Categories
读书有感

高阶的曼妙

最近业余看了一点抽象代数,本以为会根本看不下去,结果没想到抽象代数居然如此好玩。看过了抽象代数,再去看很多东西,仿佛就是降维打击,轻巧曼妙。

环(ring),域(field),群(group),三个相辅相成的抽象概念,笼络了常见的各种代数运算(加减乘除和矩阵运算)和代数定义域(整数,有理数,实数,复数),居然就这么轻轻巧巧地被串起来了。最有意思的是,这一系列对于代数结构的理解,使得“一元高阶多项式有没有一般解”这个问题得到了彻底的解决,让人拍案叫绝。

有意思的是,我最近发觉自己对于英文的理解能力比中文略强,尤其是在数学这块儿,所以我就先去看的英文课程(也有可能是教学风格不同,西方的老师有一种绞尽脑汁深入浅出地倾向)。写这篇日志的时候,翻了翻中文资料,发现豆瓣的一篇帖子讲得非常好,但是豆瓣不显示公式,于是有人很贴心地提供了latex排版并放在GitHub上。我看的英文课程是从环,域,群这三个概念开始讲的,到最后才提供了“五次及以上多项式没有根式解”作为一个实例,让人看得特别有满足感。

抄一下最核心的证明思路:

这样伽罗华(Galois)证明了:一元n次多项式方程能用根式求解的一个充分必要条件是该方程的伽罗华群为可解群。

由于高于四次的一般方程的伽罗华群不是可解群,也就直接推论出高于四次的一般方程的不可解性。

也即伽罗华发现本质就是:域的无数种扩张方式其实就是有限阶的群。n阶对称群对应着n次一元方程,而5阶和5阶以上的对称群不是可解群,也就是五次和五次以上的代数方程没有求根公式。

如果回顾历史,会发现在Galois之前的数学大家,如拉格朗日,解决问题的思路都是降维:试图把高阶方程变化为更低阶的问题。如果每个n阶都可以简化为n-1阶的问题,那么所有n阶方程的解不久解决了吗?结果拉格朗日就被卡在这样的归纳法思路了。

Galois另辟蹊径的地方在于他没有沿用这种简单的归纳法的思路,而是回到了代数的本质。这么想,

  • 人们为了得到一次方程的一般解,需要拓展整数数域,引入有理数。即 的通用解 并不是在整数域之内,而是要引入有理数。
  • 人们为了解决二次方程,又不得不拓展有理数,引入了根式,从而引入了无理数和复数。二次方程的通用解里面必须包括根式,而当 的时候,就不得不引入复数了。
  • 三次方程简化后的辅助方程为二次,四次方程的辅助方程为三次,所以暂时不需要引入新的数域。
  • 五次及以上方程就没这么幸运了, 由于其对应的伽罗华群不是可解群,所以在复数范围内是没有一般解的。

这里有一个很有意思的问题,为什么到五次方程,事情就产生了质变呢?Galois给出了事情的本质:五次及以上的多项式方程不存在在根式定义下的可解群。

可解群本身的定义依赖于正规子群、极大正规子群列及确定极大正规子群列的一系列合成因子。Galois定义了,如果一个群所生成的全部合成因子都是素数,则称这个群为可解的。所以,如果不拓展根式数域,五次及以上方程就没办法变成可解群了。换言之,不是五次及以上方程无一般解,而是加减乘除和根式运算限制了我们对一般解的表达能力。

这里可以看出为什么抽象代数为称之为抽象代数了,因为到这里,对于代数的理解就不仅仅是满足计算目的了, 而是去理解代数本身的结构。素数作为整数域里面的基本元素,不仅仅影响着因式分解,还可以拓展到整个代数结构里面去。某种意义上,我们需要在抽象代数里面重新定义“素数”或者基本元素,然后便有了各种优美的结论。

我在可见的未来之内,估计是不会亲自用到抽象代数了。只是这种思维的曼妙和在(更)抽象层面上洞悉事物本质的爽快感,让人着实欲罢不能。


最后补一句最近的人生感慨。很多时候,我们觉得一个(局部)问题很棘手无法解决,很可能是我们手上的工具限制了我们解决问题的能力。这个时候需要做的不是死磕,而是重新定义问题,从一个更高的层面来看待这个问题,或许就会看到自己曾经的局限性。定义问题永远比解决问题更重要。

Categories
读书有感

重读《凯恩斯传》

说来也有趣,这本书陪着我居然漂洋过海了好几番。我虽然对宏观属于一知半解的状态,但是对于凯恩斯这么一个传奇人物还是始终保有着足够的好奇心的。

IMG_1912

顺手翻了一下落园以前的日志。好怀念那种读遍各种书籍的日子。那时一点点不成体系的思维,还有那种对哲学朦朦胧胧的感慨,现在都更顺利的串联起来了呢。

已经记不清六七年前第一次读这本书是具体怎样的体会和感悟了,现在重新翻开却也颇为有趣。想看凯恩斯的同性到异性恋的转变,想看凯恩斯从对于哲学和概率的着迷到参与政治事务投身宏观政策,想看凯恩斯和熊彼特的“既生瑜、何生亮”。

那就先从哲学和概率论看起吧。

IMG_1893

这一段还是蛮好玩的。说的是老生常谈的相关性和因果关系。当年还是一个有点“群魔乱舞”的年代,大家对于统计的概念还有些模糊。从哲学的角度,对于演绎法和归纳法的适用范围和可信度还有一些争论不休。凯恩斯这里说到了计量经济学最重要的一个观点——ceteris paribus(其他条件不变),而他自己也说起来“部分均衡在实际上很难成立”,也就是就算我们的模型甚好、发现的是局部的因果关系,这样的因果关系有多少可推广性(external validity)还是需要打个问号。而有趣的是,在这个时代概率和统计还没有分的很开,大家还在从哲学的层面讨论概率存在的根基。

然后又看到一段他和拉姆齐的八卦。拉姆齐是个英年早逝的天才,想想他二十出头刚入剑桥就赶上和凯恩斯的《论概率》争论,主观概率和客观概率的争论,归纳法和演绎法的争论。

IMG_1915

从拉姆齐的角度,归纳法是一种“思想习惯”,评价思想习惯的唯一方法就是看这种习惯是否“行得通”...不管归纳法在认识论中的地位如何, 它是一种有用的思想习惯。

这里倒是蛮契合我对于各种定量模型的评判标准...有用。很多为了追求计量上的那一点点依概率收敛、而不管估计量本身的效率如何,在我看来有点舍本逐末。今天边看边在一旁记笔记感慨,有的时候我们为了检测那么一点点弱弱的信号,投入这么大的样本量,测出来的东西不知道到底有多准。这就好像用一个超长焦的天文望远镜,追踪一颗银河系的小行星,稍不留意这行星的轨迹就没了...若不借助赤道仪等等辅助设备,真的是各种手抖。

凯恩斯和莉迪亚的八卦就不说了,对于凯恩斯来说,莉迪亚就是一枚坠入凡间的精灵吧。

Categories
事儿关经济 经济、IT观察与思考

跨学科研究之殇

今天看到木遥的一篇文章:为什么跨学科的研究项目是件残酷的事,略有感触,在此罗嗦几句。

1. 经济学大量吸收了数学家,Arrow之后更是有一系列微观理论数理化的变革,Laffont的加入对于博弈论的影响扩大也不可或缺。这些人,在当年应该都算是“跨学科”的吧,经济和数学总是走的那么近,和统计学就更不用说了。
2. 很多学科领域都在期待数学工具的变革和进步,很多学科的突破式发展也是得益于数学工具的引入。物理和数学的渊源就不用说了,生物这些年来也多多少少依赖着好多数学工具的发展。另外从某种层次上,计算机和数学是不分家的……
3. 交叉学科研究最难的是,要求一个人具备两个、或者更多领域相对专业的知识。某一个领域少了一点,都不足以支撑一个突破性研究的进展。或者应该这么说,纯知识是好学的,关键是习惯两个以上领域的思维方式,知道他们分别关心的是什么,然后找到交叉点,这是我觉得对人要求最高的。隔行如隔山,很多时候确实如此。

最后补一句,最近常用一句话,

偏见源于无知

无知请理解为“某种知识的欠缺”。举个简单的例子,一个统计调查和研究估计往往首先要考虑的问题之一就是,样本是不是selected sample。简单的说,你不能跑到东北去进行人口身高采样然后回来告诉大家这就是中国人的平均身高(而某些国际研究,限于资金人力,往往在一个国家就取一个或者几个点)。selected sample,以及我们耳熟能闻的truncted data, censored data 等等,都是样本较之于总体的缺陷,自然会造成最后估计的偏颇。这也是很多时候,为了保持无偏(一致)性,我们需要根据样本的特征加上各种假设(比如Tobit模型)进行修正,然后才能得到基于假设下面的一致估计。

这是从统计或者计量的角度说这个估计的事儿,那么扩展一点,统计的本质无非是“归纳法”(此处特指相比于演绎法),那么自然是基于已有的信息集作出对已经发生的事件的判断。如果信息集不全,正如我对“无知”一词在上面的运用,那么得出的结论必然多多少少是有所偏颇的(无偏成为了小概率事件)。从这个角度来说,跨学科研究对于研究者多领域知识的高要求,在我的理解中,是这些研究突破困难但是珍贵的最主要原因(至于是不是偏颇,我们只能说这里无偏就更加的是一种信念了,没有什么可以衡量比对的依据了)。

终归,在一个充满噪音的信息集里面,找到有效信息,是一个脑力+体力活。Ph.D在我看来,值钱的地方正是这种孜孜以求的苦干精神,怕是真的与上上课就能学来的知识、和考考试就能获得的分数或者证书没什么关系。至于木遥所说的就业问题,呃,学界容不下还有业界……不要这么看不起业界……实践也能出真知啊。从学术研究突破所需的资源来看,业界能提供给研究的资源是完全不同的,所谓换个角度看世界嘛。