数学中的不可能定理
只有正面没有背面的纸
你能找到一张只有一面的纸吗
他默默的掏出了一个莫比乌斯环
莫比乌斯环(莫比乌斯环只有一面)
皮亚诺曲线
皮亚诺曲线(Peano curve)是一曲线序列的极限。只要恰当选择函数,画出一条连续的参数曲线,当参数t在0、1区间取值时,皮亚诺曲线将遍历单位正方形中所有的点,得到一条充满空间的曲线。 皮亚诺曲线是一条连续而不可导的曲线。
克莱因瓶
克莱因瓶没有“边”,它的表面不会终结。它和球面不同 ,一只苍蝇可以从瓶子的内部直接飞到外部而不用穿过表面,即它没有内外之分。
康托尔集
康托尔集是个测度为0的集,用简单的解析几何说法就是这函数图像面积为0。取一条长度为1的直线段,将它三等分,去掉中间一段,留剩下两段,再将剩下的两段再分别三等分,各去掉中间一段,剩下更短的四段,……,将这样的操作一直继续下去,直至无穷
即无穷无尽,但又不占任何地方
狄利克雷函数
狄利克雷函数的解析式,处处不可导,处处不连续,无法画出图像,但是图像客观存在
莱洛三角形
莱洛三角形勒洛三角形是定宽曲线,用它来搬运东西,不会发生上下抖动
弧三角形,又叫莱洛三角形, 是机械学家莱洛首先进行研究的.弧三角形是这样画的;先画正三角,然后分别以三个顶点为圆心,边长长为半径画弧得到的三角形。
熵
有什么东西只增不减?
熵
不可能
我也希望它不存在
当一些规则的粒子,失去外力的控制后,马上就会变得混乱不堪,而不是变得更加凝聚。
而热力学第二定律,也是基于熵增原理之上的物理法则。能量永远无法100%地转换,也是因为微观粒子总会变得更混乱,然后流失掉,导致整体能量的损耗。
而我们的宇宙,也是如此。随着宇宙的膨胀,宇宙中所有的物质最终会在熵增原理的作用下,越来越混乱、彼此远离,最终整个宇宙可能都将归于沉寂。
谢尔宾斯基地毯
一块破烂不堪的布,剪下其中的一小块,不也是完好无缺的么?
谢尔宾斯基地毯具有自相似性,它和它本身的一部分完全相似。减掉一块会破坏自相似性。类似于雪花曲线,越往里面看越密集。谢尔宾斯基地毯是数学家谢尔宾斯基提出的一个分形图形. 谢尔宾斯基地毯和谢尔宾斯基三角形基本类似, 不同之处在于谢尔宾斯基地毯采用的是正方形进行分形构造, 而谢尔宾斯基三角形采用的等边三角形进行分形构造.。
薛定谔方程
但凡我们能够描述的事物,都会有它自己的规律。
听他这么一说,我写下了薛定谔方程
[外链图片转存失败(img-pvgJaDbS-1562398923181)(https://i.loli.net/2019/01/27/5c4d9f529eabb.png)]
薛定谔方程表明量子力学中,粒子以概率的方式出现,没有规律。
魏尔斯特拉斯函数
你随手画一条曲线,用放大镜放大了看,它还有那么弯曲吗?
我笑了笑,写下了魏尔斯特拉斯函数
魏尔斯特拉斯函数(Weierstrass function)是一类处处连续而处处不可导的实值函数。魏尔斯特拉斯函数可以说是第一个分形函数,尽管这个名词当时还不存在。将魏尔斯特拉斯函数在任一点放大,所得到的局部图都和整体图形相似。无论如何放大,函数图像都不会显得更加平滑,不像可导函数那样越来越接近直线;仍然具有无限的细节,不存在单调的区间。
四色理论
四色理论首先是由Francis Guthrie于1852年发现的,当时他琢磨着在地图上把英格兰的每个国家都涂上颜色。当时可即没有网络,也没有各种工具可以使用,他能做的就是不停的尝试。经过一段时间的摸索,他惊奇地发现他最多只需要4种颜色就能保证相邻边界的国家之间具有不同的颜色。当时他就在想,这个理论是不是对任意形状的地图都是正确的,这个数学猜想被他提出之后,很久都没有被证明。
1976年即大约一个世纪之后,KennethAppel和Wolfgang Haken最终证明了这个数学理论的正确性。他们的证明相当复杂,并部分依赖于计算机(感兴趣的可以去搜索一下)。他们的最中结论就是对于任何行政地图,只要4种颜色就能保证相领的行政区域之间颜色不同。
Brouwer不动点定理
不动点理论来子数学的一个分支,拓扑数学。这个理论是由Luitzen Brouwer发现的。这个理论的具体严格表述是非常复杂的,也很难理解。但是在现实生活中,我们却能发现该理论的很多影射。例如我们把一副画完全复制了一遍,就拿《蒙娜丽莎》这幅画为例吧。我们把这幅画完完整整地复制了下来。现在我们可以对这个复制品做任何的动作,例如我们可以把这幅复制品放大,缩小,甚至揉得皱皱巴巴。不动点理论告诉我们,如果我们把这幅进行了蹂躏的复制品放到原画之上,那么至少有一点是和原画是完全重叠的。这个重合的点可以是蒙娜丽莎的眼睛,她的微笑,头发等等,但是这个点必定也必须存在。
不动点理论对三维空间也是适用的。假设我们有一杯水,我们拿一个勺子随意搅拌它。根据不动点理论,搅拌之后的水中必定有一个水分子跟搅拌之前的水处于完全相同的位置。
托里拆利小号
不要小看这个著名的托里拆利小号,虽然体积有限,但它的表面积达到无限。也就是说,你可以用油漆装满它,但是无法用油漆涂满它。
1=0.999 ⋯ \cdots ⋯
说到匪夷所思,上式不知让多少刚上大学的孩子匪夷所思到手足无措。
不过,你现在知道是为什么了吗?
什么,你还不知道。那么给出一个最严谨的证法
证明:
0.999 ⋯ = lim n → ∞ ∑ k = 1 n 9 1 0 k =
上一篇: 当时我就震惊了:无穷大带来的各种悖论--希尔伯特大饭店悖论
下一篇: 斯坦纳点/树、泰森多边形
推荐阅读
-
数学中的不可能定理
-
有区别的比特集合 (I) - 数学中的形式系统、形式与意义
-
正负偏差变量 即 d2+、d2- 分别表示决策值中超出和未达到目标值的部分。而 di+、di- 均大于 0 刚性约束和目标约束(柔性目标约束有偏差) 在多目标规划中,>=/<= 在刚性约束中保持不变。当需要将约束条件转换为柔性约束条件时,需要将 >=/<= 更改为 =(因为已经有 d2+、d2- 用来表示正负偏差),并附加上 (+dii-di+) 注意这里是 +di、-di+!之所以是 +di,-di+,是因为需要将目标还原为最接近的原始刚性约束条件 优先级因素和权重因素 对多个目标进行优先排序和优先排序 目标规划的目标函数 是所有偏差变量的加权和。值得注意的是,这个加权和都取最小值。而 di+ 和 dii- 并不一定要出现在每个不同的需求层次中。具体分析需要具体问题具体分析 下面是一个例子: 题目中说设备 B 既要求充分利用,又要求尽可能不加班,那么列出的时间计量表达式即为:min z = P3 (d3- + d3 +) 使用 + 而不是 -d3 + 的原因是:正负偏差不可能同时存在,必须有 di+di=0 (因为判定值不可能同时大于目标值和小于目标值),而前面是 min,所以只要取 + 并让 di+ 和 dii- 都为正值即可。因此,得出以下规则: 最后,给出示例和相应的解法: 问题:某企业生产 A 和 B 两种产品,需要使用 A、B、C 三种设备。下表显示了与工时和设备使用限制有关的产品利润率。问该企业应如何组织生产以实现下列目标? (1) 力争利润目标不低于 1 500 美元; (2) 考虑到市场需求,A、B 两种产品的生产比例应尽量保持在 1:2; (3)设备 A 是贵重设备,严禁超时使用; (4)设备 C 可以适当加班,但要控制;设备 B 要求充分利用,但尽量不加班。 从重要性来看,设备 B 的重要性是设备 C 的三倍。 建立相应的目标规划模型并求解。 解:设企业生产 A、B 两种产品的件数分别为 x1、x2,并建立相应的目标计划模型: 以下为顺序求解法,利用 LINGO 求解: 1 级目标: 模型。 设置。 variable/1..2/:x;! s_con_num/1...4/:g,dplus,dminus;!所需软约束数量(g=dplus=dminus 数量)及相关参数; s_con(s_con_num);! s_con(s_con_num,variable):c;!软约束系数; 结束集 数据。 g=1500 0 16 15. c=200 300 2 -1 4 0 0 5; 结束数据 min=dminus(1);!第一个目标函数;!对应于 min=z 的第一小部分;! 2*x(1)+2*x(2)<12;!硬约束 @for(s_con_num(i):@sum(variable(j):c(i,j)*x(j))+dminus(i)-dplus(i)=g(i)); !使用设置完成的数据构建软约束表达式; ! !软约束表达式 @for(variable:@gin(x)); !将变量约束为整数; ! 结束 此时,第一级目标的最优值为 0,第一级偏差为 0: 第二级目标: !求 dminus(1)=0,然后求解第二级目标。 模型。 设置。 变量/1..2/:x;!设置:变量/1..2/:x; ! s_con_num/1...4/:g,dplus,dminus;!软约束数量及相关参数; s_con(s_con_num(s_con_num));! s_con(s_con_num,variable):c;! 软约束系数; s_con(s_con_num,variable):c;! 结束集 数据。 g=1500 0 16 15; c=200 300 2 -1 4 0 0 5; 结束数据 min=dminus(2)+dplus(2);!第二个目标函数 2*x(1)+2*x(2)<12;!硬约束 @for(s_con_num(i):@sum(variable(j):c(i,j)*x(j))+dminus(i)-dplus(i)=g(i)); ! 软约束表达式;! dminus(1)=0; !第一个目标结果 @for(variable:@gin(x)); ! 结束 此时,第二个目标的最优值为 0,偏差为 0: 第三目标 !求 dminus(2)=0,然后求解第三个目标。 模型。 设置。 变量/1..2/:x;!设置:变量/1..2/:x; ! s_con_num/1...4/:g,dplus,dminus;!软约束数量及相关参数; s_con(s_con_num(s_con_num));! s_con(s_con_num,variable):c;! 软约束系数; s_con(s_con_num,variable):c;! 结束集 数据。 g=1500 0 16 15; c=200 300 2 -1 4 0 0 5; 结束数据 min=3*dminus(3)+3*dplus(3)+dminus(4);!第三个目标函数。 2*x(1)+2*x(2)<12;!硬约束 @for(s_con_num(i):@sum(variable(j):c(i,j)*x(j))+dminus(i)-dplus(i)=g(i)); ! 软约束表达式;! dminus(1)=0; !第一个目标约束条件; ! dminus(2)+dplus(2)=0; !第二个目标约束条件 @for(variable:@gin(x));! 结束 最终结果为 x1=2,x2=4,dplus(1)=100,最优利润为
-
如何在 Word 中输入复杂的数学公式?阅读本文即可
-
什么是数据库事物?为什么需要数据库事物,事物有哪些特征?事物的隔离级别是什么?-1.什么是数据库事务? 1.事务是作为一个逻辑单元执行的一系列操作。一个逻辑工作单元必须具备四个属性,即ACID(原子性、一致性、隔离性和持久性)属性,只有这样才能成为事务: 原子性 2.事务必须是一个原子工作单元;它的数据修改要么全部执行,要么全部不执行。 一致性 3.事务完成时,所有数据必须保持一致。在相关数据库中,所有规则都必须适用于事务的修改,以保持所有数据的完整性。事务结束时,所有内部数据结构(如 B 树索引或双向链接表)必须正确无误。 隔离 4.并发事务的修改必须与其他并发事务的修改隔离。一个事务会在另一个并发事务修改之前或之后查看某一状态下的数据,而不会查看中间状态下的数据。这就是所谓的可序列化,因为它允许重新加载起始数据和重放一系列事务,从而使数据最终处于与原始事务执行时相同的状态。 持久性 5.事务完成后,它对系统的影响是永久性的。即使在系统发生故障的情况下,修改也会保留。 2. 为什么需要数据库事物,事物有哪些特征? 事物对数据库的作用是对数据进行一系列操作,要么全部成功,要么全部失败,防止出现中间状态,确保数据库中的数据始终处于正确、和谐的状态。 特征:原子性、一致性、隔离性、持久性,以及其他特征 原子性(Atomicity):所有操作在事务开始后,要么全部做完,要么全部不做,不可能停滞在中间环节。事务执行过程中出现错误时,会回滚到事务开始前的状态,所有操作就像没有发生一样。也就是说,事务是一个不可分割的整体,就像化学中的原子一样,是物质的基本单位。 一致性(Consistency):在事务开始之前和结束之后,数据库的完整性约束都没有被破坏。例如,如果 A 转钱给 B,A 不可能扣除这笔钱,但 B 却没有收到这笔钱。 隔离:在同一时间内,只允许一个事务请求相同的数据,不同事务之间没有干扰。例如,甲正在从一张银行卡上取款,在甲取款过程结束之前,乙不能向这张卡转账。 持久性(耐用性):事务完成后,事务对数据库的所有更新都将保存到数据库中,无法回滚 3.事务的隔离级别有哪些? 数据库事务有四种隔离级别,从低到高分别是未提交读取(Read uncommitted)、已提交读取(Read committed)、可重复读取(Repeatable read)、可序列化(Serializable)。此外,事务的并发操作中可能会出现脏读、不可重复读、幽灵读等情况。事务并发问题 脏读:事务 A 读取事务 B 更新的数据,然后事务 B 回滚操作,那么事务 A 读取的数据就是脏数据。 不可重复读取:事务 A 多次读取同一数据,事务 B 在事务 A 多次读取期间更新并提交数据,导致事务 A 多次读取同一数据时结果不一致。 幻影读取:系统管理员 A 将数据库中所有学生的具体分数改为 ABCDE 等级,但系统管理员 B 在此时插入了具体分数的记录,当系统管理员 A 更改结束后发现仍有一条记录未被更改,仿佛发生了幻觉,这称为幻影读取。 小结:不可重复读和幻读容易混淆,不可重复读侧重于修改,幻读侧重于增删。解决不可重复读问题只需锁定满足条件的行,解决幻读问题则需要锁定表 MySQL 事务隔离级别
-
数学的前三次作业 - 第三次作业 - 行(列)中展开的决定因素,克莱姆法则 (#)
-
谈API网关和应用网关--从技术选型谈起:API网关的性能是第一指标,一般会选择Kong、Apisix等基于OpenResty+Lua的高性能网关(得益于Ngnix基于C++的高性能无阻塞网络IO模型),应用网关一般是结合自身业务的技术栈来选择,比如SpringCloud Gateway、Zuul等。当然,这也不是绝对的,如果你对 Kong 非常熟悉,用它来做应用网关也不是不可能。 一些开源网关项目的例子: Kong Apisix 特使 Traefik SpringCloud 网关 Zuul / Zuul2 接下来,我们将重点介绍应用网关。在网格中,应用网关侧重于以下功能(与 API 网关不同) 动态路由 服务发现 服务聚合/协调 可观察性 如果您使用的是 Sping 技术栈,使用 SpringCloud Gateway 和 Zuul 可以轻松重用现有类库,如集成您的注册表,使用 Hystrix、resilience4j 完成熔断和限流功能等,快速完成一个生产级可用应用网关,如果引入新的复杂技术栈 成本将直线上升。根据使用场景的不同,性能有时并不是第一指标,但通常我们很容易陷入性能误区。
-
数学建模,运筹学中的整数编程(原理、示例、代码)
-
数学建模中的常用模型 (X):数据包络(DEA)分析法
-
2022年数学建模全国竞赛B题无人机编队飞行分析思路+参考试卷+代码中的纯方位被动定位思路尝试