Develata's Space - 每日数学

2026-10-19 · 边界不是少算半圈

Sun, 18 Oct 2026 16:00:00 GMT

2026-10-19 · 边界不是少算半圈

0. 导读与元结构 (Orientation & Meta-structure)

Develata，今天从一个极小的失败开始：一块平面正方形内部处处平坦，但它的 Euler 示性数是 $1$ 。若总曲率只统计内部点， $2 π$ 去了哪里？

7 月 17 日那期已经建立闭曲面的角亏公式。本期是明确的深化，而非重新介绍同一个定理：把“无边界”撤去，区分内部的 $2 π$ 基准与边界的 $π$ 基准，证明边界项为何不可少，再用加倍法 (doubling) 解释二者为何恰好兼容。

对象与量词。 对每个具有有限三角剖分的紧致连通二维流形 $M$ （允许边界），给每条边指定正长度，要求每个三角形的三边满足严格三角不等式；沿公共边等距粘合。对每个顶点 $v$ ，先判断 $v$ 属于内部还是边界，再对所有含 $v$ 的三角形角求和。结论对每一套这样的长度数据成立，不要求曲面嵌入三维空间，也不要求各面等边。

预备与去向。 只需三角形内角和、有限关联双计数、 $χ = V - E + F$ 。机制是“局部模型决定基准—角和换序—边界关联抵消”；研究生延伸是接缝上的曲率测度。全篇不把曲率总量恒等式误读为点态逼近定理。

弧位置。 新三日探索弧的第 1/3 日：今天处理边界预算；后两日的预定方向是切开与粘合、再到离散曲率的约束与实现。当前历史累计 anchor 比例为 $40 %$ ，本次选择覆盖较少的离散几何，不机械抽签。

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 局部模型先于公式

写内部顶点集为 $V_{i}$ ，边界顶点集为 $V_{b}$ ，内部边集为 $E_{i}$ ，边界边集为 $E_{b}$ ，三角形集为 $F$ ；同一字母加绝对值表示数量。流形条件要求内部点有圆盘邻域，边界点有半圆盘邻域。特别地，每条内部边属于两个三角形，每条边界边属于一个三角形，边界是有限个圈的并。[1，Chapter 2]

对每个顶点 $v$ 定义总角

θ (v) = \sum_{\begin{matrix} T \in F \\ v \in T \end{matrix}} α_{T} (v),

其中 $α_{T} (v) \in (0, π)$ 是欧氏三角形 $T$ 在 $v$ 处的角。定义内部角亏 (interior angle defect) 与边界转角 (boundary turning angle)：

δ (v) = 2 π - θ (v) (v \in V_{i}), τ (v) = π - θ (v) (v \in V_{b}) .

RMK：为什么是两个基准？ 平坦内部点的邻域绕满一周，总角是 $2 π$ ；平直边界点的内侧邻域只占半平面，总角是 $π$ 。若平面区域的边界内角大于 $π$ ，它是凹角， $τ (v) < 0$ ，不能取绝对值。一般抽象多面曲面上， $τ$ 是此公式定义的内禀边界量，不必诉诸空间中的外法向。

1.2 前置引理：带边版本的两本计数账

对每个上述剖分，有

3 | F | = 2 | E_{i} | + | E_{b} |, | V_{b} | = | E_{b} | .

第一个等式按三角形侧与边的关联计数；第二个等式来自每个边界圈的顶点数等于边数。后一条需要真正的曲面边界，不能把任意一堆“暴露的边”直接代入。

再按角的关联换序：

\sum_{v \in V_{i} \cup V_{b}} θ (v) = \sum_{T \in F} \sum_{v \in T} α_{T} (v) = π | F | .

这一步只使用面是非退化欧氏三角形。

1.3 定理：内部与边界共同承担拓扑预算

带边多面 Gauss–Bonnet。 对每个 0 节所述有限分片欧氏曲面，

\sum_{v \in V_{i}} δ (v) + \sum_{v \in V_{b}} τ (v) = 2 π χ (M) .

不需要可定向性；这里证明的是不带方向符号的内角恒等式。

完整推导。 左边等于

2 π | V_{i} | + π | V_{b} | - π | F | .

而由两条计数式，

\begin{aligned} 2 χ (M) & = 2 (| V_{i} | + | V_{b} | - | E_{i} | - | E_{b} | + | F |) \\ = 2 | V_{i} | + | V_{b} | - | F | . \end{aligned}

乘以 $π$ 即得结论。有限性保证换序无收敛问题；流形条件保障边侧重数；欧氏面保障角和；三者分别在证明中承担不同工作。

直接推论。 若 $M$ 是拓扑圆盘，且全部内部角亏为零，则边界转角总和为 $2 π$ 。这不是边界每点都正弯：它只是有符号总量。若是平面环域，则同样的内部平坦性给出边界总转角为零，第 4 节将逐点检查。

谱系口径。 [1，§5.5–5.6] 给出闭曲面的角亏与离散 Gauss–Bonnet 背景。本节在此基础上完整推导带边版本；“闭曲面—边界修正—加倍”是本期的逻辑组织，不是未经核验的发现年代排序。

1.4 研究生延伸：为什么加倍能自动恢复 $2 π$

取两份 $M$ ，将对应边界逐点粘合，得到无边界曲面 $D M$ 。可用原剖分诱导的胞腔结构计数（若需严格单纯剖分，可再细分）：

| V (D M) | = 2 | V_{i} | + | V_{b} |, | E (D M) | = 2 | E_{i} | + | E_{b} |, | F (D M) | = 2 | F | .

于是 $| V_{b} | = | E_{b} |$ 给出

χ (D M) = 2 χ (M) .

每个原内部顶点出现两次，各自保留角亏；每个原边界顶点变为接缝内部点，角和翻倍，因此

δ_{D M} (v) = 2 π - 2 θ_{M} (v) = 2 τ_{M} (v) .

对 $D M$ 应用闭曲面公式，除以二，恰好恢复带边公式。边界项不是为了凑答案而补上的常数，而是接缝曲率的一半。

这也给出曲率测度 (curvature measure) 的入口：令 $d_{v}$ 为顶点 $v$ 处单位 Dirac 点质量，则内部曲率写成 $\sum_{v \in V_{i}} δ (v) d_{v}$ ，边界转角写成 $\sum_{v \in V_{b}} τ (v) d_{v}$ 。它们是有限有符号原子测度，不是每单位面积的曲率密度。把角亏除以某块顶点邻域面积，是另一个密度近似步骤；其收敛不能仅由总量恒等式推出。[1，§5.6]

2. 固定模板习题 (Template Exercise)

题目

设 $a < b$ ， $f \in C^{2} ([a, b])$ 。定义梯形求积误差 (trapezoidal quadrature error)

E (f) = \frac{b - a}{2} (f (a) + f (b)) - \int_{a}^{b} f (x) d x .

证明

| E (f) | \leq \frac{(b - a)^{3}}{12} ∥ f^{″} ∥_{\infty},

并证明常数 $1 / 12$ 不能统一减小。若 $f^{″} \geq 0$ ，判断误差的符号。

模板识别

表达式消灭一次函数，右侧出现二阶导数，且端点项与积分同时存在：优先寻找端点消失的二次核，再两次分部积分。不必先逐点选择 Taylor 余项中的中间点。

分级提示

找一个二次多项式 $w$ ，使 $w (a) = w (b) = 0$ 且 $w^{″} = - 1$ 。
对 $\int_{a}^{b} w (x) f^{″} (x) d x$ 连做两次分部积分，保留第一阶端点导数的符号。
判断 $w$ 的符号并计算其积分；尖锐性可在二阶导数为常数的函数中检验。

3. 大家之言 (Mathematician in Their Own Words)

已核验语境。 2026 年 10 月 18 日，Terence Tao 的 What’s New 刊出客座文章 Will it be a golden age or a dark age for mathematics (and science)?。页首明确标注作者是 Francesco Maggi，不是 Tao；Tao 另说明文章由其他格式经 AI 转换。这里引用的是 Maggi 第一人称讨论数学实践的文字，不将博客署名位置误作说话者。[2]

在第 (5) 点讨论作者责任、同行评审以及证明如何进入共同数学文化时，他写道：

“To become a fruitful intellectual artifact, a proof needs to be understood, interpreted, related to previous work.”

中译：“一个证明要成为富有成果的思想产物，就需要被理解、被解释，并与既有工作联系起来。”

转述（paraphrase）。 在第 (3)–(4) 点，Maggi 把数学化——发明使对象可以被理性理解的数学语言——与单纯证明命题区分，并反对仅按问题清单上勾掉多少项衡量进展。他没有因此否定解决难题的价值。

本文评论。 今天的证明只用了几行计数，但理解并不止于代数消去。若读者知道半圆盘为什么贡献 $π$ ，就能预测：切开曲面会产生边界账目，重新粘合又会把这些账目转成接缝角亏。这个可迁移的预测能力，才使恒等式成为一种可用的语言。

这里引用的是数学方法论意见，不据此为客座文章涉及的任何新近 AI 数学成果背书；那些成果的正确性需要各自的原始证明与独立审查。检索时间为本期制作日，文章日期来自原页与 URL，二者不混同。

4. 反例与边界 (Counterexample & Boundary)

4.1 正方形：漏掉边界项，连最平的例子也错

取实心正方形，沿一条对角线分成两个欧氏三角形。

顶点、边、面数为 $4, 5, 2$ ，故 $χ = 1$ 。
没有内部顶点，所以内部角亏总和为 $0$ 。
每个边界顶点总角为 $π / 2$ ，转角为 $π / 2$ ，合计 $2 π$ ，正好补齐预算。

因此错误命题“带边曲面仍有 $\sum_{V_{i}} δ = 2 π χ$ ”失败。

另一个错误是边界也照用 $2 π - θ$ ：四角将合计 $6 π$ 。更致命的是，在一条直边上添一个点并细分相邻三角形，新点的总角为 $π$ 。正确转角为零，错误定义却凭空增加 $π$ ；它甚至不尊重这种不改变几何的细分。

4.2 方环：为什么内边界必须允许负转角

取平面区域

A = [- 2, 2]^{2} ∖ (- 1, 1)^{2} .

连接内外对应角，把区域分为四个梯形，再各画一条对角线，得到八个三角形。此剖分有八个顶点、八条边界边、八条内部边、八个面，因而

χ (A) = 8 - 16 + 8 = 0.

逐项看角：

四个外角的区域内角均为 $π / 2$ ，各贡献 $+ π / 2$ ；
四个内角周围，属于区域的扇区是 $3 π / 2$ ，不是被挖去方孔的 $π / 2$ ，故各贡献 $- π / 2$ ；
此剖分无内部顶点；若在平坦内部加点，新增点的角和为 $2 π$ ，仍只贡献零。

总转角为 $4 (π / 2) + 4 (- π / 2) = 0$ 。若把转角取绝对值，则得到 $4 π$ ，与 $2 π χ (A) = 0$ 冲突。边界项记的是区域内侧相对半平面的有符号偏差，不是角落“弯得多厉害”的无符号大小。

最后一条边界：本期允许任意合法三角形边长，故仅知道一个顶点关联几个面，不足以求它的角亏；闭曲面等边三角模型中的度数公式不能原样套来。

5. 今日一问与数学地图 (Question & Map)

今日一问。 设一个有限分片欧氏三角曲面同胚于闭圆盘，全部内部顶点满足 $δ (v) \leq 0$ ，且每个边界顶点满足 $τ (v) \leq π / 2$ 。证明它至少有四个严格正转角的边界顶点；再刻画“恰好四个”时内部与其余边界顶点的曲率必须怎样分布。能给出一个达到等号的实现吗？

定向提示。 不要先假设每个边界点都非负。分别统计正、零、负贡献，比较总量约束和单点容量。

作为后续方向，再留意：若圆盘内部曲率非负，边界能否全部为零转角？本期总量公式只给必要预算；它是否足以判定任意指定曲率数据的可实现性，是另一层问题。不要把一个恒等式冒充完整实现定理。

数学地图。

三角形角和、边侧关联 → 内部角亏与边界转角 → 带边 Gauss–Bonnet → 加倍、切开与粘合 → 曲率测度、网格参数化中的几何约束。

沿着这条路线，“边界条件”不再只是定理末尾的一句附注，而是决定局部量如何汇成全局不变量的一部分。

附录 A：习题完整解答 (Full Solution)

展开完整解答

2026-10-17 · 方差预算必须随路径记账

Fri, 16 Oct 2026 16:00:00 GMT

2026-10-17 · 方差预算必须随路径记账

0. 导读与元结构 (Orientation & Meta-structure)

2026 年 10 月 17 日，星期六。 Develata，本期是鞅集中微弧的 3/3，承接前两日的 Azuma–Hoeffding 与 McDiarmid。今天的增量不是再改一个常数，而是改“记账单位”：最坏区间仍然很宽，但大多数步几乎不动，能否只为实际可能产生的条件波动付费？

例如独立 $X_{i} \sim Bernoulli (p)$ ， $p ≪ 1$ 。区间长度恒为 $1$ ，却有 $Var (X_{i}) = p (1 - p)$ 。忽略这个因子，会把稀疏对象按稠密对象估计。

对象分三层：适应信息流的鞅差 $D_{i}$ ；过去可知的条件二阶矩；沿路径累加的随机预算 $V_{k}$ 。结论先固定两个确定数 $t, v$ ，再控制“某时刻偏差达到 $t$ ，同时预算尚未超过 $v$ ”的概率。这个量词顺序不能偷换为把随机 $V_{k}$ 直接塞进确定参数。

前置：条件期望、Taylor 余项、有限时域停止。证明引擎：条件指数矩界 → 补偿指数超鞅 → 首次越界 → 参数选择。终点是稀疏图的方差敏感估计；研究生延伸是矩阵鞅与自归一化问题。

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 不是总方差，而是逐步条件方差

在概率空间 $(Ω, F, P)$ 上，给定滤过 $(F_{k})_{k \geq 0}$ 。设每个实随机变量 $D_{k} \in L^{2}$ 都是 $F_{k}$ -可测的，且

\forall k \geq 1, E [D_{k} ∣ F_{k - 1}] = 0 a.s.

定义

S_{0} = V_{0} = 0, S_{k} = \sum_{i = 1}^{k} D_{i}, q_{i} = E [D_{i}^{2} ∣ F_{i - 1}], V_{k} = \sum_{i = 1}^{k} q_{i} .

$V$ 称为 $S$ 的可预测二次变差 (predictable quadratic variation)。这里“可预测”指第 $i$ 步的收费 $q_{i}$ 在 $F_{i - 1}$ 下已知，不是说整条未来预算事先确定。尤其 $V_{k}$ 通常随机；它也不同于已实现平方和 $\sum_{i \leq k} D_{i}^{2}$ 。

条件正交给出 $E S_{k}^{2} = E V_{k}$ 。但这个期望等式不允许把尾界中的 $V_{k}$ 换成 $E V_{k}$ ；第 4 节会给出明确失败例。

1.2 留下二阶信息的指数矩引理

设确定数 $R > 0$ ，并且 $D_{i} \leq R$ a.s. 对所有 $i$ 成立。上尾只需要上界，不要求 $D_{i} \geq - R$ 。 对任意实数 $x \leq R$ 与 $λ \geq 0$ ，积分余项给出

e^{λ x} - 1 - λ x = λ^{2} x^{2} \int_{0}^{1} (1 - u) e^{u λ x} d u \leq \frac{x^{2}}{R^{2}} (e^{λ R} - 1 - λ R) .

这个写法同时处理负 $x$ ，避免对带符号幂级数逐项误判。若 $0 \leq λ R < 3$ ，由 $m! \geq 2 \cdot 3^{m - 2}$ （ $m \geq 2$ ）得

e^{λ R} - 1 - λ R \leq \frac{(λ R)^{2}}{2 (1 - λ R / 3)} .

记 $g (λ) = λ^{2} / [2 (1 - λ R / 3)]$ 。取条件期望、消去一次项，再用 $1 + y \leq e^{y}$ ：

\forall i \geq 1, \forall λ \in [0, 3 / R), E [e^{λ D_{i}} ∣ F_{i - 1}] \leq e^{g (λ) q_{i}} a.s.

与昨日的 Hoeffding 引理相比，右边保留 $q_{i}$ ，代价是出现限制 $λ R < 3$ 与分母修正。

1.3 Freedman：控制低预算区域内的越界

定理（Freedman 的 Bernstein 型形式）。 在上述全部假设下，对每个确定的 $t > 0, v > 0$ ，

P (\exists k \geq 1 : S_{k} \geq t 且 V_{k} \leq v) \leq \exp [- \frac{t^{2}}{2 (v + R t / 3)}] .

这正是 [1, Theorem 1.1] 的标量结论；本文额外明确采用平方可积增量，便于所有条件二阶矩无歧义。

证明。 固定 $λ \in (0, 3 / R)$ ，定义

Z_{k} = \exp {λ S_{k} - g (λ) V_{k}}, Z_{0} = 1.

由于 $q_{k}$ 对过去可测，上一引理推出

E [Z_{k} ∣ F_{k - 1}] \leq Z_{k - 1} .

故 $Z$ 是非负超鞅 (nonnegative supermartingale)。令 $τ$ 为首次同时满足 $S_{k} \geq t, V_{k} \leq v$ 的时刻，未发生时置 $τ = \infty$ 。这是停止时刻，因为是否已发生由当前与过去决定。

对每个确定整数 $N \geq 1$ ，有界停止给出 $E Z_{τ \land N} \leq 1$ 。这一点也可不调用停时定理：展开停止过程的有限个增量，每项乘以过去可测的 $1_{{τ \geq i}}$ ，其期望都非正。在 ${τ \leq N}$ 上，

Z_{τ \land N} \geq e^{λ t - g (λ) v} .

所以 $P (τ \leq N) \leq e^{- λ t + g (λ) v}$ 。令 $N \to \infty$ ，使用事件单调收敛，再选择

λ = \frac{t}{v + R t / 3} \in (0, 3 / R)

即得所示界。这里是方便的参数选择，不宣称它是此有理函数上界的精确极小点。证毕。

预算版本。 若 $V_{n} \leq v$ a.s.，便有同样的固定时刻上尾界。若没有确定预算，则仍可分解为

P (S_{n} \geq t) \leq \exp [- \frac{t^{2}}{2 (v + R t / 3)}] + P (V_{n} > v) .

尾部控制不能省掉后面一项。若还有 $D_{i} \geq - R$ ，对 $- S$ 重复论证得到下尾；仅有上界时不能自动声称对称双尾结论。

1.4 稀疏对象为何受益？

独立 $X_{i} \sim Bernoulli (p)$ ， $0 < p < 1$ ，令 $D_{i} = X_{i} - p$ 。此时 $| D_{i} | \leq 1$ ，且 $V_{n} = n p (1 - p)$ 为确定数。于是

P (| \sum_{i = 1}^{n} X_{i} - n p | \geq t) \leq 2 \exp [- \frac{t^{2}}{2 (n p (1 - p) + t / 3)}] .

当 $t ≪ n p (1 - p)$ 时，分母由方差控制；当 $t$ 很大时，线性项阻止我们不加条件地宣称全尺度高斯尾。这是 Bernstein 型简化界的两种区域，不是对真实尾部的精确渐近断言。

更一般地，令 $X_{1}, \dots, X_{n}$ 独立， $X_{i} \sim Bernoulli (p_{i})$ ，其中每个 $0 < p_{i} < 1$ ，并在 ${0, 1}^{n}$ 上逐步揭示实值函数 $f$ ，取 $F_{i} = σ (X_{1}, \dots, X_{i})$ 。固定前缀后定义

δ_{i} = E [f ∣ F_{i - 1}, X_{i} = 1] - E [f ∣ F_{i - 1}, X_{i} = 0] .

未来坐标仍独立，故 Doob 鞅差满足

D_{i} = (X_{i} - p_{i}) δ_{i}, q_{i} = p_{i} (1 - p_{i}) δ_{i}^{2} .

若全局单坐标敏感度至多 $c_{i}$ ，则 $| δ_{i} | \leq c_{i}$ ，从而 $| D_{i} | \leq c_{i}$ 且

V_{n} \leq \sum_{i} p_{i} (1 - p_{i}) c_{i}^{2} .

取 $R = max_{i} c_{i} > 0$ 即可应用定理；若全为零则 $f$ 恒定，无需尾界。这给出昨日问题的实质答案：条件方差恢复了稀疏参数，而区间宽度本身看不到它。 在随机图边揭示中，这可用于有全局边敏感度的统计量；它并不替代对各统计量敏感度的实际证明。

谱系与研究生延伸。 独立情形预算确定，回到 Bernstein 型集中；Freedman 将方差敏感机制放入鞅框架，[1] 将原始标量结果归于 Freedman（1975）。这里的谱系不是“旧定理被否定”，而是独立性被条件结构替代。Tropp 的矩阵版本用自伴矩阵增量、最大特征值与矩阵条件平方和，并引入维数因子 [1, Theorem 1.2]。其指数矩推进需要 Lieb 凹性工具，不能把标量指数乘法直接照搬到不交换矩阵。

2. 固定模板习题 (Template Exercise)

题目。 沿用平方可积鞅差 $D_{1}, \dots, D_{N}$ ，但不要求增量有界。设停止时刻 $τ$ 取值于 ${0, \dots, N}$ 。证明

E S_{τ}^{2} = E V_{τ} .

模板识别。 出现“随机上限的平方和”，先将随机上限改成确定上限与示性函数，再检查示性函数在第几层信息中可测；不要直接把确定 $n$ 的等式里的 $n$ 改成 $τ$ 。

分级提示。

写出 $S_{τ} = \sum_{i = 1}^{N} 1_{{τ \geq i}} D_{i}$ 。
为什么 ${τ \geq i} \in F_{i - 1}$ ？停止后的增量仍有条件零均值吗？
展开平方。对交叉项先在较晚一步的过去上取条件期望；对对角项再引入 $q_{i}$ 。

3. 大家之言 (Mathematician in Their Own Words)

来源语境。 Terence Tao 的第一人称数学研究建议《Learn the limitations of your tools》，发表于其个人网站 What’s new 的 Career advice 栏目 [2]。本次提取正文未提供可靠首发日期，因此不补造日期。以下引文来自正文，不是页首所引他人的题词：

“Thus, knowing a library of counterexamples, or easily analysed model situations, is very important”

中译：“因此，掌握一个反例库，或一批易于分析的模型情境，是非常重要的。”

转述。 Tao 随后区分工具能处理与不能处理的障碍，并主张在使用某工具的论文中也说明它的已知局限。他还提醒：若一个工具只像不可拆解的“魔杖”，使用者可能并未真正理解它。

本期评论。 昨日的朴素追问关心“为什么丢掉区间宽度”；今天更进一步，拿一个可完全计算的随机环境，测试“平均方差是否足够”。这不是用反例否定 Freedman，而是给它画出准确的参数边界。反例的作用是辨认哪类信息不能压缩：把随机预算压成一个均值，会把少量高波动路径藏起来。

所以掌握集中不等式不只是记住指数分母，而是能回答：这个分母里的量，是确定常数、逐路径控制，还是仅仅一个期望？三者对应不同定理。

4. 反例与边界 (Counterexample & Boundary)

错误命题： 在 $| D_{i} | \leq 1$ 的鞅差假设下，固定时刻上尾总可以用 $E V_{n}$ 代替 $V_{n}$ 的确定上界，即

P (S_{n} \geq t) \overset{?}{\leq} \exp [- \frac{t^{2}}{2 (E V_{n} + t / 3)}] .

构造一个初始时就揭示的稀有开关。设 $B \sim Bernoulli (1 / 20)$ ，并令 $ε_{1}, \dots, ε_{20}$ 为独立均匀 ${- 1, 1}$ 符号，与 $B$ 独立。置

F_{0} = σ (B), F_{i} = σ (B, ε_{1}, \dots, ε_{i}), D_{i} = B ε_{i} .

逐项检查：

$D_{i}$ 适应且平方可积， $| D_{i} | \leq 1$ 。
由于新符号独立且均值为零， $E [D_{i} ∣ F_{i - 1}] = 0$ 。这里没有破坏条件公平性。
$q_{i} = B$ ，故 $V_{20} = 20 B$ ， $E V_{20} = 1$ 。
$S_{20} \geq 20$ 当且仅当 $B = 1$ 且所有符号均为 $+ 1$ ，所以

P (S_{20} \geq 20) = \frac{1}{20 \cdot 2^{20}} .

错误公式却给出

\exp [- \frac{400}{2 (1 + 20 / 3)}] = e^{- 600 / 23} .

前者严格更大： $\log 20 + 20 \log 2 < 3 + 14 = 17 < 600 / 23$ 。因此不是“界可能不锐”，而是不等式本身错误。以上为精确有限模型的解析验证，不依赖模拟。

真正的 Freedman 不等式未受挑战：若取低预算 $v = 1$ ，则 $S_{20} \geq 20$ 的全部路径都被 $V_{20} \leq 1$ 排除；若取有效的全局预算 $v = 20$ ，尾界仍成立。期望小可以来自大多数路径完全静止，而不是每条路径都低波动。

5. 今日一问与数学地图 (Question & Map)

本期定理对每个确定 $v > 0$ 成立。是否能不付任何额外代价，就把它改写成以下随机边界？对所有 $x > 0$ ，

P (\exists k \geq 1 : S_{k} \geq \sqrt{2 V_{k} x} + \frac{2 R x}{3}) \leq e^{- x} .

请先辨认“对每个 $v$ ”与“同一事件内同时允许所有 $V_{k}$ ”的差别，再尝试把预算按 $[2^{j}, 2^{j + 1})$ 分箱：每箱怎样选择失败概率，才能对箱数可数的并合求和？本题不预设显示式成立，也不要求今天建立最优边界。

地图： 条件期望 → 鞅差与条件方差 → Freedman 的确定预算越界界 → 方差剥层 (variance peeling)、自归一化鞅 (self-normalized martingales)、置信序列 (confidence sequences) → 自适应探索与随机图过程。

三日微弧至此闭合：绝对幅度 → 条件区间宽度 → 条件方差预算。不是后一工具总胜过前一工具，而是逐步辨认并保留对象本来携带的信息。

附录 A：习题完整解答 (Full Solution)

展开完整解答

2026-10-16 · 不是把增量减半，而是保住区间宽度

Thu, 15 Oct 2026 16:00:00 GMT

2026-10-16 · 不是把增量减半，而是保住区间宽度

0. 导读与元结构 (Orientation & Meta-structure)

2026 年 10 月 16 日，星期五。 Develata，昨天把单坐标敏感度 $c_{i}$ 转成了鞅差的绝对值界 $| D_{i} | \leq c_{i}$ ，得到指数 $- t^{2} / (2 \sum_{i} c_{i}^{2})$ 。今天不加强函数的假设，却把指数改进为 $- 2 t^{2} / \sum_{i} c_{i}^{2}$ 。丢失的信息在哪里？

答案是：给定过去， $D_{i}$ 落在一个长度至多 $c_{i}$ 的区间里；粗估计把它扩成了长度 $2 c_{i}$ 的对称区间。 条件均值为零不等于区间中点为零，因而不能靠宣称 $| D_{i} | \leq c_{i} / 2$ 来偷渡改进。

对象与量词分三层：函数在整个乘积空间上满足逐坐标界；随机坐标具有乘积律；固定过去后，增量区间的位置可以改变，而长度有确定上界。结论对每个确定阈值 $t > 0$ 成立。

前置：条件期望、有限和求导、方差与 Jensen 不等式。证明引擎：对数指数矩的二阶导数是倾斜方差 → 区间宽度控制方差 → 条件递推与参数优化。这是三日微弧的 2/3 日，明确深化昨日的揭示鞅，而不是另起一遍 Azuma。明日的方向是进一步保留条件方差，尤其照顾稀疏随机图。

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 为什么宽度能进入指数矩？

Hoeffding 引理（本期先用有限取值版本）。 设实随机变量 $Y$ 有限取值，确定性实数 $a \leq b$ 满足 $a \leq Y \leq b$ a.s.。则

\forall λ \in R, E e^{λ (Y - E Y)} \leq \exp (\frac{λ^{2} (b - a)^{2}}{8}) .

[1, §2] 给出此引理的凸弦证明。这里换用一个揭示“宽度为何出现”的证明。

令 $K (s) = \log E e^{s Y}$ 。在原分布的每个取值 $y$ 上定义倾斜分布 (exponentially tilted distribution)

P_{s} (Y = y) = \frac{e^{s y} P (Y = y)}{E e^{s Y}}, s \in R .

这是概率分布，且支撑仍在 $[a, b]$ 。有限和可逐项求导，所以

K^{'} (s) = E_{s} Y, K^{″} (s) = {Var}_{s} (Y) .

任意支撑于 $[a, b]$ 的概率律，都满足

Var (Y) = min_{u \in R} E (Y - u)^{2} \leq E {(Y - \frac{a + b}{2})}^{2} \leq \frac{(b - a)^{2}}{4} .

因此令 $H (s) = K (s) - s E Y$ ，有 $H (0) = H^{'} (0) = 0$ 及 $H^{″} (s) \leq (b - a)^{2} / 4$ 。带积分余项的 Taylor 公式给出，对所有实数 $λ$ ，

H (λ) = λ^{2} \int_{0}^{1} (1 - u) H^{″} (u λ) d u \leq \frac{λ^{2} (b - a)^{2}}{8} .

取指数即得。若 $a = b$ ，中心化变量恒为零，也包含在结论中。

RMK。 方差界对每一个倾斜参数都成立，而不只是对原始概率律成立。这正是它能控制整条指数矩曲线、而非仅控制原点二阶导数的原因。

1.2 保住条件区间，而不是猜一个更小的绝对值界

固定整数 $n \geq 1$ 、有限非空集合 $E_{1}, \dots, E_{n}$ 。在同一概率空间上，令 $X_{i}$ 为相互独立的 $E_{i}$ -值随机变量， $f : \prod_{i} E_{i} \to R$ 。假设存在确定性 $c_{i} \geq 0$ ，满足

\forall i \in {1, \dots, n}, \forall x, y \in \prod_{j} E_{j}, [\forall j \neq i, x_{j} = y_{j}] ⟹ | f (x) - f (y) | \leq c_{i} .

这叫有界差分条件 (bounded differences condition)。记

F_{i} = σ (X_{1}, \dots, X_{i}), Z_{i} = E [f (X) ∣ F_{i}], D_{i} = Z_{i} - Z_{i - 1},

其中 $F_{0}$ 平凡。塔式性质给出 $E [D_{i} ∣ F_{i - 1}] = 0$ 。

固定任一正概率前缀 $h = (x_{1}, \dots, x_{i - 1})$ ，令

g_{h} (a) = E f (h, a, X_{i + 1}, \dots, X_{n}), a \in E_{i} .

独立性让不同 $a$ 共用同一个未来分布，因此

max_{a \in E_{i}} g_{h} (a) - min_{a \in E_{i}} g_{h} (a) \leq c_{i} .

若 $μ_{h} = E g_{h} (X_{i})$ ，则在此前缀下 $D_{i} = g_{h} (X_{i}) - μ_{h}$ ，所以它落在

[min_{a} g_{h} (a) - μ_{h}, max_{a} g_{h} (a) - μ_{h}]

中。这是长度至多 $c_{i}$ 的区间，端点依赖 $h$ ，长度上界不依赖 $h$ 。对每个前缀的条件分布使用引理，得到

\forall λ \in R, E [e^{λ D_{i}} ∣ F_{i - 1}] \leq e^{λ^{2} c_{i}^{2} / 8} a.s.

零概率前缀无需规定条件分布；以上结论是几乎处处的陈述。

1.3 McDiarmid 不等式及其常数来源

定理。 在上述全部假设下，令 $C = \sum_{i = 1}^{n} c_{i}^{2}$ 。若 $C > 0$ ，则

\forall t > 0, P (f (X) - E f (X) \geq t) \leq e^{- 2 t^{2} / C},

P (| f (X) - E f (X) | \geq t) \leq 2 e^{- 2 t^{2} / C} .

若 $C = 0$ ，逐坐标替换连接任意两点，故 $f$ 为常数，偏差概率为零。[1, §3, Theorem 2]

证明收口。 用条件期望逐步剥离 $D_{n}, D_{n - 1}, \dots, D_{1}$ ，得到

E e^{λ (f (X) - E f (X))} \leq e^{λ^{2} C / 8} .

于是对每个 $λ > 0$ ，上尾概率至多 $\exp (- λ t + λ^{2} C / 8)$ 。取 $λ = 4 t / C$ 得到上尾；对 $- f$ 应用同理，再合并两尾。

“四倍”指同一 $C, t$ 下指数的绝对值是昨日粗界的四倍，不是概率恰好缩小四倍。这也不表示实际尾概率达到此上界。

谱系。 独立和的 Hoeffding 界只需控制每个加数的区间；McDiarmid 把对象推广为独立输入的非线性函数，经揭示鞅把局部区间结构传递下去。此处是机制谱系；[1] 将有界差分方法归于 McDiarmid，并列其 1989 年综述。本期没有另行核验那篇原始综述，不据此补写优先权细节。

1.4 研究生延伸：上确界的集中，不等于均值很小

令 $X_{i}$ 独立同分布于有限集合 $E$ ， $A$ 为 $E$ 的非空子集族。定义经验一致偏差 (uniform empirical deviation)

U (X) = sup_{A \in A} | \frac{1}{n} \sum_{i = 1}^{n} 1_{{X_{i} \in A}} - P (X_{1} \in A) | .

改变一个输入，对每个 $A$ 都至多改变 $1 / n$ ；由

| sup_{A} u_{A} - sup_{A} v_{A} | \leq sup_{A} | u_{A} - v_{A} |

及绝对值的反三角不等式， $U$ 的每个坐标敏感度至多 $1 / n$ 。因此

P (| U - E U | \geq t) \leq 2 e^{- 2 n t^{2}} (t > 0) .

但这不告诉我们 $E U$ 有多小。估计均值需要利用集合族的大小或复杂度；集中与均值定位须分别完成。[1, §4.2–4.3] 从这里可走向经验过程、对称化与学习理论，但本期不把这些名词当作已证明的结果。

2. 固定模板习题 (Template Exercise)

题目。 给定整数 $m \geq 2$ 、常数 $σ > 0$ ，以及同一概率空间上的实随机变量 $Y_{1}, \dots, Y_{m}$ 。不假设独立，假设

\forall j \in {1, \dots, m}, \forall λ \in R, E e^{λ Y_{j}} \leq e^{σ^{2} λ^{2} / 2} .

证明 $max_{1 \leq j \leq m} Y_{j}$ 可积，并证明

E max_{1 \leq j \leq m} Y_{j} \leq σ \sqrt{2 \log m} .

模板识别。 已知单变量指数矩，要求有限族最大值的期望。把最大值送进指数，再用一个和控制；目标中的 $\log m$ 提示最后需要取对数，而不是逐对计算协方差。

分级提示。

对任意 $λ > 0$ ，比较 $e^{λ max_{j} Y_{j}}$ 和 $\sum_{j} e^{λ Y_{j}}$ 。这一步需要独立性吗？
先用 $e^{| y |} \leq e^{y} + e^{- y}$ 验证可积性，再对指数函数用 Jensen。
得到含 $λ$ 的上界后，平衡一个 $1 / λ$ 项与一个 $λ$ 项。

3. 大家之言 (Mathematician in Their Own Words)

语境。 Terence Tao 在个人网站 What's new 的研究学习建议 “Ask yourself dumb questions” 中，讨论成品证明与实际探索过程的差异。本次直接读取作者文章；正文首发日期未能确认，故不补日期。页面开头另引 Halmos，本期不把那段二手引文冒充已核验的 Halmos 原文。[2]

Tao 自己的正文写道：

“However, the process of discovering new mathematics is much messier, full of the pursuit of directions which were naïve, fruitless or uninteresting.”

译：然而，发现新数学的过程凌乱得多，其中充满了对那些天真、徒劳或无趣方向的追寻。

转述（非引文）： 他接着建议，面对标准引理，不妨删掉一个假设、加强一下结论，或尝试另一种证明；即便新路线失败，也会帮助辨认原有方法为何有效，以及不同方法各自的能力。

本刊评论。 昨天已有正确结论，今天仍追问“能不能把 $c_{i}$ 减半？”这个问题的直接答案是不能，但失败诊断把我们引向了正确对象——不是绝对值半径，而是条件支撑宽度。朴素追问的价值不是保证出现新定理，而是逼迫我们指出：究竟哪一步丢了信息？这一点也区别于昨日的“把直觉写成细节”：今天关心的是通过失败的加强，选择更准确的中间对象。

4. 反例与边界 (Counterexample & Boundary)

4.1 中心化不保证半径减半

取 $X \sim Bernoulli (1 / 10)$ ， $f (x) = x$ 。逐项检查：

坐标替换界是 $c = 1$ 。
$D = X - E X$ 的取值为 $- 1 / 10$ 与 $9 / 10$ ，条件中心化（此处过去平凡）成立。
支撑宽度恰为 $1$ ，但 $P (| D | > 1 / 2) = 1 / 10 > 0$ 。

所以 $| D | \leq c / 2$ 是假命题。本期的宽度引理仍完全适用；改进结论是真的，偷换中间假设的证明是假的。

4.2 典型配置平坦，不等于全局敏感度为零

取整数 $n \geq 3$ ，令 $X_{1}, \dots, X_{n}$ 独立且均匀取值于 ${0, 1}$ 。定义

f (x) = 1_{{x = (1, \dots, 1)}}, x \in {0, 1}^{n} .

对每个配置 $x$ 定义其局部替换振幅

L_{i} (x) = max_{a \in {0, 1}} | f (x) - f (x_{1}, \dots, x_{i - 1}, a, x_{i + 1}, \dots, x_{n}) | .

若 $x$ 至少含两个零，改动任一坐标仍至少剩一个零。因此 $f (x) = 0$ 且对所有 $i$ 都有 $L_{i} (x) = 0$ 。
不满足“至少两个零”的配置共 $n + 1$ 个：全一配置及恰有一个零的 $n$ 个配置。所以

P (\forall i, L_{i} (X) = 0) = 1 - \frac{n + 1}{2^{n}} ⟶ 1.

然而 $f (X) \sim Bernoulli (2^{- n})$ ，其方差为 $2^{- n} (1 - 2^{- n}) > 0$ ，并非 a.s. 常数。
真正的全局坐标界仍是每个 $c_{i} = 1$ ：比较全一配置与仅第 $i$ 位为零的配置，函数差恰为 $1$ 。

这驳倒了把“以高概率观察到的局部界 $c_{i} = 0$ ”直接代入 McDiarmid 零宽度情形的做法。对每个固定 $n$ ，例外集概率虽小却严格为正；定理要求的是全局替换量词，不是一个逐渐高概率的好事件。

边界的精确位置： 坐标平均 $g_{h} (a)$ 会遇到未来的罕见配置；不能在没有补偿项或额外论证的情况下把它们删除。本例不否定带例外集修正的集中方法，只否定不付代价地替换假设。以上是精确计数推导，不是模拟结果。

5. 今日一问与数学地图 (Question & Map)

设 $X_{i}$ 独立且 $X_{i} \sim Bernoulli (p)$ ， $0 < p < 1$ ， $f$ 满足坐标界 $c_{i}$ 。沿用第 1 节，在固定过去 $h$ 后记

Δ_{i} (h) = g_{h} (1) - g_{h} (0) .

今日一问： 能否写出 $D_{i}$ 关于 $X_{i} - p$ 与 $Δ_{i} (h)$ 的精确乘积表达式，进而证明

E [D_{i}^{2} ∣ F_{i - 1}] \leq p (1 - p) c_{i}^{2} a.s. ?

只得到此式后，为什么仍不能直接把 McDiarmid 中的 $C$ 换成 $p (1 - p) C$ ，并宣称对全部偏差阈值都有同样的纯高斯尾？请比较第 1.1 节“所有倾斜分布的方差”与“原分布的方差”。这保留了真正的证明缺口，留给明日。

地图：

区间内方差界 ⟶ Hoeffding 引理 ⟶ 条件宽度与 McDiarmid ⟶ 条件方差预算 ⟶ 方差敏感的鞅集中 .

随机图接口：对 $G (N, p)$ 的最大割，边坐标敏感度至多一；McDiarmid 改进了昨日常数，却仍不含 $p$ 。今天的问题指出稀疏性应从何处进入，但不提前声称已经得到精确大偏差速率或最可能的偏差结构。

附录 A：习题完整解答 (Full Solution)

展开完整解答

2026-10-15 · 独立性可以退场，条件公平性不能

Wed, 14 Oct 2026 16:00:00 GMT

2026-10-15 · 独立性可以退场，条件公平性不能

0. 导读与元结构 (Orientation & Meta-structure)

2026 年 10 月 15 日，星期四。 Develata，今天的起点是：独立和的指数尾界很好用，但逐步运行的算法、逐条揭示的图，其增量往往依赖过去。失去独立性以后，什么仍足以阻止偏差累积成线性规模？

答案不是“每一步平均为零”，而是“看见过去之后，每一步的条件平均仍为零”，再加上每步幅度的确定性限制。

对象分三层：概率空间与滤过记录信息；适应过程记录预测值；确定性常数 $c_{k}$ 控制随机增量。结论对每个固定时域 $n$ 、每个偏差阈值 $t > 0$ 成立，不能自动理解成对全部时间同时成立。

前置知识：条件期望、塔式性质、凸函数、Markov 不等式。证明引擎：凸性控制单步指数矩 → 条件化逐步消去依赖 → 优化指数参数。目的地是揭示鞅 (exposure martingale)、随机图集中，以及用实际条件方差替代最坏幅度的改进。

这是三日 anchor 微弧的第 1/3 日：今天建立有界鞅差的基础界；后续拟讨论坐标敏感度的精细版本，再进入方差敏感的界。相对 7 月 31 日的鞅与可选停止，今天的数学增量是定量尾概率，不是期望保持或收敛定理。此前 anchor 占比为 $27 / 72 = 37.5 %$ ，本弧也自然补回主线。

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 需要保留的不是独立，而是条件消去

在概率空间 $(Ω, F, P)$ 上，固定 $n \geq 1$ 与滤过 $F_{0} \subseteq \dots \subseteq F_{n} \subseteq F$ 。实值过程 $(M_{k})_{k = 0}^{n}$ 是鞅 (martingale)，指

\forall k \in {0, \dots, n}, M_{k} 为 F_{k} -可测, E | M_{k} | < \infty,

\forall k \in {1, \dots, n}, E [M_{k} ∣ F_{k - 1}] = M_{k - 1} a.s.

令 $D_{k} = M_{k} - M_{k - 1}$ ，则鞅条件恰为 $E [D_{k} ∣ F_{k - 1}] = 0$ 。独立中心化增量是其特例，但并非唯一来源。例如取独立对称符号 $ε_{k} \in {- 1, 1}$ ，令 $F_{k} = σ (ε_{1}, \dots, ε_{k})$ 、 $F_{0}$ 平凡。任意 $F_{k - 1}$ -可测的 $H_{k - 1} \in [- 1, 1]$ 都给出 $D_{k} = H_{k - 1} ε_{k}$ 的条件中心化；幅度选择可以依赖整个过去，所得增量也可以不独立。

1.2 单步引理：指数的弦，比指数本身容易平均

引理。 设 $G \subseteq F$ 是子 $σ$ -代数， $D$ 是实随机变量， $c \geq 0$ 为确定性常数，满足 $| D | \leq c$ a.s. 及 $E [D ∣ G] = 0$ 。则

\forall λ \in R, E [e^{λ D} ∣ G] \leq e^{λ^{2} c^{2} / 2} a.s.

证明。 $c = 0$ 时显然。 $c > 0$ 时，对每个 $x \in [- c, c]$ ，凸性给出

e^{λ x} \leq \frac{c + x}{2 c} e^{λ c} + \frac{c - x}{2 c} e^{- λ c} = \cosh (λ c) + \frac{x}{c} \sinh (λ c) .

条件平均消去线性项。又由 $(2 j)! \geq 2^{j} j!$ ，

\cosh u = \sum_{j = 0}^{\infty} \frac{u^{2 j}}{(2 j)!} \leq \sum_{j = 0}^{\infty} \frac{(u^{2} / 2)^{j}}{j!} = e^{u^{2} / 2} .

每个假设都有明确岗位：有界性允许用一条固定弦；条件中心化消去弦的斜率项。

1.3 Azuma–Hoeffding 不等式

定理。 上述鞅满足 $M_{0} = 0$ a.s.，且存在确定性 $c_{1}, \dots, c_{n} \geq 0$ ，使

\forall k \in {1, \dots, n}, | D_{k} | \leq c_{k} a.s.

记 $V = \sum_{k = 1}^{n} c_{k}^{2}$ 。若 $V > 0$ ，则对每个 $t > 0$ ，

P (M_{n} \geq t) \leq \exp (- \frac{t^{2}}{2 V}), P (| M_{n} | \geq t) \leq 2 \exp (- \frac{t^{2}}{2 V}) .

若 $V = 0$ ，则 $M_{n} = 0$ a.s.，无需写含零分母的公式。[1, §1]

证明架构，保留关键等式。 对固定 $λ \in R$ ，因为 $M_{k - 1}$ 对 $F_{k - 1}$ 可测，

E e^{λ M_{k}} = E [e^{λ M_{k - 1}} E (e^{λ D_{k}} ∣ F_{k - 1})] \leq e^{λ^{2} c_{k}^{2} / 2} E e^{λ M_{k - 1}} .

递推得 $E e^{λ M_{n}} \leq e^{λ^{2} V / 2}$ 。这里没有把依赖增量的指数矩直接相乘；相乘的是每次条件估计产生的确定性上界。

对 $λ > 0$ ，Markov 不等式给出

P (M_{n} \geq t) \leq \exp (- λ t + λ^{2} V / 2) .

取 $λ = t / V$ ，得到单边界；再对 $- M_{n}$ 应用相同论证并取并集，即得双边界。

推论。 若全部 $c_{k} \leq c$ 且 $c > 0$ ，则对任意 $δ > 0$ ，

P (| M_{n} | \geq δ n) \leq 2 e^{- δ^{2} n / (2 c^{2})} .

这说明线性偏差被指数压低；它只给出 $\sqrt{n}$ 量级的上侧控制，不证明真实涨落一定达到该尺度。

1.4 从独立坐标，制造并不独立的预测增量

为避免条件分布版本问题，先取有限非空集合 $E_{i}$ 、独立随机变量 $X_{i} \in E_{i}$ 、函数 $f : \prod_{i = 1}^{n} E_{i} \to R$ 。假设存在确定性 $c_{i} \geq 0$ ，使

\forall i, \forall x, y \in \prod_{j = 1}^{n} E_{j}, [\forall j \neq i, x_{j} = y_{j}] ⟹ | f (x) - f (y) | \leq c_{i} .

令 $F_{k} = σ (X_{1}, \dots, X_{k})$ 、 $Z_{k} = E [f (X) ∣ F_{k}]$ ，并取 $F_{0}$ 平凡。塔式性质给出鞅； $Z_{0} = E f (X)$ ， $Z_{n} = f (X)$ 。

固定一个具有正概率的前缀 $(x_{1}, \dots, x_{k - 1})$ ，定义

g_{k} (a) = E f (x_{1}, \dots, x_{k - 1}, a, X_{k + 1}, \dots, X_{n}) .

独立性保证不同 $a$ 使用同一未来分布。逐点坐标界经平均后给出 $| g_{k} (a) - g_{k} (b) | \leq c_{k}$ 。而 $Z_{k} = g_{k} (X_{k})$ 、 $Z_{k - 1}$ 是它对 $X_{k}$ 的平均，故 $| Z_{k} - Z_{k - 1} | \leq c_{k}$ 。于是

P (| f (X) - E f (X) | \geq t) \leq 2 \exp (- \frac{t^{2}}{2 \sum_{k} c_{k}^{2}}) .

此式用于 $t > 0$ 且 $\sum_{k} c_{k}^{2} > 0$ ；若全部 $c_{k} = 0$ ，则 $f$ 在乘积集合上为常数，偏差概率为零。这是一个有效但非最优常数的有界差分界 (bounded differences bound)。今天只用对称增量界推出它；不把它冒充精细的 McDiarmid 常数。[1, §2]

谱系与研究生延伸。 这里的逻辑链是独立和的指数矩方法 → 条件指数矩 → 揭示鞅 → 非线性随机函数集中，而非历史优先权断言。进一步，固定 $λ \in R$ ，

L_{k} = \exp (λ M_{k} - \frac{λ^{2}}{2} \sum_{i = 1}^{k} c_{i}^{2})

满足 $E [L_{k} ∣ F_{k - 1}] \leq L_{k - 1}$ ，即非负超鞅 (nonnegative supermartingale)。证明就是单步引理；这把指数尾界与停时方法接起来。若最坏幅度过于粗糙，下一步应考察 $\sum_{k} E [D_{k}^{2} ∣ F_{k - 1}]$ ，而不是把 $\sum c_{k}^{2}$ 误叫成实际方差。

2. 固定模板习题 (Template Exercise)

题目。 设实随机变量 $Y$ 可积， $v > 0$ ，且

\forall t > 0, P (| Y - E Y | \geq t) \leq 2 e^{- t^{2} / (2 v)} .

不预先假设 $Y \in L^{2}$ ，证明它确实平方可积，并给出 $Var (Y) \leq 4 v$ 。

模板识别。 已知的是所有阈值处的尾概率，要求的是矩。应寻找“把随机变量写成水平集示性函数的积分”，而非构造密度；本题也不假定 $Y$ 有密度。

分级提示。

对确定数 $z \geq 0$ ，如何用 $1_{{z > t}}$ 表示 $z^{2}$ ？
先对非负函数用 Tonelli 换序。为什么即使尚未知二阶矩有限，这一步仍合法？
代入尾界后，试作换元 $u = t^{2} / (2 v)$ 。最后还需从中心化变量的平方可积推回 $Y$ 本身。

3. 大家之言 (Mathematician in Their Own Words)

语境。 Terence Tao 在个人网站 What's new 的职业建议文章 “Work hard” 中，以研究经历讨论大想法、细节证据与工作质量。本次读取的正文没有给出可确认的首发日期，故不补写日期。[2]

“One needs to do a serious amount of reading and writing, and not just thinking, in order to get anywhere serious in mathematics;”

译：要在数学中取得扎实的进展，需要认真地大量阅读和写作，而不只是思考。

转述（非引文）： Tao 随后要求以书面的证明草图、详细论证和已有文献支撑理解；他也区分努力工作与单纯堆积工作时长，强调准备充分、注意力完整的高质量工作时间。

本刊评论。 今天最值得写下来的细节，不是最终那个漂亮的指数，而是

E [e^{λ M_{k - 1}} e^{λ D_{k}}] = E [e^{λ M_{k - 1}} E (e^{λ D_{k}} ∣ F_{k - 1})] .

只说“依赖情形也差不多”不能证明什么；把可测因子提出、指出条件中心化的使用处，才得到真正可迁移的理解。Tao 的话不替本期证明背书；它提醒我们，直觉应当能落实成可核查的动作。

4. 反例与边界 (Counterexample & Boundary)

待驳的邻近命题： 只要 $D_{k}$ 各自均值为零且 $| D_{k} | \leq 1$ ，和就应满足参数 $V = n$ 的 Azuma 尾界。

取一个对称符号 $ε$ ， $P (ε = 1) = P (ε = - 1) = 1 / 2$ ，并令

D_{k} = ε (1 \leq k \leq n), S_{k} = k ε .

逐项检查：

边际中心化成立： 对每个 $k$ ， $E D_{k} = 0$ 。
幅度界成立： 每个 $| D_{k} | = 1$ 。
信息条件失败： 取 $F_{0}$ 平凡、 $F_{k} = σ (ε)$ （ $k \geq 1$ ）。第一步已揭示符号，所以对 $k \geq 2$ ， $E [D_{k} ∣ F_{k - 1}] = ε \neq 0$ 。
和不集中于平方根尺度： $| S_{n} | = n$ a.s.，且 $Var (S_{n}) = n^{2}$ ；共同符号让全部交叉协方差累加。
错误公式给出数值矛盾： 取 $n = 6, t = 6$ ，真实概率为 $1$ ，错误套用的右端却是 $2 e^{- 3} < 1$ 。此不等式由 $e^{3} \geq 1 + 3 = 4$ 即可严格确认，不依赖数值模拟。

暴露的边界不是“所有依赖都危险”，而是“依赖所带来的可预测漂移不能未加处理地累积”。Azuma 允许复杂依赖，但要求每一步相对于指定信息流保持条件公平。

5. 今日一问与数学地图 (Question & Map)

固定整数 $N \geq 2$ 。在顶点集 $[N]$ 上，每条无向边独立以概率 $p \in (0, 1)$ 出现，得到 $G (N, p)$ 。记 $C (G)$ 为最大割 (maximum cut) 的跨割边数。

今日一问： 逐条揭示 $m = (\binom{N}{2})$ 个边指示变量，能否仅凭“一条边的改变使任意固定割值改变至多一”证明

P (| C (G) - E C (G) | \geq t) \leq 2 e^{- t^{2} / (2 m)} (t > 0) ?

最需要论证的一步：最优割本身可能改变，为什么“取最大值”仍不放大这一个单位的敏感度？若 $p$ 很小，这个完全不含 $p$ 的界又遗漏了什么信息？请先分清集中于均值与算出均值是两项不同任务。

数学地图：

条件期望与凸性 ⟶ 有界鞅差的指数矩 ⟶ 坐标揭示与组合优化集中 ⟶ 条件方差、Freedman 型界与稀疏图 .

与随机图大偏差的接口在于：集中界先给出偏离均值的概率上界，即负对数概率的成本下界；它一般还没有辨认最可能的偏差结构，更不是已经求出了精确速率函数。

附录 A：习题完整解答 (Full Solution)

展开完整解答

2026-10-14 · 固定向量为何提不上去

Tue, 13 Oct 2026 16:00:00 GMT

2026-10-14 · 固定向量为何提不上去

2026 年 10 月 14 日，星期三 · 《每日数学》 · 模表示微弧 3 / 3

0. 导读与元结构 (Orientation & Meta-structure)

Develata，这三天的主线是：不变补空间未必存在 → 仍可分类不可分解块 → 怎样记录块之间的粘合？ 今天完成第三步。

给一个表示的商空间中的固定向量，随便选一个原像并不难；难的是让这个原像也被整个群固定。我们将把“差了多少”写成函数，再把“换一个原像便能消去的差”商掉。所得对象就是一阶上同调（first cohomology）。

对象层：域 $k$ 、有限群 $G$ 、左 $k [G]$ -模（即 $k$ -线性表示），以及表示之间的短正合列。全文 $p$ 为素数，主例为 $char k = p$ 的 $C_{p}$ 。
量词层：对每个商空间固定向量 $q$ ，问是否存在一个原像 $e$ ，使对所有 $g \in G$ 都有 $g e = e$ 。先选 $e$ 再逐个修补，并不保证存在同一个有效校正。
前置知识：核与像、商空间、群作用；前一期的 $k [C_{p}] ≅ k [t] / (t^{p})$ 。主证明不用预习消解或导出函子。
证明引擎：测量提升缺陷 → 由结合律得到相容条件 → 计算换选择的影响 → 形成商空间；循环群只需检查一个生成元及一个关系。
研究生去向：连接映射、 ${Ext}^{1}$ 与自由消解。它们在本期不是入场券，而是已算出机制的统一名字。

实质增量：昨天分类的是中间表示本身；今天分类的对象还带着指定的嵌入与商映射。因此两个同构的 Jordan 块，可以代表不同的扩张类。

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 从固定向量的提升缺陷开始

固定一个短正合列（short exact sequence）

0 ⟶ M \overset{i}{\to} E \overset{π}{\to} Q ⟶ 0.

这表示 $i$ 单射、 $π$ 满射、 $\ker π = im i$ ，且两映射都与群作用交换。以下通过 $i$ 把 $M$ 视为 $E$ 的子空间。定义

Q^{G} = {q \in Q : \forall g \in G, g q = q} .

对每个 $q \in Q^{G}$ ，选 $e \in E$ 使 $π (e) = q$ 。因为

π (g e - e) = g q - q = 0,

故 $g e - e \in M$ 。记缺陷函数 $c_{e} : G \to M$ 为 $c_{e} (g) = g e - e$ 。它自动满足

c_{e} (g h) = c_{e} (g) + g c_{e} (h) (\forall g, h \in G) .

这就是结合律的记账：先作用 $h$ 再作用 $g$ ，与一次作用 $g h$ 的缺陷必须相容。

1.2 定义不是凭空添加：相容缺陷模掉可消缺陷

对固定左模 $M$ ，定义一余循环（1-cocycles）与一余边界（1-coboundaries）：

Z^{1} (G, M) = {c : G \to M : \forall g, h \in G, c (g h) = c (g) + g c (h)},

B^{1} (G, M) = {b : G \to M : \exists m \in M, \forall g \in G, b (g) = g m - m} .

两者按逐点运算都是 $k$ -向量空间。直接展开可见 $B^{1} \subseteq Z^{1}$ ；且任何余循环都有 $c (1) = 0$ 。定义

H^{1} (G, M) = Z^{1} (G, M) / B^{1} (G, M) .

注意 $c$ 的自变量是群元素，不是向量，不要求 $c$ 是线性映射。只有 $G$ 在 $M$ 上作用平凡时，余循环恒等式才简化为到加法群 $(M, +)$ 的群同态条件。

换一个提升 $e^{'} = e + m$ ，便有

c_{e^{'}} (g) = c_{e} (g) + (g m - m) .

所以类 $[c_{e}]$ 与提升选择无关，给出 $k$ -线性映射

δ : Q^{G} ⟶ H^{1} (G, M), q ⟼ [c_{e}] .

线性性可用提升的线性组合验证，不需要为整个 $Q$ 固定一个等变截面。

提升障碍定理：对每个 $q \in Q^{G}$ ，

δ (q) = 0 ⟺ \exists e_{0} \in E^{G}, π (e_{0}) = q .

证明只有两步。若 $e_{0}$ 固定，则缺陷为零。反之，若 $c_{e} (g) = g m - m$ 对某个 $m \in M$ 及所有 $g$ 成立，则 $e_{0} = e - m$ 被全部 $g$ 固定，且仍映到 $q$ 。

因此下面的序列在所显示的每个非末端位置正合：

0 ⟶ M^{G} ⟶ E^{G} ⟶ Q^{G} \overset{δ}{\to} H^{1} (G, M) .

它把“取固定向量未必保留满射”变成一个可计算的障碍。一般不宣称 $δ$ 满射。[1, §3.3] 给出其长正合列背景；这里直接证明了本期使用的部分。

1.3 当商模是 $k$ ：障碍同时分类扩张

现在令 $Q = k$ ，带平凡 $G$ -作用。考虑

0 ⟶ M \overset{i}{\to} E \overset{π}{\to} k ⟶ 0.

选 $e$ 使 $π (e) = 1$ ，则每个 $E$ 中向量唯一写成 $m + a e$ 。群作用因而写成

g \cdot (m, a) = (g m + a c (g), a),

其中 $c = c_{e}$ 。反过来，给任意 $c \in Z^{1} (G, M)$ ，此公式确实定义群作用：作用 $g h$ 与先 $h$ 后 $g$ 相等，正好等价于余循环恒等式；单位元条件来自 $c (1) = 0$ ，逆元条件随群律成立。

必须说清“等价”：两个这样的短正合列等价，是指存在 $G$ -线性同构 $F : E \to E^{'}$ ，满足

F \circ i = i^{'}, π^{'} \circ F = π .

即左右两端是指定的同一个 $M$ 与 $k$ ，端点映射必须为恒等。

在上述坐标中，每个端点保持映射必形如 $F (m, a) = (m + a u, a)$ 。代入等变条件得

c (g) - c^{'} (g) = g u - u (\forall g \in G) .

故两个扩张等价，当且仅当余循环相差余边界。于是

{固定端点的 0 \to M \to E \to k \to 0 的等价类} ⟷ H^{1} (G, M) .

零类恰为分裂扩张：等变截面 $s : k \to E$ 完全由固定提升 $s (1)$ 决定。这里 $δ (1)$ 是这一条扩张的类；不是说任何给定短正合列的 $δ$ 都覆盖所有扩张。

1.4 循环群：一个生成元值与一个范数约束

设 $G = C_{p} = ⟨ σ ∣ σ^{p} = 1 ⟩$ ，暂不限制 $k$ 的特征。令

D = σ - 1, N = 1 + σ + \dots + σ^{p - 1}

表示 $M$ 上的两个算子。一个余循环由 $a = c (σ)$ 唯一决定，因为

c (σ^{j}) = \sum_{i = 0}^{j - 1} σ^{i} a (1 \leq j \leq p) .

群关系要求 $0 = c (1) = c (σ^{p}) = N a$ 。反过来，若 $N a = 0$ ，上述部分和定义在指数模 $p$ 下相容：每绕一圈只增加 $N a$ ；部分和的拼接给出余循环恒等式。余边界在生成元处的值恰为 $D m$ 。而 $N D = σ^{p} - 1 = 0$ ，故商空间合法，得到

H^{1} (C_{p}, M) ≅ \ker N / D M .

这与 [1, Example 3.2] 的一般有限循环群公式一致。

回到 $char k = p$ 。在多项式环 $k [x]$ 中，

(x - 1) (1 + x + \dots + x^{p - 1}) = x^{p} - 1 = (x - 1)^{p} .

在这个整环中约去 $x - 1$ ，再代入 $x = σ$ ，得到 $N = (σ - 1)^{p - 1}$ 。不是在有零因子的群代数中非法约去 $σ - 1$ 。 令 $t = σ - 1$ ，于是

H^{1} (C_{p}, M) ≅ \ker (t^{p - 1} : M \to M) / t M .

特别地，若 $M = k$ 为平凡模，则 $t M = 0$ 、 $N = p I = 0$ ，所以 $H^{1} (C_{p}, k) ≅ k$ 。每个标量都记录一种带端点的扩张，而非一种新的二维中间模同构类型。

对照平均化仍有效的世界：若 $G$ 有限且 $| G |$ 在 $k$ 中可逆，对任意余循环设 $S = \sum_{h \in G} c (h)$ 。由左乘置换群元素，

S = \sum_{h} c (g h) = | G | c (g) + g S .

所以 $c (g) = g m - m$ ，其中 $m = - S / | G |$ 。于是 $H^{1} (G, M) = 0$ 。前两天的平均投影与今天的余循环消失，使用的是同一个可除性条件；特征整除群阶时，正是这一校正失去依据。

1.5 研究生延伸：把已见机制嵌入消解

记 $R = k [t] / (t^{p})$ ， $k = R / (t)$ 。自由消解（free resolution）是由自由模组成、各处像等于下一映射核的序列。本例有

\dots \overset{t}{\to} R \overset{t^{p - 1}}{\to} R \overset{t}{\to} R \overset{ε}{\to} k ⟶ 0,

其中 $ε$ 取常数项。正合性可逐项核验：

\ker ε = t R, \ker (t \cdot) = t^{p - 1} R, \ker (t^{p - 1} \cdot) = t R .

对这些模取 ${Hom}_{R} (-, M)$ ，每个 ${Hom}_{R} (R, M)$ 由 $f (1)$ 识别为 $M$ ，得到余链复形

M \overset{t}{\to} M \overset{t^{p - 1}}{\to} M \overset{t}{\to} \dots .

次数 $1$ 的“核除以像”恰是刚刚算出的 $H^{1}$ 。这也是

{Ext}_{k [G]}^{1} (k, M) ≅ H^{1} (G, M)

在循环群上的具体实现：左边既可由自由消解定义，也可用上述模扩张等价类解释。无需把这一抽象识别当作前面初等证明的前提。

概念谱系：提升问题 → 缺陷相容式 → 换选择的不变量 → 扩张分类 → 消解。Brown 的讲义 [1, §0] 另解释了群上同调的拓扑与代数来源；本期这条箭头是理解次序，不冒充历史发现次序。

2. 固定模板习题 (Template Exercise)

题目

求实数 $a, b$ ，使

J (a, b) = \int_{0}^{1} (x^{2} - a - b x)^{2} d x

达到最小，并求其最小值。证明极小点唯一；不要仅凭求偏导后得到的驻点就结束。

模板识别

这是有限维子空间中的最小二乘逼近（least-squares approximation）。信号是“平方积分误差 + 待定线性系数”。合适的问题不是逐点拟合，而是让残差与允许调整的方向 $1, x$ 正交，再用勾股分解认证全局极小。

分级提示

令残差 $r (x) = x^{2} - a - b x$ 。沿常数方向或 $x$ 方向微调，平方误差的一次变化各由哪个积分控制？
用 $\int_{0}^{1} r (x) d x = 0$ 与 $\int_{0}^{1} x r (x) d x = 0$ 建立两元线性方程。
找到候选后，将另一条仿射函数写为候选加 $u + v x$ 。展开误差，解释交叉项为何消失，以及剩余平方积分何时为零。

3. 大家之言 (Mathematician in Their Own Words)

来源语境：Terence Tao 本人博客 What's New 的 Career advice 页面 “Be sceptical of your own work” [2]。这是一篇面向研究者的第一人称方法建议，不是转引访谈。页面本次可读正文没有给出可可靠核验的首次发布日期，故不推测年份；引文来自本次读取的原文，不来自 RSS 摘要。

核验短引文：

In particular, the method may also be able to prove much stronger statements which are known to be false, which would imply that there is a flaw in the method.

中译：尤其是，这个方法或许也能证明一些强得多、却已知为假的命题；那就意味着方法中存在漏洞。

上下文转述：Tao 建议，若一个困难问题突然轻易解决，而你说不清决定性简化为何成立，应专门审查那一步；还可以寻找反例，辨认现有方法实际依赖的条件。这是对论证的压力测试，并不是“专家没做到，所以你也不可能做到”的声望式否决。

Deve Hermes 的解读：今天恰有一个可执行的测试点。若你用 Jordan 标准形声称“非分裂扩张都等价”，请检查同一换基是否还保持指定的核嵌入与商映射。假如证明完全没使用这两项要求，它多半只解决了一个更粗的分类问题。第 4 节会给出具体失败样本。

又如第 1.4 节的约分：写出相同的符号不等于在相同的环里运算。多项式整环中合法的约分，移到截断环中可能失效。怀疑不是停在“可能有问题”，而是定位到对象类型、被遗忘的数据、真正使用的假设。

4. 反例与边界 (Counterexample & Boundary)

同一个不可分解块，不同的带端点扩张

取 $k = F_{3}$ 、 $G = C_{3}$ 。对 $λ \in k$ ，令 $E_{λ} = k e_{1} \oplus k e_{2}$ ，规定

σ e_{1} = e_{1}, σ e_{2} = e_{2} + λ e_{1} .

指定 $i_{λ} : k \to E_{λ}$ 为 $i_{λ} (1) = e_{1}$ ，以及 $π_{λ} : E_{λ} \to k$ 为 $π_{λ} (e_{1}) = 0, π_{λ} (e_{2}) = 1$ 。两端 $k$ 都取平凡作用。

逐项检查 $λ = 1$ 与 $λ = 2$ ：

确实是表示。若 $D_{λ} = σ - I$ ，则 $D_{λ}^{2} = 0$ 。特征为 $3$ ，故 $(I + D_{λ})^{3} = I$ 。
确实是短正合列。两映射等变， $i_{λ}$ 单射、 $π_{λ}$ 满射，且 $\ker π_{λ} = k e_{1} = im i_{λ}$ 。
都不分裂。当 $λ \neq 0$ ， $E_{λ}^{G} = \ker D_{λ} = k e_{1}$ ，它在商中的像为零，故 $1 \in k$ 没有固定提升。
中间模同构。对任意非零 $λ, μ$ ，映射 $T : E_{λ} \to E_{μ}$ ， $T (e_{1}) = (μ / λ) e_{1}^{'}$ 、 $T (e_{2}) = e_{2}^{'}$ ，可逆且等变：在 $e_{2}$ 上两边的偏移量都是 $μ e_{1}^{'}$ 。这就是同一个长度二的 Jordan 块。
但扩张不等价。保持两端恒等的 $F$ 必满足 $F (e_{1}) = e_{1}^{'}$ 、 $F (e_{2}) = e_{2}^{'} + u e_{1}^{'}$ 。等变条件在 $e_{2}$ 上分别给出偏移 $λ e_{1}^{'}$ 与 $μ e_{1}^{'}$ ，所以必须 $λ = μ$ 。因此 $E_{1}$ 、 $E_{2}$ 对应的两条扩张不等价。

失效的命题：“只要中间模同构，扩张就等价。”它忘掉了端点标记。上面的 $T$ 虽保持商映射，却把核中的指定 $1$ 缩放了；当 $λ \neq μ$ 时，它不允许作为扩张等价。

具体地，提升 $e_{2}$ 的余循环在 $σ$ 处等于 $λ e_{1}$ ，故三种 $λ \in F_{3}$ 正好对应 $H^{1} (C_{3}, k) ≅ k$ 的三类：一个分裂类、两个非分裂类；中间模却只有平凡二维表示与长度二块这两种类型。所有检查都是上面的符号验算，不声称机器穷举。

这也解释为什么使用 $F_{3}$ 而不是 $F_{2}$ ：要展示两个不同的非零扩张参数，底域须至少有两个非零元素。

5. 今日一问与数学地图 (Question & Map)

今日一问：设 $char k = p$ ，对每个整数 $1 \leq r \leq p$ ，取前一期的单链模

M_{r} = k [t] / (t^{r}) .

求 $\dim_{k} H^{1} (C_{p}, M_{r})$ 。哪些链上，每一个以它为核、以平凡模 $k$ 为商的短正合列都分裂？为什么链变长到某个端点，障碍反而消失？

提示只到：分别写出 $\ker (t^{p - 1} |_{M_{r}})$ 与 $t M_{r}$ ，尤其不要把 $r = p$ 与 $r < p$ 混成同一种计算。注意“每条这类扩张都分裂”不等于说 $M_{r}$ 自身是简单模。

数学地图：

不变子空间与商表示 → 固定向量提升 → 连接映射的障碍类。
Jordan 块清单 → 模之间的 Hom → 带端点的短正合列与 ${Ext}^{1}$ 。
群生成元和关系 → 范数条件 → 小型周期消解 → 更高次数群上同调。
$M \mapsto M^{G}$ 的正合性缺口 → 导出函子（derived functors）； $H^{1}$ 是今天已亲手算过的第一层。

一个防混淆标志：本期 $H^{1} (G, M)$ 分类的是模扩张 $0 \to M \to E \to k \to 0$ ；“以阿贝尔群 $M$ 为核、以 $G$ 为商的群扩张”是另一种对象，在固定诱导的 $G$ -作用及保持端点的等价意义下，其经典分类涉及 $H^{2}$ 。两句话中的“扩张”不是同一个类型，不能只凭名字套用。

本弧至此收束：第一天发现分裂失败，第二天保住对象分类，第三天把失败变成可比较、可计算的结构数据。

附录 A：习题完整解答 (Full Solution)

展开完整解答

2026-10-13 · 只有一种简单块，却有 p 种不可分解块

Mon, 12 Oct 2026 16:00:00 GMT

把群生成元减去恒等算子，C p 表示转化为 N^p=0 的幂零算子。最长链的等变回缩给出分解存在性，核维数剖面给出唯一性；不可约仅有平凡模，不可分解却有 p 类。

2026-10-12 · 当群的阶变成零

Sun, 11 Oct 2026 16:00:00 GMT

有限群平均化能把任意线性回缩变成等变回缩，但需要群阶可逆。正特征整除群阶时，正则表示的增广满射没有等变截面；循环 p 群的二维 Jordan 块把这种失败落实为非分裂扩张，引出模表示。

2026-10-11 · 删去一个零模，数出所有树

Sat, 10 Oct 2026 16:00:00 GMT

图 Laplacian 的核记录连通分支；删除根顶点后，其行列式通过 Cauchy–Binet 展开成树的指示量之和。非零特征值乘积除以顶点数给出生成树数，但非连通图不能直接套用这一公式。

2026-10-10 · 有限时刻看不见的尖峰

Fri, 09 Oct 2026 16:00:00 GMT

C 0,1 上概率律紧性等价于初值一致尾控制和概率意义的统一连续模量；Ascoli 负责紧集，Prokhorov 负责抽取概率律，有限维分布负责识别极限。

2026-10-09 · 折线为何能长成解

Thu, 08 Oct 2026 16:00:00 GMT

连续有限维向量场在局部具有解：有界速度给出等度连续，统一连续性使 Euler 积分残差消失，Ascoli 子列极限满足积分方程；紧致性不保证解唯一。

2026-10-08 · 有限采样何时控制整条曲线

Wed, 07 Oct 2026 16:00:00 GMT

紧度量域上，实值连续函数族的相对紧致性等价于逐点有界和等度连续；有限采样与共同振荡控制将有限维编码提升为一致范数控制。

2026-10-07 · 余量如何买来并行速度

Tue, 06 Oct 2026 16:00:00 GMT

余量提供按证书顶点数付费的指数因子；真正把证书大小转为并行延迟的是每轮极大性，而非独立性本身。

2026-10-06 · 只修坏掉的一小块

Mon, 05 Oct 2026 16:00:00 GMT

局部修复不是独立轮次试验；把执行历史压缩成见证树，再对树的概率权重求和，才得到算法终止及重抽样次数控制。

2026-09-25 · 总风险很大却仍能避开

Thu, 24 Sep 2026 16:00:00 GMT

局部引理以每个坏事件的邻域而非坏事件总数控制同时回避；空依赖图需要对非邻居的整个事件族独立，两两独立不够。

2026-09-24 · 何时能同时校正所有方程

Wed, 23 Sep 2026 16:00:00 GMT

在完备分离局部环中，可逆 Jacobian 把联立方程的每层误差化为线性校正；奇异点既可能妨碍存在也可能破坏唯一性，而形式提升不等于任意数值特化。

2026-09-23 · 从一枚近似根到整族精确根

Tue, 22 Sep 2026 16:00:00 GMT

单位导数使每一层余项线性可解，完备性才把相容的近似根缝合成元素；在 R T 中这产生唯一的形式隐函数，但不能把任意参数直接代入形式级数。

2026-09-22 · 导数不再是单位时

Mon, 21 Sep 2026 16:00:00 GMT

强 Hensel 引理用函数残差相对于导数平方的估值优势控制 Newton 迭代；它不仅覆盖模 p 单根，也能处理某些重根剩余类，并把 2-adic 单位是否为平方精确压缩为模 8 判据。

2026-09-21 · 让密度随流动变得均匀

Sun, 20 Sep 2026 16:00:00 GMT

在紧致连通定向流形上，两个光滑正体积形式若且唯若总质量相同，便可由一个同痕于恒等的微分同胚互相拉回；证明沿凸路径移动密度，解出时变向量场，使流的 Jacobian 恰好抵消密度变化。

2026-09-16 · 没有低维频率，稠密乘积便近乎独立

Tue, 15 Sep 2026 16:00:00 GMT

有限群若没有低维非平凡酉表示，则任何均值为零的函数都不能把 Fourier 能量集中在少数低维块中。由此得到卷积的 D^{-1/2} 增益，使 A、B、C 中的关系 ab=c 近似独立；反之，一个一维商特征标便能产生密度二分之一的无积陪集。

2026-09-15 · 卷积幂何时忘记起点

Mon, 14 Sep 2026 16:00:00 GMT

有限群上独立增量随机游走的时刻 t 分布是概率测度的 t 次卷积。Fourier 变换把它变成不可约表示块的 t 次矩阵幂；非平凡块的衰减就是遗忘起点。中心增量使每块成为由特征标比给出的标量，而不可约性若没有非周期性仍不足以保证混合。

2026-09-14 · 当频率不再是一个数

Sun, 13 Sep 2026 16:00:00 GMT

有限 Abel 群的 Fourier 频率都是一维 character；一般有限群的不可约表示可能高维，因此一个频率必须携带矩阵块。矩阵系数正交把函数空间分解成这些块，卷积在每个块上化为矩阵乘法，Plancherel 公式则以表示维数作为能量权重。

2026-09-13 · 让孔洞变成零特征值

Sat, 12 Sep 2026 16:00:00 GMT

For a finite clique complex, the coboundary identity delta squared equals zero and a positive-definite inner product produces an orthogonal Hodge decomposition of k-cochains into exact, harmonic, and coexact parts. The chosen inner product

2026-09-12 · 边界质量可以隐身

Fri, 11 Sep 2026 16:00:00 GMT

The Poisson operators are contractions and converge strongly on Lp for one less than or equal to p less than infinity by continuous-density extension. For finite boundary measures the radial densities converge only weak-star in general. Fat

2026-09-11 · 从边界走进圆盘

Thu, 10 Sep 2026 16:00:00 GMT

For continuous data on the unit circle, convolution with the Poisson kernel equals the Abel-damped Fourier series and extends the data harmonically into the disk. Positivity, unit mass, and concentration prove uniform boundary recovery, whi

2026-09-10 · 平均为何能驯服振荡

Wed, 09 Sep 2026 16:00:00 GMT

For every continuous 2π-periodic function, the Cesaro means of its symmetric Fourier partial sums converge uniformly. The proof factors through the Fejer kernel: averaging turns sign-changing Dirichlet kernels into nonnegative unit-mass ker

2026-09-08 · 三种视角为何只留下两条级数

Mon, 07 Sep 2026 16:00:00 GMT

组合物种把有限标签集上的结构及其沿双射的搬运同时编码。循环指标级数记录每种标签置换固定多少结构；代入 p1=x、其余为零得到标号指数生成函数，代入 pk=x^k 得到无标号普通生成函数。轨道—稳定子定理又把标号系数 f n/n! 改写为各同构类型的 1/|Aut| 之和，因此自同构加权不是第三条独立数值级数，而是标号指数生成函数的群胚基数解释。

2026-09-07 · 让顶点置换接管边

Sun, 06 Sep 2026 16:00:00 GMT

把 n 个顶点上的简单图视为潜在边集二元子集的黑白着色。顶点置换在边对上诱导作用；图被固定，当且仅当每条诱导边循环被整体选取或整体舍弃。因此固定图数为 2 的诱导边循环数次幂，按边数加权时则是各循环因子 1+x^长度的乘积。困难集中在由顶点循环型计算边循环型。

2026-09-06 · 让对称作用在生成函数上

Sat, 05 Sep 2026 16:00:00 GMT

有限群作用于位置集时，一个着色被置换固定，当且仅当它在每个置换循环上恒定。循环指标记录群元素的循环型；把长度 j 的循环变量代入各颜色权重的 j 次幂和，再取群平均，便得到按颜色含量分层的着色轨道生成函数。

2026-09-05 · 树上临界点为何一眼可见

Fri, 04 Sep 2026 16:00:00 GMT

在根植 b 叉树的 Bernoulli 边渗流中，根的开簇逐代构成后代分布 Bin b,p 的 Galton–Watson 过程。灭绝概率是 f s = 1-p+ps ^b 在 0,1 中的最小不动点，由 f' 1 =bp 可得 pc=1/b，并且临界点仍几乎必然灭绝；同一分枝判据也是稀疏 Erdős–Rényi 随机图巨分量阈值 c=1 的局部机制，而临界根簇期望无穷揭示了序参量与平均簇尺度的边界。

2026-09-04 · 把所有稀有状态同时求和

Thu, 03 Sep 2026 16:00:00 GMT

若 Z n 以速度 a n 满足率函数 I 的大偏差原理，而 F 是有界连续势，则指数积分的自由能极限为 lim a n^{-1} log E exp a n F Z n = sup x F x -I x 。这是概率代价 I 与奖励 F 的全局竞争；对经验测度应用 Sanov 定理便得到 log-sum-exp 与相对熵之间的 Gibbs 变分对偶。

2026-09-03 · 让整张经验分布偏航

Wed, 02 Sep 2026 16:00:00 GMT

有限字母表上，一个经验类型 q 的序列数约为 exp nH q ，每条序列在真分布 p 下的概率约为 exp -n H q +D q||p ；组合熵与似然代价相消后，留下 exp -nD q||p 。Sanov 定理把这一点态计数提升为经验测度的大偏差原理，而 Cramér 定理可视为对经验测度取均值映射后的收缩。

2026-09-02 · 让稀有事件变成典型事件

Tue, 01 Sep 2026 16:00:00 GMT

对实值 i.i.d. 随机变量的经验均值，Cramér 定理给出速度 n 的大偏差原理，率函数是对数矩母函数的 Legendre–Fenchel 变换。上界来自指数 Markov 优化；下界的关键是换到指数倾斜测度，使原测度下的稀有均值在新测度下成为典型值，再支付恰为率函数的 Radon–Nikodym 代价。

2026-09-01 · 让所有维数的回声相消

Mon, 31 Aug 2026 16:00:00 GMT

Lefschetz 数把连续自映射在全部同调维数上的迹按正负号相加。若映射无不动点，紧致性给出统一位移间隙；足够细的单纯逼近因而不会让任何小单形与其像相交，链群矩阵的全部对角项都为零。Hopf 迹公式把链层的零交错迹传到同调层，故 Lefschetz 数非零时必有不动点。

2026-08-31 · 把连续变形压成一个整数

Sun, 30 Aug 2026 16:00:00 GMT

映射度把球面自映射对最高维同调生成元的作用压缩成一个整数。奇映射的度数必为奇数，而任何从赤道延拓到半球的映射度数必须为零；若连续映射把每对对径点都分开，归一化其对径差便同时产生这两种互斥性质，从而得到 Borsuk–Ulam 定理。

2026-08-30 · 给每个小单形涂色

Sat, 29 Aug 2026 16:00:00 GMT

Sperner 引理把单形边界条件转成一个有限奇偶证书：任意 Sperner 标号都含奇数个全标号小单形。对连续自映射，按哪个重心坐标被压低来标记网格顶点；随着网格趋细，全标号单形的极限同时满足所有坐标不增，而坐标和守恒迫使每个坐标相等，从而得到 Brouwer 不动点。

2026-08-29 · 零体积为何仍能满维

Fri, 28 Aug 2026 16:00:00 GMT

Kakeya 集可以含有每个方向的单位线段而仍有零体积，但其细尺度邻域不能按固定幂次过度塌缩。平面中，方向分离细管的两两交叠与二阶矩给出对数面积下界；三维中，仅靠两两交叠只到错误尺度，Wang-Zahl 的满维定理必须利用非聚集与多尺度结构。

2026-08-28 · 让终值闭合整条鞅

Thu, 27 Aug 2026 16:00:00 GMT

离散鞅在 L1 中收敛，当且仅当整族一致可积；此时极限闭合整条鞅，每一层都等于终值在当前信息下的条件期望。对一般 Z，增长滤过最终只恢复 E Z|F-infinity ，不会恢复从未进入信息极限的隐藏随机性。

2026-08-27 · 用一个终值控制整条路径

Wed, 26 Aug 2026 16:00:00 GMT

Doob 最大不等式把终值的 Lp 预算传递给整条有限乃至无限路径的最大值。对 p 1，首次越级、尾积分和 Holder 对偶给出常数 p/ p-1 ；结合昨日的几乎处处收敛与支配收敛，得到 Lp 有界鞅的 Lp 收敛。

2026-08-26 · 用有限穿越消灭无限振荡

Tue, 25 Aug 2026 16:00:00 GMT

Doob 上穿不等式把路径的反复振荡编码为可预测交易收益；对所有有理区间的期望上穿次数作一致控制，便能排除几乎每条路径的非收敛振荡。正部期望有界保证有限几乎处处极限，但升级到 L1 收敛仍需一致可积性。

2026-08-25 · 把元证明送回算术内部

Mon, 24 Aug 2026 16:00:00 GMT

标准证明谓词不仅枚举 T 的定理，还在 T 内编码证明引用、modus ponens 合成与再次引用。借助这些可导条件，第一不完备定理的元证明可被算术化为 T 证明 Con T 蕴含其 Gödel 句；一致的 T 因而不能证明标准 Con T 。Löb 定理把边界推广为：T 能证明的局部反思实例恰是结论本身已在 T 中可证的实例。

2026-08-23 · 让证明编号彼此赛跑

Sat, 22 Aug 2026 16:00:00 GMT

对角引理为标准可证性谓词生成 Gödel 句；一致性排除该句可证，而 1-一致性排除理论凭一个非标准见证证明其可证。Rosser 将句子改写成正反证明的先后竞赛，使矛盾只依赖某个具体证明编号以下的有限核验，从而在普通一致性下得到双向不可判定。

2026-08-22 · 让公式指向自己的编号

Fri, 21 Aug 2026 16:00:00 GMT

有效 Gödel 编码把公式与代入等有限句法操作转成自然数上的原始递归操作；当弱算术能够表示这些操作时，任意一元公式 A x 都有句子 D 满足 T 证明 D 当且仅当 A 作用于 D 的编号，这个固定点机制是第一、第二不完备定理的句法发动机。

2026-08-21 · 让面积元素指挥运动

Thu, 20 Aug 2026 16:00:00 GMT

辛形式是闭合且逐点非退化的二形式；非退化性把微分 dH 唯一转成 Hamilton 向量场，闭合性使其流保持辛结构，并通过 Moser 路径法迫使所有同维辛流形局部具有 Darboux 正则坐标。

2026-08-19 · 把极限变成随机生成器

Tue, 18 Aug 2026 16:00:00 GMT

以 W-随机图抽样为枢纽，说明 graphon、同态密度、联合可交换邻接阵与 Aldous–Hoover 表示如何描述同一个稠密极限对象。

2026-08-18 · 让大块误差决定距离

Mon, 17 Aug 2026 16:00:00 GMT

从无标号图的重标号障碍与 L1 对微观噪声过敏出发，定义 cut norm、cut distance 与 stepping operator，证明 Frieze–Kannan 弱正则性和 graphon counting lemma，并说明紧致性与逆计数原理的现代去向。

2026-08-17 · 把有限图压成可测函数

Sun, 16 Aug 2026 16:00:00 GMT

从固定有限测试图的同态密度出发，定义 graphon 及其矩积分，陈述 Lovász–Szegedy 表示定理，解释弱正则性、截割范数与随机抽样在证明中的分工。

2026-08-16 · 把乘法拉直到加法

Sat, 15 Aug 2026 16:00:00 GMT

由阶乘赋值推出 p-adic 指数的精确收敛圆盘，以指数和对数把主单位的乘法局部线性化，并说明 Teichmüller 扭元为何迫使一般单位采用有限个解析分支。

2026-08-15 · 让模 p 的根长成精确根

Fri, 14 Aug 2026 16:00:00 GMT

Hensel 引理把一个导数不被 p 整除的模 p 多项式根，沿模 p^n 的相容根塔唯一提升到 Z p；其机制是 Taylor 线性项可逆、二次余项被更高次 p 幂吸收，以及完备性把逐层近似变成精确解。

2026-08-14 · 让被 p 整除变成距离

Thu, 13 Aug 2026 16:00:00 GMT

p-adic 距离把差被高次 p 幂整除解释为两数接近；完成 Q 后得到 Q p，其整数环 Z p 同构于相容剩余类系统的逆极限。强三角不等式使球具有树状嵌套结构，也让逐级同余能够在完备空间中收敛为精确解。

2026-08-13 · 让闭路搬动纤维

Wed, 12 Aug 2026 16:00:00 GMT

覆盖中的闭路从任意纤维点出发提升，终点仍在同一纤维，由此基本群在纤维上产生 monodromy 作用；轨道记录总空间的路径分支，稳定子记录闭合提升子群。映射提升判据把这一置换数据转成全局分支障碍：非零连续映射 f 有连续对数当且仅当 f 在基本群上平凡，有连续 n 次根当且仅当 f 的像包含于 nZ。局部可选分支而全局不可选，正是 monodromy 所测量的失配。

2026-08-12 · 把闭路展开成空间

Tue, 11 Aug 2026 16:00:00 GMT

覆盖空间把底空间中的闭路提升为总空间中的路径；哪些闭路提升后仍闭合，恰组成基本群的一个子群。反过来，在标准局部条件下，每个子群都能由起点固定路径的等价类构造出一个连通覆盖。普遍覆盖对应平凡子群，正规覆盖对应正规子群，甲板变换群由正规化子商群给出；Hawaiian earring 则显示无限缩小的非平凡闭路会破坏经典普遍覆盖。

2026-08-11 · 把闭路变成整数

Mon, 10 Aug 2026 16:00:00 GMT

基本群把空间中的带基点闭路按端点固定同伦分类，并以拼接形成群。对指数覆盖 p t =exp 2πit ，每条从 1 出发的圆周路径都有从 0 出发的唯一提升；闭路提升的终点是整数，这个整数给出绕数同构 π1 S1,1 ≅Z。该计算导向无收缩定理、Brouwer 不动点定理、覆盖空间、纽结群与单值化。

2026-08-10 · 只检查每个有限片段

Sun, 09 Aug 2026 16:00:00 GMT

一阶逻辑紧致性把量词模式“每个有限子理论各自有模型”升级为“整个理论有一个共同模型”。其证明由语法侧的有限推导与语义侧的 Gödel 完备性驱动；固定有限颜色数后，无限图的所有有限子图可染性可编码成一个理论并由此整体化。紧致性只保证某个模型存在，不保证模型有限、可计算或可显式构造。

2026-08-09 · 当指数代价压过候选数

Sat, 08 Aug 2026 16:00:00 GMT

若坏对象的候选数约为 $e^{a n}$，而每个固定候选成为坏对象的概率至多 $e^{-b n}$，则 $b n-a n\to\infty$ 时 union bound 使所有坏对象同时消失。对二项变量，最优指数矩上界的代价是 Bernoulli 相对熵 $D q\|p $；对随机图割，候选集合的组合熵与割边数偏差的率函数竞争，决定简单的一阶矩证明能否封口。

2026-08-08 · 平均度越过一时

Fri, 07 Aug 2026 16:00:00 GMT

在 $G n,c/n $ 中，平均度参数 $c$ 越过 $1$ 时，最大分量从 $O \log n $ 跃迁为占据 $\rho c n$ 个顶点的唯一巨分量，其中 $\rho=1-e^{-c\rho}$；而在 $c=1$ 及其 $p=1/n+\lambda n^{-4/3}$ 临界窗，最大分量改取 $n^{2/3}$ 尺度。分枝过程解释局部生存概率，但浓缩、sprinkling 与探索过程极限才把局部图景升级为全局定理。

2026-08-07 · 最后一个孤点消失时

Thu, 06 Aug 2026 16:00:00 GMT

在 Erdős–Rényi 随机图 $G n,p $ 中，连通性在 $p\sim \log n /n$ 发生尖锐转变。临界窗内孤立点数收敛到均值 $e^{-c}$ 的 Poisson 分布，而大小至少为二的分离分量以高概率消失，因此连通概率趋于 $e^{-e^{-c}}$；在随机加边过程中，连通时刻以高概率正是最后一个孤立点消失的时刻。

2026-08-06 · 让曲率推动测地线

Wed, 05 Aug 2026 16:00:00 GMT

Jacobi 场是测地线族的一阶变分；其二阶协变导数由曲率控制。正的常截面曲率使径向 Jacobi 场周期性归零，负曲率使其双曲增长；共轭点记录指数映射的微分奇性，但不等同于由多条最短路造成的割点。

2026-08-05 · 曲率不是弯在外面

Tue, 04 Aug 2026 16:00:00 GMT

Riemann 曲率不是曲面在外部空间里看起来弯曲的程度，而是度量自身的二阶不平坦性；截面曲率把张量压到每个二维切平面，并由测地小圆相对 Euclidean 圆的三阶周长偏差直接读出。

2026-08-04 · 从奇点读出增长

Mon, 03 Aug 2026 16:00:00 GMT

Catalan 生成函数在主导点 1/4 附近具有平方根展开；在适当的复域解析延拓下，迁移定理把 1-z/rho ^{1/2} 转成 rho^{-n}n^{-3/2}/Gamma -1/2 ，从而分离出指数增长率、幂律修正和振幅。多个同模奇点则必须合并贡献。

2026-08-03 · 从递归结构到显式系数

Sun, 02 Aug 2026 16:00:00 GMT

符号方法先把‘一个根加上一列有序子树’写成组合规格，再把它翻译为 T z =z/ 1-T z ；Lagrange 反演无需先解出根式，便从隐式方程直接读出系数，得到 n 个顶点的平面有根树数为 C {n-1}。

2026-08-02 · 把序列挂到函数上

Sat, 01 Aug 2026 16:00:00 GMT

普通生成函数把序列编码为形式幂级数；常系数线性递推在系数卷积下变成有理函数，分拆问题则由无穷乘积逐系数编码。形式层先于收敛，解析层再通过奇点解释增长。

2026-07-31 · 让公平性穿过随机时间

Thu, 30 Jul 2026 16:00:00 GMT

鞅不是边际期望恒定的过程，而是相对于指定滤过具有零条件漂移的适应过程；有界停时可通过停止增量展开保持期望，无界停时则需要一致可积性等极限控制。

2026-07-30 · 把随机变量压到可见信息

Wed, 29 Jul 2026 16:00:00 GMT

给定可积随机变量与一层可见信息，条件期望是唯一的可见随机变量：它在每个可观察事件上保留原变量的积分；嵌套信息由塔式性质协调，在 L2 中这正是向可观察子空间的正交投影。

2026-07-29 · 把集合函数变成密度

Tue, 28 Jul 2026 16:00:00 GMT

比较同一可测空间上的两种测度：绝对连续性排除藏在参考测度零集上的质量，Radon–Nikodym 定理再把事件层的测度变成几乎处处唯一的可测密度。

2026-07-28 · 边界为何记得内部

Mon, 27 Jul 2026 16:00:00 GMT

从交替协变张量场与外微分出发，证明广义 Stokes 定理的局部半空间—单位分解架构，再以闭而非恰当的一形式说明局部微分信息如何探测整体孔洞。

2026-07-27 · 把连续频率折回整数格

Sun, 26 Jul 2026 16:00:00 GMT

For Schwartz functions, periodizing over the integer lattice converts continuous Fourier-transform samples into Fourier-series coefficients. Evaluating the periodization at one point gives Poisson summation; applying it to a Gaussian identi

2026-07-26 · 把能量搬到频率侧

Sat, 25 Jul 2026 16:00:00 GMT

Plancherel theorem says that, under the standard 2π Fourier normalization, the Fourier transform preserves the L2 inner product and therefore extends uniquely from Schwartz functions to a unitary operator on L2. This makes the heat flow an

2026-07-25 · 把扩散拆成频率

Fri, 24 Jul 2026 16:00:00 GMT

For Schwartz initial data on the real line, the Fourier transform turns the heat equation into one scalar ODE per frequency; inversion yields convolution with a Gaussian kernel, making smoothing, mass conservation, and frequency-dependent d

2026-07-24 · 从禁三角形到密度阈值

Thu, 23 Jul 2026 16:00:00 GMT

For an n-vertex simple triangle-free graph, Mantel's theorem gives e G at most floor n^2/4 , attained uniquely by the balanced complete bipartite graph. The proof turns a local forbidden pattern into degree inequalities; Turan theory then a

2026-07-23 · 把固定点变成迹

Wed, 22 Jul 2026 16:00:00 GMT

A finite group action on a set X gives a permutation representation on C^X. Its character at g is the number of fixed points of g, so Burnside's average is the trace of the averaging projection onto invariants. Over complex numbers, Maschke

2026-07-22 · 让固定量反推出结构

Tue, 21 Jul 2026 16:00:00 GMT

For a finite Galois extension L/K, taking fixed fields and pointwise stabilizers gives mutually inverse order-reversing maps between subgroups of Gal L/K and intermediate fields; normal subgroups are exactly the ones yielding Galois interme

2026-07-21 · 把对称变成等价类

Mon, 20 Jul 2026 16:00:00 GMT

A group action records how a symmetry group transforms a set; orbits are the resulting equivalence classes, stabilizers measure residual symmetry at a point, and Burnside's formula counts orbits by averaging fixed points.

2026-07-20 · 把概率收敛升级为积分收敛

Sun, 19 Jul 2026 16:00:00 GMT

Vitali convergence says that, on a probability space, convergence in probability is upgraded to L1 convergence precisely when the approximating family is uniformly integrable; the proof splits the error into a small-amplitude part and a rar

2026-07-19 · 不让质量藏进尖峰

Sat, 18 Jul 2026 16:00:00 GMT

Uniform integrability prevents an L1-bounded family from hiding fixed mass in increasingly high spikes; on a probability space it is equivalent to uniform absolute continuity of the integrals plus L1 boundedness, and it is the analytic comp

2026-07-18 · 把无限压回有限

Fri, 17 Jul 2026 16:00:00 GMT

Metric compactness is presented as a finite-subcover principle equivalent to subsequential convergence and to completeness plus total boundedness, with the proof showing exactly why both hypotheses are needed.

2026-07-17 · 把 Euler 公式局部化

Thu, 16 Jul 2026 16:00:00 GMT

Euler characteristic is redistributed from a global cell count into local vertex curvature, exposing the discrete Gauss-Bonnet mechanism and its boundary hypotheses.

Develata's Space - 每日数学

2026-10-19 · 边界不是少算半圈

0. 导读与元结构 (Orientation & Meta-structure)

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 局部模型先于公式

1.2 前置引理：带边版本的两本计数账

1.3 定理：内部与边界共同承担拓扑预算

1.4 研究生延伸：为什么加倍能自动恢复 2 π

2. 固定模板习题 (Template Exercise)

题目

模板识别

分级提示

3. 大家之言 (Mathematician in Their Own Words)

4. 反例与边界 (Counterexample & Boundary)

4.1 正方形：漏掉边界项，连最平的例子也错

4.2 方环：为什么内边界必须允许负转角

5. 今日一问与数学地图 (Question & Map)

附录 A：习题完整解答 (Full Solution)

2026-10-17 · 方差预算必须随路径记账

0. 导读与元结构 (Orientation & Meta-structure)

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 不是总方差，而是逐步条件方差

1.2 留下二阶信息的指数矩引理

1.3 Freedman：控制低预算区域内的越界

1.4 稀疏对象为何受益？

2. 固定模板习题 (Template Exercise)

3. 大家之言 (Mathematician in Their Own Words)

4. 反例与边界 (Counterexample & Boundary)

5. 今日一问与数学地图 (Question & Map)

附录 A：习题完整解答 (Full Solution)

2026-10-16 · 不是把增量减半，而是保住区间宽度

0. 导读与元结构 (Orientation & Meta-structure)

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 为什么宽度能进入指数矩？

1.2 保住条件区间，而不是猜一个更小的绝对值界

1.3 McDiarmid 不等式及其常数来源

1.4 研究生延伸：上确界的集中，不等于均值很小

2. 固定模板习题 (Template Exercise)

3. 大家之言 (Mathematician in Their Own Words)

4. 反例与边界 (Counterexample & Boundary)

4.1 中心化不保证半径减半

4.2 典型配置平坦，不等于全局敏感度为零

5. 今日一问与数学地图 (Question & Map)

附录 A：习题完整解答 (Full Solution)

2026-10-15 · 独立性可以退场，条件公平性不能

0. 导读与元结构 (Orientation & Meta-structure)

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 需要保留的不是独立，而是条件消去

1.2 单步引理：指数的弦，比指数本身容易平均

1.3 Azuma–Hoeffding 不等式

1.4 从独立坐标，制造并不独立的预测增量

2. 固定模板习题 (Template Exercise)

3. 大家之言 (Mathematician in Their Own Words)

4. 反例与边界 (Counterexample & Boundary)

5. 今日一问与数学地图 (Question & Map)

附录 A：习题完整解答 (Full Solution)

2026-10-14 · 固定向量为何提不上去

0. 导读与元结构 (Orientation & Meta-structure)

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 从固定向量的提升缺陷开始

1.2 定义不是凭空添加：相容缺陷模掉可消缺陷

1.3 当商模是 k ：障碍同时分类扩张

1.4 循环群：一个生成元值与一个范数约束

1.5 研究生延伸：把已见机制嵌入消解

2. 固定模板习题 (Template Exercise)

题目

模板识别

分级提示

3. 大家之言 (Mathematician in Their Own Words)

4. 反例与边界 (Counterexample & Boundary)

同一个不可分解块，不同的带端点扩张

5. 今日一问与数学地图 (Question & Map)

附录 A：习题完整解答 (Full Solution)

2026-10-13 · 只有一种简单块，却有 p 种不可分解块

2026-10-12 · 当群的阶变成零

2026-10-11 · 删去一个零模，数出所有树

2026-10-10 · 有限时刻看不见的尖峰

2026-10-09 · 折线为何能长成解

2026-10-08 · 有限采样何时控制整条曲线

2026-10-07 · 余量如何买来并行速度

1.4 研究生延伸：为什么加倍能自动恢复 $2 π$

1.3 当商模是 $k$ ：障碍同时分类扩张