观简洁,这个实验常常用来解释不确定性原理。

一束电子的衍射大家都非常熟悉。但是单个电子穿过夫琅禾费实验的点孔的衍射图会是个什么样子呢?答案可能会让人很意外。


+ j% P& v4 _& q

我们可以大致推断单电子夫琅禾费点孔实验,最有可能出现以下三者情况:

1、接受屏上出现一个均匀分布的光板


* ^! V9 N5 k' X

我们知道一束白光的夫琅禾费单孔衍射图样中各色光排列为‘中间白色,然后依次向外为: 紫、 靛、 蓝 、绿、 黄、 橙、 红 ’。可以看出,光的波长越短,缝相对而言就越宽,孔径越宽,衍射现象越窄缩,则光强变强、条纹变窄;另一方面,波长越长,缝相对而言就越窄,孔径越窄,衍射现象越宽阔,则光强变弱、宽度变宽。光子波长相对较长,衍射现象条纹会将对较宽,以至当孔逢过小时,光影会扩散为整个屏,形成一个均匀分布的光板。冲击函数δ的傅里叶变换清楚表明了这个现象的理论基础。继而,根据光子的波色凝聚效应可以推断,一束光的每一个光子都是同态的,也就是说一个单光子的结果和一束光是一样的,所以说当单个光子通过夫琅禾费微孔后,接受屏上会出现一个均匀分布的光板。

既然单光子通过夫琅禾费微孔会出现一个均匀分布的光板,那么单电子通过夫琅禾费点孔接受屏也会出现同样的光板吗?答案是不会。

因为电子是费米子,不具备波色凝聚效应。根据泡利不相容原理,各电子之间不可能完全同态,因此一个电子的衍射和一束电子的衍射图不可能完全一样。即使一束电子在接受屏能够产生均匀分布的光板(这也值得怀疑),那也不是n个电子的一模一样的衍射图案(均匀分布光板)叠加出来的。另一方面,如果一个电子产生了均匀分布的衍射光板,根据泡利不相容原理,各电子之间不可能完全同态,第二个电子就不能再产生均匀分布的光板,则第一个电子和第二个电子的傅立叶变换图像出现差异。即第一个电子满足δ冲激函数的傅立叶变换时,第二个电子不满足。这显然不可能。

因此单电子夫琅禾费点孔实验接受屏上不会出现一个均匀分布的光板。

2、接受屏上是一个sinc衍射图形:  

4 g* G: n/ s, V+ N

这是大家熟知的一束电子通过一个方形小孔的夫琅禾费衍射图象,实验和理论高度吻合,因此很多参考文章以夫琅禾费sinc衍射图形来解释不确定原理:


4 `9 U) @( r5 k$ j/ g  p! z1 R% Z' I" J) e  e, O

证明过程简洁清晰,不过非常遗憾,上面这个关于夫琅禾费衍射和不确定性原理的证明解释是有问题的。请看下面分析:

+ F+ `! Z, Y- S( ?) K4 g: u

但是:


8 _* Q4 s' S0 d/ v

很明显,上述的(2)和(1)矛盾。

上面推论过程的谬误根源在于隐含假设了电子波是“实体波”。但这是不可能的,因为实体物质波包必然会扩散。而如果电子是膨胀扩散的波包,这当然与事实(电子总是固定大小的)不符。下面是关于‘实体物质波’不可能存在的证明:
4 n: j" n& w7 G2 e
, N9 Y$ |) @( Y9 v% f

因此单电子夫琅禾费点孔实验接受屏上不会出现一个sinc衍射图形。


) S& P0 C# p1 z

& o+ t2 c6 w) |5 h; N1 ?0 a3 P

1 C3 }; `1 w0 Z/ b/ i7 m


9 F( [& w/ x- f6 l8 d

3、接受屏上出现一个点:

既然单个电子通过夫琅禾费点孔,接受屏上不可能出现一个均匀分布的光板、不可能出现sinc函数图形的衍射,那么似乎可以判断接受屏上应该出现一个点。乍看之下,这样思考当然是有一定道理的,我们知道电子波长相对很短,即使其有衍射现象条纹当然也会非常窄,以至于缩小为一个点。无数次电子衍射实验表明电子总是一个点一个点到达屏上,然后这些点电子根据泡利不相容原理(费米子不能处于同一个状态),电子靶点各不相同,大量电子点共同汇集成了衍射图像。

但是,当我们进一步分析时会发现其中的谬误:因为夫琅禾费装置的两端对应于傅立叶变换的两对偶域,比如障碍屏和接受屏分别对应于频域和时域,所以障碍屏和接受屏不可能同时是“点”,否则违反不确定性原理。


6 E5 T. _, N/ f& H

傅立叶变换运算规则告诉我们,在实体空间中<q|X> 和<p|X>不可能同时是确定的"点”值。如果当障碍屏小孔等效为等式左边的波函数<q|X>时,这时<q|X>看作是“粒子”态(非零值投影到X>的区域有限),则等式右边的<p|X>必然是无穷无尽的频率“波”(非零值投影到X>的区域无限)。 这意味着,当我们在接受屏看到一个电子点时,则夫琅禾费障碍频的孔应该很宽,不可能是一个“点”孔。另一方面,如果夫琅禾费小孔充分狭窄至“点”孔,则接受屏不应该出现一个电子“点”。任何物理量在频域和时域取值范围都不能同时有限,这就是著名的“不确定性原理”。

因此,单电子夫琅禾费“点”孔实验接受屏上不能出现一个“点”图形。


+ s: D) a- _1 }7 [+ s/ z

那么,既然上面的三种情况的推演都会出现谬误,单电子夫琅禾费点孔实验到底会发生情况呢?

- ~. z0 M' R9 A3 q* R: @


% n+ z, J  u* X( O' F% j


7 @  V, d  _5 q


6 d0 V0 V  a, A* C" I! ?

9 l2 l# i. g/ W3 |

" h0 {( f* n# v5 }% h


9 k( E2 s7 l- P9 B7 P. C) Q+ Q% J# r3 x

7 _# U* A9 z- {: {

/ v& i) b  r. ?/ q) d6 d

四、粒子实体坐标{x}和位置算符的本征态x的区别

上述的夫琅禾费衍射分析之所以进入死胡同,究其根本是因为其逻辑推演过程拘泥于粒子实体空间,困扰于经典物理的狭隘思维。对经典物理粒子的实体空间的线性表达在数学形式上与平面矩阵是等价的,而平面矩阵却存在局限性。如下图,如果假定中间的exp(ipr)矩阵是傅立叶级数的展开式,则“单电子”和“点孔”概念等效于矩阵式中的ψ(r2)和φ(p2)两个元素点 。但如果仅仅ψ(r2)和φ(p2)两个点有非零值,则意味着中间的矩阵并不是傅立叶变换,因为这违反不确定性原理。而真正的傅立叶变换与不确定性原理是自洽一致的。


' c/ s* e$ m! R+ l6 |

进一步分析,由于傅立叶变换中的对偶域空间模型,实际对应的是张量的概念。所以如果我们把有局限性的平面矩阵扩展为高阶张量时,是可以有效化解上述逻辑谬误的。如下图:


/ X2 v. D  ]4 m$ Z

# c) c: x' g9 e' Q9 [


3 b7 a! Q( D, m* ^; ?4 l! o* `在上面的高阶张量演算式中,把原来的平面矩阵的一个元素φ(p2)扩张成了张量中的一列3元素φ(p21)、φ(p22)......φ(p2n)等。需要特别指出的是,这里的φ(p21)、φ(p22)......φ(p2n)既不是实体小孔的数值、也不是实体投影点的数值,它们不是任何实体的夫琅禾费实验的演示设备或图形的实体坐标值,而是单个电子“穿过”障碍孔的逻辑概率。很早物理学家们就注意到量子现象与经典物理现象有本质不同。在经典物理中,一个物体绝对不可能穿过比它自身更小的障碍孔,当障碍屏“点孔”非常小时,经典粒子将会比“点孔”大,这时经典粒子不能通过比其更小的“点孔”。但是对于量子现象则有所不同,类似贯穿势垒的量子隧穿效应,具备某能量(频率)电子将会闯过障碍“点孔”、另一些则穿不过去。这对于单个电子而言,相当于逻辑上的概率性,而这种表征不同频率(可能还包含自旋方向、角动量等等不同属性)的电子的穿透性的概率幅,表征了‘概率本证态’。

―――――――――――――――――――――――――――――――

[注3:为方便表述,可连续取值的张量空间这里以离散值简化


# K$ |5 F* |7 h% v


2 ]& N& e$ C- f% B3 Y, R' D

$ j8 d; F9 O, E* }* \


5 |( |- e0 h3 X- ?* e+ ]" u. o) ^

! _" \/ {0 D! f: k

; j0 k- B9 O2 F4 m, \( ?

值得庆幸的是,在高阶张量模型中,可以对单电子夫琅禾费点孔实验的 “单电子”、“点孔”和量子隧穿效应的“概率幅”等要素一一对应、完整表达。相应地,经典物理实体动量{p}由一个点值扩张成了一系列概率本证值p21、p22.....p2n等。需要注意的是,这种概率本证态的概率幅相当于动量算符的本征值p,而不是实体动量{p}。4

而这正是问题的关键,如果我们仔细审视,会发现上文关于单电子夫琅禾费点孔实验的分析中,混淆了粒子实体坐标{x}和位置算符的本征值x 的概念。在量子力学中,实体坐标和算符本征值是完全不同的两个概念。上一节的探讨中,所谓的“单电子”和“点孔”的概念都是经典物理的实体坐标的概念。但在量子力学中,量子态的意义要广泛得多,不仅仅局限于实体坐标,还包含了‘概率本证态’等新要素。

比如我们知道,不确定性关系△x△p=h/2 中的x和p并非粒子的实体坐标{x}和实体动量{p}概念,而是粒子的位置算符和动量算符的本征值的概率化反映。

/ O) b/ r1 ~! s) N/ ^4 T" `

借此,让我们再回过头审视波爱之争的焦点。为什么波尔和爱因斯坦为此争论数十年无果,为什么很多物理学家乐此不疲议论了一整个世纪还在争论不休?根源亦在于此,因为他们混淆了坐标实际位置和位置算符本征值的概念。表面上粒子实体坐标{x}和位置算符的本征值x 好像都代表‘位置’的概念,但此位置不是彼位置。爱因斯坦观念中的粒子实体坐标{x}是基于经典力学机械决定论度量的,而机械决定论只讨论实体点坐标,所以{x}只能是实数连续(阿列夫1维度)空间的概念。而波尔观念中的位置算符的本征值x所处的态空间是阿列夫2维度的,本征值x实际上是阿列夫2维度的投影。它是阿列夫2维度空间的概念,所以它在实体坐标中体现为概率值。显而易见,位置算符本征值x和经典物理的实体坐标{x}根本不是一回事。粒子实体坐标{x}和位置算符的本征值x有本质区别。也就是说,表面上爱因斯坦和波尔虽然都在谈位置变量,但是他们谈的并不是同一回事。它们两者一个是阿列夫1维度的概念、一个是阿列夫2维度的概念。  

+ I! C2 ?& P. s2 W& W( {& h

需要特别指出的是,不同维度下对应于不同意义的概念,这也许并不那么醒目。但是在逻辑分析时概念维度却不容忽视。假如维度不一致,即使相同名字的概念也并不等价。比如,有一个这样的所谓的高级数学题:

" K/ ]" P2 J, q7 Z7 s7 V
【求证:1元=1分


( n3 t& I+ r- C2 Q/ k解:

      1元=100分

        =10分×10分

        =1角 ×1角

        =0.1元×0.1元

        =0.01元

        =1分


/ E2 X9 K% H2 O0 I9 m4 f

上面的逻辑谬误就是一个典型的概念混淆,其关键点是‘100分’和‘10分×10分’相等吗? 相信大多数读者都知道,100分和10分×10分不相等。究其根本,因为其中的‘分’和‘分×分’是完全不同的概念。‘分’是一维概念,‘分×分’是二维概念。一维变元和二维变元,在逻辑上有本质区别,根本不可能划等号。如果强行划等号,逻辑谬误在所难免。

" a7 N, F# R! R. M& `3 a* V

―――――――――――――――――――――――――――――――

[注4:为简化描述,本段的本征值p和x未予以区分。


% [- |8 `! d% D


: H+ m4 Y5 B4 q2 w/ u1 k- r9 P, X; z


% z8 b4 e! [; |; i4 G/ U

* r  x% ~5 P2 K$ f) v/ s  [( y3 b

, T) Q& V- b* Y. w2 i

+ F4 r: h$ P. x' v& y- g0 F9 ]

3 A" b, ]* F) Z3 L6 A

粒子实体坐标{x}和位置算符的本征值x的区别,还可以从δ(x-p)的傅里叶变换演算中看出来。如果我们对{x}和x不加区别,就会出现如下谬误:

) z: m% R$ L) A# n( u4 x& N

如果我们有效的区分了{p}和p,则exp(ipx):的正交性就一目了然:

9 s  @1 K+ S" j( u- a( r6 B

( Y9 ^( l! c& T) |

1 Y. x9 |5 p) n+ Q* _3 R; H5 f


; o" W4 U! v" T- b0 p―――――――――――――――――――――――――――――――

[注5:动量p可以表达为(-id/dx),即p可看作x的函数。

! L% j$ |- f% u$ _3 k5 R0 Z+ I


# {' Z/ e; Y0 y* `+ r  r


" e+ m0 i# g- P( d( i


, ], i1 P) A' \- F6 m" E7 F

; e# }, w) E% k  s: T  z- g


8 Z6 j1 S/ N3 F9 x- \3 j8 A# k, F3 s

五、连续无穷维平面矩阵的不完备性

上一节,我们发现单电子夫琅禾费点孔实验推断三种结果之所以产生狭隘解释,追根溯源是因为平面矩阵下思维的狭隘性。那么,如果我们把平面矩阵扩充到无穷维,甚至连续无穷维,能不能解决类似的局限性问题呢?我们知道,连续无穷维矩阵,正是哥本哈根矩阵力学的根基。

深入探讨连续无穷维矩阵问题之前,需要我们再回头进一步审视高斯函数。第三节提到exp(ipx) 是高斯函数的本证函数,乍看之下这种提法一时难以让人接受。因为教科书中,一直把高斯波包ψ(r)本身和其傅立叶变换函数φ(p)看作波函数(量子态)。似乎没有人提出过平面波函数exp(ipx) 亦可以看作量子态。

1 @8 v& s8 O% w

但是,另一方面,我们知道在傅立叶分解时,其实是把exp(ipx) 作为基矢量,而把原函数ψ(r)看作其傅立叶变换函数φ(p)的投影值。如果把exp(ipx) 作为基矢量,当然也就意味着exp(ipx) 是φ(p)的本证态。


" h& F- B5 _- D  ?: m# z再回头看看傅立叶变换的矩阵表达式:


" d: S4 f8 O, [' ?3 @

   1807年,法国数学家傅立叶向巴黎科学院递交了一篇论文《固体中的热传播》,在这篇研究热传导问题论文里的有一个当初并不起眼的副产品:任何一个信号(或者说一个函数)都可以表达为一系列不同频率的简谐振动(即平面波)的叠加。

   把函数分解到简谐振动(即平面波)的叠加,即以exp(ipx) 基底 。


( |& S: G) j# J) o# q& U当我们以exp(ipx) 基底,把上图的矩阵表达式做一个简单变形时,可以写成下面这个样子:


! b3 w& u9 J) {# w4 P: c

上面这个矩阵表达式,意味着exp(ipx) 是φ(p)的微分形式的本证态。也就是说,在微分形式下,平方指数(非线性)形式的高斯函数可以转化为以exp(ipx)为基的线性结构。

& d' ?- J5 X, F9 W$ N

/ l+ Z$ y0 m. Y- w; |$ G) t' R, s


8 f. W4 L- z8 g  N7 X光滑图形通过微分构造出的这种‘微分形式线性关系’,正是微分几何。微分几何特别关注弧线,它把非笔直的弧线每个微小部分看作一段一段的微小直线段,然后在多重直线段模式下,进行多重线性分析。微分几何的实质,是把有限维欧几里得空间的维度扩展。比如把x坐标轴,扩展为dx1坐标轴、dx2坐标轴、dx3坐标轴......dxn坐标轴等等为新坐标轴的无穷维度空间。原本欧式空间x坐标轴下的曲折蜿蜒的弧线,在新的‘微分基矢量’dx1>、dx2>、dx3>......dxn>下变成了‘微小直线段’的组合。这样,有限维的欧式几何扩充成了无穷维的微分几何,非线性的曲线转换成了微分形式‘线性空间’,于是非线性关系变成了线性关系(或者多重线性关系)。显然,以微分dx1>、dx2>、dx3>......dxn>为基矢量的无穷维空间,对应于“连续无穷维矩阵”。


5 a; b# G0 f* S9 N/ C& @

7 c7 j3 K1 f! Y' j8 n. D

另一方面,我们从第三节知道exp(ipx) 函数也可以看作无穷维空间的基,比如exp(ipx) 是高斯波包的本证态。

不仅如此,傅立叶变换理论已经证明exp(ipx) 还是所有线性时不变系统的共同本征函数(本证态)。


; q. |. p! X- a- v

【定律】exp(ipx) 是所有线性时不变系统的共同本征函数系   [3]

1 |7 s* J* `( Z( G  N

【证明:

设L是任意线性时不变系统,v是输入,w是输出


$ J' }7 T) u/ M* ~. z即 w=Lv

  则 w(x)=h(x)*v(x) ,即w可以表达成h和v的卷积

  上式傅里叶变换记为:

  W(s)=H(s)V(s)

  如果输入exp(ipx)    [注:为方便表述,exp(ipx) 省略了常数项2π ]

即 v(x)= exp(ipx)   

  因为exp(ipx)的傅里叶变换等于脉冲函数δ(x-p)  

  则输出:W(s)=H(s)δ(s-p)=H(x)δ(x-p)    [注:此处H(x)是个常数]

  再通过傅里叶反变换,把上式从频域返回到时域,得到:

  w(x)=H(x) exp(ipx)

  此处H(x)是个常数,记为c,则:

  w(x)= c exp(ipx)

  即:输入exp(ipx) ,通过L线性时不变系统w=Lv,输出得到 c exp(ipx)

  即:L exp(ipx) = c exp(ipx)    [注: L作用在exp(ipx) 等于常数乘以exp(ipx) ]


' g& M* U) ]& M5 K

  即: exp(ipx) 是任意线性时不变系统L的本征函数

  证毕。】

4 o; G) ]) ~/ o3 e" C" h


- a+ h' c) l/ y$ a+ n/ |

既然exp(ipx) 是任意线性时不变系统的共同本证函数系,矩阵力学的所有量子态应该都可以通过exp(ipx) 本证态来表达。如果我们以exp(ipx)作为连续无穷维矩阵的元素,正如时域和频域之间的傅立叶变换矩阵那样,那么这种矩阵是不是可以完整表达所有的量子态呢?若如此,哥本哈根矩阵力学又为什么会出现“不确定性”呢?


% R4 e5 L( a2 v& Z8 B如前所述,当p或x为自变量连续取值、两两不同时,可以得到exp(ipx) 本证函数系正交基,根据第三节,我们推断完备的exp(ipx) 空间维度为阿列夫2  。也就是说,线性无关的量子态有阿列夫2之多。

这就是问题的关键,因为阿列夫2级别无穷大的元素之多,已经远远超出了平面矩阵的逻辑范畴(平面矩阵的表达范围不能突破连续实数所能度量化的阿列夫1维度极限)。因此,如果以平面矩阵(阿列夫1维度的向量空间)对阿列夫2维度的量子态进行度量,会出现不完备性。所以在单电子夫琅禾费点孔实验中,我们不得不由平面矩阵扩展到高阶张量,才可能把“实体”图形和“非实体”概率幅等要素完备表达、才可能把量子本证态p和粒子实体坐标{x}的波粒二象性结为一体,却又保持逻辑的严格一致性。

进一步分析,三维实体粒子坐标{x}的微积分与连续无穷维平面矩阵是等价的,所以三维实体空间中其微分基矢量dx1>、dx2>、dx3>......dxn>的完备空间维度是阿列夫1 。而位置算符的本征值x可以是基于exp(ipx)本证态而言的,所以其完备空间维度是阿列夫2 。因为此,平面矩阵无法完备地表达它。所以本征值x在阿列夫1维度实体空间的投影会出现概率性。这和六维度骰子投掷显示一维面情况一样。高维度属性投影到低维度空间,因为其维度不完备就会出现概率性


+ J! b8 ?" |' _, M7 p

8 i; w, o0 h! V( v# B1 h" T

& c8 |& ~/ Y5 r( D

6 A. x/ ^$ Z4 a' f, b, i4 J+ E7 Y

! h$ U" B, r0 ]% S  Y

* W9 F3 I1 F8 H# ^; s
需要指出的是,对于初学者来讲,很容易混淆向量和张量的概念,特别是在有限维的情况下。
7 |4 W( J& K& B- W+ U( V) ^
在有限维的情况下,张量空间的数学定义一般是这样的:
+ N& ^+ Y4 d4 `! f2 i(φ+ψ)(x) =φ(x)+ψ(x)) O7 b  a4 y7 d0 U
(aφ)(x)=aφ(x)0 d8 o* g( s8 o, V4 X

' i3 N2 H' _2 j5 i上面两个式子,很容易化成下面的一个式子:

  {9 s9 D% P% ?7 ~7 p) ^$ e1 ](φ+ψ)(ax+by) =aφ(x)+aψ(x)+bφ(y)+bψ(y)
3 \% H1 C! Z0 Q# l- |7 a

在上式中,如果把φ(x)、ψ(x)、φ(y)、ψ(y)各看成基矢量,这不就是一个向量空间吗?

其实不然。因为向量空间(平面矩阵)是单层次线性空间,逻辑结构图如下:


+ l2 F" N6 B; Z1 m3 y; P3 \$ M

而张量是多重线性映射,逻辑结构要复杂得多。有些特殊张量可以转换为多层次线性空间,逻辑结构图如下:


0 ^' Q4 s' ]' d0 d9 w

如果空间维度是无穷维,张量空间和向量空间更是迥然不同。

根据康托尔的理论[2],连续无穷维平面矩阵所包含的元素为阿列夫1 ^2,这还是阿列夫1 ;而连续无穷维高阶张量所包含的元素为 阿列夫1^阿列夫1,这已不再是阿列夫1,而是比阿列夫1 更高阶的阿列夫2级别的无穷大。

也正因为此,所以连续无穷维平面矩阵在量子态空间会出现不完备性。这也是平面矩阵出现不对易现象的本质。也是不确定性原理的根源。即,阿列夫1级别的基矢量对于阿列夫2维度空间的不完备性。


3 V$ D4 F% V3 V0 l

8 l2 D% d8 G+ S& T! L
+ [5 ]& J/ u4 L: C1 A! z0 c7 A+ R' K

1 }& ?" A; Y  z* |- F


# h  B: A. R! I; Z! N8 i2 ?& \
  e' r- l! L4 h% o2 C% ]& k

===================================

六、[命题] 相互正交的exp(ipr)函数的总个数为阿列夫2


" C) P( w/ I: ^& `, C' f* Z7 A8 v9 ~' j7 O. ]8 E1 Z  O4 j

【注:首先声明上述语言表达是不严谨的,笔者本来的意思是想探讨‘在Hilbert空间定义下,以正交exp(ipr)函数为基底的系统的维度为阿列夫2’,但是遗憾的是Hilbert空间对问题所涉及的δ函数等广义函数的内积无定义、对exp(ipr)函数的内积也无定义。所以只能无奈不严谨的表达上述命题。严谨的表达可能只能等到某位数学大师扩展到‘广义Hilbert空间’以后吧。】6 ]' x+ \$ }4 i2 \, ^0 C3 [. }! H) m6 C5 `


: f3 M, N) D3 I4 t7 [" M7 Y$ o1 ~

下面让我们一步一步粗略探讨,相互正交exp(ipr)函数最多会有多少个?


- N3 l/ }  A7 J2 \! |  M; }6 v* R  E2 K

(1)当exp(ipr)函数的变量整数取值时,相互正交exp(ipr)函数的个数为阿列夫0

【 证明一:9 e6 [4 m( B% S; O9 G) j* @3 H
取xm和xn ,其中m、n为整数: e1 l4 G. P! Q* d5 m
) k$ ]+ ~, W7 @$ j; }4 K) D
则:∫exp(ip)^xn exp(-ip)^xm dp ) e' F# P$ b8 {% n( q

& j7 J% `2 q0 x相当于计算两个exp(ipx)的乘积% B% E5 o5 H. Y& V; N8 N/ [
又由于exp(ipx)可以转换为三角函数:) X/ V+ d" c8 N4 ]2 ^
, D- i& s) h- K. J/ a# p- M

2 Z6 C" W' r) @* D2 w; T: U所以exp(ipx)的正交性,对应于三角函数的正交关系
0 V+ a( i( E9 I! j5 T' t9 l0 ]3 _" {

# _; g' I$ g: h4 b. D( [

, i/ a; l: |3 M$ x' b: S
. ^" C$ _3 z8 P3 u9 _
' R; T, m  a3 r- d( q, ^
即:m不等于n时的exp(ip xm)和exp(ip xn)两两内积为01 C1 \1 l: z; D& d
所以,两两不同的exp(ip)^xn  和exp(ip)^xm正交
/ a$ K- e. m2 x7 E9 b. ?又因为, 整数变量xn与函数exp(ip)^xn 对应,所以不同整数取值的exp(ip)^xn函数个数为阿列夫0
5 X1 O" }  M* V9 A2 _即,不同整数取值的两两正交的exp(ip)^xn 函数个数为阿列夫0 】
- J! P* U5 @! g+ |6 S- z& L6 F/ d5 Y, P* O* u4 ~9 Z% |( V) W5 R2 F
! @# p, c" {: r3 t

5 r# w' O7 T( i

1 p5 ~+ a5 X2 t5 s# ~; J! ]" u【证明二:
* }2 R# l" z2 z) x0 H
8 s% T3 S3 ?/ x' U1 d
因为8 V1 O3 e+ Y$ _& U0 [* q  u
' t2 H3 l% K; L3 Y1 ~0 f' U% }

2 U! d3 m+ _. _根据欧拉公式:. B" K2 l# T- c- [* U! c: _  D5 q. B8 b

4 X! h1 ?9 d6 v4 ^) M0 D
' W1 ^! S; |, \9 ~: i& w5 P8 l2 J5 R
可知,整数不同取值的 k、m的exp(ikt)函数 和exp(imt)函数两两正交
" n4 ]* \6 Q& l! X& i) S# i# s- g又因为, 整数变量k与函数exp(ikt)对应,所以不同整数取值的exp(ikt)函数个数为阿列夫0# \  l8 m- y0 k' |3 G5 }
% l0 `$ v/ N- t, Z( o, N+ e
即,不同整数取值的两两正交的exp(ikt) 函数个数为阿列夫0
9 r" f1 }( T& U* E
$ Z8 q/ Q; h! Y% @( |! Q

( H1 ~" _4 M3 x+ q* |
& a% Q+ i8 n; N) m1 B/ o! F
' y( K2 _7 Q; [. |/ Q- N----------------------------------------
, n( p5 p5 h  c6 z4 c
(2)当exp(ipr)函数的变量实数连续取值时,相互正交exp(ipr)函数的个数为阿列夫13 d: O) k. b3 @- A$ a6 ?6 G7 e  ?
【证明如下:
/ R" W. b& e) |3 [7 t
2 i: R) x! ?! b& u! [- C+ G) ]& f1 B

& D5 t- Q6 r1 }可知,连续不同取值的x的exp(ipx)函数两两正交" S* s2 N- a/ z0 u/ f5 u
由于连续实数集合的势为阿列夫1 ,即两两不同 x和x'个数为阿列夫1$ Q1 B2 S: G# A1 ?+ X) I
又因为,任意 x'变量 映射到不同的延时δ(x-x')函数
$ x* B$ P2 V$ R3 k0 v# L所以,连续不同取值x’时,两两内积为零的exp(ipx)函数个数为阿列夫1
/ q  f( c( x3 u即,两两正交exp(ipx)函数个数为阿列夫1 】3 }( S; R1 R4 |6 t# P/ B

+ D' ^: C) D! {0 u2 s+ F  o) ?. D9 u. z; y- H$ q
1 L1 L! @3 h" y' E. b

【注:上面这个证明对于Hilbert内积空间而言是不严谨的,因为exp(ipx)不是平方可积函数、不存在于Hilbert内积空间。但是基于下面两个事实,判定变量x连续不同取值的exp(ipx)函数两两正交并无不妥:
3 D& e& W# E, V9 Q/ a/ m. v- I' z' S9 G

7 `/ ~3 T& B/ p" h$ F- {4 q) @  V

第一、exp(ipx) 是某类线性系统的基底

[定律:exp(ipx) 是所有线性时不变系统的共同本征函数系 ]  
! f9 h/ m/ a: W8 _

[证明:

设L是任意线性时不变系统,v是输入,w是输出

即 w=Lv

  则 w(x)=h(x)*v(x) ,即w可以表达成h和v的卷积

  上式傅里叶变换记为:

  W(s)=H(s)V(s)

  如果输入exp(ipx)    [注:为方便表述,exp(ipx) 省略了常数项2π ]

即 v(x)= exp(ipx)   

  因为exp(ipx)的傅里叶变换等于脉冲函数δ(x-p)  

  则输出:W(s)=H(s)δ(s-p)=H(x)δ(x-p)    [注:此处H(x)是个常数]

  再通过傅里叶反变换,把上式从频域返回到时域,得到:

  w(x)=H(x) exp(ipx)

  此处H(x)是个常数,记为c,则:

  w(x)= c exp(ipx)

  即:输入exp(ipx) ,通过L线性时不变系统w=Lv,输出得到 c exp(ipx)

  即:L exp(ipx) = c exp(ipx)    [注: L作用在exp(ipx) 等于常数乘以exp(ipx) ]

* l  K* N* H1 O8 P3 G

  即: exp(ipx) 是任意线性时不变系统L的本征函数

9 N, \: H. E# {3 d) t: z  b2 C
, g' b; y9 r. v' ]) M! O
第二、exp(ipx) 满足狄拉克正交性质
  F3 r7 v1 P: V4 U3 d) M( t: ?; z! ]
( p6 S* D0 J3 e* d  r" u$ G+ X
4 l8 Z  h5 a3 ]( w
6 A- z. D! P$ S
+ J8 G, P# d) d5 |0 d

7 A+ R( A6 z* V
. O* w: b% s4 G& a- m! `+ U9 `- K1 K  }0 f, A: M
-----------------------------------------

9 a" d* ~! ]' x6 Q3 n5 ?
+ E4 D1 B4 a+ n/ Q4 s(3)当exp(ipr)函数的变量完备取值时,相互正交exp(ipr)函数的个数为阿列夫2: x) J4 ^) f: I; H1 I9 y
7 \% k7 _% k0 I# z
【探讨:
/ n9 N, Y3 }  i6 s9 Y( q2 a(步骤一)- F5 ~( R& D3 l  v: C% ]
根据:
& ^, ]" y$ q3 a5 }5 T3 }5 d# O* M, i5 L# P5 c4 i
得到:7 Y4 w  a2 x& y+ B4 Z. J  s
. g! e% Y$ k2 z9 I* U! V
【注:上面这个证明对于Hilbert内积空间而言是不严谨的,因为δ函数等广义函数不是平方可积函数、不存在于Hilbert内积空间。但是基于下面两个事实,判定变量不同取值的δ广义函数两两正交并无不妥:: K% s% I( V* g' R' }" u/ p

) Z" w7 u; Y/ w

6 `4 |% H) }0 k, e4 v: b- ]& M 第一、δ广义函数是某类线性系统的基底6 I6 E$ ?# {9 b# U

' R5 W, G$ F6 o( T# W1 F[定律:δ广义函数是所有线性时不变系统的共同本征函数系 ]  ! i- |$ a8 u! ?3 ]4 B6 i# Q
[δ广义函数和exp(ipx)函数一样,都是基元函数,都是线性时不变系统的本征函数]
* G+ m! j0 C, ~# J[在实际应用中,延时δ函数常常作为连续无穷维积分空间的基底,提取相应微分分量特征值,即取样:7 r4 W. d- J- y; H! O
. |; x, ^# R  K$ S1 q

/ ]: D1 ~. R9 ]$ Y2 L5 ?4 \9 ?# p, x% J+ d$ j# o1 |( u  V
3 x2 i. G# b8 q! m1 T
第二、不同延时δ(t-r)函数的乘积积分 与通常意义的内积的正交性质不冲突5 I" ~0 {# u- m( A8 S$ ]

- e4 X6 i3 \& L1 q0 t[ 说明:  D2 q  z! A6 A! D8 b- ]' x- H
实数变量的函数可以看作连无穷维向量,因此可以以向量形式分解函数,以西格玛类比积分2 d! c% V, m7 z0 m% o( G

∫δ(t-r)δ(t-p)dt 如果形象类比离散的西格玛符号形式,如下:

∑δ(tn-r)δ(tn-p) = 0+0+0+......+ δ(r-r)δ(r-p)+......+ δ(p-r)δ(p-p)+......+ 0+0+0.....

) U! o3 E0 n! ]1 W  ]7 m0 @

即,当tn<>r(或tn<>p)时,各分量均为零

即,仅剩tn=r(或tn=p)时,分量δ(r-r)δ(r-p) 和 δ(p-r)δ(p-p) 可能不为零


  G2 V! d; w* C% c' ^

又因为,δ与x 的分布积等于零,即 x δ(x)=0

所以,δ(r-r)δ(r-p)=0

      δ(p-r)δ(p-p)=0


' a" @, w: @! d2 {  c+ ^3 q9 M7 p) l0 O% S. r+ i  y5 f
所以,∑δ(tn-r)δ(tn-p) = 0
7 e, Q( i* ?3 \9 h! `

: Y: G* v: i7 ]4 t) m$ ?( k

  b6 L% b( z, p% d/ v( D" Z
" Y8 f! m& _. e0 E2 T  H5 Y/ H# q& j; c, b6 x8 ?/ u, f

! n6 B0 T1 f! X


$ C& K  J5 }, q; z% p

% p% ?' Z/ K0 ?3 E! c' N' u5 m) J

(步骤二)/ _: P* Q0 x% @4 e

! v, S5 c, m4 E6 k: P因为在坐标r表象中,动量p等于(-id/dr),即p为r的函数,记为:p=f(r)

$ P- m8 K! Z- {: R) h0 @因为动量p确定时,p=f(r)是一个有限值,此时坐标r取值范围是从-∞到+∞ ,此时如果p×r空间集合全体元素与实数集满足一一映射,则p和r之间满足不动点定理。1 n- t, t# g+ I% S

4 ~( a( C, @' I即,如果p×r共同空间的全体元素与连续实数空间点可以一一映射,根据实数稠密性不动点定理,则存在r0,使f(r0)=r07 P1 z) h" P* e! W0 @' ?
. H6 U, ]  v9 s* o) v* ^  g
即有,p0=r0 ,这意味着动量和坐标可以在某一点同时确定。这与不确定性原理矛盾!

0 b1 \, s4 L4 ~- Y% I: ^
9 u# Z" s! d$ L* D所以,p×r共同空间集合全体元素与实数集合不满足一一映射。, R$ \4 C" R0 ~/ D7 ^0 u; N$ z
! ~/ g+ I' ^# E8 A3 b

. D: N+ h5 ^! q1 P  ~所以,p×r共同空间互不相等元素的集合的势不等于阿列夫1
: \, J. o* e5 s- z) `: `, R
又因为p×r共同空间的r和p可连续取值,所以 p×r共同空间互不相等元素的集合的势大于阿列夫08 X3 K8 `0 V( l/ M6 {8 g
所以,p×r共同空间互不相等元素的集合的势大于阿列夫1
  U) d4 e; E. p  w# F' n( U$ P( o
, N0 P2 y! Y0 E$ x  Y* l7 d/ f
8 K% b4 [8 Q: H" L8 ?+ w

9 d% x# E# m; f5 h$ N$ O4 d
6 _+ M$ S8 @% h) P% p
即,互不相等r、p的元素个数大于阿列夫1  `4 y1 p2 g8 }: w0 W0 o
即,互不相等r、p的元素个数大于等于阿列夫2
6 F4 C: y% P/ \【注:+ E: Q( H) l' P$ v  m4 s
1、根据不确定性原理,频域和时域不能同时为压缩到点值:
- Q  x7 e3 l- \9 Q: ]" D
1 W4 f( F& D/ J: e. G: s2 s7 i

  R6 H" ]& T) ^! R2 `( Y8 l  u- N; L6 G2 A
' j; x* o1 ?( g# ?) J0 k9 ?' d
6 m. e1 ]* }1 v! K) _: n; ~$ o
& x: g# k4 G$ }9 T! v
2、当动量p为确定值时,坐标r在-∞到+∞之间震荡,r在每一个具体位置的平均概率为零
- ?' G% l1 a! l& ]3、 根据“单电子夫琅禾费点孔衍射实验”,夫琅禾费衍射分析的量子现象类似贯穿势垒的量子隧穿效应,具备某能量(频率)电子将会闯过障碍“点孔”、另一些则穿不过去。这对于单个电子而言,相当于逻辑上的概率性,而这种表征不同频率的电子的穿透性的概率幅,表征了‘概率本证态’。只有在线性时不变系统表象中,对单电子夫琅禾费点孔实验的 “单电子”、“点孔”和量子隧穿效应的“概率幅”等要素才能做到一一对应完整表达。在傅立叶变换下,经典物理实体动量{p}由一个点值将扩张成了对偶域的一系列概率本证值r21、r22.....r2n等。在量子力学中的量子态的意义不仅仅局限于实体坐标,还包含了‘概率本证态’等新要素,‘概率本证态’的意义比实体空间含义更广泛。( Z1 F/ e9 c3 J! Y  g$ ^' L% F
4、经典力学中在实体空间中讨论矢量关系,所涉范围为向量空间(即矩阵),经典力学的的实体空间与连续无穷维矩阵是一一对映的。 但是,平面的矩阵无法完备表达‘概率本证态’。详见:[命题]矩阵力学的高斯函数的exp(ikx)本征函数系不完备- P+ g4 l3 _; p" [3 F% l
5、完备的“概率本证态线性时不变系统”是一个高阶张量,是多重线性映射。这种多层次多重线性映射,比单层平面矩阵复杂得多,因此包含了更多的线性无关的基底。
  m8 K$ X& T- f) ^% O; E2 h) H$ H' Q8 s- F0 a

# ^5 U- D5 h$ {: m: B' j
9 N+ m# u9 j9 \: o% a, H1 m8 X
0 G  T5 k) t! W# e6 W1 v

2 T1 b0 g" A# `1 Q(步骤三)
- J! n6 ]3 p5 G8 d: H. y6 z. L! m; z/ s
互不相等r、p的个数等于δ(r-p)为零值的个数,根据步骤一,δ(r-p)为零值的个数等于δ(t-r)和δ(t-p)相互正交函数的个数
  p% O0 @' i5 ]& o) H3 Y
根据步骤二,互不相等r、p的元素个数大于等于阿列夫2,所以δ(t-r)和δ(t-p)相互正交函数的个数大于等于阿列夫2
: G- _8 w5 B& E$ b9 o: V6 C

3 h& T3 M$ }# B9 Z7 C即,两两正交的δ(t-r)、δ(t-p)函数集合的势大于等于阿列夫29 w. j& J% N, |$ }) q! R3 z
即,全体δ(t-r)函数集合空间的维度大于等于阿列夫2
. j! X# L; ^) t- }% k% P$ C1 A7 S: @


+ t/ B7 Z9 x* D, F

& U" C' Y4 d- G6 x. A

! d3 C5 D( `/ v1 P+ K* h8 ?, i

(步骤四)' b" J& C' h0 r' Q0 w
因为:
" [' E* {# _6 C; _. \" u% A- B. k- K4 j" g- t1 m
  {& F! C% F4 ~: P2 B
即,傅立叶正反变换均不是一对多的映射+ J4 \) Y2 ~, T2 \( r8 F7 H
即,傅立叶变换非退化,是非退化的线性变化# ~: f/ y" k+ _: A9 |! D$ j

7 R6 S: N6 Z( m  M

! {' T4 I; ~2 `& E6 \3 z) ~0 R(步骤五)
/ A6 `+ g" U& ]2 G# s2 U& |因为:
# A0 s2 n; c) h" Z, S/ Y  ~
0 u: D3 y7 c& k% J9 c: v

6 M3 u& C0 l% R0 ~即,基元函数δ(r-p)和基元函数exp(ipr)是一一映射
: S+ O8 E( D% T9 I
9 c+ ]5 p+ @5 o9 V$ z* n9 {( L  Q
' S9 N# h. r" p( v$ l
(步骤六)
: `) A9 [, a4 y5 y  h根据步骤三和步骤五, 全体exp(ipr)函数集合空间的维度大于等于阿列夫2& K( s6 O4 j% D8 \" ]
) L# D4 L% B- Y! Q" A

/ {& y/ U3 `9 \3 j7 g+ ^6 B! Z(步骤七)
$ C6 J/ E, n0 \# Z. \又因为:
% }1 X0 Z" A- W/ R0 u/ i3 C6 @0 n

, f/ W7 S# Q/ o0 S1 t/ T0 r【注:阿列夫级无穷大是对集合中元素个数的评估,如果按照某种一一映射规则把集合元素按有序集排列,当最大元素映射值不超过阿列夫2 时,则集合元素个数不超过阿列夫2 。量子态空间可以考虑把系统能量(哈密顿算子)作为排序映射规则,此时坐标表象中最大排序元素映射值不可能超过阿列夫2 】
; |: }: K. i- o/ [0 [

1 b" m' \7 M+ T- G# R
/ Z5 s" Q1 B# W( y8 \$ E" m' P

  k+ u# p3 F5 r  M7 C, V(步骤八)" ^! c' t9 }  Q' o/ P1 p6 u
根据步骤六和步骤七,因为空间维度不大于空间元素个数。
( N2 d2 t* b; S5 U6 M6 J) w所以, 完备的exp(ipr)函数集合空间的维度为阿列夫2
; u' Z) |- U( f2 L. Z7 [5 F# V+ B; ?! N" Z- b
7 e0 b& g0 S- i1 Z& |6 j
3 t* ?7 }: V0 P3 }+ o- v

证毕。】


$ R5 b' K; K3 i8 A, {


6 B5 ^+ \9 Z7 G: w& n" N1 a


* ~: }" K. E6 t$ ~, f* j1 p

七、冲激函数δ与 实无穷

阿列夫1维度向量空间,在表达阿列夫2维度量子态空间时的局限性,还体现在冲激函数δ的刻画。冲激函数δ是单位1的傅立叶变换,同时冲激函数δ的傅立叶变换是单位1 :


2 ~4 s8 L1 U7 b% Z6 J$ R4 l3 y- c5 f


' }$ w! V3 D6 e: y5 ?2 c# |


, ~; G% I/ Y( v# v) I4 H0 W0 q形象而言,冲激函数δ在阿列夫2维度的态空间相当于单位1,其重要性是不言而喻的。, [% S! D7 ~& N- s8 n8 x5 G
但是,如此重要的冲激函数δ,其数学定义却是异常怪异的。它的定义是这样的:


' w0 A& T9 S% V1 K0 ]) ]


2 B9 t& g; s6 C. Q/ @- `

冲激函数的应用取得了巨大成功,甚至可以说如果没有冲激函数就没有量子力学、信号学、傅立叶变换。但是冲激函数却让数学界异常窘迫尴尬,数学根本解释不同这是个什么东西。
  j' @/ ^  [/ S因为这个怪胎函数仅在0点一个点有值、这个点值是∞、其积分等于1 (积分宽度为0、高度为∞、面积是1),; x9 M) W4 H! S# ^
数学表达为:   0 × ∞ = 1 。: o/ _/ F; J' `# Q! K
零乘以无穷大等于1,放在严谨的数学体系中,谬误很明显。
1 A" Q* e8 `* C2 z因为这相当于1/0= ∞ ,意味着两个“确定的”数的算术运算将等于“不确定”,这在数学逻辑中完全无法解释。) U- c2 S+ Y1 I' K% J; @2 b* K0 I  I

但是,在阿列夫2维度的态空间中,以连续实数空间定义的冲激函数δ阿列夫1无穷大,却具备普通数值的演算性质。

比如,我们熟悉的三角函数cos ,它的傅里叶变换函数存在吗?

. L8 l) V. i) }# x' Q; l$ V

+ a( s' |. ]5 f! r$ `
如果我们以经典的微积分(阿列夫1维度)理论来观察,会发现这个积分不收敛,也就是说在实数理论中cos的傅里叶变换函数“不存在” 。3 n4 V, G0 _, P1 u7 M+ C
但是,如果基于张量空间的傅里叶变换理论,很容易可以算出cos的傅里叶变换函数(等于两个脉冲函数δ ):

& D  N: U0 p1 I" u- w4 _* ?2 Z7 l


  l! C  |, @( i/ `: F. ?6 x( d这是工程学、信号学、物理学习以为常的图像。稍微调试一下频域的脉冲,很容易就能造出时域的cos余弦波。cos的傅里叶变换函数图像很明显是收敛的。# O) F# t. m. H8 O& X6 j

而且,cos的傅里叶变换函数是两个脉冲的确定的算式:1/2(δ(a)+δ(-a))  ,这个简单算式明白无误的表明了
/ A- }! s/ {3 G$ B2 aδ相当于普通的确定的数值(虽然它是无穷大,它却可以‘量化’而计算,这是‘实无穷’最贴切的例子)。

5 Y; b& [' F/ `% ]+ ?


* f, P# V& e  m: U$ l$ M& _3 u同样的,根据实无穷理论,可以很好的解释cos的傅里叶变换函数,为什么一会收敛,一会又不收敛呢?它到底收敛吗?
. f5 n9 G) w5 K4 C9 r6 ]; V

如果我们以经典数学连续实数点(阿列夫1空间)的旧眼光来观察,会发现这个积分不收敛;但是在阿列夫2维度的傅里叶对偶空间中,这个函数收敛。进一步审视,因为当冲击函数δ处于阿列夫1的范围(实数点积分空间)时,它超出空间逻辑范围,所以阿列夫1大小的δ相当于非确定的无穷∞,它不收敛;但当冲击函数δ处于阿列夫2的范围(傅里叶张量空间)时,它未超出空间逻辑范围,所以阿列夫1大小的δ相当于某个确定的数量值,它收敛。


: p8 g4 @8 A* Y- |2 N


7 u# f! c4 K; l* p

5 J+ @2 m$ ]% s$ x+ a9 a+ Y# R/ y

8 C1 U( _$ k4 T9 ]$ J! q


: D9 d$ `1 q" X

* O& W, m/ B6 l" s* d2 l


5 U' r( ], ]2 Z6 f  P# d7 U


1 M9 X/ v/ ^" n- C: n$ P


' K4 X, s: L/ w% e" T: E


" [$ z. |8 s& J

八、小


4 g6 k: }. y) x下面再捋一捋“不确定性原理”和“不完备性定理”的内在脉络。

  1、二者都是线性空间的表达引出的问题。“不完备性定理”问题的是形式逻辑公理体系问题,公理体系是基于线性空间的。“不确定性原理”也是有关线性空间的问题。海森堡的上司玻恩在阅读了海森堡交给他发表的论文后,发觉了位置与动量无限矩阵有一个很显著的关系──它们不互相对易。这里,‘不对易’和‘不确定性’互为充分必要条件。对易关系是针对矩阵而言的,而矩阵是线性系统的典型表征。

  2、对易关系有一个充分必要条件:“如果两个算符有一组共同本征函数函数,而且是完备系统,那么它们对易。”可见,不对易算符的本质正是线性系统的不完备性问题。

6 ]# O$ `4 p1 k; k% ]& v) `  X

  我们不难发现,‘不完备性’和‘不确定性’本质都是线性空间的维度问题。“不完备性定理”的实质是维度的不完备,“不确定性原理”的实质也是维度的不完备。

不完备性定理说明,阿列夫0级别的基矢量对于阿列夫1维度空间不完备;不确定性原理说明,阿列夫1级别的基矢量对于阿列夫2维度空间不完备。

0 ?; u5 e2 A) f0 k: z, S7 D7 @% [
1 d0 d1 [9 V2 f  W
+ l/ x. @% \- Q
  exp(ipr)函数内积还有更多深刻的含义:
5 `" f! |1 [$ e; F! @
0 c- w8 T2 }+ e8 R) ~7 o) q

! y3 h2 e& b5 \$ ~2 [9 I1 u9 j

6 m" D: q0 ~" M' @; o8 \" K6 W6 t. }' S9 @5 X/ z

. X2 c7 [; O, X8 r/ p9 `

Rank: 7Rank: 7Rank: 7

积分
13286 
威望
13286  
包包
34831  

论坛元老 精华勋章 金话筒 专家 优秀会员 优秀版主

42
发表于 2015-4-22 20:36 |只看该作者
7.6 波粒二象性
2 \2 I8 b& m6 [$ d
4 {* L) D2 |( e2 d4 j. U6 C& e
   中国民间有一本易学神书《推背图》,推算了唐朝以后中国2000多年的未来,神书最后推演出皆大欢喜的世人憧憬的美好未来---天下大同。
: S9 A4 l* t- E7 f* K8 S1 Q   实际上,同样的观点,各地各民族文化基本上都是大同小异的,人类文明最终都将归于大一统。) A- z: u; M- d8 V7 \
   欧几里得的《几何原本》的思想根基是一统江山、牛顿的《自然哲学的数学原理》的思想根基是一统江山、希尔伯特之梦的思想根基是一统江山......
# M7 G1 v7 G" g/ _   爱因斯坦在创建相对论时就意识到,自然科学中“统一”的概念或许是一个最基本的法则。还在30年代爱因斯坦就着手研究“大统一理论”,这一工作几乎耗尽了他后半生的精力,在爱因斯坦的哲学中,“统一”的概念深深扎根于他的思想中,他越来越确信“自然界应当满足简单性原则”。虽然“大统一理论”现在仍然没有成功,可是建立统一理论的思想却始终吸引着成千上万的物理学家,因为那是永垂不朽的历史丰碑。# `$ I9 _( g0 l9 _, x
  弦理论是被认为是未来统一场理论的集大成者,量子力学和相对论不可调和的现状一直没有被改善,弦理论也许能给出终极答案。弦论的一个基本观点是,自然界的基本单元不是电子、光子、中微子和夸克之类的点状粒子,而是很小很小的线状的“弦”。2 S, a$ T* L7 l0 X8 v
   本文反复提到的复平面简谐振动波exp(ipr),它是所有线性时不变系统的共同本征函数系,具有放之四海而皆准的意义,也具备普天之下莫非王土的大一统气概。
- A; c% O9 X* y8 i0 i1 M7 W% V/ M  X9 g$ Y$ Q

! i& ?; J6 v/ s% {9 r7 g. Q
2 `( r8 ?. k/ F3 `5 O" v: v0 D0 R* [" V) ~* L' i
, d( n1 e+ S& Q4 N5 l/ F
   前面的‘5.4高斯函数’章节曾经提到 ,exp(ipr)是高斯函数的本证函数,即exp(ipr)是高斯波包的本证态。
# v3 E& C4 @. S( Q  V! k   乍看之下,这种提法一时难以让人接受。因为教科书中,一直把高斯波包ψ(r)本身和其傅立叶变换函数φ(p)看作波函数(量子态)。似乎没有人提出过exp(ipr)亦可以看作量子态。
; R+ b/ a- h' w- L# Z  _1 l- B* ~. x  A4 X/ Q# Y% b# H  S
6 T) X# \8 U8 A" Y9 ~$ Q
7 ?9 s$ j! V1 M3 g

9 z+ Q: Q- t, x+ {2 j   但是,另一方面,我们知道在傅立叶分解时,其实是把exp(ipr)作为基矢量,而把原函数ψ(r)看作其傅立叶变换函数φ(p)的投影值。如果把exp(ipr)作为基矢量,当然也就意味着exp(ipr)是φ(p)的本证态。
5 k: P$ q4 ~; t1 [- f# `- r   这里面似乎隐藏着什么秘密,嘿嘿嘿!
+ M* }6 `. n1 L8 W# g" m' n$ _& D; I. C( j6 E9 f+ \% }
% S& j/ X  r5 c3 Y
, Q% Y3 b& W4 J/ a4 c3 `
   我们知道exp(ipr)是高斯波包的本证态,exp(ipr)也是所有线性时不变系统的共同本征函数系。免不了心里犯嘀咕,高斯函数是‘线性时不变系统’吗?0 J, `: g' a9 A6 h) ]3 M! `% J
   进一步审视这个魔一般的高斯函数,越发感到熟悉而陌生。  G7 n7 V8 \  q% Y; S
   
) N) L& l- J7 V1 J. t   这个大名鼎鼎的高斯波包先生,自变量头顶一个平方帽子,脚下骑一匹e指数马,怎么看也不可能是线性的啊??
. w! J( b" G) X; I3 a   这里面似乎隐藏着什么秘密,嘿嘿嘿!
  J7 E( E% Y4 f  i- O* n
8 n$ h( K( z" Z. T: O. O! W

- O: U( J/ r& o  _" L- d" F/ H# Z$ p" t
) B- |1 _7 }6 j4 ]8 t
   再回头看看傅立叶变换:! H9 g5 l1 R5 v6 _9 v

1 q3 G7 b  G/ m& D' c. c) n" u1 v; z
/ N: G% ^- f0 X5 m; E# M& A* z
, w5 v$ o" h# {9 C0 b
3 m1 c' q( e* z2 z1 E$ |4 M& D

& |1 J1 p* d" H9 B5 `& ?, R8 @9 f   打个坐,吸口气。。。吧拉拉魔法大变身,呵呵,再看:. }7 s6 O$ f, S9 S: ?: L4 a  o
4 z6 {, A' ^3 ^$ _" X; e* W- X! G

: m9 l6 X5 }: J9 C" M$ z   注意,当把exp(ipr)看作基矢量时,一目了然,ψ(r)系统和φ(p)系统之间是典型的线性关系。
/ o6 y: @, |2 E8 U
1 }2 {: ~4 P* M- v5 S
  H5 ~- `2 m! V6 O3 c6 d" w2 U& D
, V* X* A$ J9 K8 g
   深入分析:
/ X# \' L) g0 u% [   1、在有限维度的情况下,这就是典型的向量空间(线性空间)。
  F# ?0 _6 C6 A) q( d* C   2、我们道,p或r为自变量连续取值两两不同时,得到exp(ipr)本证函数系正交基,这里的p或r连续取值意味着基矢量对应于其微分形式,即ψ(r)函数和φ(p)函数之间线性关系是“基于其微分形式的”。- J  D2 B/ m$ P4 `8 u
   3、如果exp(ipr)的维度为阿列夫2,则这种‘微分形式线性关系’超出了向量空间的逻辑范畴(向量的表达范围不能突破连续实数所能度量化的阿列夫1维度极限)。因此,对这种‘线性关系’的度量,不得不由平面矩阵扩展到高阶张量,转换为前面说过的张量空间的多重线性关系。
' {* k' X1 _; S5 B* E  i) A
& R, i# ]- V% v+ c
: ^6 x7 x) O. N

% X) y4 }$ {. U6 L+ L   更加让人兴奋的是,显而易见的是,这种细分微分之下构造出的‘微分形式线性关系’,正是微分几何的真谛!* W0 R  E" \! e8 y4 P/ R1 U

7 D( [# C2 z2 `0 w/ b4 r
8 ^8 p0 D/ {' K) }2 j* f- S
   微分几何特别关注弧线,它把非笔直的弧线每个微小部分看作一段一段的微小直线段,然后在多重直线段模式下,进行多重线性分析。微分几何的实质,是把三维空间的欧几里得空间维度扩展,把坐标轴x扩展为dx1坐标轴、dx2坐标轴、dx3坐标轴......dxn坐标轴等等为新坐标轴的无穷维度空间。原本欧式空间x坐标轴下的曲折蜿蜒的弧线,在新的‘微分基矢量’dx1>、dx2>、dx3>......dxn>下变成了‘微小直线段’的组合,非线性的曲线转换成了微分形式‘线性空间’,于是非线性关系变成了线性关系(或者多重线性关系)。
4 |5 f" @/ @" p( K, f( \   纷繁复杂的羊肠小道在微分几何中汇集成了通坦宽阔的康庄大道,解决了人类从未企及的复杂分析,比如广义相对论。+ q: n0 q6 w8 [: `$ ^# L! h

1 }) ~% Q; ^! q3 c* l0 x) a
' \+ n% ^2 K' C3 r# o$ F8 q" J/ x
- h+ X  w& n6 I7 B9 N: N3 }
   既然广义相对论是基于线性系统的、其理论亘古不变,也许可以刨根问底的探索:
  J. n! Y- I# a& p   它是线性时不变系统吗?【注:1、交错k维线性形式是向量空间V的对偶空间V*的反对称k阶向量积的一个元素。2、向量场可以看作是时不变的微分方程组。】: e9 R" F; o7 j! p9 Q
   它是能以exp(ipr)作为基矢量的系统吗?
! Y, q% {$ Z9 a$ y2 ^$ x
! S0 n3 f8 `+ @  N$ Z

$ x# _2 a. j2 E: d7 _. z* y2 E4 K. A+ u, ^5 |  P
   如果回答是肯定的,那么exp(ipr)将成为“大统一理论”的共同本征函数系,放之四海而皆准。
" ]* r& h1 v- B  Q+ j, S7 g, {; C# \

  L5 x" J% s3 ^0 K4 r6 Z: u  K1 c   好吧,普天之下莫非‘波’,但是波exp(ipr)多达阿列夫2维度,阿列夫2维度空间复杂程度超乎想像,如果不可企及的复杂对我们又有什么意义呢?
( I. ^. e+ B# c0 I! c( [   万幸,当上帝创立了‘波’的时候,也创立了它的配偶---‘粒子’
6 B- g. {4 K' l" D& m& }+ T0 t; ?( N4 r5 h5 I

2 c& y+ W: s* y6 V   前面提到过,如果是噪音波,那么它的对偶域还是噪音,无规律可言,这当然毫无意义。但如果某种波内涵某种规律性,则会在其对偶域体现为某种收敛性,即粒子性。/ z) r( k6 H2 V  I* g
   请注意,只有具备某种粒子性能够体现“一个”整体特征的系统才能称其为“张量”。乌合之众、杂乱无章、毫无规律、一盘散沙的一堆数据不是“张量”。由一个“点”数据扩展而来的一堆“张量”数据,当然可以回溯为一个收敛的“点”。另外,也只有可以收敛为一个点的那样一堆张量数据,在整体上才具备意义。 因为只有在整体上能够收敛为“粒子”的系统,才具备逻辑分析中“元素”的概念,才可以进行逻辑点轨迹分析。- J$ u( {! ~6 ]/ Y0 [) {9 p4 C
& j% Z$ F+ s* e
1 n8 E& N8 n8 n4 Q# x

) C; _, }. }! `+ z% N$ f   因此,一个收敛的“张量粒子”,必然在某些方面呈现固有不变的‘点数据’属性。* Y" u0 G( c. w5 M# L

4 f) s) u) f% r
4 @- G1 t; f  B
" ]4 {: X# t. F, @* l
  比如,无论骰子如何随机性,骰子的数学期望永恒不变。
& @/ V  Z8 r. I    骰子的数学期望  = Σ(1+2+3+4+5+6)*(1/6) = 3.5/ Q) n1 z: n! @  p3 ?; J! V
    可以看出,通过计算1、2、3、4、5、6在六维度的系统整体概率,通过空间折叠我们将得到一个一维空间的骰子数学期望值3.5
  d3 a8 t7 y$ C0 F4 g    请注意,虽然每一次抛骰子出现的点数是不确定的,但因为数学期望值是随机系统的固有属性,所以骰子的数学期望值是一定、肯定、确定的(总是等于3.5)1 L- r* S! r. M- R1 }* \+ E) i
; S9 \" d$ N  P1 W" K3 [
# T$ n! |: ]6 I
3 B" O+ W% i  ]: U% Z

$ x$ F$ O  V! ~. N9 D% @1 U0 w. }% d& d) z
  又比如,无论矩阵如何变换,矩阵对角线的元素之和永恒不变。* ]1 i( y' A- F
  简单证明:* X/ q' v" `* P# Z$ V- `
  行列式|λE-A|
6 R' {+ M5 Z$ j1 S( s  根据定义,行列式是不同行不同列的项的乘积之和
) i3 ?1 a# A/ n8 F   要得到λ^(n-1)只能取对角线上元素的乘积
9 k; [% Y1 b7 G. }   (λ-a11)(λ-a22)...(λ-ann)
; t# E$ [9 r; e( x   所以特征多项式的n-1次项系数是-(a11+a22+...+ann)
& E: d* L2 a5 n7 c; K   而特征多项式=(λ-λ1)(λ-λ2)...(λ-λn),n-1次项系数是-(λ1+λ2+...+λn)
( f7 P# j% W+ F6 Y2 ^. l, R   所以a11+a22+...+ann=λ1+λ2+...+λn
7 Q% G% ?" ?+ k, t% |" ~
& s/ Z( _6 E6 Y, [

. U% F. R. I( g; w) v% A
! s# ]8 Z" t0 \4 O9 l, Q6 N

% ~! d( F* t6 q2 s( x# C
2 S2 X& X5 x! f   再比如,无论频域和时域如何怪异,其对偶空间样本值之和永恒不变:
, z6 g. }& R2 n! Q  L$ M4 k' |9 |" l. M  x3 F1 F1 M$ Q5 Y+ H9 O

& {% c  L: l9 K* G4 P+ C% I0 Q: ?" L5 C5 d, r
: H' _: M: m' J( M- E

9 o" j0 A' u& b, n

Rank: 7Rank: 7Rank: 7

积分
13286 
威望
13286  
包包
34831  

论坛元老 精华勋章 金话筒 专家 优秀会员 优秀版主

41
发表于 2015-4-22 20:31 |只看该作者
干细胞之家微信公众号
7.5 张开的量
0 Z: Y4 D0 \" n" {
( x% A5 j$ k0 n0 `$ S# D
   上一节,我们提到一个问题:“单个电子通过夫琅禾费点孔的衍射图”( s  N$ t, X+ S( j

8 Q, w; m3 v0 u
8 ~, o# }0 S% U0 G5 k
   如果单个电子通过夫琅禾费“点孔” ,
; ~2 f/ A: L$ y7 x2 J) j$ j   那么,在接收屏上,看到的图应该是一个点?
2 |( \( K) f) N7 ^: E: c% E6 k   或是,一个sinc的衍射图样?
" L/ f; {; B3 Q   又或者,是一个均匀分布的光板?
' V# ]- K6 P, u! l6 \, r8 \5 ?: R
& j1 c/ x9 |, x
7 c  L' L; Y$ ^! K+ y! I
! @3 x! Z' P" T! J5 z
0 d/ b+ I. M4 _6 F
   经验告诉我们单个电子通过夫琅禾费“点孔” ,应该只可能有三这种情况,下面进一步摆一摆这三种情况哪个是对的:' R: T2 v4 u* g" u7 V1 b

. Q& O/ K! g5 {8 t4 o

! q1 ^: G9 F. c+ d- f   1、接受屏上出现一个均匀分布的光板 / t' X0 Z& [) C( U2 |; K  A: R6 w! @

1 g$ Q! O/ W0 ]) G) f  w
# y6 r$ i- T: a; |+ L
3 g& I, C# E4 D  z
   这个想法基于一个光子的夫琅禾费衍射的效果。实验可知,一束光通过“点孔”,在夫琅禾费接受屏上会出现一个均匀分布的光板。根据光子的波色凝聚效应可以推断,一束光的每一个光子都是同态的,也就是说一个单光子的结果和一束光是一样的,当单个光子通过夫琅禾费微孔后,接受屏上会出现一个均匀分布的光板。
, ^1 `: J6 B* c6 u: F2 J6 o( z0 x

. e% ^& }# x( i
: I6 E- b" q, g

) |1 {5 d0 x$ T0 R   但是,因为电子是费米子,不具备波色凝聚效应。根据泡利不相容原理,各电子之间不可能完全同态,因此一个电子的衍射和一束电子的衍射图不可能完全一样。即使一束电子在接受屏能够产生均匀分布的光板(这也值得怀疑),那也不是n电子的一模一样的衍射图案(均匀分布光板)叠加出来的。
) X2 k7 d$ e9 g& t  e另一方面,如果一个电子产生了均匀分布的衍射光板,根据泡利不相容原理,各电子之间不可能完全同态,第二个电子就不能再产生均匀分布的光板,则第一个电子和第二个电子的傅立叶变换图像出现差异。即第一个电子满足δ冲激函数的傅立叶变换时,第二个电子不满足。这显然不可能。
: ^: Y" t8 g  a" u3 P9 i8 j+ B- P. |3 D% S  l( z/ u$ \

3 T6 W/ X% k7 U0 t0 ^8 A' V8 b: D
   2、接受屏上出现sinc函数图形的衍射 + y" N3 T2 [" ~# I

6 C# ?  f7 _% f* V7 b5 F5 F" }- l2 U  n2 A* o% J' s
: _: H" S2 A* T' j4 l
   如果一个电子产生sinc衍射,这意味着电子波是“实体波”。但是实体物质波包必然会扩散,也就是说电子如果是实体物质波包它必然膨胀扩散,这当然与事实(电子总是固定大小的)不符。下面这个是关于 ‘实体物质波’不可能存在的证明:* \: M9 o! u$ z4 c0 O6 m; n

5 c& k2 a# n" C0 n% K, B" c1 S) I% l' X. _  J; `- F

. J5 T% ]" C) u# ]% C8 ?* N
/ V/ p& A% }1 I& {4 X: `% M' R3 n- I
& p8 B! A6 p/ {. w
+ O5 n+ D: _8 k  q0 k/ g7 V+ I2 y
   3、接受屏上出现一个点
# u! c' W9 E+ _+ z4 _6 B$ ~
; D) D( n# {# H% Y& q9 \2 a# C& Y6 l9 v) `4 E

; s: `3 k$ Y8 \4 D+ y9 P. _  O
1 w0 s7 Y4 ]$ }3 p" y
; L" J# ~3 Q' E3 b

/ L7 F- b* g9 @# T   既然单个电子通过夫琅禾费“点孔”,接受屏上不可能出现一个均匀分布的光板、不可能出现sinc函数图形的衍射,那么判断接受屏上应该出现一个点(这也是实验中常见的电子衍射的行为)
' n- P" L/ r" d' T- _0 P' o% E) f% A) ^6 a& [. h9 d) n0 w* |& e
+ E9 c" e$ Q% a3 p2 P7 a
   但是,但是,请注意:因为夫琅禾费装置的两端对应于傅立叶变换的两对偶域,障碍屏和接受屏分别对应于频域和时域,所以障碍屏和接受屏不可能同时是“点”,否则违反不确定性原理。
$ `: c; H% C2 P) n, @  \( s7 _: b# H: B

; S9 ]$ _8 N; j7 D5 |  傅立叶变换运算规则告诉我们,q|X 和p|X不可能同时是确定的"点”值。如果当障碍屏小孔等效为等式左边的波函数q|X时,这时q|X看作是“粒子”态(非零值投影到x的区域有限),则等式右边的p|X必然是无穷无尽的“波”(非零值投影到x的区域无限)。 这意味着,当我们在接受屏看到一个电子点时,则夫琅禾费障碍频的孔‘应该’比较宽,不是一个“点孔”。另一方面,如果夫琅禾费小孔充分狭窄至“点”孔,则接受屏‘不应该’出现一个电子点。3 a! Y, v4 Z6 z/ I3 w7 D, b: s
  傅立叶变换无论对一个量子、或n个量子,演算规则都是一样的。 如果某个东东符合傅立叶变换,那么这个东东一定是个收敛的物理量,这个物理量的时域和频域的数值统一在傅立叶变换下,是同一物理量两个角度的体现,它们不是独立的两个事物。况且,前面说过,无论任何事物,不管它(或它们)是否收敛,它们都不可能在频域和时域同时是“点粒子”。复习复习前面的内容:
6 |( {/ ]  ?3 M) R% h   【在傅立叶变换所有秘密中,最意味深长、最不寻常的是关于无限和有限的。 傅立叶变换能够把某些初看起来非常杂乱无章的甚至无穷无尽的东东,变换为异常简单的有限的东东。反之,对异常简单的东东通过傅立叶变换必然变成无限的广阔。  `: d; k. ]2 D, t, w# r
  那么,有没有一种信号在空域和频域上的分布都很广泛呢? 有的,比如噪声信号。 一段噪音,其傅立叶变换也仍然是噪音,所以它在空域和频域上的分布都是广泛的。可以这样来看,因为噪音无规律可循,所以噪声不具有“收敛性”,所以噪声不可“压缩”,所以傅立叶变换前后的数据量都很多。这并不违反直觉,因为信号压缩的本质就是通过挖掘信息的结构和规律来对它进行更简洁的描述,而噪声,顾名思义,就是没有结构和规律的信号,自然也就无从得以压缩。
' F  @2 Y5 A7 v2 ^  d9 C" }0 N7 K* M  另一方面,有没有一种信号在空域和频域上的分布都很简单(有限)呢?  换句话说,存不存在一个函数,它在空间上只分布在很少的几个区域内,并且在频域上也只占用了很少的几个频率呢?  答案是不存在。这就是著名的“不确定性原理”】
4 c5 A- m& K( a- y/ E% _' L9 H% I( _( e

  ~$ b# x7 X1 ~7 M: {0 [& y2 Z2 l   什么情况??/ N" x2 s4 k1 r8 [
   奇怪?奇怪?奇怪???
; s4 I5 M1 N+ N7 e
5 \$ i5 u2 j4 i8 u
0 d9 y! K4 w1 m; t, M9 v
   打个坐,吸口气。。。吧拉拉魔法大变身,呵呵
7 C, x1 \% x8 o$ c  张量不是张开的量么?; ~% ]" ~) s) t1 r; h
   一个“点粒子”的数据是否可以扩张呢?2 I( D, m0 q" ?- ^9 X& T

: `+ @" f0 l7 F9 c0 i4 C
4 l. T4 N. E" |1 E; H; n2 X8 F
  比如,平面矩阵下傅立叶变换如下,φ(p2)是点数据:  D; c. K7 Z& Z# v. d

5 y! g9 \7 Y0 q" O, T" D

% c2 g8 \' [2 u! f当我们进入高阶张量空间时,在具备对偶空间性质的傅立叶张量变换中,φ(p2)可以扩展为下面的样子:
& W/ k: `8 _, s
. a/ |6 V& x' u& S1 a7 Z+ F
4 X+ n- V5 K3 P" ]  h) U: }9 m- @

( F3 S( ]- B: C9 G9 i  C

4 K6 q/ P4 t. g, M6 I3 A
1 b$ l  |% E. r  V3 Y( W  显然,在高阶张量逻辑中,点粒子数据φ(p2)扩展成了一列数据φ(p21)、φ(p22)......φ(p2n)。这样,傅立叶变换两端的波粒二象性协调了,原本因“不确定性原理”矛盾的问题迎刃而解。【注:为方便讲解,连续取值的张量空间,以离散值简化】
2 p9 ?8 `0 C+ w- D
7 x# u1 s, a# `8 |

9 X1 m9 i# z- C! Y: C  那张开的翅膀,在广阔天空翱翔......1 i% J% M' J) p: v9 m* F' f
  帅呆了. ~" M& a/ ?3 V  J# [* X
  理论解决了,现实是否吻合呢?8 c* ]' A2 s  k( a" n

/ w+ W1 B9 i5 T2 E! L3 n5 V
6 t2 u7 h9 \* ~$ l: t1 v
  夫琅禾费障碍屏的孔是“点”、接受屏的投影也是“点”,现实中的点粒子数据φ(p2)如何扩展成了一列数据φ(p21)、φ(p22)......φ(p2n)的呢?4 g  S0 x" D- O
[p=25, null, left]  笔者个人的猜想是(期盼有老师能帮忙实验验证):φ(p21)、φ(p22)......φ(p2n)是一系列概率值。大概这样理解,因为电子具备一定的大小,当障碍屏“点孔”非常小时,电子将会比“点孔”大,这时电子不一定能通过“点孔”。在经典物理中,一个物体绝对不可能穿过比它自身更小的障碍孔;但是对于量子现象有所不同(类似贯穿势垒的量子隧穿效应),具备某能量(频率)电子将会闯过障碍点孔、另一些则穿不过去。这对于单个电子而言,相当于逻辑上的概率性,而这种表征不同频率的电子的穿透性的概率幅就是φ(p21)、φ(p22)......φ(p2n)
/ |3 P2 T8 h7 `
5 L# y2 K6 a( C$ l) O$ D

& c: I4 D8 Y- z% c# |   【对照复习前面的内容:请注意,粒子实际坐标{x}和位置算符的本征值x,有本质区别。爱因斯坦观念中的粒子实际坐标{x}是基于经典力学机械决定论度量的,而机械决定论只讨论实体点坐标,所以{x}只能是实数连续(阿列夫1维度)空间的概念。而波尔观念中的位置算符的本征值x所处的态空间是阿列夫2维度的,本征值x实际上是阿列夫2维度的投影,本征值x是阿列夫2维度空间的概念,所以本征值x是逻辑概念(概率波),和经典物理的实体坐标{x}完全不是一回事!!!】7 T' x& z; q0 V+ p1 ^+ {! g
, |! V. K8 I+ J+ L, w. d% g
. \6 ?9 [  }! c, P4 @
   φ(p21)、φ(p22)......φ(p2n),它们即不是实际小孔的数值、也不是实际投影点的数值,它们不是任何实际的夫琅禾费实验的演示设备或图形的实际坐标值,而是单个电子“穿过”障碍孔、或“不穿过”的逻辑概率。
7 o3 Z  d  h& k4 c& ]   前面说过,这种体现复杂关系的exp(ipr)逻辑数据的维度,远远大于实体空间连续实数(阿列夫1)的维度。并且,含虚数的exp(ipr)量子本证态x更为细致更为详实更为广泛地度量了实体坐标{x}
9 G, Q: ?3 o/ S2 P# v
) i! K8 U" Y# o! m, K" G
# f% Y- m6 E% i0 L& N* w
  可能会有好奇的朋友疑问,既然傅立叶变换无论对一个量子、或n个量子的演算规则都是一样的,那么单个电子的不同子分量态的概率幅频谱和n个电子的叠加态对应的时域衍射图是一致的吗?
0 M: j2 k$ a9 k2 G   这个答案非常引人入胜遐想联翩,答案是:完全一致、紧密联系、绝对对偶!# z+ y+ A) g% v: k
   它所体现的傅立叶公式为:
* {* p" V' S; i- y/ O! C  B6 F: A/ S2 j( D, s0 L$ U
. S. m) j& X0 N+ U0 Y) W, w- M1 G- {
! D2 s- b# s& }
7 P! w" N7 \1 ?4 j% ~: B

- N6 e$ ]* R2 [2 E
  K' x8 s" f; |- K/ {! v
  Q2 ^) a; e8 _0 m0 i( y

, p: c) h8 s: F( M, P  P- h' J" q, i' v; Y2 k8 x4 @& V$ {

* P6 ?3 i- J3 S( I1 X* {' G) l 这个公式所表现的最直接的含义是,一个电子的行为和一群电子的行为高度一致,这意味着当一群电子在时空域衍射出有规律的“实体”图形时,单个电子在频域中将以“非实体”概率幅形式体现同一规律。
6 a; S9 M" H4 g3 a& I, H6 O+ }6 I  I9 u; X
6 E4 e. w3 O3 V3 k

/ o1 n9 {2 O1 v) {$ |! Z, K4 I$ f8 q  ^. `8 [
   下面这幅图左边是接受屏看到的sinc图形,实验已经验证这是n个电子通过右边的夫琅禾费小孔得到的:4 H% M. S- W. I+ F5 e; E; ]2 w
6 F) d: j3 S3 }& }: _

+ l) V* S! w) J0 A) o& o! @9 F0 s$ P4 e+ o0 G
2 L( b; ?* H& i, e
) m: j8 n% k9 s* F) X# t$ c
   所以,当一个电子能够穿过点孔得到点投影时,我们将能够判断这个电子的频谱概率具备sinc图形分布:  \4 q0 T& H: V8 q% p* K1 o4 C5 h

9 p! d4 P3 r( b- c2 d! L
; ]. t& V7 i: e
  k1 P$ c8 O/ j0 T) Z
+ L  f( z/ A' P  }: W% r! U
, U6 Z5 b1 d8 D9 A7 m
$ v# z# @- }5 q9 H- H/ l' ?1 q- n
   “单个电子通过夫琅禾费点孔的衍射图”的现象,阿列夫0形式语言逻辑解释不了,阿列夫1维度实体空间思维解释不了,而在阿列夫2维度的张量空间则一目了然:3 O$ G7 v+ j, v0 I5 R3 q0 [- D% U
' O* b0 e/ ~7 U
1 O0 f; A& ~8 c# I# V) [+ ~( I. J3 k

: ^% l9 Z3 ~" A$ a% I) G
& Y0 m; |  Z- a( o

8 N) [, W5 J" z( w3 k   只有高阶张量空间,才可能把“实体”图形和“非实体”概率幅混为一谈、才可能把量子本证态学和粒子实际坐标{x}的波粒二象性结为一体,却又保持逻辑的严格一致性!, l8 R- B) T5 u: g
, [) \' v. L, ]% o; ^5 }
9 u( ~1 H: i& J4 Q# L
- W5 X" _7 @1 Y2 {( E! c1 V7 C6 c

Rank: 7Rank: 7Rank: 7

积分
13286 
威望
13286  
包包
34831  

论坛元老 精华勋章 金话筒 专家 优秀会员 优秀版主

40
发表于 2015-4-22 20:26 |只看该作者
  w" ?) l0 L" Q; S! L$ j6 ~5 _
7.4 元素和集合的同体
: _9 Q% V: M3 o* P* U) U" W% U
* J. t' Q1 K1 l; f& P

) m! W* d2 l& Y9 p% z  c张量空间的高阶逻辑,其异常复杂的程度超乎想象的。
& i8 D5 {) z9 D+ A6 O, Y7 S8 v首先,其中涉及空间元素间阿列夫2量级的多重线性关系;
0 V% g& w" y+ e9 ]1 Q/ T其次,隐含不同维度不同性质的子集合和子集合之间的复杂逻辑;# j  e! y, z% P1 u4 W
更甚的是,还会遇到点元素和张量内集合关系的诡异悖论。9 w& f5 T- _+ K# S4 A& q; `
- g9 Y: c  u% p- e
: T0 ^2 D9 k; B" {
下面我们以一个有关量子衍射现象的形象例子来讨论从元素到张量内集合的神秘:
# n  n, ~* m, J, z6 I' W9 z1 A- `% ^1 s& ~  f3 H. \! X6 m, d
, I  e9 F! \6 I" I4 M

: L; z4 {( m) f3 i$ y8 {
6 r% ~+ ?% s" H; V2 v  @

* `( V' t. c6 a" x上面两种著名衍射中比较吸引人的是夫琅禾费衍射。夫琅禾费衍射是一束平行光(或一束电子)通过一个方形小孔,形成这样的衍射图形:
+ ^% u, f+ R6 o( u5 g- }
" N- x. m" s& r" {% B

# @+ `$ m8 L+ B2 X) V$ _, o" q9 b
, H0 Z- V4 u3 s: H: Y6 d
6 J: D1 f* \& J9 Y2 T
衍射图形一眼可知,就是二维的sinc函数图像:
7 p1 ]' |& {6 R" i7 M3 |5 {  z, t& c( r

4 A, Q8 E$ ?: v; y  m7 g' k  S: w' @3 ]: W9 ]2 m

! k2 M2 a, X. o( L
0 {% `' o& J( T5 }4 s" E( o+ c

# q5 Z5 A7 D4 m9 h: b, O
. i6 _% y4 k" P# {1 x7 u换个角度,再看看,更加一目了然:
, o3 {1 q, W0 b) r1 b" y4 Z+ u7 j/ S

: P" Y$ D9 S, U# E, _! D' P9 R4 U# \  m4 g# K
+ N& v: }: P( j. {3 ^6 p' G3 x# t! p
: c9 o: a1 a. Q3 ^6 D
稍微有一点傅立叶变换知识的人,相信都会惊奇得合不拢嘴。
/ |8 n3 `- ]0 H' p# E: q因为这个实验形象定格了量子在频域和空域的波粒二象性,和理论一模一样。一边是‘矩形’小孔、一边是‘sinc’衍射,而‘矩形’的傅立叶变换正好是‘sinc’函数图形。* m3 W% R( I8 v8 O- T. r

9 Z" w: d& [9 D
& x  F& ~# @  r8 ?
惊诧!
+ |/ t2 J* \# z6 R' e; S9 g神奇!完美!, `4 ^  l# D' z. `% U9 w

5 `. w" S. g- H" ~! ^) \& k

+ }# Z8 d0 c/ O) D$ M4 B$ }. [因为如此简洁明了的衍射图像对应,所以很多参考文章以夫琅禾费衍射来解释不确定原理:' ]9 G. A0 A% ~

7 o4 }" D3 U9 O) ^6 c; L

. O$ ?5 c: Z- V( H, H3 d' J
+ U4 W8 z+ [* y( c; j* @% C  p$ U0 D( o4 t8 }  Q. T3 C
但是,非常遗憾,上面关于夫琅禾费衍射和不确定性原理的粗浅解释是有问题的。1 r& h: V  q2 u
请看下面分析:6 j" L1 a, W0 k+ m& E# _' I, f
! y1 t/ Y, L- g0 w$ |
& o: M4 R5 F4 E+ R, C& G
. y3 I" `' |% G3 b8 C3 E
& v" _) h" |  a: K
/ s3 i; g3 V4 S) D/ }
但是:
' g6 h2 g1 V1 G1 z: q# n  {5 m! r* H# S1 ~

  N# I" K9 i6 |, y. U1 ?6 V' w1 d7 W0 t- _+ i

  o6 c& ~" ^' N- x& l
7 V4 E: u+ _; T; a9 S  v( z很明显,上面的(2)和(1)矛盾。1 W: R" `, F; P1 \
( [+ O0 G- D$ U1 Y0 y) K
夫琅禾费衍射解释不确定原理居然会出现矛盾,为什么呢?& }& v. h. [0 C" V
% N8 @9 [8 M8 N: O

. }0 i' Y9 a$ y: ^0 s* N

9 j( h; [" Q* C; ?) p* H/ E8 S* X0 B0 I  V0 h8 ^2 g; y5 G& Z1 F
正确解释这个现象,需要从‘单个量子的夫琅禾费衍射图’来分析。
5 g# X0 g5 k$ s1 x+ y! f* Q/ R* D- k7 R4 e
6 L# Y" v* q+ F' L  H

( {6 V5 W- o& I  U: y
  U5 g* }1 E7 Q' N突然,很好奇一个问题“单个量子的夫琅禾费衍射图”会是个什么样子呢?如果缝孔径与量子波长大小合适匹配,单个量子的夫琅禾费衍射图将是一个典型的sinc衍射图样吗?; [# ]1 ?2 z8 E& f2 f8 [4 l

) [% u4 Z. E2 b% m9 g+ T- w

5 _+ D5 V: u) ?  Y2 d8 x) p遗憾没有机会做这个实验。不过可以大致推断一下:# o4 t! w6 s+ x  r
网上搜搜,可以知道白光的夫琅禾费单孔衍射图样中各色光排列为“中间白色,然后依次向外为 紫 靛 蓝 绿 黄 橙 红 ”" [0 I( s6 y0 b$ J9 v/ f
解释:光的波长越短,缝相对而言就越宽,孔径越宽,衍射现象越窄缩,则光强变强、条纹变窄;
4 X' [' t0 U. D) \" f& i& z另一方面,波长越长,缝相对而言就越窄,孔径越窄,衍射现象越宽阔,则光强变弱、宽度变宽;8 X. W8 I7 G  Y0 k: S' r. y
另外,孔径减小到极限微分点,则观察屏是一个均匀分布的光板。
4 V( v3 i# |1 i6 V* m+ y因此推断:
8 w  |3 o, Y/ v6 o( A1、缝孔径过大,单量子的夫琅禾费衍射图将是一个点:8 _0 [! H$ `+ T! _: {* j
: ]- ]0 G1 r* i) x8 |

# N$ \$ V7 B! h8 b0 ~1 Y

+ ?4 K3 F% g) Y9 w( ^- D6 W. `+ J2、缝孔径过小,单量子的夫琅禾费衍射图将是一个均匀分布的光板:
* r9 U$ l) _' s7 C7 w$ N8 ]9 l! d; a- t

" O, M; K. `3 i7 Y  ~7 q* x9 a2 v9 }9 w$ {/ ?! q
! }5 @6 r0 B. q& o2 ^; E7 x
这样分析,应该是有一定道理的。: @$ L( W3 R' C/ p8 ?+ G
因为我们知道单电子的夫琅禾费衍射图是一个点,电子波长非常短,即使有衍射现象条纹也会非常窄,以至聚集为一个点。无数次电子衍射实验也表明电子总是一个点一个点到达屏上、大量电子点共同汇集成了衍射图像。根据泡利不相容原理,费米子不能处于同一个状态,可知电子靶点各不相同。并且波恩的概率波理论就是基于此的,诺贝尔奖的理论毋容置疑。9 L1 ]- U2 r9 @0 }
还有,我们知道微型孔单光子的夫琅禾费衍射图是一个均匀分布的光板,光子波长非常长,即使有衍射现象条纹也会非常宽,以至扩散为整个屏。一束光衍射实验也显示了,孔径很小时,多个光子衍射图是一个均匀分布的光板,根据光子的波色凝聚效应可以推断一个光子的结果和一束光是一样的。并且冲击函数δ的傅里叶变换也清楚表明了这个现象,毫无疑义。
$ u3 n( y0 g+ i& q0 A
4 k9 z/ L1 k$ \- e7 }" A7 y) l
9 y; B  e. |- [: s8 Z" M" M4 ^
所以,结论是,单个量子的夫琅禾费实验,不会看到明暗相间的衍射图样。/ M+ m, I7 @' n& z% s$ q1 o
+ z* U; _3 P3 J# B' t5 o# c) T

# ~9 b  z) w/ ^) {4 K0 a$ Y- z9 X  }0 s  H& B
大约6 亿年前类似于大脑的神经核团出现在蠕虫类动物中,它们是现在绝大多数动物,包括脊椎动物、软体动物和昆虫的祖先。神经核团是原始的中央神经系统能够处理各种信息而不仅仅是传递信息,这使得动物能够对更复杂的外界环境做出反应。最早的神经元可能在无脊椎动物体内形成一个弥散的神经网络,现在的水母和海葵依然如此。然后,一些细胞逐渐演变成具有特殊传递信息功能的神经细胞,而且进一步演化出轴突,用以远距离传递各种电信号。它们也通过在细胞突触的位置释放化学物质向其他细胞快速传递信号。最终神经系统诞生了,于是原始的大脑出现了。再后来,大脑分化出不同的脑区来表达不同类型的神经递质,使大脑产生各种不同的功能,于是演变成具备系综分析的智慧大脑。3 a) ^' J  O. m
智慧的神经系统的形成过程,似乎和量子衍射现象非常类似。一个神经元没有智慧,无数个神经元组成的系统形成智慧;一个量子没有衍射,无数个量子汇集形成了衍射。9 y) q* E4 I. R1 H: g0 ]

3 Y3 S$ s: p- r
: T! K" I( s4 {

) E0 U' B) Y8 k: H6 v& H% s& v
+ n$ ~& ~: C6 |. e
但事实远非如此简单!
, o& G5 S  z& h8 s; y9 J; h如果深入探讨,会发现“单个量子的夫琅禾费衍射图”很可能是一个不可判定命题。
; e! ]" J0 b% m, U, y5 I) o  I% H+ `! J5 @) v2 P' i
5 F" E( E: B3 g

7 T1 `0 H. J* i. O/ ^2 u: s7 O& r这和前面所说的关于‘理发师悖论’、‘说谎者诡论’等问题一样,涉及到关于“元素和集合的同体”的逻辑。) R6 q% L( l$ G; p: h" {

; ~# l# v+ M" d  B/ R* G7 ^5 h
8 C0 \# b% y- k3 y/ g0 m; G2 D那么,“单个量子的夫琅禾费衍射图”又是如何和这种“不可判定命题”扯上边的呢?
9 {! b! O* G7 ], v' y大致可以这样来看,夫琅禾费衍射实验的关键在于:‘光源和观察幕离障碍物狭缝孔均为无穷远的衍射现象’9 f2 ]$ `' W0 d: h3 S
这相当于把同一事物的两个角度的不同度量(频域的微分“点”和空域的积分“空间”)放在了同一个逻辑空间。
- g; |  a9 w0 l+ E
6 E0 o( J# u+ A' N- \
/ h5 Q+ t  O+ ]
在张量逻辑中,当一个点张量积为一个系统时,它即可看着“元素”同时也可看作“集合”。比如,一个细胞作为生物体的一个零件,是整个生物体的一个元素点;同时一个细胞,也可以放大镜下看作有内部结构的系统,相当于集合概念。2 b4 I) p. [1 G& Z$ L2 y7 P
一般而言,这两个概念一个是外部属性、一个是内部属性,不会混淆。6 J, V1 |- B% x0 q& f
但是,张量空间是一个庞大的系综,其中的元素可以看作扩张的“子集合”,而收敛的子集合又可以视同“元素”。在张量空间中,“集合”和“元素”常常是同一物体,只是数据维度不同而已。* m, @- s5 N7 Y- R' C2 u+ m. @" N
“元素和集合的同体”的逻辑,是张量空间重要的基础性问题。
2 j8 a8 x* A" {: z/ V3 j3 E  ~5 G: i

4 ^; ]$ W3 c, U+ D; ~   正因为此,张量空间有时会出现“包含它们自身为元素的集合”的悖论,复习一下前面关于理法师悖论的内容:$ }! V' a( i1 n. Z% L* w
罗素定义了一个所有不包含它们自身为元素的那些集合所组成的集合,称为集合R。理法师悖论就相当于是问,集合R是它自身的元素么?如果集合R是自身的元素,那么因为R的任一元素都不是它自身的元素,所以R不是自身的元素;而如果集合R不是自身的元素,因为R是所有包括它们自身为元素的那些集合所组成,那么R应该是自身的元素。数学描述为:设命题函数P(x)有性质“x∉x”,现假设由性质P确定一个集合R——也就是说“R={x|x ∉ x}”。那么现在的问题是:R∈R是否成立?首先,若R∈R,则R是R的元素,那么R不具有性质P,由命题函数P知R∉R;其次,若R∉R,也就是说R具有性质P,而R是由所有具有性质P的类组成的,所以R∈R 。/ x# n8 z9 B, F( V' o
5 h" M* e0 c4 K* H5 `
再回头审视夫琅禾费衍射实验。在夫琅禾费衍射涉及中,“狭缝孔”是一个无结构的点,相当于元素概念;“衍射屏”是含有叠加原理结构的线性空间,相当于集合概念。这时,外部属性的频域点和内部属性的空域图形,凑到了一块。“元素”和“集合”混为一谈时,则可能逻辑谬误。这意味着,夫琅禾费衍射涉及到关于“元素和集合的同体”的概念,所蕴含的逻辑类似‘理发师悖论’、‘说谎者诡论’等问题一样。 ( Q1 _: P& y, N4 E: _

+ O( @! `1 X5 K3 [2 z: |
2 S9 \# D0 N9 E$ x

! L( D. M2 f# v3 b1 }举一个更容易理解的形象例子。
9 x' L; f6 {; X4 n. G8 d, F我们在电脑上打字,插入字符、增加字符、删除字符等等编辑操作,这需要在打开某个文件时在文件内部操作。但是如果我们想节省时间,希望在文件打开的情况下,一边编辑文字,一边把这个文件本身移入另一个文件夹,可以么?& b9 ^, r8 C5 f4 Z7 N: d8 C
这当然是不可以的,所有的计算机系统都不支持。: N* `1 E/ J0 R
为什么呢?& t, ]/ f3 T/ A+ A6 ~
因为编辑文字是文件的内部属性,移入文件夹是文件的外部属性。两种属性不可同而兼得!
# O6 m* j& O) `5 m编辑文字的时候,文件本身看作是一个有结构的集合,这时文件必须处于“打开”状态,才能调整内部的内容;3 K% ?3 s4 n" O' z7 K  m2 ?
移动文件的时候,文件被视为外层空间的一个元素,这时的文件本身必须处于“关闭”状态,以便以一个数据点的属性被移动。& R1 i0 ]5 `. g7 q' d( J1 k9 V
1 q3 b( I) g; c# L& u4 V
如果要同时编辑文字和移动文件,会出现文件同时“即打开、又关闭”的‘说谎者诡论’逻辑错误。! Z" `! P. _# q# E- |5 m

- E& h8 W2 r' x; S. q( D# z7 N6 `* C

3 m! U! k* i+ E# n7 G注意,这就是“不可判定命题”
: \' k7 j: |8 a. f+ _5 r2 H其逻辑谬误为不完备性定理所证明。$ L5 F' [& O' h& \4 q
* S5 b) E: E/ T5 _) y6 p. @" k0 }
/ H6 c" _- P2 H4 i
9 n% Q- M7 E* r1 F* Z  P* d3 S
以上的不可判定性,可以以某种思路来思考。比如,频域到空域有多远,是微分到积分的距离吗?是“无穷大”吗?
4 z5 r8 ]' e6 j9 k+ W在正常情况下频域和空域,是同一事物的两个面,它们不可能出现在同一图像中,否则会满足不动点定理,那是违反不确定性原理的。所以,如果夫琅禾费衍射实验同时包含刻画频域的“狭缝孔”和刻画空域的“衍射屏”,则衍射屏与狭缝孔的距离必须为“无穷远”5 ~4 d0 h# J3 @5 g( d3 a2 q9 ^

0 d6 T! x$ K( Z$ x/ F

$ U: h' J! r- D微分到积分的距离是无穷大
- w; P+ O7 B7 t) d% ^量子位置算符的本征值x到粒子实际坐标{x}的距离是无穷大; p# Z2 F9 z; q$ p

6 ?) I6 b3 T! i. s, K; J" K
2 y% Q  o  F( F0 M) k$ v
这些无穷大是阿列夫1或是阿列夫2呢?
) _( E. \* Y+ |: g! L- W! \% ?隐含什么样的区别呢?9 w1 a  D3 C! m2 I. k; ~& ~. y

$ o3 n& D$ P4 A; G. j
9 o( O+ d! B, v2 ]& l
假如张量空间的阶足够的大,所及的精度足够的细,获得的数据量足够的多,我们能在单个量子的夫琅禾费实验中看到衍射图象吗?
# c# N9 l2 a, m' B
5 _1 v5 T) O) Z; I7 y$ I
/ J; u3 b/ W5 c5 N7 B1 s. Z

Rank: 7Rank: 7Rank: 7

积分
13286 
威望
13286  
包包
34831  

论坛元老 精华勋章 金话筒 专家 优秀会员 优秀版主

39
发表于 2015-4-22 20:19 |只看该作者
7.3 多重线性关系
3 c% Z4 T4 p7 J: \
: P& ]! s5 m, Y0 o9 [7 Z

) H1 b8 e/ B( q+ r0 y5 d$ R& U" b1 J6 v; P, \

- j( t, R# S8 D: N, R: N
: o2 ~2 m- ^$ O5 P( p  ]
) J: k+ s: }. T3 I$ ]9 D1 i

, T$ a3 J% p: E3 B/ k( y4 G/ @

5 P+ j3 Y6 M  ]; S5 t2 b; j3 S& h; F$ K+ {/ i4 ~+ Q2 m! h
+ \- E6 E4 x" o# n7 r5 W  H6 J; k
  未来的某一天机器人会不会替代人类成为文明的主人?
" C" j+ t; D0 t' i" C" I$ r: r: p1 o8 ~6 Y7 s! n$ }
: Z+ a% A! I: N% u0 f% I
  由于人类知识水平的局限,我们即无法证明其真、亦无法证明其为假。
; ^$ R7 h3 F- U) S
7 ~* B9 q+ n- U
0 ~& u+ B( ~& G; K/ E8 ^5 G
  这其实是一个人类认知所无法判定真伪的“不可判定命题”。
6 }# l1 ]" k- L- n- L7 p: K5 G& L1 }  z: I8 a
0 X: [7 ?0 Q* P' W7 ~, [  e+ ~& T. \+ u
  也许,关于计算机代替人类的话题,目前还只是骇人听闻的哗众取宠的龙门阵。2 v5 |. c. |" f
" I8 @' b- @1 K5 g0 r
" w. v# ^8 c3 J- d9 \9 D

2 ^& ]( {$ t# l# i; v# W
  P5 J1 [* B9 A9 V
/ j3 `. i* e2 {- D2 Y

* ]& W1 _! S: E6 ]* _+ r  但是,我们可以确信断定的是,“智能爆炸”的时代正在到来,人机共生系统在可见的未来将会得到极大发展。人类的生活将会越来越依赖机器,甚至如果离开计算机的推演辅助,人类的思维很难从一阶逻辑向高阶逻辑突围。0 \1 ^9 \9 V0 [, J* N1 Z) O' S

- S: A8 p1 N/ q( d! i' U, c4 I
; @& @& ~; k2 [+ P2 }" c7 a
  在普通人看来异常复杂的高阶张量,用计算机演算却非常简单,只需定义不同的数组类型,然后将对将、兵对兵、钉对钉、卯对卯,对应代数运算即可。. [2 M$ l  W; x7 {  ?
8 E( `" U0 h# v8 {) T2 w: R' a& F
( a8 g$ E0 \2 F& P; U& W& k
  比较打击人类自信心的是,以张量语言而成的相对论对于绝大多数普通人完全就是天书,因为普通民众很难理解其中张量的内涵。那么,通过能够轻而易举演算张量的量子计算机的辅助,人类可以“理解”到其中的高阶逻辑含义吗?人机共生系统可能因而变得超级智慧吗??
# _2 O3 ?4 N+ }" Q; g1 x! R$ y) ]" l- v5 Q$ R! o2 o
# ~! z9 f; h" j9 ]. w

0 T  [) ~0 ^. D
7 e2 n8 F5 M3 G$ V# x4 o
" c8 N( X9 Q1 J" z# a. g
, I* p1 k6 P' T% t' G% T
5 ?4 U6 C7 W& i( h* @1 y& W; d, t

5 z0 g- D7 o3 m+ |) R- d6 N) L2 {6 w# j

2 C) v  b2 d, O7 l( r   基于无穷维张量的量子计算机到底有多么强大,可以从其无穷维‘多重线性关系’一窥究竟。
5 ?- z. P2 y) K3 M- \  x. O1 U* {
, i$ }0 r2 U/ ]4 l, k$ a2 _) F: X
! v- d3 \7 e& k: L

8 O. ?4 Q8 n, k/ d5 Y- Y+ p" C+ s
: |( f& V+ B  \+ L  _

* O5 b. P5 y. F
  M; N1 G4 ~8 t) E

% ?& Z. Z6 ^( y' l9 D( m( @, a

3 w( F! ~$ T3 o0 o' N- q: `1 \) ], y6 t3 }1 ~
2 @) P8 G- ]* d
   先从一阶张量(即‘向量’)说起,向量是向量空间的元素,向量空间即‘线性空间’,满足下面两个基本数学式子:; X  x5 W% @* I" b0 L9 \
  A9 S! u0 E. }- r  c
; j" m1 f$ B+ `4 S3 i7 ~% j( ]
φ(x+y) =φ(x)+φ(y)9 j+ E; i; G4 A3 n
+ `- F" s9 ]0 _' c; }

8 E/ F" Z( m! p, tφ(ax)=aφ(x)7 p  F6 d8 ]- |# a, [/ q

* i2 d; {- \, I2 r$ r9 {# v% z) G

7 d$ U+ F- z; D! ^7 b   形象理解,x、y相当于元素“种类”,φ是某种“属性”。当一种属性作用到一些种类时,如果满足‘叠加原理’(也就是上面那两个数学式),那么具备这个属性的空间就是线性空间(或者叫向量空间)。
( C% v: M' X" F' [  H% O- r- d6 g8 W- p

- _! u3 U- x, ~+ B8 K' Q   
8 h% n  v4 u% I3 V" s7 y3 [+ ^# \$ k8 V
. e; Y$ X  a+ T0 K$ l
7 ?5 i. ^* z" C" O) O7 {# a

* ^5 Q; @" h+ z1 M

+ J3 o# o, X: |9 m: K  A+ s/ K, X5 C- [! |' E; Z6 ?' H6 ?
, C% O# y! T( v. R
- U9 @1 t) Q4 B& R4 B+ ^
9 m9 L# f4 ?% k: R( X3 w* k

& r# j- H3 n+ }5 y

8 |' [/ l6 _, e( g- R
) H  E, U7 u, Y3 r7 H, C

' w- Q1 @7 d0 N, R- j
2 \! q- i7 F8 F" |( ?) N
# @" D# @8 ^9 ]) i0 ?1 ^7 o2 D$ J7 s

/ H% n* {; d: u7 U9 l9 U: N% w
4 ^: p  `( g" W& _* l

+ R1 L* ^3 w, v+ u

# T1 z/ d3 h) v5 }1 J/ H
$ r! A1 _* n4 a2 c

- Q' K. G3 T4 \# n* B2 H. d% w9 u3 G7 M( l2 b2 {8 q# Z3 ~2 A! s

) B- z6 C! O- K$ G   向量空间的元素“种类”可以很多,但其“属性”是单一的。如果我们对向量的“属性”进行扩展,比如具备了φ、ψ两种属性,满足:
2 V" h  N2 ^7 j0 \' r6 a
) O0 l- f  k9 Q' B" }: u! ?" C( {
( g% E7 r' O; s, R( q/ F
(φ+ψ)(x) =φ(x)+ψ(x)0 @  I' Z% k' w. \2 [, @% t% U; K
2 h2 D* P: L; f6 z; B0 t
1 u' s; Q) {% q9 |! e9 z
(aφ)(x)=aφ(x); _0 C+ u- Q) X6 @! p, Y

& j. H4 F% i, f3 @- h

* j. L1 Z! i% J3 T   那么,单一“属性”的向量就从一阶张量,变成了二阶张量。数学表达如下(为书写方便,定义b1、 b2 为属性,a1 、a2为元素种类):
8 S! b3 T! a+ b# K3 Z6 c- z
8 f5 X; T$ J) I$ z! k

5 _" t  l+ r* [: {0 y9 Y
8 y4 s  Y  h5 M/ a! c: s
4 l( Q/ B/ D% W6 @' V9 m

8 X8 w% z0 R+ N" E7 H# X

9 [6 p3 A0 C, \$ H5 y( ?  Q
/ B$ g- y2 J/ X" X/ D) [* F- b3 S

+ e6 w; L$ K( }% S- M) U0 l. R  R
1 P, M4 o8 p& e
   4 b: i6 [, v* M  e3 p; ]
, Z) x! B& c7 x  ?

3 i* e0 V0 C2 q. l' K. `# d6 u
  s- D. T: e3 d

3 \- a4 w4 |3 v! ?5 b
! e9 E) S9 p  i! A

1 ^. X7 F! ]8 B/ X4 v  b: E! e   更复杂一点,可以定义m×n维的张量:5 c) T6 D! g( q7 t/ M' a
% W  r( r" @: x: v& ?

& g* X6 y. a, V8 K7 ~
8 g' i) T& x9 q2 g) l6 Z, D
) g. x" V" ?) V: T

. f/ \& |5 D" h

( q; p4 E7 V% N$ v8 v5 a* j% a8 \1 x! {: r1 B7 P. ]2 O4 F

) R# w) a6 O4 M" v- z2 j5 K& X! Z0 _! i
2 k- P& h) c3 v0 E3 h$ r
' D. V& _) c( V$ ]" J' k

2 i: Y$ g; [2 o& [7 i. ]/ \' r) ?% u, [9 m8 R. V% U

  V8 R5 a" z7 f: c/ w: E6 G: g2 q1 M5 F) r

8 r* f: x5 k& z3 t. T- m  ^9 R5 U6 S! V2 P1 n1 g4 u0 e3 S0 d

4 Z: F- o5 f0 J2 ^9 w! Z6 {  注意,上面两个例子都是矩阵形式,即二阶张量。张量并不仅限于二阶,还可以扩张成为三阶,象立方体的样子:. R8 F' q. H1 D& \! {

( L# _8 D. u) _' @5 Y: C2 U

7 _$ c' v4 }4 [) M- f, F' A
" a7 B; m" w9 d
5 i3 {6 i% R4 x7 L
" n( x- {5 [$ m/ ~4 v$ m
, C0 ?+ j; q- y. a
, v- `/ ~4 v( a$ N
5 A' W$ U  E: o5 X3 O; v

. s+ O0 ^8 U2 V) I  w/ ]& ~
* {; [9 k+ n! a; P/ C5 i' W

# H2 e" t- U8 c6 i/ A- u

4 b; V1 c3 Z+ j( H* V( R7 [2 s' S; j: W
5 S. Z2 _! ]  A9 g- v/ X8 f* B
3 `- Q- c% ?% B, Z2 |
7 I  [8 n' I0 L) u/ l2 Z
% c1 B$ L% N) O& I7 }
/ e( ~; m# z! d  K$ f" M
   并且,还可以继续张量积到四阶、五阶......无穷阶* A% v/ d$ v( ^- K( ]2 j
* p9 L3 r" U( l9 g

$ _8 T+ `, C% G7 Q   (更高阶的张量画不出来,嘿嘿,只有自己想了 ); c& Q$ h' ^. k, E( @+ r

$ j, A1 E! ^$ Q4 \
1 ^( n" p, {6 M. W3 ^% d$ X* X
2 B! z+ H$ G. Z. ^3 ^; v

' v% m* C" l# U  a: u- y
1 l$ J. t" j2 ^' K, \9 z. `
9 g" R. p  D( L. P
   形象来说,张量就是“高阶向量”、“超级向量”、“广义向量”。因为向量只包含单一性质属性,而张量包含了更多角度更多属性。' d" V1 A4 X# w5 t. {' c

; V7 z6 x7 L6 `' K( s  `" t
6 S% Z. s  G6 R. g) a3 n, w' F

  E& A) O3 b8 @/ g  m& M
1 K9 H; D5 ]/ D/ r
0 m6 l2 z5 ?9 U9 k/ Y

0 ?# l+ d. b  U5 v, x* g  h
5 ^- Z# o! j9 x% ?" D% }

# S' w9 Y+ i* V, I+ B/ p  E; M' ~% B8 ~! S6 Y! G% f" J% e
: J1 Z; ~7 o0 I# n- _

/ B& D# j# _. c- Z1 Q$ W
% O" I5 I' T% p5 S6 V2 P( M. r+ D

" n( i2 B: Z8 c; z
: K6 J; c. l1 B8 G0 v) u! F

* l# ]6 p' F0 B9 G) O
' V+ B8 E! H1 ]  g' v! `

- e; W$ o7 K5 F( z8 F

0 g7 x# T1 g' Q" a5 u) O( p: h" R+ \6 }# U& l+ v0 Y/ e4 T
  g/ C5 Z+ w$ L
. v9 c; H9 g) P! z: L3 }2 d' S

# h0 ?; M+ [  ~1 ^
) [1 w7 S) H* ^" _- {* n

: d% _- ], ]2 H& U+ x" v" {, L4 ?; c# {  J- J' n

! y* Y# C& j0 y# w( [* G# G
9 Q, U( R' Y8 B. s* |" S1 O- E

4 B/ I- v' J! W0 \
) X: J" M6 E; b8 ^- i2 i
4 I; L8 |4 o8 I4 _

1 ?# y. F9 p( }; A5 \

. o% f) m/ ^7 n; G8 S! w2 ~* |) }2 Z, x- H) y$ h2 U
8 t( ^$ c9 O1 u8 l6 B
  p4 _7 T& X/ s- G

, @4 _2 T; O9 s; ^- n
8 B$ ]( ?+ g5 `; S

  r7 C, G1 P0 \/ x* Q" U9 w   对于初学者来讲,很容易混淆向量和张量的概念,特别是在有限维的情况下。再来看看张量的数学定义式:
$ y0 K5 Z2 y5 p) n) Y: p  H* X/ g3 X
9 W$ L; q/ Y0 F
2 r0 M" c  _  [, u" l6 I5 Y6 r4 c
(φ+ψ)(x) =φ(x)+ψ(x)
% S& X- ?" B! T* ~7 M+ H3 E9 L8 B" n- _* ]
) u9 w' g0 r9 d: T1 n* `5 R' V( D9 {
(aφ)(x)=aφ(x)* j1 I4 ^) a3 Y+ i1 t2 X
# H& Q' m6 l: i. I1 Z3 o* F0 L

. ~" R6 a# e/ H# u. V+ |/ t5 ^9 Z   上面两个式子,很容易化成下面的一个式子:; }- A/ J9 k1 g, p% L$ p! j! T

; o( C7 I4 q- P& z3 Z

9 A! @! U+ ]9 i1 b3 A(φ+ψ)(ax+by) =aφ(x)+aψ(x)+bφ(y)+bψ(y)
5 P5 H0 E' @/ y  G8 u: f2 j( ^  o, r# L+ ?$ H" C7 t0 @

2 P1 B6 ^+ t- G   咦,如果把φ(x)、ψ(x)、φ(y)、ψ(y)各看成基矢量,这不就是一个向量空间吗?) ]  }# x8 \9 s! Q' a4 n$ D
4 t% I! g7 m( z
* z1 H5 ~% f( C1 K
   乍看起来很像,其实不然,因为张量空间中的 φ与x、ψ与x、φ与y、ψ与y 还存在单一属性的向量所不具备的更深层次的复杂“关系”。
9 H  Y  z1 T: k( b
/ Q+ X& B  e1 {4 U: N, F1 A
2 `. ~9 @4 Z8 _- r6 @

0 o# o4 A5 Z' }* M4 e

2 U( V# G$ x( r/ M2 g* q9 z  N& G) E2 o% g& y

6 ~% `/ F. V8 A; u- n, _! ~' Y2 t
0 g5 h3 v- y/ t9 n( z

1 @( I8 ^" W8 M  p0 j" g6 a
6 C- m' b) `# |/ S7 v  q

/ o1 `8 _# U7 ?/ V
( D& i: ]: Q7 j1 k) h, E

& E/ A. Z9 D0 t3 g& y# y
0 t0 {2 a9 b+ ?
% _8 B1 O  M: i6 N; P1 |9 i0 W

. p  o5 A$ ?7 }* K/ n7 |

& A! B- e6 ~6 ?+ b' }# C3 h8 E* M; J5 |+ F, f
9 j- s2 L- l( V) n1 D: G

: X: V8 ~  q/ Q" i& E# S

; f6 @) G5 g! n; V- O% w
  s8 f9 l* y7 f) M" c7 G2 w; r: \

; l# S( b5 B* i/ x& I% F
2 H/ W$ P0 x" w  _6 J

$ c8 _: g. H1 I& I+ e5 s$ Z/ m; ~9 [3 j+ n1 D* Z: o/ Q7 U/ \3 \/ ^

- a; u1 [) M: W; `. u8 t2 g   关于“属性”和“种类”的这种深层次的复杂关系的量化,数学上称为“对偶空间”,式子如下:, [4 u0 S6 `2 L1 T
6 L6 G# K9 \; t% `% d
( ?$ T8 a4 _2 g5 V+ V" B
(φ+ψ)(x) =φ(x)+ψ(x)" p7 G8 ?9 U6 E9 h, k, G& ^5 x
' R- Q* }7 g0 |% O3 J) d) {+ |4 E* h
/ d, b( z: l1 y$ W; C
(aφ)(x)=aφ(x)
5 D$ `% N/ M2 D2 c) H* k9 O
- |! V  O" w3 D3 V

6 G3 ]- t$ T* Q$ y! y   其中,任意φ、ψ∈ V* ,     任意a、b∈F,         任意x、y∈V- \1 D: W3 X, e! u) R; t* A
* ?: D9 y- {; V7 z' r0 z1 F" ?% l

+ H& q5 Z8 a* {4 `0 B0 l
! ^, a# a# ~7 X7 i: S) V! w4 `
( E+ n  e2 n- }: l
( x5 C  o1 ~' d  }; y6 s

& j: g0 H# N4 _! y   请注意上面‘任意’二字,这意味着“种类”可以有无穷多个,“属性”也可以有无穷多个; P8 d* z% ?* S0 l# e5 H- ?# z. J% ]

3 m2 r2 b0 {, k; T: u* M) ?

( e) c7 @% O) w5 \( S: n   为了表达方便,称x、y所属的V空间为原空间,则φ、ψ所属的 V*空间为原空间的对偶空间。二者单独而言都是线性空间,合计的张量空间满足‘多重线性关系’,具备多重线性映射、多重线性属性。
8 q2 O4 x% V/ J; G$ h) z4 n7 s, s* V7 w( [' L4 ~6 l
. Z+ C) v0 ]: d& H/ t$ X$ c
& W3 T# R- C; q+ I# ^8 s
# k6 g9 _" d# i5 `
; i" F% s0 ?! h" g7 H9 O) d
# p3 I9 D& c7 d

5 H# w; C' i- W0 U
* v7 c: @% G7 z( s, Q* e
) e$ s! q, L  n

$ H% n2 q# n8 i1 p" y) X" p" a$ {! m

. j" D$ G8 t# A3 A; r/ I7 J7 L2 f7 s1 r: E
, G! c2 ]% ~) p& V/ N

/ y1 c" @  x$ E* S$ h; O+ K
2 e; n) ~" N% _) h; d8 f; Y9 r

+ Q6 T" U" H* N! l
: z( F, _1 t$ G; X' L7 n

8 F5 s6 b7 v7 v5 E, @1 b
$ X5 n8 d" ~' |3 C

/ {) A1 I: b  O* F* }

5 G2 g: ?/ p7 k- o; i5 I2 Q' p
6 E( q3 [8 x- M! [: D: E' y

& s8 @4 R! P% ]* x, c7 D6 V9 [
' W) w5 j* K5 }/ v$ b$ k: F
! g! ~' s, l% L3 D' x
0 E6 S# o9 s( e, K2 t" u. P
0 {" {' q8 N7 }" n

  _/ y& @; |! C/ Q

$ L& s6 O' h' V+ C7 A# ^! G; o  }" d' R, W
5 a" {# y; b$ J4 B: V

1 X  {/ m" b# `

; x$ u# R$ F9 w+ @
+ t% T& t1 D: [6 g, i7 C) W
- a; m$ Y# Q6 E" N6 e; L

8 }. ?7 _# \, `( |; e8 K0 C2 P
' k4 e3 j5 N. e4 I7 A& D  T

" e  u" B4 i8 D

! [# e: j0 N& e* C5 i$ O6 ?
& C* f8 L- g4 [2 L; S% a
4 k/ r" {1 _# W2 ^+ M. ^: F3 |; a1 t

2 y0 Y# O9 Z3 S  a8 ]& \
, L5 H' l4 e! @6 e7 y; Q& Z

7 z& `) B- i1 h7 X! e
* W: y# C. |, H4 I( B
7 p  W, r1 f! p4 }; e4 ^' J5 ~
2 o  g  F  Q( p0 N+ i
8 i: g# D* e6 ]! P' X( Q' n
/ Y- o& A/ l8 G- n: h8 n  c* ]
+ J( S+ \9 D+ Q$ L( y$ V
8 k' B2 R; u$ Q% o

5 \6 z. Y& s2 U0 F/ |8 y* P# e

1 F9 C9 s4 g9 ~4 z3 A) _  比如,你买了一篮子水果,水果“种类”包含苹果、梨子、桃子、西瓜、荔枝......  j5 X- \# A4 q. d4 q- J& |
) ^; y9 U6 F" Z1 Y) P2 L8 T
7 r* y2 x) \; f$ R
( G  C! _8 N" c  a; E

; M$ W- T( o# @$ P8 w: Q. O9 j" ~# C
( Y- C* X2 Z. j! X; {( y; D

7 f+ V) q4 i" m, L) @- Z
1 _; Q7 I) B  X/ Q! e

2 F" _4 _7 H) Y  k" i! V0 t( H4 L4 Z& D, D" X$ a

" f3 N% O1 f+ Z8 Q; i. T7 r" `4 o7 e

( o) R6 g: t  |2 W
0 y& A, d# d% T7 c5 `6 X/ o
5 [7 A% h  |/ t# ]+ H
, J8 p9 [5 P+ u( i- P) i5 x5 W

6 k3 K) q7 _1 a" c2 V7 [
2 |6 O" B. X7 \& [. q# W+ Z
! @& V5 m/ S) Z$ O; @
  其中,苹果分为红苹果、绿苹果、半红半绿苹果......( b2 G& w+ k% `3 G
, F" J  {( S; O+ n. A% G" N

6 f' y7 v6 I3 _6 b1 y: I  其中,红苹果又包含大苹果、小苹果......" W8 v3 P$ E  ?, I

. M$ o! F; s3 D) F

7 u4 K0 g6 Q! \) w6 l5 X; h5 Y! O  其中,大苹果中有些是新鲜苹果、有些是不新鲜苹果......
! x% e$ S/ ~( N& W  ?" Y& l
) R+ E2 R3 o3 n4 R8 r, A4 A' ?

, `& f0 _) q4 i( l4 A% O  其中,新鲜苹果又分为南方苹果、北方苹果、美国苹果、泰国苹果......$ C. x  Q: [' A  Q! F) V* }- P
6 K$ e7 O+ U& y3 l7 o7 C( C0 d

3 t+ \2 n5 P* e! j# V& j7 W  其中,南方苹果又有甜苹果、酸苹果......
9 c3 r3 K% f; r9 o7 I: m9 }, E. N
9 m# N: q& e$ s1 V! v
& E- L3 a: A. A/ g1 E0 k
: A3 i4 F6 x0 v' N) \
& K" s' B1 K+ }9 G1 `8 N8 A
/ N. W6 I8 R* Z: q

, E/ ]# \. Q* {. y0 q' O  这样的属性细分,是可以无限细分的1 X( B/ m1 S/ ]/ w" A* [

% y/ |- l; @, }

$ g  s/ B+ O# x$ C: f" g
1 E) S  R# V/ M. D: U) }, ]( }

3 R; {# n- k/ f- [4 O$ P9 h; O( {% K  M
6 n. i9 s2 W7 `* q5 W9 |
  ............... {+ x  s# Z$ f& q3 f; k  F2 e

9 Y4 A. Z' ?7 q! u# z

% ~( H4 [! L. m8 w& H+ u0 v6 r( O; Q# g
; i# |+ T5 Z1 N  p, C1 {2 c

# ?* ^$ p! \5 i1 y3 H! N/ v9 I
; f0 X3 O+ i0 v$ I' o# h0 q: B7 \

* U5 l* V( `: @3 {# o3 ^/ \
( s' e) Z! a* z; _; [  c' O

) }2 ^+ K0 C( i3 ]# i. B6 J! Z) S$ i2 H

' e, ]$ b7 j( K) G( V
% }" h# l9 N1 \0 n: L
5 q* `6 L2 b1 r6 Q3 l/ d5 B
' o! Q5 n: z6 }) |. c

6 k/ R1 y( H1 c/ G. K6 m$ B# ~+ O# q  其中,梨子分为红梨子、绿梨子、半红半绿梨子......
7 z+ ~2 N2 r) }. n3 i( U" i' C5 Z2 ^) h
0 T8 X4 w3 C/ |8 R' R" D  e
  其中,红梨子又包含大梨子、小梨子......- z: f6 ^7 F; q+ y+ c/ J+ a

( @: ~' Q2 C; d4 l4 H2 e

9 |2 L- b4 w+ d  F  H  其中,大梨子中有些是新鲜梨子、有些是不新鲜梨子......8 p' r3 x2 k& \9 n% ~9 U$ K" p

% Y" c3 ?8 u) y1 I, t4 A0 _

6 @; D' g1 a. D" O& e" G1 i/ e  其中,新鲜梨子又分为南方梨子、北方梨子、美国梨子、泰国梨子......
  m* d2 v5 A+ P" ^" G  H. Z" `! F" T

) k  r% F2 U$ e( g1 U3 W' S6 a9 G0 w  其中,南方梨子又有甜梨子、酸梨子......+ G3 {( h/ G$ P4 Z
! x9 G; L0 R) M$ a/ n1 i
) |& p. Z" i6 d$ z
  M' B$ Y) G6 y1 P1 c8 B1 V% X

6 x/ Z4 Z2 y; }: D1 O" z) D
8 L' d2 j, u: m1 F

* ^7 y- r5 ]. f* @  @2 Q  s  这样的属性细分,是可以无限细分的" q3 d, r! f+ t6 n( S+ p: G+ E: k$ Z

% x9 P7 t/ I5 L. a# E- L4 Y+ }
! e/ ?& [# f7 \  V$ F9 f
/ a) X3 e* d3 b& z7 }
8 _7 Z' e0 w6 T" i: G6 Z3 k
  G7 W1 z8 O; K  A; l) L8 o3 n

5 e4 Y" C0 l$ d, {* E; ^  ..............1 P. _$ T2 d' f5 {
) E; O5 v( R, Q- A

, Z+ u5 G/ {& o$ [
* N# g( o7 k4 r* @3 e8 ]

& w- O5 w9 m  a) U2 w" p, u
9 m1 T( F$ F( [% L

( _: n3 b' `8 n, ]" Z; i$ x
. Q8 j- Z0 e9 n% ^$ e
( z, D9 C8 @+ t+ i% S1 K) m; k

6 [  b( ]# S; n  E
7 D1 z! l: A0 x: ]

4 k% m- I/ ?" l3 P
, Q5 L6 K" S  w8 R& T+ e' |

' G+ Q7 W+ v& ^, Y6 X9 S
( F5 g. B& T% W6 a- _) A" i
、、、、、、、、
6 F& x3 {" J4 {2 {, N8 t3 h9 I" T; v5 A

$ k* f" d( j* b* N8 @: b- B6 y! [
& g7 \. {/ j; e( v& m" Q

. L3 g; p1 W; G4 g$ F  Y8 C3 ^# L! V) I; m9 j7 u5 w2 F/ {

& _; _8 q; l8 Q9 r6 T; `. I
$ P# D7 g- g' X" l# o

& Z1 D9 |$ Q  ?2 z% \
  t! q* |5 a4 k* F- f
. S' f7 V* Z  m$ t* o0 k" H# a

8 {' @4 ]* n" \& ~1 V% a7 o7 v8 t8 H
- H" l$ t' r- s/ J9 C

' M9 w8 E+ j+ s

8 ~" o/ c' E+ {; S8 z2 f! t( h' Z  这样的种类细分,是可以无限细分的" l# n+ V  {' H" A

) j" }* U1 O( n( l) O0 C

/ w! f" |* z  ^8 I8 [% T* n; `
2 h6 l9 i) c' b, |3 b$ H. t, \8 X

% l- w3 d. l9 J) d/ N. ~# P9 ~
" w& S8 s8 A4 L8 Y9 ^
# R2 @- `( y4 H8 H- [$ I6 }1 j/ ?7 E" l

- n2 E, g& Q; s' y: n
7 Z5 J5 x+ x/ t6 ~1 h5 m- _% G

/ ~6 O- l8 \  D1 W; B& b/ C) L
+ F) W& j- U2 b5 C8 {' R. v' Z
苹果、梨子、桃子、西瓜、荔枝.....等等水果的“种类”是原空间,
  C' u. E- y. _0 i' u, p( Q
1 r0 v1 l. c: r3 p

& v( Q8 k& K  S 颜色、大小、新鲜、产地、味道.....等等水果的“属性”是对偶空间。2 j4 l* _5 r% g2 N' T

2 i' y4 H# e8 N# w2 B8 I9 a# t

' H4 A- k( U9 O! i* c: I, v! Z: C; L- e3 T6 h

1 z5 T  q: D% M. G$ Q7 Q" t3 n$ r/ E4 U  N! Z! O/ c# I- S! A7 ~2 f
# @8 m) o& d' E: m* O# Y* ]
形象说,对偶空间即属性空间,以‘属性’本身作为元素。这些属性元素具备线性功能。9 ]1 A1 R4 s5 B
& I8 U" `4 Z* K6 S5 }7 `# r/ P, n

3 r4 e7 v! y6 V% w! U% r, S& O* J8 w5 O2 K! s4 K2 G' d

. ~9 h9 s' T" P1 c* I' Q) I8 ~
" N5 s! m) b5 R0 r0 U# C& ^

) u* G9 a2 C8 Y4 e 进一步深挖这个问题,需要探讨对“属性”的结构度量。
5 z; F( ?! h- R2 M+ K  W
  H( Q6 `; ^8 Y; l1 U

  F) F' N5 }5 Q* n  D 我们知道,一阶逻辑与高阶逻辑的主要区别在于,它不允许量化“属性”,向量空间的“属性”只能是一个单一方向。但客观世界中,事物“属性”并不单一,可能包含了物体的多种品质特性。如何度量“属性”的复杂特性呢?
7 l* t* _$ m  y4 P1 K+ q  I# C3 A
# {* ?& j) E5 W! r% P

9 K' z: [7 J5 [7 C) h 在张量空间中,‘属性’还可以再扩张,比如把原本是“属性”集合中的“颜色”点概念扩张成一个子集合系统,把 ‘颜色’ 化为一个单独的子属性类。把其中的 ‘红色’ 、 ‘绿色’ 单列成为扩张成一个个子集合。比如 ‘红色’ 子集合中可以包含深红、浅红、粉红、暗红、朱红、猩红等等;如果想更精细,还可以在容许的红光波长范围770~622nm 连续取值。
. R) X2 Z. L" g+ J
3 U9 N& g. h5 t" \  X: Q

7 E/ d$ Q* g  V( b1 x5 I  同时,“种类”也可以进一步扩张。比如,把‘苹果’点概念扩张成一个子集合系统,把 ‘苹果’ 化为一个单独的子种类。 子集合中可以包含红富士、嘎拉、桑萨、红将军、津轻、金冠、红星、红玉、乔纳金 、澳洲青苹等等苹果具体子类;如果想更精细,还可以包含‘苹果梨’等过渡品种。(‘苹果梨’是苹果和梨树木之间嫁接后产生的混合品种)2 J2 [" O, C- }
: {; w* m  I! P- |: O
; s" B: P# i2 b: A& o- R4 P6 [
  这样的m个‘子属性’和 n个‘子种类’构成的(m,n) 型张量的空间形式如下:
% n$ I/ ~& S. y9 h, v* p$ l8 Y5 @: `2 ~1 n0 b

5 ?' F4 V; }5 O5 ^$ Q/ y
, V6 L8 a$ O$ ~2 U1 e! O* E

0 n3 T% t, Q, E$ Y
6 w6 S8 w2 X( V
( w& n6 }& a% F3 e
' |3 B8 N1 Z; Y) W7 Z. |

& h( d% ^8 d* @7 o: e7 R2 _. \, {: ?0 [# L4 A+ _4 e5 P

# J+ U' s* x3 D7 l# X! E- E+ b9 k6 a
. J9 e, k5 U# P0 M9 x; v2 \

( S  v$ W. w# ]& ^/ P

+ d- g- T$ q1 Y4 l9 Z: j
. D& C! X: M0 T+ w$ R! r& ?3 S
2 \& U7 F4 ?4 r1 e5 @: {
3 x* X# l, K% I% M5 i

2 e' t/ d6 y  T  (m,n) 型的高阶张量比较复杂,下面以相对简单的三阶张量为例,形象看看一篮子水果的三阶张量表达式是什么样子的:
( r' Z- F/ G  h" T0 Y. P, i6 I6 h/ c1 F1 `: v1 D0 K7 {4 @

/ X+ }# S1 t4 X7 k4 _$ ^6 Q* M( T$ F/ B

" S% ]2 |. K. E, ~6 ?, s1 Y$ T2 t/ M2 q8 N
" a* x* f+ P, j& E  ]4 }/ p9 r

8 O/ h" [& u  y, F; j& _
8 t4 V# o% I/ \' t& ]" g

( s. T2 l  P7 A6 R
( h  e# v* H# H% C( D6 ~* [

& b# U/ ^9 P* x1 v

; m4 n" |9 q. A" x- B  Q! R* D2 W: _0 C( C8 V  v( M

# R  K, D: U0 [( r* }' n/ }+ u9 `0 u* c+ M, D3 v+ [
( D& B$ h8 V- V7 P. j# g% a1 Y
& {1 G. X. u8 w- B% a4 Y
4 V+ D3 t7 n/ ?* I% O& {
   其中,F为水果的“属性”是空间、f为水果的“种类”是空间、e是“属性×种类关系”的多重线性关系下的张量空间
: J  y* a& z$ u+ u' D, b! A7 P( |! D( j, Z

  H& b6 B2 `* k; M/ }: F# E0 e9 O) t* l4 p9 |: p

' y- }2 |4 {6 p# d! h" \# f7 r2 F0 P+ Q( |- q& b. U6 N
, d! b  L) o) b3 B4 @
# g# h0 o- |. A( Y" E1 ~

# `4 L7 r; v( `2 F- s+ F
* x6 j! d: c3 _

) G0 ~( K) C) O; Q4 x4 m; N
/ }4 [" e  S% \% d

1 ^5 ?9 e0 R; u8 M* r* Z4 O9 E% |
9 d. x1 s) r8 J9 h8 E3 w, O
! ?% U: P; O# I) E' X3 r2 P
% B) S8 ?+ g' |" X/ Q) U
- ?! r+ B, k( n! m/ a
- B5 o1 o- ]: n9 H0 T5 A7 k- |

1 N' b4 _0 @9 E' J6 o0 D8 p( ^   上面的式子还可以表达为:
/ k  x) T. Y" E. x: v0 s+ x. V3 u) r0 k% y* m4 {

. l6 o  o' U8 d) P0 p8 \  j& I. p: K" e' K% u

+ H, A" @+ L' Q+ u" j. ~6 C. W+ u9 V+ o, j# D# i9 ~- \0 u% J* A
$ Z1 Q! C: b6 P* R, ?; b8 p6 A1 i& n
; p. `! M6 E2 D( b- z+ r

9 r1 M/ p; q: N; _/ z( J6 E" D* d5 w9 @% v
5 ^7 Q" V, k' r1 X9 C
   即:属性= 关系 * 种类
. q0 g5 _7 j$ b* r7 h( `8 i* o# i+ L6 X+ |$ F7 J/ }1 I

/ ]' _, K1 L2 r# \& f   哈哈,有点像我们熟悉的力学关系式 F=ma9 q/ k& l/ z  y, F) ]; v+ W

% P( w1 c5 j# c2 x% n6 |1 a

& f7 f: J5 h+ W. L1 j
/ C! T5 p& T$ d( M+ g
& N( b$ z$ V3 o. Y" q. w' @

! U  f3 h" d3 V/ j

' P. d2 Q3 F% A; F   结合本章第一节的介绍,F、a如果是单属性向量,则关系式 F=ma 说明F、a具备线性关系
4 V1 ?3 j, u8 Z# C! Q; D9 u! U4 K# C$ t# g: e' m
9 ]  p/ l6 _/ X3 J8 [
   但如果F、a是多属性高阶张量,则“点”概念F、a不是线性相关的,而是“系统”概念下的‘多重线性关系’1 N: m3 z7 E$ h9 U; e9 ~

$ N2 U6 u% J3 o
8 w# C  R, m% D& l$ v
; j$ L* o0 Z! r( E. ]
, T6 X- d1 z) \2 o
4 |0 _% `& t  p& w* w1 {

* M$ ]4 V4 D& _* j# d$ q& W   同理,高阶张量模型中的一篮子水果的“属性”和“种类”,虽然不是线性相关的,但却具备“系统”概念下的‘多重线性关系’
, a* R5 [+ W9 i/ Q- o% J; e5 w2 ^9 b! d
: V# q5 O/ u* v( \* g

' b  Q+ R% \9 T& v: V2 M
+ |  _" `7 ], j: e
( ?5 G5 X$ i0 W" n3 S) O
  I2 T0 J# D- |& B4 ?1 U4 @

% O* h: {/ M2 V! n

+ @2 Z% n9 l3 m" P2 q: s2 M. K; W6 z' m- J& ?

+ L: n1 ]& a6 J3 V+ E) w/ m+ a6 W
* N7 O( x! |+ @7 K  `

6 V$ X) y/ Q! [* \, K0 |& a7 G2 f1 U9 C! C
& A) U9 j  a  }, k
   通过张量,我们可以观察推导系统和系统之间的更加精细广泛的关联。并且,利用张量表达式,把一个收敛数据集合的“系统概念”看作一个“点概念”,能够简单表达一个系统和另一个系统的“关系”。原本复杂的多重线性关系,可以简化为某种容易看清的逻辑轨迹,可以明晰其中的规律性。# K. m  S) p# o  ], J# Y
4 ?* X. i' s7 b. L
$ q0 I! E( _2 F4 X- h
   因为复杂的对象一般来说我们无法计算,但是局部可以用线性的对象去模拟,这就是阿列夫1维度空间的微积分的基本思想。这个可微分的光滑曲线的局部直线段dx是一个向量,微分dx的全体组成了一个线性空间。6 F5 U: i0 p, T* U! Z# n( e: H

6 {# W) G9 w/ k

' h" w  U) [- }9 C" r   进一步,如果多维“属性”都可以依次偏微分,则全体的偏微分的形成了多重线性相关性。这样,我们不只可以研究两个空间之间的一阶线性映射,还可以研究任意多个空间属性分量之间的多重线性映射。+ ~' D6 w  `; o" F8 K4 Z
+ q! `9 i! [/ o4 E; g4 A9 _% |- Q
8 m3 {: T7 P0 Z% U7 w* i

: z9 c7 ^6 ?7 D6 I

9 z0 i0 p& ]0 W% _. }  y1 P( Z' e, Z6 Z# `' h
, |4 g' R% x& B* u9 y4 |' S
8 G7 n- a$ h% t# K+ H' k) }
1 g7 C* f+ E7 l
6 z, P+ s- N9 P7 z; }& @. p
8 G  i' u3 h& X% B
   比如,如果能够量化亚马逊河鲟鱼等动物和可可树等植物等不同生物种类的各种不同属性(比如氮、磷、钾养分含量)的分量关系,就可以量化研究亚马逊生态圈的养分如何流动:
) A) }& H* L) s9 Z1 w
; q# L; V) D5 C" t" U

, S& P9 i. B6 |. A8 f+ l6 }: A. `

1 z# [8 l8 [  c! X6 A7 q/ x8 P( x1 I, ~
0 T6 Q6 I5 Z+ [

, ]) F1 Z5 a5 b3 V; C8 `9 t9 I0 M. g. B3 J: C$ X: c! u' R

6 w/ x; D3 |% \; J& Y
' Z, d: S0 ^2 h0 H2 _

: K0 k6 }- x: w" z  H
/ h& D0 C$ P/ D! {

7 U8 |- i2 v$ C3 |1 c* b; x1 y$ g3 ~

+ ?( r) u! _) M  f  d1 c- O2 S: N6 r% v7 n5 u! O
+ B2 j7 J9 H7 j7 b5 I+ J, v
   又比如,通过偏微分分量(泊松括号)可以表示哥本哈根矩阵力学的运动轨迹:
' v% J8 _% h0 a9 w" q3 _  z+ ^( P- i1 U
" U  H! p3 k$ w8 h, G4 b9 F# `

9 l3 f4 N3 A9 s) g+ L
1 l) {. W; {3 S' _8 d7 k
. l  }+ u  b" s$ b9 R1 g- n
7 |: k0 V" @! X1 I) L+ j% g# w
" N& v9 r1 P% B2 x# J7 H: j

% Y; b$ M( `/ N6 L# l
1 J% o6 Q/ R7 I: o, u! }6 ^0 U
* }) c' m  P( [3 e" C5 L

% U# y( D# M1 M+ Q

: u. Z% m7 g* L$ b/ i: i9 e5 ?( m' h5 o# _/ ^) ~
' S7 }2 p+ M: o  Z6 ]% }

5 K8 y3 M' L& |. u" J" o) z

+ ~" A, l5 ^" L
( c# e" `- h# F; Z  r5 q. F) E

3 E  p, r- v' j0 p1 e5 B   动量×坐标矩阵(二阶张量)傅立叶变换的形式如下:
9 |. ?! ?, e! i
  }/ i5 k% g, M5 a
2 T5 Q9 _$ S7 f% }' H& M4 E$ q* r: X

: o5 f! u/ Q5 U7 j7 b1 C2 o
5 R8 m' e- p; `' d
$ k; H" E0 q6 S( f  q% b1 f) V* v

: O9 U6 ~1 d: x( a
  b. a$ l, l) V$ W6 U

! R) K) X+ f6 N% h( S
4 E, I0 s4 f1 C9 t! l2 U
+ w/ C/ r' e4 v. a

) B0 P5 `. Y/ O. [- _$ @8 x

+ y8 u9 x! R4 p- `" J/ u0 Y3 n: O3 l' i# B
! c- s# h; [  z1 {6 ^3 S
   高阶的量子态张量空间(高维度傅立叶变换)可以表示如下:6 s! T# |$ k9 c- b- M5 {7 A

& O% v+ m. z5 t/ g8 B+ ]

: b. j4 _2 z, L6 K$ I" d
! U& \; I- Q9 u- n6 ]& t  M* X- d
" c) q( {* V* p. w/ E

% ^0 r# L; Z6 R4 h% d
0 s# \1 u: x8 M( d" x
( O% M6 L: O4 e' X; p# ~% Y
- k- s8 t* o; Y- {$ S8 l

- l3 t% @6 X! a4 q0 _, `  g* g9 E
+ A8 A6 t" f5 x
    注意,上面这个式子就是未来量子计算机的基本演算模型,它的子式子可以是∞ ^∞ (无穷大的无穷大次方)。其异常复杂的程度,超过想象!5 `) `, W6 d+ F  z+ |. a. _2 }% y

4 c" n# j( }. e! t; w
( `! j( U1 }' ?

" o& x! t: I; ]; i
& ?$ X/ J5 m; }# I

8 n# g! m! `! v
, S9 |  L6 [0 S3 J" C/ J
5 }0 l6 k2 E) k; c2 t

2 t3 c; y3 E# l3 o2 T4 L" G
- z; X' s+ p6 F7 F6 m

, ^. T, p" f' R6 I
, }- g' f9 M' \) n) E

5 b( k* ~) v2 W9 z) i0 u* d# B
& x5 @  U* x5 q6 J
8 d5 g& f% G5 |! \6 W
' c9 g, o) z5 w( m) O/ o5 {

. Q& |% j) D2 W  Y1 k3 K
, v+ W9 v6 I! |* K/ h8 X
; G- ~& |! Y4 p7 h- ?! y2 L2 T

* L# m! |. I/ s$ L2 k2 R
) Y- g8 T! {& G# c$ L' d

/ }% ?( @3 P7 q$ M+ i; k" a
# b( W; c* {0 `! A) i5 I

0 J8 U& L' Z9 V
/ B; ~) [" l/ [1 x/ M  _
. U0 D1 \  L4 Q' v

6 Z& i0 E# j; H7 Q( ]# V4 [! f. D3 ?" y+ t
. h5 `& }2 T5 d6 S
9 x2 ~* I  l5 O7 K2 d( i% ]
4 u/ \% U: }2 k1 T, L
     高阶张量的计算如何超乎想象的,我们简单来看看。下面是动量×坐标的傅立叶变换矩阵:4 D- q! S8 D& K6 ]
6 {5 {+ B- G( _( w& R  S2 M
" c( _" X2 |4 P, Q4 N( R
4 V6 d  J1 l: P4 j
% H+ e4 R9 P$ H/ t# A, s

1 M; d) n3 r7 b0 P! h  s

$ @) F" O) ]4 y) f7 s    因为exp(ipr)可以作为所有线性时不变系统的基,所以也可以把exp(ipr)作为系统的基矢量。当我们把exp(ipr)看作基矢量,则是另一种矩阵形式  φ . exp =Ψ,如下图:
" B) P. [0 a, i  a6 \
4 l3 u9 \4 ^* ~; f

6 E3 V3 z8 K2 O) T# n9 J0 X3 b1 z
! w; R1 s. F5 z+ j& O5 G) l5 D0 }

# I! {8 y9 u  F
9 w, B0 X+ z$ ^1 l4 [4 z
$ R$ t7 ^- ^/ r5 C) j" z
     当前,我们使用的基于经典物理模式的电子计算机就是按照这种串联方式演算的。以线性字符串演算高阶张量,乍看起来似乎可以,其实不然。因为数据量异常庞大,比如上面的φ矩阵其实已经扩展到了  n平方*n平方维度
: ]% l2 S& a2 V) b) [: Y
8 z7 b+ ]" Z0 `7 J# O6 x

9 S& S1 p& i  ^6 n( j      并且,由于高阶张量不仅仅限于平面矩阵,如下图,我们还可扩展到三阶张量:! A+ ^& Z+ V/ z( A$ _5 U7 x& X- b% c3 L
* ?( i+ c1 ~* c3 a! J. T- X
' v& X# M  I9 ?6 f7 V, f2 A

3 I6 ]6 U% e7 ~+ z1 ]0 d& P
. x8 D1 a- C+ T% K
) ]$ }& V+ D% t8 J. a2 T2 }6 y

. E6 d8 q% S% F" H' z8 y6 R        我们知道,高端服务器所依赖的unix操作系统具有多进程并行处理能力,但那其实只是分享时间片段的伪逻辑并行,有不可避免的局限性,因为电子计算机的物理模型仍然是经典物理的字符串。在三阶、四阶......n阶张量的情况下,数据量将突破连续实数所能表达的范围(阿列夫1),即使在理论上,字符串运算的电子计算机也根本无能为力。/ N3 ?2 \$ Z8 \

9 K0 B4 H( m2 W9 ~( y8 `

+ `* Q3 Y* d6 N* o( S( E. L% y/ X' F' B/ q
& f& a% Y- X6 d4 B- C

. \" b9 P; N/ s5 M4 u5 m: q. d$ n# B& d

, m; u( Q: k7 d; w; _2 d# e9 [& v' z- O  i5 }4 O4 G( o

! m+ B1 @; k# L+ \7 K) ~* x9 ~& {' z: k
' p& a7 |5 U; I% v- n

' ~/ y1 _0 j  ~

3 e0 x/ Q( D7 W) J4 r# q" \/ J/ T6 O# v8 E5 E" R

+ D- ~  d6 p, w) s& s) V9 h9 A. v6 [' H; m

0 `' j3 p  p, r0 w
* q  n% U& J+ Q  T1 D/ V+ C# H
& G$ u; Z! x& i6 |# @
    但是,基于量子叠加原理的量子计算机,却可能拥有2^n (2的n次方)的并行计算能力。这是质的飞跃,因为当n等于250时,量子计算机可同时并行处理比全宇宙所有原子数目还多的数据。6 v: @+ [# z1 q; V# \

. _" Z# O2 x% L( K5 a

3 N- o  c( n* a" v3 j" @* c
$ N+ _+ d$ N$ U: ]/ B6 A* k
. W8 f9 A& O: P/ _% a
% V" v1 g! J" t$ u' f  t: h

) ^6 T) s7 `% u) [; v+ X
7 X8 F1 m! m* v; y' ]

% J1 ^& O, r: m- N; i
! j9 x! a& @# H+ e6 t. u( ^* U
3 c- t7 }7 V  B5 q
   
' W- ^# x7 H2 t4 Q: w2 |. J$ _% f( |: q' N
4 g3 l" \" Q0 b! P$ Z' {' ^0 e6 ?

" T+ i1 i! y* j. r2 U% R7 H4 n3 j5 V
" Q3 @6 Z0 i, X$ i( G; m0 T

/ J- N. F; K' q" m! y
9 N1 v. {9 _8 T; }# l2 O
   关于"大数",最早表述在古希腊数学家阿基米德开始,他在理论上提出了一种表示大数的方法:有人认为,无论是在叙拉古城,还是在整个西西里岛或者在世界上有人烟和没有人迹的地方,沙粒的数目都是无穷的;也有人认为沙粒的数目不是无穷的‘但是想表示沙子的数目是办不到的……但是,我要告诉大家,用我找到的方法,不但能表示出占地球那么大地方的沙粒的数目,甚至还能表示把所有的海洋和洞穴都填满了沙粒,这些沙粒总数不会超过1后面有100个零。; t; k7 c" B6 |1 g; _5 j

$ i# f0 [% }- @& B7 f& z

: f7 P2 s; r8 c" l% u   在这段文字中,“1后面连续有100个零”即10^100(10的100次方),按数位念作“一万亿亿亿亿亿亿亿亿亿亿亿亿”   
& d2 s2 C% S! Y9 Y  @/ _7 `% u: i* i) D3 R6 ]2 T) K. i
( q) [" h2 B8 a% f& O

- U7 d7 p  `, @! Z2 r3 r* d0 ?

  A( D# p9 k/ e7 y. q' X& |+ ~* M6 K9 _+ h$ v. r4 N" r
# {7 ~/ X* M2 G; g# ]+ v5 K
   10的100次方已然如此恐怖,那么下面这个东东呢?
( W. v& [0 o4 I3 [9 }" r
: K& v6 O' X: O! @

% K- A& e3 o; ^- Q& o- z" }
/ ]" a( i6 {2 A1 ]

. }! y3 ]4 h* C7 H. E+ r6 P* ^) d# k6 s5 m

- u) `% B) u0 Q
+ q' a! ^# @0 j6 e
: z7 S# h7 Q, z! S( n

! |' D7 P- J( M8 I  h

6 H) r  Z4 o! d
; Z& T* C5 |& |1 t: \. F8 D2 a" t
5 R0 U6 f* l2 U9 m1 N5 o1 a
" |  ~8 h. V) n" M% ?+ Y
' }/ j" ?, b5 \, m% ]
' N) [8 L7 u% ^8 r9 G
0 p  X- l9 F6 {2 l) O

, p6 e7 u" P' l/ B- \: n# P) l, \

; j1 z7 p  E3 i6 t2 |  e7 N8 _
3 S$ D) v8 S1 }- l* x

+ V4 M, f$ H" A7 e% e# f7 s% D2 g& o$ X1 s
+ ?, i* }' _6 t4 q

5 l5 j0 X! H4 G! L/ r
' u! F" F, q* _9 r& H- F4 ?
. o, L2 z* W3 u# N- f% _) P& J: m
* R  s& z0 ^/ q0 g
6 _1 d% \6 L$ R$ q6 c
* J- k3 \0 d$ W- v
" o$ y" z' R: [( y4 K

9 d3 f* I* a0 x7 l
2 k' F9 Z+ `$ A( o

  e4 u5 s1 l5 @  p
" x& m% a* U9 u$ |6 N

7 x& S( ^/ `6 b2 [
/ M( p+ r9 [- T; P4 z3 ]3 c
9 K3 R# r5 Q. o- c% W, i. V- h
9 O3 W4 E: a8 M% ^; o2 i5 s

1 }# e# [0 W! D6 n4 b: L) u- ?5 j
9 l5 }2 ?/ b" [1 X- N
4 g8 K" l6 l% @! ]3 B1 J+ u

5 w) K5 W; S0 {- h7 T3 f! P# {3 `
  a6 A7 [' S/ Y
4 I& X, H, P9 j+ k0 r- ]

/ f2 j5 F0 I& K* P- ^9 s8 M: ]0 ~
! G5 J# u0 ~8 Q
8 l% B+ u; f$ X9 K$ S

# w! |4 H6 C! a  F& x/ S
  g* h% D2 F' n* U3 G% r
) V# h# w' y  d! H0 ~* M

. m. ~$ J- _5 |9 T- e
( |2 x( ]/ e; \6 U0 a$ e0 b9 w
2 l* o! ?: L9 s( ~  ^' l
. P! h2 ?2 x7 ~* Z
4 ]- P6 t, @' n9 y* e

; O8 q4 S: B9 K# p   还有,更多的,更多更多更多的:
9 E7 O, [5 z% O0 Z  b* k! C: [8 Y
  m( s2 e1 O5 s$ [) V5 Y
2 z# S) k% Q1 L+ |! Z9 Y# z
) h: l, y; s7 ]! Y! r5 {
% D! D6 K* ~7 u7 D- K, n

# f( S# O+ V. b6 j( o
6 X$ {" E7 N! B
   这是张量允许的。
' Y2 B3 h1 d, m1 i4 Z5 m/ i
  r  ]" M! N8 ?/ ^1 L; B- K& n

Rank: 7Rank: 7Rank: 7

积分
13286 
威望
13286  
包包
34831  

论坛元老 精华勋章 金话筒 专家 优秀会员 优秀版主

38
发表于 2015-4-22 20:12 |只看该作者

. V* {1 A9 B- T
% H' X* N: X' d6 U2 V/ W
7.2 阿列夫2维度的线性相关性
" v) i: o7 f6 g8 `% t
4 C( P; ~* i. U, S. P. L8 |
8 [  H' I& a' F

$ c4 B5 b& {4 d! s0 l$ _; m

, E' R0 T, S. O7 H$ g7 X: ^0 l
9 Y; \) i  X; S

* ^6 ?0 q2 e5 x" N1 z' ^% E- n  “智慧”,有一个重点,在于判断两种事物的相关性。& y4 m( O0 O( ^. H7 i5 P
- h) A& c- @5 u
# h7 ?! |+ R1 ]* q# R3 V
  所谓“关系”,大概国人都耳熟能详。拉关系、搞帮派、扩人脉、充势力,人际关系网在我们生存之地是如此重要。有人甚至说,在我泱泱华夏,一个人人际关系网有多大,他的成功就会有多大。; O$ _- ]" `, p0 k: L" q9 @

& w- V! F: B# m" S6 C- u  t

& C$ R% I7 l7 J8 A0 j& W4 D+ z  a( n% G1 R

  U& k7 O# K" ~* n1 m' y3 ?- i( J2 K6 |7 J7 d. Q3 Q

; u# E& D4 c1 ^- N  B1 P- e5 S  西方人也关心“关系”,科学界对“关系”亦为重视,尤其是如何“量化”关系。/ k6 E/ A7 Y# K9 u. v: D& L
  n& @. [# E# |& B) W; _- O* a
7 r0 u! S5 F- j. R- O5 C$ S, l' i
“量化”事物间的相互关联度,有很多种方法,其中最直接最显而易见的是“线性相关性”1 R* n- Z3 c: B* ~( @

6 S+ t$ k$ ~! j0 O/ o% g

/ b# P2 }5 S7 Q3 k, F4 a. J! S' @
: R  b; C2 @! m

3 F: o4 F) L9 D+ h7 L

4 P2 E1 S) `$ W3 G8 [+ G& G* ]1 ?* t2 l5 {

4 ?0 `" k- v7 N2 r& N7 C8 q( y, T; Q. c! @* s# a
! S- [, t& p7 J: F+ h

: G% E# B' N5 T& ~3 _' {% H% [
, v6 H/ W% i9 q! e, K# {$ M
8 [1 `5 @1 u% ?# m* c; ^
) ^2 y9 W# T5 I' W) \
  如果一组数据点,能够排列到一条直线上,那么我们就说这些点关于x和y是线性相关的,如下图:- G3 q" r7 Q9 o) T! X2 ^

0 `" [" [, {4 t( U, _
) w+ G+ ?9 m+ w
4 Z9 A% @6 ?% \

% Y! x5 R* {6 V- Y: }2 X0 d- O' _& S

/ U% n5 l% |( t$ F  一维线性相关性很容易辨别,比如一个苹果5元、两个苹果10元......十个苹果需要50元,幼儿园的小朋友也明白。6 l( m4 ~' A/ X1 Y" k, q

+ h1 @4 w4 }7 _5 T& z- s

9 ?7 h8 }  O7 ~) X5 D% V5 \  数学表达为:Y=aX
. T" ]2 u' Z* O: |
% R5 \% }- ^; Y0 u3 n

  V6 k8 w) W  [/ z* y* \$ m& }1 D  其中Y为价格、X为苹果个数、a为每个苹果的单价
5 i- |9 a5 w* x# T5 D2 R# b4 `9 E4 ]% U
4 Z7 s1 T7 Z) p; K" U" n7 {9 ~: E2 i

0 ]3 O" H* A5 ]2 e
. z+ `0 E: ]/ @& t4 q8 r0 H0 b
2 b9 L  p* Z* [( V( o5 T0 R
8 z/ A) m' F3 @" j3 \- G
  二维线性相关性稍微复杂些,比如你买了一篮子水果,包含苹果和梨子,其中一个苹果5元、一个梨子6元。那么这一篮子水果的价格就具有二维线性相关性' ?. H1 {( v6 t) w- V- ^
9 E7 p" G3 m/ z& u/ m

# ~! k3 p$ t- `) y$ U. W* n1 d, ?* d  Y=a1X1+a2X2* n" [3 y3 b3 K4 a6 y( E
& t  v9 z" n$ y% q9 O" g/ `) y! L

( H$ }1 H; V* m- A" A8 P7 m  其中Y为价格、X1为苹果个数、a1为每个苹果的单价、X2为梨子个数、a2为每个梨子的单价
# v* N& ~" [$ M) ]& j
+ D2 o: n! t3 L$ d0 y4 r$ b7 u

5 B' w- T( c$ k9 N6 m' k3 H# O* a7 o5 y* Y5 U

3 O* g  ]: a: I2 F. D. x3 M$ U  {; T
( ~, m8 V5 Q8 x) U: G  T# O
3 n& k$ Y4 o% G
  n维线性相关性类似,比如你买了一篮子水果,包含苹果、梨子、桃子、西瓜、荔枝......橘子等等,其中一个苹果5元、一个梨子6元、一个桃子3元......一个橘子9元等等。那么这一篮子水果的价格就具有n维线性相关性
* K8 O! g, d! v- z4 q
, e' K" J  V4 m& R0 X, Q* X& Q# `
2 B) c0 v5 H  d6 l1 S) D
  Y=a1X1+a2X2+a3X3+......+anXn0 K8 }, t# V$ x7 ?
( p/ |, H6 }/ n& C$ ?
; S) I* M. j$ R; O
  其中Y为价格、X1为苹果个数、a1为每个苹果的单价、X2为梨子个数、a2为每个梨子的单价、X3为桃子个数、a3为每个桃子的单价........Xn为橘子个数、an为每个橘子的单价
$ r0 Z9 z+ z% N0 T7 r/ Q$ K2 [3 s) [

4 d1 _2 x. Z- ?! l8 |9 [/ c3 q4 I( G5 w; g5 F& z/ H% ~

4 ^7 K! U1 a! z) v4 |" k# }0 H
% @# {. d# t, D; A7 j- ]2 F9 a
- m( s9 k& Z: ?% ?5 L7 K- N
  当然,n维的可以扩充到无穷维【这是阿列夫0维度的线性相关性】" i; \. P3 ?; S% _! z
9 d: Y* a7 i+ Q, `; A; ?
! B* S+ N: F% a* s, N/ ]
; o( Z8 m: f7 g+ _/ v) N/ U8 K

7 ]% {& n; |: q' e. ^
9 X8 X; y2 Q# I$ n: E
. M& b1 m- q' j) R
1 \( I; `7 h! F2 g3 H+ j( L6 t6 N

; W! Q  P- t- c  h# ~5 u% i
- x+ @1 Y% u4 [% G/ b
+ C+ k8 [& Q- c+ C% v" F# X: a4 P

  h# T& g/ G) N8 i( n. z# t

7 w$ w) ~( ^1 ~% m2 _' ^+ Y/ S+ C# o1 x; J$ I; [! Z

# s! j$ x) u9 `: z6 G0 x# F+ f' x, V6 g" A7 n. H7 _

( C6 h( t# J' N* m- w5 N  D( Z/ e/ ]4 `1 p+ b

. l7 y/ y" h5 \' k; y/ k
# N- E: E4 s: Y

& k2 {. i0 _2 \, e' a  O- X! y% f: v5 p1 y
9 g/ m% ~( ~- q
: N  p# t+ |! T- P  V" ^, [

+ B" l2 c2 }( ]. [8 y2 f7 h6 [$ C4 h. a7 t# r* J, G# R+ k

, n) `: `3 F4 \" x3 Y& |" p) W( u" p
. I1 m! x4 y* X# H& |
! b# |' S! h. g1 B* {6 `

0 ?- c$ O6 C) L! r0 e6 `
. l5 R0 c5 ?# P
  还有一种相关性,做投资的人会经常用到。比如你买了一种股票,每年的收益率是171.8%(取这个值主要为了方便计算),你是个长期价值投资者所获红利不取而是再投资,这样利滚利,那么你的复利收益率曲线将会如下图:
: i# w5 _* y1 s1 q/ {% ^
3 J! \4 E  n4 v) U% C
/ H# f, ]4 ]3 Q# D! f! m
  # K0 I0 Y  G% S: z' w. V+ d
2 X5 u9 z2 k/ J. @! U6 B+ _0 y+ f# t
& u1 A: c# h7 v# W+ `/ t0 C+ M5 N! [
  这实际也是一维线性相关性,如果我们做个变量变形,把Y轴以lnY代替,那么它的图形会成为大家更熟悉的样子:
' r5 c2 _- U. D9 d0 L
% r: C' m+ u! `( y2 X( C
1 o/ F: S2 A/ y, @
% l" P0 `1 N' x$ h3 r, q

, p1 s1 ?1 v3 n4 p

) {$ T9 I. s" f/ v7 M* {  这是最简单的函数相关性。1 T4 u" `; r! U

. @! u; |. d9 ]* F
0 t0 M) r% L+ Q2 b3 J
/ [7 x; e$ {+ R) N5 l

# G+ L0 u! }# s  x- x) H- }  f
" w- }, K! M5 U' d6 x7 P5 t
/ E; r4 L6 l( K' X( u

9 ]# R  o2 G8 E  k- x

5 ?' u# H. U* r1 }2 X
/ ]7 W* d- p" n% z) Y9 [# u
  L% B+ j% j  u: Z4 T
2 ^: M# Z$ O% T5 p" S4 t+ B: w

+ [: A. A$ i# k6 R( v- [7 s5 j7 e6 j: E+ n3 B, [
9 c/ P: E; g/ f
( G3 c6 |& i2 ~' f
$ a3 v) f. p) q4 f: Y# O

* [, p. x; r3 [8 g
( @7 h5 M+ o! G* x& }: Y9 ]$ S
  更深一步看,任意光滑(即可微分)曲线(函数),可以表达为∫f(x)dx
' G: s& x. f# u, |6 m
" z( _: t0 U( y

7 R8 j1 g1 H: ?/ z- Y: ?, r  Z" t  记得有个老师说过,如果遇到超级难题,没有解题方向时,则不管三七二十一先微积分看看,说不定原本无关的函数,一经过微积分就线性相关了。
0 K8 X+ @! @' x' F# j3 N6 C( o* ^7 y' ?" l% o; W
1 Y7 [6 ]- B8 [( ~9 w8 J6 }+ i
  这实际上可以看作一个个无限小的直线段(微分dx)的线性组合【这是阿列夫1维度的线性相关性】
3 w, O' s0 N7 _) l4 H6 v2 L3 z% j6 E! n% _' H+ E
* r* ~3 R$ l4 G4 T; I
  用狄拉克符合可能更直观些,投影分解图像如下:# c8 {9 `: w, c1 n; \

4 F4 m! u2 D5 }

+ R9 Q' T- Y: B+ w& D, O
+ f4 ], M! L9 l  p" q9 G
0 }4 Z* p% s/ s1 _, K

! V: }) I6 [9 N+ P; x
4 i2 H; |1 Q& ~* G( ]) T

2 M+ {/ A  R; l5 P) I- \
6 d- U; h3 L& r% v1 t! c

6 I3 o4 a6 N7 ~8 o7 Y1 S: x+ A

/ y8 W) A) T& l6 Y+ Y  这是连续无穷维的向量空间。. I1 g) B( H, \6 y* y

1 `0 X, N! v9 q1 g- X7 g& `; T3 |
7 v# j4 }8 H+ r

& m/ X  ^4 y& @5 v4 y/ v0 a

  T9 g( |. I6 a  @8 G2 m% s8 I+ _" P# A( L1 t. v# V: k7 b

+ D, f7 j4 F3 A1 |. j8 N0 c+ K
/ T: o8 S$ x9 i# b4 @8 ]" k, h. G

9 i6 m6 i/ H1 Z' m- u, |- Z+ n
% ~. D, N# }9 J& b+ h/ L% A0 R
. E5 l8 Y) ~, y" @

3 K- A- x6 o( @7 H. X
7 K* m+ \+ z, O+ t. Y) G: d8 s
4 X8 ^; _, n* i' y9 x) Y
& Z& `" L' G5 r5 ~; ?! G
  |+ a$ l( y4 J- Y( q! T5 K+ n. ]

& v; @2 I5 j# C; w$ r$ e' Y5 G0 A6 X1 Z7 G2 l: x
* `7 G% p8 }; E2 [
- `, @3 x5 A  y' C! @0 X

$ R% [- M3 z% a/ X6 q3 c5 T
: o' z+ `: u# i. [) p" T: b
8 b& @- I. \+ q/ U2 g7 F
   还有一种更为复杂的线性相关性,即“张量”。
1 d* F4 l) g2 g, O( F* t
3 P8 {+ [; X5 I; R
' A' E) I1 R8 u( [- P9 o3 |
   比如你买了一篮子水果,包含苹果、梨子、桃子、西瓜、荔枝....../ y7 C3 `3 ]4 d% b

" L9 X) _" O3 p; B* _' B0 z* ~
& F! I4 j: h* d, H! ?
   其中,苹果分为红苹果、绿苹果、半红半绿苹果......
* Z4 ]$ E% U$ i) `0 |2 ~7 {2 D' u
* s- k8 A3 D6 w' C
   其中,红苹果又包含大苹果、小苹果......& b- J* E  Y0 X3 n- ]9 }1 s: K+ Q

) m  c" c5 b5 t, q0 u
6 b7 V1 A' G3 \+ H
   其中,大苹果中有些是新鲜苹果、有些是不新鲜苹果......+ P9 Q  X- q! J8 u/ i3 G" T6 ]2 X

  J6 `8 A) |( d3 X5 ?- ?3 _) [+ _; n
- t+ p1 N7 a8 Z- Y6 Y0 c
   其中,新鲜苹果又分为南方苹果、北方苹果、美国苹果、泰国苹果......
* V. U5 m) ~, b- x) D. H: z1 ?6 ^
  c4 i$ a' ?; m$ C  E# {& t
  I' E2 q# F7 D0 m9 R7 S! K
   其中,南方苹果又有甜苹果、酸苹果......
( p: T* j# T1 Y! O4 k) D
7 l' g* R7 l) P9 \
/ _# C- g9 e- l* s' y
   这样的属性细分,是可以无限细分的
8 P7 u0 f5 E# Q  }* n" s9 y
3 M4 D0 x% c7 v2 e0 H; _; t  C. M
; M( f" \% B1 Z% d( r+ P
   ..............
8 C. L! G6 o- v2 I; |& n
  w0 k" r8 b# ~  J( f
* Z6 T! A7 @* p, D- w4 B
+ V8 f6 {& p+ t* J/ i8 z
' C# k4 L& P6 K' M4 `3 c$ h
, ?- W" R/ }" y; m2 N# [" d. \. l
) W+ W. Q& _1 n, |; \
   其中,梨子分为红梨子、绿梨子、半红半绿梨子......
& }0 d5 F- s: L9 r0 d8 Q, Y1 e/ E4 q& |( w( g# s8 D. k! u

/ t, @7 N6 K: q+ {' e   其中,红梨子又包含大梨子、小梨子......
' o7 v$ }' X' z( g
, u) K2 w5 l& r! P
& K- h& t. E) L  ]9 a
   其中,大梨子中有些是新鲜梨子、有些是不新鲜梨子......6 U+ n) ?, y' S* F) l

0 X1 V: C8 ^2 J2 r2 }5 [( e/ K

3 z, v# S* j" {# k- I$ W7 h7 q   其中,新鲜梨子又分为南方梨子、北方梨子、美国梨子、泰国梨子......
) m) s+ k; h3 o1 U+ I+ ^
' y0 t: J' d) N0 q, ?

* D2 l6 Z5 ^2 u" N2 t   其中,南方梨子又有甜梨子、酸梨子......
- p* K3 R1 f7 t4 M: ?1 u9 w$ `0 [2 v- t

2 S* ]! W  q7 o2 W' b5 U& a1 E   这样的属性细分,是可以无限细分的
. g) m' v3 `& j! J, ~1 O1 }! e' h

! o( F# c9 ^% l" x2 r4 i   ..............
  v$ T( |  U; l" O
' ^: V9 x# B. H- f
& R+ V  I+ I2 z! P. K
. B! q; o6 ]: x1 w. I
+ \% H: X' g1 d! Y7 H

: C7 e' H5 L) g8 J* a) K( s3 m
6 E1 D* i' ~: x2 _9 o/ t
  、、、、、、、、, W/ Z. N7 \4 d
2 m* Y5 Y$ k; c. ?

3 e8 [, R9 u0 b" c0 x
. M# T* M6 Z1 j. c

1 \( Q1 e1 R7 `& n$ s, g7 g6 }( `0 v9 w3 P3 ^, c7 [
" ?4 y& u' ~+ l9 W
   这样的种类细分,是可以无限细分的
5 {' c' v3 F2 L! C# N  \  R/ B7 f3 x! D

& M" B/ x3 P# k& O& v  n# s; x  r/ r7 U: y6 _, f
5 e, Z8 n! F1 J) F) v! i) Y9 c/ S

9 [( `0 g, W" ]! \' R7 i1 C& O; p
0 e+ G# r8 _$ o0 c
; |; I/ F7 R) c& B# X5 i. @

2 @) a4 `# x0 C' Y- \& ?. g1 `' P* N6 A1 z# z

, g0 t7 f  X! G2 |& N- `, q0 R: S7 q   如果我们定义一个红色的大的新鲜的南方的甜的苹果5元......一个绿色的小的不新鲜的北方的酸的梨子2元、、、、、、。那么这一篮子水果的价格就具有“多重线性关系”
, A( }* ]+ m, J: [& p2 e, X! A% ^# ^, I# s( G! p

- H1 ^7 d/ Y# K  d3 O7 H# z- w5 b: [  如果我们把水果价格定义为“张量F”,水果的各个种类/属性的单价定义为“张量M”,每种种类/属性的数量定义为“张量A”。则各个子属性分量具有以下多重线性关系:( }8 n7 C: [$ Z4 `
, v  g/ x" E- l, q) o" z# {1 R$ r
6 G# l& U9 f! _. N6 W

( N2 C5 U+ |, l  {/ H/ Z" Z
" @: M" F5 L- B) o, \( Q5 T

3 n) f( d6 P- D
8 N. e+ ~/ ^% R# u% E' n0 `) D
: M  z1 A. [: g- u7 `& K

0 R% P$ x( m* W5 J8 A+ u8 X" S" J7 ?4 C6 ~
! T9 n' j* n; `2 L5 N1 o2 m9 I+ F) C
# p1 W, o( q- f* r  k" z
/ W  U. W$ |7 g! K' k$ B; y
* Q6 o& k+ R8 m8 d
: j! \& \8 D: K" K& f: S

6 q3 ?6 `( [9 I% m4 A  Q9 B7 n
3 T, E3 m$ m2 w

+ N9 t/ ^: q. w# [5 a; c! E
7 c& I# [* ~/ B0 Q( \, T: E% ]* I
   初学张量的同学往往分不清张量空间和向量空间的区别。
; S5 q% p, S  v3 r* @
% Z& D, y  z/ a9 X" a# S

5 ^) R; V- ~7 z   似乎,无穷维的向量空间完全可以表达高阶的张量空间。只要把张量的各个“子属性”等价映射到向量空间的“基矢量”,向量空间和张量空间不就等价了吗?% e* E0 u- W+ y

  f4 s. I; `  ]3 W: X% p

# W- t" f  S4 R7 z. m. g% l   何必脱裤子放屁多此一举,再引出个忒麻烦的张量呢?
2 \; X9 |( [: D8 h$ y- d( A
' i) T" D& ~: W! J

( y# N, j1 _( _  E9 o+ k; \1 x! a: v3 K

1 g! n7 p) Y: Q/ B. b6 [. G5 V
  A, F$ ^+ Z! S) |' s4 Y" _  ?

$ N7 ?5 m1 g& I. L' S8 F" L   因为,请注意,根本区别在于:张量空间可以是阿列夫2以上维度的,而向量空间仅限于阿列夫1维度。
; |  D6 m: [0 i
/ {8 M5 E: r( N

0 i$ I4 U: s& ^5 l2 R  Q6 ^
$ j" H: F* [; U
) k+ y: q, d$ N- P8 p6 V
6 K+ O- U, H! c' T: Z) t6 k  ^# W
1 Z* H8 S5 h3 K3 `  G  l- V* _5 {
   比如,广义相对论中测地线方程的导出,就是利用偏微分的多重线性相关性。与微分相关性不同的是,无穷维偏微分多重线性相关性的表达式多达‘无穷大的无穷大次方’【这是阿列夫2维度的线性相关性】. r* i& |! t  c- v' {8 ?" N

6 S& v( q8 {4 X

& }0 i% N$ M9 x5 h; n% p! }- z; h( {! e
+ o, X5 E% {+ b  f- R) E" N
: u! T* v( Y  S0 k% o+ l

# O7 y2 C# b' x4 ]8 F) A" u8 I7 n- F. [* `
8 g" G& p" ^6 T/ F" t( s! y

" |& z- M( g  {4 }( s3 F: h

2 {' n6 V& ?3 a2 m, e$ Z/ \+ c) [. @$ w

( i8 o0 ~9 a" @* D, }( |& h6 Q# C' J; l' r4 {" u: b! ?5 _6 h

1 z) k5 h3 x) c$ n8 L$ w; @  D7 v/ I5 N% t' i

( f& G" M, J9 H9 m; y/ ]9 B" ~& E8 _! l" [$ S
. }8 j0 d; Q' i9 B& K) M
   我们知道,以单一性质的同类定义的向量是一阶逻辑的,而具备多重线性属性的张量正好对应与高阶逻辑。+ |8 s9 N+ u1 C2 }  |6 n- I- A( l0 M

9 g- ~, B! W9 ]& `  e* l* o

7 X1 [+ ^% k+ K/ ~( {   所以说,一阶逻辑不能替代高阶逻辑。高阶逻辑意义广大广阔广泛得多。; x! j1 b# v: p% Z  S8 ]& O

, x0 H6 g. D1 P/ `$ ~8 Z2 A5 O
( q# o# N5 y, r4 @+ T$ n
   如此广大广阔广泛得多的东东真心值得探索,后面细细道来。
7 L6 f8 t: u# f" X0 h% T: e% h3 B& v3 ~! y1 J, K0 R. I# M7 l# r2 ?

Rank: 7Rank: 7Rank: 7

积分
13286 
威望
13286  
包包
34831  

论坛元老 精华勋章 金话筒 专家 优秀会员 优秀版主

37
发表于 2015-4-22 20:08 |只看该作者

第七章 张量

  [7 ]2 ]+ K1 e& b9 G+ Y; b% k

0 B7 X  T6 t4 d; l. U
6 P. @5 ^& b' ?) _5 b
; g( x! m: ~7 R$ Y! {' Q+ `
7.1 张量简介
: v" |# ^  R# w, h6 K9 j" W   0 A' n; A  t: t
   “张量”既不是张良的哥哥,也是不张飞的弟弟,因为张量不是一个人名,不姓张0 }$ N$ _: I# F5 r0 ^6 D3 n
   简而言之,“张量”是一种量,一种张开的量。, z- K/ r/ r) s6 q3 R
" G$ j9 {  J1 H6 a0 s! n6 r
; H- l1 w1 P' j
   比如,肉眼看一个细胞,是一个粒子,一个数据。
' f6 }) t1 w7 D8 n  }+ B   如果通过放大镜、显微镜,我们会发现细胞是一个包含细胞核、核糖体、细胞质、内质网、高尔基体、囊泡、溶酶体、线粒体、细胞骨架、细胞膜、中心粒等等。放大镜下,细胞是一个有结构的系统,有一群数据。3 c4 d" n$ h3 x' ~* A
   张量就相当于这种放大镜。它把一个点粒子数据放大,呈现出一群数据集合,使我们能观察到其内部更加细微的系统结构。* h' q1 i4 s5 A/ Y8 M& o, v) |( r1 L

. J8 w% R7 Y' r9 Q5 F
4 r$ M2 P) _4 B: [+ F& h3 g& w

) @! i4 Z& }4 f$ f1 Z8 ]) v

7 J2 v2 D( I0 O( Z3 r5 S! l6 f2 p% G; R1 n
$ b; D* p- u+ |; z

8 Z9 v; l/ [) m9 j' e! V- f  {, U. f  r2 }6 Z) F; D) B

4 \, `8 o& L* s# S   下面转一篇‘惟一佛乘得滅度’网友关于张量的科普解读:
5 J4 t: Y! F5 w3 B/ v" w' \; }# R$ _1 A7 j
$ ^' t, E* h: S! D2 G" P6 F- E
   给物体一个力,物体会有一个加速度。经典力学告诉我们,力F和加速度a具有这样的关系:
4 k0 z' p# z  y: D0 m* q& d   F = m a
. S) k9 e+ [! I( Q  \1 A
' q: t" h9 i% m8 B8 N
  r0 l& F# Z; B, q
   在坐标轴x、y、z三维空间上,实验现象告诉我们的规律是:/ c/ G, Y) j  N' }( v1 K
   F_x = m a_x. \1 j+ N% h* U% y8 w; ~
   F_y = m a_y+ D$ A0 b# |0 s2 |, p
   F_z = m a_z9 X% E' u, ~8 a: j5 D! z2 P
   如果我们想把上面三个公式写成一个式子,简化为点符合的表达式,可以写成熟悉的矢量形式:: r. d1 J7 R6 t( d6 b$ P8 g

) J- \$ Y  j% [: X' a  0 M4 _% s0 z# p$ Z1 a
  ^9 x- a$ G" e8 E
4 a% x' x0 g- ^8 t" {6 h+ M7 v
  其中F和a都是列矩阵,而m也写成粗体,注意这里的m不再是标量,而是一个张量,表示3×3矩阵:
7 T5 u* _# I+ U  G. ~0 I
$ I' G. x1 E: f# I( D
, g5 T( E+ N1 H6 H% V
   则,可以把三个分量式统一矩阵形式表达(矩阵形式可以清晰表现其中系统化的分量关系):
+ [' {# Y/ ?% z  C0 F. U
( A+ R' \9 [# s+ n3 k: s
! M0 [/ @5 E+ C/ y/ h
. Y( W: w% _4 o4 x7 I3 v
& F7 k8 K  y& N( h/ W- d9 Y! P
. F3 U  W! @) D

! Q1 b/ R7 j+ t+ x5 D7 d   现在,假设我们这个世界变得奇怪一些。 往一个方向推物体,和往另一个方向推物体的质量m分量可能是不一样的。这样,三个方向的牛顿第二定律可以写成$ ?# S  k9 M6 n' \# V2 x
   F_x = m_x a_x
! F3 P  R7 H1 y. f0 o8 R% S   F_y = m_y a_y
6 d  F) @+ b1 K- L   F_z = m_z a_z
, \+ p2 F( `/ m7 w/ e$ \3 h   这时候,不能再用一个简单的矢量式子F = ma 把这三个物理量表达式写在一起了。. w7 ?1 f, g3 |
3 v5 c' h  L! u9 V
   但类似的张量形式还可以用:1 b5 O- O% Z0 R3 h. K7 j2 k
    / a% D+ X+ y/ i; w
其中F、m、a 都是张量,m 张量式子如下:
5 ]4 T4 t; y6 t: L, S, H
/ ~3 U$ g, N. ^* ~+ }
3 O* D$ J+ d% |: d; T. X3 E5 ~
  此时 F = m a的表达式子的细节是:
2 v4 ]( H3 w( L" `% J

# O  V; c7 H0 \4 e0 S. `0 W/ A* Q+ r' F1 c/ s8 d3 T1 S

$ d8 S, h* Y( d5 @1 S: R  S6 H2 M! t( `9 O7 f- O' @# ~' }

' l. E5 g. A& T

! _0 Q) @/ P+ d1 j4 g" x   接下去,让我们这个世界变得更奇怪些。往x方向推物体,物体不但会在x方向上有加速度,也会在y,z方向上有加速度。x方向的力与三个方向上的加速度的关系可写成三维分量叠加的方式:
) {7 H  z- s4 Y; X   F_x = m_{xx} a_x + m_{xy} a_y + m_{xz} a_z
& e8 s) K$ G/ p. E$ y3 |   当然,y方向、z方向的力也可以写成类似关系式。
# J0 S; J, ]6 M- m6 k1 r( a8 _2 N% r# P, ~   这时候,更加不可能用一个简单的矢量式子F = ma 把这三个物理量的表达式写在一起。但仍然可以写出矩阵形式的公式,把三个方向的力和三个方向的加速度用一个公式联系起来:4 i# [, c# A; k! H

' h2 k4 R' W4 k+ W  s; ~8 K
1 j7 e: }% T6 {2 y( ]7 v  u) `

7 ~. ~0 b+ P/ E: y# y( P5 V0 O4 ^4 m/ B( D, T: \

1 k+ G# U; _1 {% U' n    进一步,张量不仅仅是二阶矩阵,还可以是三阶、四阶....n阶的形式
; J& M; A. F) a8 }# X6 b( }    三阶的F=ma的张量图形大至如下:
9 B/ J+ ~% B5 d/ z6 S7 p) T; M! C8 i4 D1 C# L) \' C
0 @  s7 B8 j0 ?+ z! _, P" V1 z. Q

1 a5 M0 Z, b% B( N

/ d' `1 A. y' ?# O7 @+ ^7 H/ Q0 b) I
$ a# C% s( v" Z7 a9 u/ B9 l
, y7 @6 A  A6 ?; F4 u3 G9 U  w
' Z" u; c0 k! J5 X
       三维空间中一个三阶张量有27个分量,似乎可以构成一组3个矩阵,每个矩阵都是3×3个元素。设想“三张平面”构成一个“立方体”。如下图所示:1 ]; w" z" ^, p! b
! X$ M4 A! J5 T4 e. m
* M% Q5 G8 O6 R. p4 F$ U

( a, x& I4 H$ Q0 `9 R1 K& F3 _; P/ Z) L9 }1 e7 D

/ }8 D  ?. i% ~- w( j" N  S  v2 t+ n) t  P% W0 p# \; R7 D5 i& t

) a" j* H6 S" O1 ^# @; w; t   对很多朋友而言,对于表示二阶张量的矩阵应该接触过,但看到高阶张量可能就会晕菜了。其实日常工作中,做数据挖掘、数据分析、报表分析的人士应该都了解的,只是不太熟悉这个名词而已。看看上下这两个图形,多像啊
0 _; r7 \* h7 z* X+ a
) N) h1 S; ^/ d1 o4 v. O

/ u- D0 x5 T" B& J* }) X
# `7 L# g0 f5 u$ D
& s; X2 s* |% v7 Y" F( D

9 w) s6 A  m& \3 X: A% ~' w* Y

) J* T* c$ K0 _
8 m' A' o9 ~" ~4 C, k0 o  d
' ?( Y; l4 _" s6 o% M% ]' K

% ?/ G$ \7 l" z
; h( W& D8 I& I
         更复杂些,在n维空间中,一个三阶张量有n^3个分量,也可以构成n个矩阵,每个矩阵都是n×n个元素。设想“n张平面”构成一个“立方体”,好像一块积木。如下图所示:2 p) v' J4 u7 N4 W

+ H4 l( _1 E9 t  @1 ]' Z; ?4 ?6 j; o1 }' N( ?8 k# I9 u- N% o$ {
9 E2 U  ]* b2 Z9 l6 _8 z/ L

5 B0 h5 M( ?2 {0 J4 X& E1 ?
$ r( C( M  C; J6 }6 f5 b

$ ~6 ^, q/ x/ k     更高阶的张量画不出来,只能靠想象了......
2 |% _' ^" }: r# Y# F% C9 t
+ \+ \7 m- {7 I8 ]8 R* s; ?

$ z- j; R6 u2 U0 @% y' v0 Y& c【注:为简洁描述,本文中对张量、张量积、张量场未予区分】
) B  J, |) _/ |" j* y1 N& n8 t8 n! s; t6 y- X2 f

Rank: 7Rank: 7Rank: 7

积分
13286 
威望
13286  
包包
34831  

论坛元老 精华勋章 金话筒 专家 优秀会员 优秀版主

36
发表于 2015-4-22 20:04 |只看该作者

  o6 ~5 _/ _- c
: K, Q. W# ?; P
0 c' w# J" ~: h8 Q" P; Y
  2014年6月8日,英国《每日电讯报》报道,一台由俄罗斯人开发的超级计算机通过了标志性的图灵测试。这台卓越的超级计算机模拟人类的思维,让33%的考官认为他们是在与一个13岁的男孩儿对话,计算机通过自己的智慧成功蒙骗了人类。这一划时代事件,正逢计算机之父图灵先生去世60周年纪念,被认为是人工智能领域里程碑式的突破。3 i) a1 I/ j7 f6 D+ O
3 \* C( m0 n3 w$ D5 N0 Q" s

; Z- W) L+ {- S2 {9 b5 o. d& y% R5 P* X8 V. _# T( A* I# ~
- ~0 ~4 Z% R6 q. W2 l; T

2 q9 r  ]6 A) M9 c  }5 a
( x" W; M: V) T- T% ?. L. [. Y
  一台冰冷的机器,超越人类的智慧??$ ?" |8 Q# `8 X; V: ?* Z' ^" _
- Y' y, H3 _6 A5 k" \; Z1 T
/ h" I* T% R' t8 R: z& y) _
  骇人听闻,如果这是真的,可能有一天,科幻电影将成真------机器人将替代人类成为世界的主人。& C/ Y$ x* U+ y! V6 A' e$ Z

3 k$ P+ c; l* ^% d" {
; d; A6 r7 f0 g. Q
  这可能么?数不清的一串串大问号+ O9 _1 V. L( c/ [5 G/ c5 x8 C

; r2 ^/ Z( D! m& M

/ B" V) p& J) W
# g  `+ A( ~4 j) O1 U% v2 x+ f0 n
, H4 H6 e4 k( h  C: H( `. i

. g$ O0 w" m- M' x! w3 y

$ i1 k; }2 T& }3 s5 K9 M: k4 U  也许,这是一个值得花时间探讨的话题......1 J3 a3 C% o9 J1 T8 K
5 {, P( ?" k& N0 \! p: V2 C4 k6 G
5 C; O$ Y: y; Q) v4 S  p& w) O
: \* F* F9 y' f$ p/ q

* Z( z$ O9 Q% b( j$ Q+ N* z2 |
  K& z8 q7 f4 v2 T" \3 a0 r! }* Z
9 J* d' y- C: j3 M' a  X
) d$ u; b, g5 m% ?# O. Z
& L' L2 m/ }0 r4 F) _3 Z8 R( q3 ~

+ g5 p# L7 u* J0 ^" u
: R; e8 N! g* T
7 c& g8 I9 E% p! }' O( a
; s6 }0 ^6 L; N' g. f: `) c( U: X
' t$ s  d$ C7 m8 W5 ~9 W9 u3 I
+ P, D$ |9 n0 E/ \# m4 W
     Raymond Kurzweil是世界领先的发明家、思想家、预言学家,他用20余年的时间记录和追溯历史的发展轨迹,以预测未来。3 ~, O7 X, }7 ]" X/ B8 E$ ^1 H

, S4 ~" {, J) a, R
& E' p! Y& l7 i; u
     他被《华尔街日报》誉为“永不满足的天才”,4 Q" H7 j" N; S4 T: ]

# r5 j; O6 H9 s

) c3 m8 S! X" m# |     他被《福布斯》杂志誉为“最终的思考机器”,
6 m  e, O& y* K
( e( Q) ]* [5 c6 h2 L5 l7 H
) S, M* o$ T; i9 {6 s' Q3 ~( a0 [
     他被《Inc.》杂志称为“托马斯·爱迪生的法定继承人”,! c5 R) z: @( I, k9 Z; ^1 _0 [- c

7 q, {  A. f/ U3 V! E
! ~" l- k* @9 _; a
     他还入选了美国国家发明名人堂,
: ?7 J2 T% k: d* V4 g# [
- J# B* o- h  }! _
$ y6 ~% j7 ]2 R/ b2 s6 A
     他是美国国家科技奖章获得者,
+ i+ q4 j7 X" T( x8 q
4 B2 J' Z% I% P4 _

$ o, I$ i+ [0 A2 N4 @0 ^* a# f% O     他是Lemelson—MIT大奖(世界上最重要的发明奖)获奖者,
& a# }4 k  T+ B4 d1 h* A0 M9 T$ Y( e0 U. J7 s) q
$ p3 c0 {* s* T
     他拥有13项荣誉博士头衔,
/ y# v- ^# W2 a# {% M2 C7 d3 s
$ Z! M5 K6 A9 D1 M! z

. k4 o- B: H' t) C  @: H2 [2 I     他曾经获得3位总统嘉奖。
/ n* m. V' S4 m' F" }, @  X9 f, p: k7 Z
" x7 ^% A( T5 D' y' g4 ?
4 c; L$ p  J8 |0 I

( N! k/ _: j8 `5 e& L/ G/ }& m- O1 ?5 I
, t/ T, X3 P9 S+ F; g
     1999年,Raymond Kurzweil预言,根据著名的摩尔定律,人工智能的智力水平终有一天会超过人类,他将那个时刻称之为“奇点”(Singularity),之后机器将代替人类主宰世界。* b- B# e+ m) f& e
& w8 {) U" C. {& h, i& [, ?
& W' I, {8 c8 ^- a: Q

, c3 E9 f9 ]4 e% i) w

% e1 w0 u% ^2 W- Q8 y& l+ B) o+ n% |/ q) H
% v! x8 K/ B& t5 \' w

9 O6 m, e$ t9 o4 c7 F9 x( |

0 O( _. i) h/ r0 @* ^# t0 L7 v1 J3 k( w2 V
7 i& \7 h; ?4 ?( P4 s# A
     一般设想技术奇异点将由超越现今人类并且可以自我进化的机器智能、或者其它形式的超级智能的出现所引发。由于其智能远超今天的人类,因此技术的发展会完全超乎全人类的理解能力,甚至无法预警其发生。技术奇异点是一个根据技术发展史总结出的观点,认为未来将要发生一件不可避免的事件——技术发展将会在很短的时间内发生极大而接近于无限的进步。当此转折点来临的时候,旧的社会模式将一去不复返,新的规则开始主宰这个世界。而后人类时代的智能和技术我们根本无法理解,就像金鱼无法理解人类的文明一样。0 f% U2 Z2 H6 F9 M

- R, T- ]4 `. `% H* D$ P# T
( r6 W( n2 @) f
     大部分相信这个理论的科学家认为这件事情将会在2005年到2100年之间发生。发展会非常迅速,以至大部分人还没有意识到时、完全没有一丁点心理预期,奇点事件就已经发生了。& ]: v/ K/ D  @* @6 X, m' c$ _3 Y8 f

% K" B$ _# \4 O% J
/ K4 l4 a- x: Z+ M6 H
     “让我们将超级智能机器定义为一种能够远远超过任何人的所有智力活动的机器。如果说设计机器是这些智力活动的一种,那么超级智能机器肯定能够设计出更加优良的机器;毫无疑问,随后必将出现一场‘智能爆炸’,人类的智能会被远远抛在后面。 因此,第一台超级智能机器是人类需要完成的最后一项发明。 它可能仍然是人类的工具,前提是这台机器足够听话、会告诉比它笨得多的我们如何控制它……”! a' k1 f' R( {# D0 S  p
, v4 V8 O9 H& a% ?* |5 `* D( [

: \* S1 E+ V3 o" Y& N6 G5 ^& z9 a$ N$ I  D0 _; M( h; ~* x

* s. F5 @* s7 f2 A7 \8 Q5 L) d! p* |

/ r( B4 i6 K& {, |4 C  h& }: D; \$ k5 f6 {% ?6 ^- M# W

) K0 P8 G6 }) @- n4 W( @) D
! Z4 _+ j! E2 I( Q

+ S- n" b, C# d! q     似是而非,科幻或是科学?/ J  Q2 n0 d+ U& s

# I8 Y, ]/ K4 V; Z0 s2 s0 A. B

+ ^5 f  d+ q' D+ d0 I     是真的吗?
8 Y' U  K3 a* ]$ P
2 D+ a0 T6 r; D% y

# o- ]# V( S. y- b% O0 c
+ C+ T# O4 g% Q0 G2 e9 m! f

* z! V1 D8 s1 d- g; @/ p
3 g! C: g: T0 X, w
( u/ h, ?: k$ _; a# z
     1936年,图灵向伦敦权威的数学杂志投了一篇论文《论可计算数及其在判定问题上的应用》。在这篇论文中,图灵给“可计算性”下了一个严格的数学定义,提出著名的‘图灵机’的设想。图灵机不是一种具体的机器,而是一种数理逻辑的思想模型,用来计算所有形式逻辑能想象得到的可演算途径。 基本思想是用机器来模拟人们解决某一问题所需要的固有套路,按这个步骤走下去,就可以解决某一特定的问题,这种观念是具有革命性意义的。今天,超级计算机、小型计算机、服务器、PC机、平板、智能手机等等‘图灵机’已经遍布我们身边,影响了我们日常生活的方方面面。
5 y' E$ p; r% a' k" q  w$ t* r& z8 r3 e+ F2 }
) S9 j/ z8 f7 y, O7 m
    但是,尽管“图灵机”攻城掠地战绩显赫,却并不能掩盖“图灵机”的严重局限性。现在大家都知道,哥德尔不完备性定理证明了基于一阶形式逻辑的“图灵机”的这种本质上的逻辑局限性。9 g4 [/ Z" y  p7 d( h

0 o) F# ^5 x7 P5 M( {, t

/ O; H, ~1 g+ ~
& Z  T9 I" T2 t, l

, z% ^3 Q6 V# a: l& N; [  Z1 P* F' [0 ]% f/ f

" ?% {! p( O+ U% O+ F1 J
% Z3 i  B) a& W/ p9 s1 V

4 Y9 j$ n+ y( H0 e; g) o; O5 y: h

, ?4 f' A9 @* x+ o/ `5 U2 W
4 N0 _8 E, X& Z+ M& n, |: ~
1 M9 L2 i7 K6 Y# k
& @1 n7 v, V* k
4 Z+ {6 F- v! d. \1 j" I
    那么,有没有什么方法,可以从一阶逻辑向高阶逻辑的突围呢?
- n: @  o5 q; ?" v- {/ e  ?$ x/ [! K
3 I) a! @; z; L! s6 B( _, S
   
. F  {* A6 R# ]/ u: O7 J5 f5 K7 r3 t+ D* O( L& L

0 X  a2 |, c* N  ~    “张量”也许是一种可尝试的选择8 O4 U! ]# K0 c8 ^. T& c3 r

( C% ]6 ]# k3 Y9 N, \, _, C

Rank: 7Rank: 7Rank: 7

积分
13286 
威望
13286  
包包
34831  

论坛元老 精华勋章 金话筒 专家 优秀会员 优秀版主

35
发表于 2015-4-22 19:59 |只看该作者
6.5 是与非2 W- A; f0 v0 {) c1 w. k

& U2 w" U- J/ o0 J+ n+ U6 m

* q) R  V+ q; F% Z  x. P8 D; |0 ]8 r# H) i4 F, k
' X- [( Y$ A, e* @! S; s( s9 L
, ]; y( U* m1 `. S4 s+ \3 Y" H

; o* a3 R- |. l! N   中国历史上有个著名的昏君,叫做嘉靖皇帝。中国昏庸的皇帝不少,但是如嘉靖般荒谬的却不多。“嘉靖嘉靖,家家皆净”,嘉靖的臭名昭著是到极致的。他残杀上千宫女做药引、眼睁睁看着老婆烧死不救、到死也不与两个儿子相见、27年不上朝、靠占卦过日子、天天食毒妄图长生不老、豢养贪官严嵩等等,等等。
' b2 Y$ u) M, O1 }& O# t2 j# k! V  H8 ~0 h  j, h! V  Q2 B, Q
& V. }& u5 I+ _4 \
   究其根本,嘉靖之所以闹天下奇闻大笑话,因为他有很严重的精神分裂;而他之所以精神分裂,源于他初登皇位的一个重大事件。
& }% ^" X4 U9 a3 r) |* v1 P
  L2 a) m. w, s
" F6 X. }- T) Q, D5 M

% `& V  E- A+ F% O6 p
8 l* h' c" a/ B- V! Q
9 [* U% y3 M+ X

$ \, W( a3 Z- a2 ~7 ]5 y   相关故事是中国历史上鼎鼎大名的“大礼仪”事件。
- n# c/ X# r' p3 {. e) j: Z) _
- M4 E9 X3 Q0 q( w) `$ C

5 {3 C1 @9 q( u4 U  X. \' ~9 d. Q   嘉靖的堂哥(正德皇帝)意外身亡,正德皇帝没有儿子,按照宗族排序,嘉靖被选为皇帝继承者。大臣们援引古例,请嘉靖皇帝称孝宗(是其表哥正德皇帝的爹老子)为皇考,改称兴献王(嘉靖的生父)为皇叔父,也就是要求他以伯父为父,以生父为叔父。这样合乎传统礼仪制度,是国体礼仪,是‘大礼仪’。大礼仪强调:‘国’优先、‘家’其次、‘个人’微不足道。既然国优先,继承大统的宗社大礼仪,是必须放第一位考虑的。根据宗社大礼仪,首先要必须严谨计较嘉靖继位皇帝是继谁的位子。根据宗社伦理,他应该算作继位孝宗的位子,也就是相当于嘉靖过继给孝宗当儿子,这样嘉靖自然应该称孝宗父亲。大臣们认为“大礼仪”争论的不是孝道和君权,争论的问题是皇帝世系的稳定性。坚持“大礼仪”就是坚持国至上的大道理,就是坚持国之根本,而坚持国之根本为国尽忠是大臣们梦寐以求的‘大忠’。所以大臣们顽固不化始终坚持“大礼仪”,宁死不屈和皇帝死磕。
$ Q' v1 T2 a8 O1 @
3 }. W4 }" h) z2 ^( ], u- C: }
( N$ Z! g, C% R& S% v

7 ^$ J* J& B7 J0 ^
  A% N% R: s/ R2 o0 K, y

7 d& F' N* o/ d; h
& V" ?" m3 d  H
   但是,从小没有经历过紫禁城惯用的国礼理念的洗脑,偏远山区外藩领地民间长大的,年仅13岁的小嘉靖哪懂得这个大道理?小嘉靖一听就懵了,哪有叫曾经朝夕相处血浓于水的亲生父亲为叔叔的呢?哪有叫八竿子打不着素未谋面的表亲伯伯为爸爸的呢?这是什么乱七八糟的规矩?民间道理可不是国优先、家其次、个人微不足道。一般中国人思想中,‘我’的概念象很多个同心圆圈,最里面是肉体的我本人,接着的外一圈是妻儿老小、父母兄妹,再外面一圈是七大姑八大姨等亲属,然后是血亲宗族。芸芸众生广大百姓的世界观中,亲疏远近轻重缓急的标准正是这个圆,‘我’个人即圆心、‘家’包络着圆心、‘国’在圆的最外面。今天我们知道,这是自然的人性体现。也就是说,相对于明文法典大礼仪规则,现实世界起作用的人性道理规则是截然不同的。在天真自然小娃儿的道理世界里,‘我’优先、‘家’其次、‘国’在最后。家比国重要,是本能意识。百善孝为先,这错了吗?一般人都情不自禁要维护父母尊严,嘉靖了当皇帝,更急迫维护父母尊严,难道当皇帝连亲爹的尊严都保障不了吗?嘉靖当然不愿意疏远亲爹娘,去顶礼膜拜故旧权力的过期魂灵啦。他当然接受不了所谓的大礼仪,毅然决然,发毒誓即使不让他当皇帝了他也绝不同意改口。在小嘉靖眼里,爹就是爹、娘就是娘,天经地义。天真无邪的小孩自然不理解所谓的虚妄的‘大礼仪’。& j2 U# `, @, Z! P6 r, c0 I. s) y: ^

1 Z0 x" U9 h+ A  _

+ V+ G$ O, i+ Y: }! A& q
& n; n% L! X. Q$ k' h
# X( H1 O* w( w6 r, F% {

6 }6 D) J% V: p5 j" l3 Y

) m4 |* N% @- `0 J8 W1 z, J; l) |   大礼仪规则是‘国’在‘家’之前,而嘉靖潜规则是‘国’在‘家’之后。这是根本矛盾,不可调和!
2 s! D# h3 ~9 e8 [- L; O  i
( v! C$ E& v4 y5 B! d

8 f  A- x) f! k# K& @' d1 S2 t4 C. p3 c3 I6 |7 c1 G
3 ^1 K3 E6 p- R2 o! B  O

+ A! P- B; z2 |; O
8 i  O2 c) [- ?, T6 T& Y8 {" l
   皇帝和大臣们从此较劲呛起,闻名遐迩旷日持久的“大礼仪”对立斗争由此开端漫延。双方一直僵持不下,三年后,皇帝欲为亲生母亲争取皇太后的正式尊名,终于矛盾激化。广大清流都不同意,皇太后的尊名关系‘大礼仪’国体,一点都不能含糊。宁死不屈杨廷和之子带领二百余人跪于左顺门前逼宫,嘉靖勃然大怒,火山终于爆发。嘉靖亲自导演了历史上最著名、最具规模、最影响深远的集体惩罚,数百官员被集体脱裤子受廷杖之刑。惨烈哀嚎震天,当场就被打死十六人,其余一百三十四人下狱。最终嘉靖‘家礼’战胜‘国礼’,诏告天下称孝宗为皇伯考,昭圣皇太后为皇伯母,献皇帝(嘉靖父亲)为皇考,章圣皇太后(嘉靖母亲)为圣母。从此,嘉靖严重得罪了广大大臣们。其后,凡是嘉靖所言,均被广大大臣们视为昏君所言;凡是嘉靖所为,均被广大大臣们视为昏君所为;凡是嘉靖所好,均被广大大臣们视为昏君所好;凡是嘉靖亲近的大臣,均被广大大臣们视为献媚昏君的奸臣;凡是嘉靖发布的政策,均被广大大臣们视为昏君一派胡言遭到集体抵制。嘉靖的优点被舆论漠视,嘉靖的缺点被无限放大。在强大舆论面前,嘉靖成了穷凶极恶十恶不赦的大坏蛋的代名词,成了古往今来第一号昏君的代名词。
/ `3 ]/ F7 o( o9 S$ G
& }/ v) P- a. D: }1 g0 }6 R4 O: h* C. a
' _. r7 d3 @7 F2 Z
7 r1 c; B( ^# a+ W) N
  Y6 V; [+ O4 p; h" ~
: f& F/ _# r$ o; R; b3 p  J
* o& G& q* X* E: H0 y) i

, S6 a8 C. ]4 I7 y1 l4 Q
9 ?, o* c( a- p7 N

9 G( |# [' E+ q0 e# t( ~

' d) W5 o. j) R( \+ D) k4 ]4 d# y   这里引用这个故事,是想说明一个事实,简单化一刀切面面俱到的善恶标准并不存在。
3 X" ]. Z8 g4 P: |) k6 c/ C0 {% i5 {, M8 M* C1 d7 Z( P. ]

2 U/ L3 d/ Z" B* h   小嘉靖甘冒天下之大不韪,为父母谋取尊严的行为,到底是善行,或是恶行呢??$ u* e* p2 W4 c, F
, C8 i7 @# a0 \" p
) v+ ]+ k7 b9 w. |3 E
   小嘉靖为父母正名,是‘孝’,百善孝为先,按此标准,当然是‘善’举;+ w5 r( M. b$ V
- Q1 Q* e' Y0 c
+ W- F  q) P0 z, o; \  H' N
   然而,满朝旧臣们眼中来看,小嘉靖没有把先皇位置放正,违背了皇权继承规则的‘天理’,破坏了国礼,乱了法统,大逆不道,应该归为‘恶’举。, D, g: a7 j$ N0 \+ ~# U
; o$ _1 }/ h4 a' c6 N

- s! T9 l& _$ ?4 u/ g
. c. q/ n) a$ c3 K6 |) g- f

) I3 y0 d) t0 R* w/ l- T" O9 H" s: O& M# ~- M! }
  I! J  L3 o6 ~2 d, r
   有时候同一个行为,从左边看是善,从右边看是恶,并没有绝对的一致标准。
" L* U$ }. ^/ w" j0 r( y
* F" \9 r7 D/ u3 L  X+ Q

4 I% ?, o" c, m7 b7 I& v0 @0 Y   大礼仪之争之所以久悬未决,正是因为‘善’与‘恶’的标准不一,公说公有理婆说婆有理,不同人在不同范围背景下会有不同视角。
- m7 y% C/ L2 S5 ]9 o2 Q' {: \  d% O5 d( n! D
7 Q9 R7 W, T& L
0 l* S" M# `$ R# A

* u$ D7 |4 T8 S( x
- m$ I/ v* ~2 I
9 v  o( T3 L/ m$ j' @
   大礼仪之争的是与非,不仅仅影响了嘉靖个人的一生。它还深刻的影响着整个民族的是非观念。
$ O# O) W, H( G! n4 A7 w' ^8 {+ U' A1 @. u9 n: Y. B( P/ v

+ ~* }$ N; r2 y0 @! ^   “大礼议”的论争由开始皇帝和内阁大臣小范围的冲突,很快演变成传统程朱理学与新兴王阳明心学的冲突,成为全社会意识形态的大较量。朝廷官员和社会舆论也由于两派价值观的不同,泾渭分明划分界限。虽然程朱理学与阳明心学都号称儒学正宗,但两者有本质区别,程朱理学强调天理的‘国本’主义,阳明心学宣扬个性能动的‘人本’主义。在传统程朱理学看来,阳明心学无疑是大逆不道、欺师灭祖、无法无天、离经叛道、倒行逆施、耸人听闻的异端邪说。 但是,透过“大礼议”论争,由于新皇权打击旧阁权的需要,新派思想的士大夫不但没有被看成歪门邪道,一度还被年轻皇帝本我天性的认可和欣赏。而以内阁为首的旧阁权集团,则被皇帝打成反革命邪恶势力,暂时被强压下去。从此,阳明学说正式登上大明王朝的政治舞台,很多阳明学派弟子成为帝国内阁大学士,心学也在很短时间内就闻名于整个帝国,成为明朝新文化思想碰撞的导火索。所以说,“大礼议”事件不仅是明朝政治转折性的大事件,它还是中国历史思想文化的标志性事件,深刻的影响着整个民族的是非观念。' i& W1 b5 {( s1 F: J( q; N, c
5 A! A+ G$ D4 j
5 q3 H+ j9 T5 J+ z7 h& K" v

2 x- I2 W( w8 W

9 k& O6 x7 Q& Y& t* N/ w8 K- G8 a2 g- r" K" A* e) K

7 g. l: H, z0 c0 P% C
4 y$ t* x  Q& c4 _
% H# X& l3 Y. e) G, S. f

4 O% t( q# t* y' i& o6 Y- T' P9 F

8 }  ^( \, P( H% u   是非不清的嘉靖发了疯,是非不清的明王朝分崩离析。如果把是与非绝对化,看作绝对的概念,必然导致是非不清。
$ w5 j2 G4 K9 l4 z8 v
, U; f  y2 X8 m' }* _
: k! q8 y3 C. Z$ M, D3 m9 H
   时过境迁,回顾历史,今天的我们发现善与恶不是绝对的,对与错不是绝对的,是与非不是绝对的。
; Y! J+ ]/ M2 F: h8 R, \8 [( g! l4 E; Y( w

; a3 c5 V9 [6 \# A; W0 z   是与非是相对而言的,相对于问题的范围。只有在不同的范围下,才有合适的是与非的界定。追根溯源,正确与否完全取决于问题所处的背景范围。“家”的范围内讨论和“国”的范围内讨论,是非标准完全不同。: V& j8 ^: l% d7 d( t
% c$ x5 S5 f4 v

/ o2 n4 E3 e" ]; g6 {3 j2 h7 H+ P2 K) s, M" f7 \7 [
' |8 n, {( s6 M1 k& D4 T
0 C2 X2 ~  B6 P% p( g

. B' A+ G/ L# D8 W: D/ q7 b" d
- r  _7 n1 B2 D; y" g2 J6 r7 a

0 h) C  l- F- K% d, I1 N, ^: E9 N5 y  x; o0 X  p/ R6 M: o
* X& _  |! r( H9 M1 o4 U
; c+ b, @# X* L) h+ Q

* v: @8 M% m+ T0 l" |. C" R
7 y7 k5 E2 a2 g
- z; i  o7 J0 o% f: @  [" D! X/ Q

* q8 d  I) O. m( d9 r& v
1 C/ O. _. A4 c6 R/ q

. l7 R" L' u5 t- {# V
! L/ m, m: Y- R- y$ o
# E  Y# \: y/ h# i4 M

, _' V+ V- ?0 X* R- ^, d0 Y
; T: W2 P3 Q' L/ K  U% u5 w

* H" P6 d$ D  K8 F" }7 ~1 z   “是与非”的界定是如此的重要,它是一切逻辑的基础。
/ @1 F" D8 t3 P0 n3 l, h9 o% e4 l$ L7 G3 ^3 z

8 b5 n" `% L; ?. O' }1 r+ s& L8 C6 d4 W5 V

% n' |6 F' L* G$ h" I" V$ [( O' v, h% o
+ B, f" l# |, {6 l0 ^
) r! a% m9 E5 J" x8 Q- q

: L7 v9 P$ y$ k3 b% X% k
( O; c; W9 D# e

: m: }7 B! Q- [6 a8 A  ?, F; z8 |9 O$ T4 m

$ S* `, k7 L* _9 M2 L! x- f4 ~; F  i* @0 |& X$ ^: A
$ P/ Q0 [3 o1 q

$ l1 `; [$ ^' e5 N  D" c

% u5 {8 ?; K* |. a6 n9 }. R2 W* L3 B- y; C# r1 }

$ s% [) r& p: b, s   在量化系统中,是非标准由逻辑0决定 ,而逻辑0由背景空间确定,所以说背景空间决定了是与非的标准。可见在量化系统中,“是非”同样的也是相对性的。
- c. h  p4 J7 K. c% s$ @$ x/ E5 `6 F; F- g) [1 y

/ B2 ~; w6 X2 F   w2 V+ f' n) U% \
8 }) ~& \, u& S. S

5 s. ?0 t1 C8 i- F7 F2 A
7 Z: J+ W7 p5 @; E
% r( a; H' V# u' v

$ b) l0 {2 p. f0 K. U5 M

, l2 M  z% E* C/ {+ c    比如,我们熟悉的三角函数cos ,它的傅里叶变换函数存在吗?$ C7 M# o1 q% I/ F7 Q) n/ G

% P! O1 l; o( {1 V
0 `( [3 u! R" S/ j3 o, j

# q0 d6 \5 H" Q+ `. k

  R0 @0 W4 N2 k( i( O3 L( Q  b  d! z; b3 V  a
& b8 S- Z8 A& F; a; _8 e! A
   如果我们以经典的微积分理论来观察,会发现这个积分不收敛,也就是说在旧数学社会中cos的傅里叶变换函数“不存在”!' c7 n) Y8 j# z" q+ y% p
- ~; W. j5 x/ W2 H- Q

0 B+ ?- @8 z" n! K( _0 U% ^; G- {$ j  z" d

) P% m  T% M7 ~4 c1 b
/ i3 X& W6 O2 @/ g  F
" y  B- i: H, p* L6 A8 l" i
   但是,如果基于最新的傅里叶变换理论,对偶空间T和ψ具有下面的性质:" w' D9 X# Q) y+ V

8 Z, F; q- |9 v# r

- \; F8 t+ \- N# ^2 K5 R  ?
5 Z+ A/ @( E6 f  I0 g5 T
( G: C- e$ u5 U% Q% J- h( T& g" z8 k

4 w; A! N* m. X! p9 g& h
+ k: l4 H  K( M- k+ B
   根据这个神奇的性质,很容易可以算出cos的傅里叶变换函数,等于两个脉冲函数δ:2 g6 D3 j; q! t, O4 f8 f

3 s% m3 D! ?: U4 H

8 ?4 Z2 f3 h7 k' ^
9 T% Z9 H! D' e: n

. T+ r6 ~$ P+ A2 o0 q
; K7 m! m) u/ `2 V1 t; l/ U# S
  v" _# V5 y. i* x% b8 \
   cos的傅里叶变换函数,等于两个脉冲函数δ,如下图,相信很多朋友非常眼熟,这是工程学、信号学、物理学习以为常的图像。稍微调试一下频域的脉冲,很容易就能造出时域的cos余弦波。
# X1 U2 n4 z4 {; X! \. ^+ s! j' N3 D- h

3 G$ E: i, D' v4 e) Z- B* ]& r) r  D9 t
8 Z' M/ n0 e, H7 F* S+ p

5 [/ s& T: \' W) ~' Y! j' ]( U! `
4 \! x: ^$ g0 V4 ?% a
   非数学系的学者们大概对脉冲和三角函数的图像习以为常了,一般不会太注意其中的秘密。数学系的智者,从一开始就讨厌冲击函数δ,想来也容易选择性疏忽吧。
  }" ]3 ^& a+ s& r7 P8 s/ r! B

9 J) R9 B, u( B6 A" w8 q      但是,如果追根问底,我们发现cos的傅里叶变换函数的收敛性, 是一个大是大非的原则性问题。大是大非,不容回避。请问,它到底收敛吗?
! l8 V" E$ {7 A' A3 y8 Z9 X8 \2 L
5 T# ^1 Z  ?$ ~: F: u2 p* D
/ C6 \# G/ t" w* r
     很显然,经典数学中它的积分形式是肯定不收敛的。同时,时域的cos余弦波图像在频域就是两个点脉冲,它当然是收敛的啦;而且,两个脉冲的算式:1/2(δ(a)+δ(-a))  ,明白无误的表明了 δ相当于普通的确定的数值(虽然它是无穷大,它却能量化而计算,这是实无穷最贴切的例子)。4 N! J  s8 k- n  x4 X
- j2 L) L. c) c1 R" J
2 _; T5 j6 I: n/ K1 |2 H
     同样的东东,为什么一会收敛,一会又不收敛呢?它到底收敛吗???
* g& l4 \: @6 ^4 }7 d* l. g
3 q- H4 @0 ^6 n, b0 }3 w

& t+ F& e( L6 p7 L7 Z6 q/ B% U# K
: {1 y5 N- }- r" h' b0 u5 g7 k
8 e4 Q% w' D$ N5 O; |

9 M# G$ |8 T# }: h1 U$ ~- T) [
" O- w, w* P( Q8 d- F* n
     解释这个问题的关键,仍然是“范围”。如果我们以经典数学连续实数点(阿列夫1空间)的旧眼光来观察,会发现这个积分不收敛;但是在阿列夫2维度的傅里叶对偶空间中,这个函数收敛。进一步审视,因为当冲击函数δ处于阿列夫1的范围(实数点积分空间)时,它超出来空间逻辑范围,所以隐含阿列夫1内涵的δ相当于非确定的无穷∞,它不收敛;但当冲击函数δ处于阿列夫2的范围(傅里叶对偶空间)时,它未超出来空间逻辑范围,所以隐含阿列夫1内涵的δ相当于某个确定的数值,它收敛。
) Q& {+ @; f, i6 m( D# W  U
3 m$ i0 U# O  K$ M# t/ g
) z* V" ^- J9 K- ]. q0 T

6 C$ e& D. w; k6 x6 }  L' g
% F+ Y2 U5 [. X4 V; o! P

' H+ x! A% j8 c* X
. a0 J: m2 w7 e9 ]6 O+ p
   【特别提示,上面关于cos函数的傅里叶变换性质的例子,并不是cos函数专有的。事实上,不论是cos函数、sin函数,或是很多其它三角函数、甚至大量图形杂乱的函数在傅立叶变换下都具有同样的“收敛”性质。这类函数有一个专有名词,叫做“广义缓增函数”。只要在无限远处函数值不快速冲向无穷大,都符合“广义缓增函数”。也就是说,除了极少类无限远快速发散函数,我们所知的绝大多数普通函数,在加载简谐振动(平面波exp(ipr))以后,都可以视作“收敛”从而可常规运算。
/ Z/ i# S/ f: `) d# o& z  n
4 F3 \8 e0 `; y4 m+ ?) e7 g- h  l7 ]
; J- V2 j4 d6 T3 r8 i, o
     傅立叶对偶变量张量空间的这种“广义收敛”特性,具有广泛的意义,这意味着我们可以通过对某一堆表面杂乱无章的大数据加载exp(ipr),审视傅立叶变换后对偶函数的性质,从而发现挖掘数据间潜在规律性。而这种对偶空间的傅立叶分析,在通常直觉下是不易发现的。】
; c( P' e) s9 t% i8 ^+ c1 e" k/ l8 o

2 ^' ?3 B3 n$ g
; _/ C# F; l9 F# R9 z+ U* w0 G

9 S/ X% |' ]* O( Y' Z# d: a6 ?: D5 K* e

; d6 f. F5 x3 `5 X1 f8 O/ d5 Z: z0 |, A! o7 ^

+ `( s, ?4 y8 @- ~" f
, Z9 ]; E+ o4 x
) h& p9 [) ?7 S9 M, ?- L5 W
9 r8 k5 j. c; D" h& ~* q, ~5 h

* j6 S+ z; ?  F, g: O. i% P$ ?
8 Q: N5 w% g0 }: P

+ V" V+ K' e- w   关于阿列夫2维度的对偶空间的神奇,是近年来正在挖掘的新学问,相信真正理解的人并不多。再来看看通俗的例子。前面提到过,描述一个事物,有很多种方法。观察的角度不同,选取的基矢量不同,参照系就不同,描述的方法也会不同。
6 \5 e4 h% C: Z" i8 }- `$ |& z! n8 s+ ~- @! l2 M! p: z) w

1 o7 v! S. ?- H6 S+ h% s/ f+ w6 A  比如,同样是量子力学专业的,薛定谔同学会把鱼的整体看作一个点,所以能简单明确的描述整个鱼的点运动轨迹;但是海森堡同学做事比较细致,他把鱼看作是头、四肢、躯干等等器官的组合体,再通过态叠加,通过向量分量合集,来描述整个“系统鱼”的状态。
$ P) y' L* ?, O5 J& c# r
4 _, l9 P  K! r* z5 x  X- Q, f
: P$ H* _5 c7 E! ^# g5 y
   同样的事物,看作“点”是一种方法,看作一个“系统”也是一种方法。9 l) _8 z( h+ v' T

# _& u8 S, T; @
  g  Z9 M. I* ~1 s, X5 t
  一定会有网友好奇,既然薛定谔方程和海森堡矩阵说的是同一件事,而且薛定谔方程简单明确,干嘛还要脱裤子放屁多此一举,费神研究会出现不确定性的、忒麻烦的、海森堡派的矩阵力学呢?9 H8 x3 K+ k+ w/ I+ T0 y
. f7 {+ Y; k) D; Z7 f1 |

6 u( ^; \/ \- c- ^( J7 Y. l  因为,矩阵力学态空间(线性空间)理论依靠打散分量再重新组合的方法,能解决复杂的系统化的问题!
7 p' N" `" W! c; O: @
% w% T4 {9 E- l( C& U

- \4 I  J6 w$ t& x8 i1 c+ s! P  }% T! a; c% Z$ G1 J( h. a+ c" j; r
0 Q3 n# A$ }7 ]6 X- ]2 h( {' t6 K

8 K& Y) W0 J+ ^0 H1 S. N! i- o6 B

( X2 g8 O" ?$ H# t0 u
7 }8 h1 n8 e7 Y$ s4 e
, g5 B3 q. v# M- b1 w

! u! _; E+ }4 V6 r- z: }. ]6 |% z/ O

$ Y5 }- K4 k- z% T% c9 Q  h4 Z4 [6 q
+ K7 i, s+ k1 n, v8 [

2 i3 Q( y& y) k9 B9 G3 V/ a) P
8 b- }7 C* _. U* w5 A/ M% }8 |) J
  比如,如果老师布置一个是关于鲟鱼和可可树的相互影响的课题,让薛定谔和海森堡各自答题。
  [# }) r* f( C. k2 q$ g8 u/ j" h3 ]: ]9 b$ h9 ~& S3 H
* m" F6 ^3 t& ~9 r

" r4 P6 z' e7 i* m9 h" N

0 C6 U' c$ a4 ?& Y! c
+ Z2 [/ \" H3 A; |) Q: ^, K
/ Y; W8 ?8 t* H+ s1 [
  在薛定谔同学看来,鲟鱼和可可树毫无关系,一个动物一个植物各行其道,八竿子打不着。
& [2 E% Z: j2 F4 c" K7 ^0 z& K: \' H6 a- @7 K
. q  C6 e2 A& _$ g$ k  ^
   在薛定谔看来,鲟鱼和可可树显然是无关的。* Y3 |2 T; \" C5 z9 ?/ l! b
+ ?, g- l+ Z, E

6 a# R  i, ?; Y9 @9 v* t! r
0 h1 a& A+ E# O8 Y( |" W
9 V+ {: _) K* g1 ]+ w+ o

6 `7 P+ S6 H9 g8 G

3 K7 W" A$ ]& H" k7 r0 U  在海森堡方法中,鲟鱼和可可树是否相关在于坐标系的选择。" D( p: Q, L4 q, D( K) |
' U8 v; h' c3 d1 B+ v4 B& b8 Z
) Z% c0 D  S2 L$ P) k2 u5 k- W
  关键点是如何恰如其分选择其共同的构件分量(基矢量)。* k. O  a6 r9 Y  w7 U0 f6 u6 x- Q

. F# r4 b* @1 w3 U, l8 X

! G! _5 E  [: `: [: n2 ?  如果把鲟鱼看作眼、耳、口、鼻、心、肝、脾、肺等部件分量的组合,把可可树看作树叶、树枝、树根等部件分量的组合,仍然风马牛不相及,显然还是看不出二者联系的。! ^- u. W, _) p* j- {* z; ]' ?, `
! F/ V3 D# ?8 a' H7 g
) d7 Y8 f7 R3 \3 }4 i0 K$ D3 ~: G
  废话!: S1 ]+ y/ X' \6 W6 k5 g( i; |

1 `' R7 M/ H0 e2 T
- r8 S0 `) }. ?9 R8 L4 i+ `( {; \
  嘘,别笑。。。
3 N% {, K/ b, U+ O7 j! }- ]4 C3 b4 H1 g; J2 H

' W4 I1 I, d/ C$ s5 @7 ]9 P  但是,请注意,但是 .........海森堡方案并不就此枪毙,他还有后招:+ A5 Z+ `+ D8 `2 `
- p4 E. F$ }( R1 t: N
4 J( t  |! _5 C- M% b# Q
  海森堡同学还可以更细化的分解鲟鱼和可可树,继续寻找二者的共同部件,比如细致研究后他会发现鲟鱼和可可树都是细胞组成的、都是氨基酸构成的,如果把氨基酸看作所有生物的共同成份,那么就可以在鲟鱼和可可树之间建立统一的坐标系了,也就可以量化明确二者关系了。
; E+ |( o' t; Z) C. V4 J: W$ L3 q' a3 t& ~
0 O. N* I; U. l8 ]0 d
     
0 E4 g) O4 j: X6 J! y. @6 x( a6 D) o6 D

: a7 Q7 U( f% N8 U' N( f  有学者就是以这种方法研究亚马逊河鲟鱼数量和亚马逊可可树生长的关系,从而研究亚马逊生态圈的氨基酸养分如何流动,取得了巨大成功。9 V7 k0 J1 F2 [' ]! e& n

: N( z1 h) j/ c' P; A/ W

8 S7 ^- q, Z& W4 @# Z# N0 P. l
) }/ |6 J/ U+ |7 P; s0 o
' T% f& h1 i) G( H+ l
  C5 v# B9 Z' j( c2 z
   【 而且,通过这个形象的例子,我们还可以理解为什么爱因斯坦、薛定谔眼中(阿列夫1维度点空间思维)的线性无关的独立的物理量,在哥本哈根矩阵中((阿列夫2维度张量空间思维))会体现出线性相关的非独立的纠缠态。】
6 L, J' ?: n+ p; d9 v% v4 h
( G% b) }7 O# I) x

6 n9 Y3 x7 H4 G7 @3 H! v( ?
+ i* v7 n9 ]9 ^7 n+ C

7 V: X9 u. r9 ]% i1 i7 J
9 y% C2 E' Y6 a! w- u4 k$ E

5 [- X* A) F3 x2 L8 P: U   鲟鱼和可可树有没有关、有多大关系,决定权在于二者共同参照系。在薛定谔的参照系中,鲟鱼和可可树无关;在海森堡的参照系中,鲟鱼和可可树有关。因为线性相关与否,由两个量之间正交子量决定,而两个量是否正交由系统的逻辑0决定。$ }. }& b5 {% Y0 j
/ m  o2 G, Y5 s" ^- {. o, p
" F2 x% u8 A1 y! U, c
   逻辑0的相对性决定了正交的相对性,正交的相对性决定了线性相关与否的相对性,相关与否的相对性决定了问题是非的相对性。
6 N% p$ {: q0 ]8 C" F* e: s# }- I' w. H' g! q2 L( X
4 B$ R5 F7 h' \- B
. e; M1 [0 B! A+ j" `
! E/ a3 d% Q7 f" `. M- L3 ]( \
. h3 a1 W6 j$ W. i( b

6 x1 `; ~! j6 g' p, O; @2 h9 Z% D2 P! `: [1 L# |# N  H5 v
! R3 R7 ^) v# z, [
! p* f) R, Q* y* H  K
6 h3 W) U6 M* ?% g; t1 A& {' U
$ S: h% J5 T/ \# X% d( p( X  B
! X0 y" S8 |2 @$ ^6 i3 m

; ^5 M6 J) z( c% N* d: x0 }

1 B4 K+ ?/ z% F" r- H1 C) w* Z; ^( G& t& n2 Y
+ ?+ X' g" f- e, X

1 P2 [7 a' _! M! H# R

  k% M( @5 z1 y' M. `$ Q" J1 V  并且更重要的是,不同对象间的相关程度,也取决于所选取的参照系。
! p) O* C' w" ~. a2 q! K; V$ o* [) A: N

) e) \4 v7 b5 c3 E
$ `7 p! N- o7 V

4 \, R; R; z- I. b, W7 c
( A7 k( h/ r  I* B& V
: R% ?! Z9 x" D& P' s" o" p$ A8 E2 ?
  如果把鲟鱼看作眼、耳、口、鼻、心、肝、脾、肺等部件分量的组合,把可可树看作树叶、树枝、树根等部件分量的组合,显然二者风马牛不相及,在以眼、耳、口、鼻、心、肝、脾、肺、树叶、树枝、树根为基矢量的参照系中二者线性无关。
- x3 n* a+ d+ z( M! |3 b, P! ~# J- R( k8 M1 W& [$ f2 h$ Z

% ^# U3 C) x% m: w& q  另一方面,某个哲学家可能泛泛而言,任何生物都是由质子、中子、电子组成,在这种基本粒子参照系中所有物质毫无疑问都是线性相关的。但是以这种普天之下皆准的套话,不可能度量出亚马逊河鲟鱼数量和亚马逊可可树的关联程度,无异于一句废话。6 ~( i$ r' k7 _
% C; r4 D$ I2 G( r  z& l' |

4 W8 F' |% x' I% c5 ^  要想评估亚马逊生态系统的运作,必须能够量化考核各子系统(鲟鱼群、可可树群)的关联度(内积);而这个关联度的量化,必须先找到恰如其分的基矢量(细胞);而基矢量是否恰如其分依赖于系统所需要的精度(可容误差ε的精度、相对0的精度)。
: y  ^% i' Z, i! y( I
‹ 上一主题|下一主题
你需要登录后才可以回帖 登录 | 注册
验证问答 换一个

Archiver|干细胞之家 ( 吉ICP备2021004615号-3 )

GMT+8, 2025-5-13 18:25

Powered by Discuz! X1.5

© 2001-2010 Comsenz Inc.