麻麻，证明题太难了!!!_风闻

作者：Patrick Honner

翻译：loulou

审校：Nothing

在下面一组数字中，你能发现规律并且能找出后面的数嘛？

1, 2, 4, 8

怕你在写出结果之前还需要更多数，我还是给你第五个数吧

1, 2, 4, 8, 16

那么，下一个数应该是32了，对吧？那么，规律就很明了了：下一个数是前一个数的两倍。即1 × 2 = 2; 2 × 2 =4; 4 × 2 = 8; 8 × 2 = 16。第五个数应该是16 × 2 = 32。那么，我们还需要多少其他的证据验证这个规律呢？

尽管认为下一个数字是32是完全合情合理的，但它可能碰巧是错的。考虑以下推理。

这里我们计算由圆上的连接点连线划分的区域。一个点产生一个区域(圆的内部)；两点形成两个区域；三个点划分出了四个区域；4个和5个点分别产生8个和16个区域。这就得到了以下数列:

1, 2, 4, 8, 16

那么，一个圆上的六个点连接起来，形成了多少个区域呢?

如果你像其他第一个遇到这个问题的人一样，认为答案是32，那也是情有可原的。但它不是。答案是恼人的31个区域!你可以数一数，再数一遍确认一下。

当然，有些模式是1 、2、 4、 8 、16 、32 、64等等，每一项都翻倍。但是也有另一些模式，比如一个圆上连接点形成的最大区域数，可以是1、2、4、8、16、31、57、99等等。当我们看到序列1 、2 、4、8 、16时，我们可能认为所有的证据都指向下一项是32，但也可能出现别的情况。

长期以来，数学一直在出乎人的意料，它迫使我们扩大想象力。这正是数学家们不只是满足于寻找一些例证，而是要通过严格的步骤证明一个命题的原因。严格的证明可以保证数学的正确性。即便所有的迹象都指向我们序列中的下一个数字可能是32，但如果没有严格的证明，我们就不能确定下一个数一定是32。

当然，例子在数学中是重要以及有用的。通常，在证明某件事之前，我们会先试一试、探索一下、细想一些例子并收集数据。我们反复检查和权衡这些例子，然后才会预测接下来会发生什么。这些结果最终形成了我们的观点，告诉我们应该尝试证明某些定理，而不是其他的。

例子和证明一样指导着我们的数学思维。孪生素数猜想就是这样一个例子。孪生素数是一对相差2的素数对，例如，3和5、11和13、101和103都是孪生素数对。孪生素数猜想假设存在无穷多个素数对。

我们称之为孪生素数猜想而不是孪生素数定理，是因为尽管它是数论中最著名的问题之一，却没有人能证明它。然而，几乎每个人都相信这是真的，因为有很多证据支持它。

这就好比说，当我们找大的素数时，我们会不断地找到非常大的孪生素数对。目前已知的最大的一对双素数各有近40万位数。一个与孪生素数相似的猜想已经得到证明。2013年，张益唐证明了有无穷多对素数相差7000万（或者更小），这震惊了数学世界。得益于后来一个公开的“博学者”项目，我们现在知道有无穷多对质数相差不超过246。我们还没有证明有无穷多对质数相差2，也就是孪生质数猜想。但比起无穷大来说，246已经很接近2了。

基于以上原因，我们相信孪生素数猜想是正确的，即使它还没有被证明。但在数学的其他领域，例子正被用来以更具争议的方式表达观点。

在椭圆曲线的研究中，一条曲线的“秩”，简单来说就是一条曲线解的复杂程度的数值度量。多年来，人们一致认为椭圆曲线的秩是无界的，这意味着曲线的秩有多高或解有多复杂没有限制。

但最近的研究让一些数学家认为，秩可能还是有界的。这项工作提供的证据表明，可能只有有限多的椭圆曲线的秩大于21。

不过，我们仍有理由保持谨慎。他们收集到的这些极具说服力的证据并不是来自椭圆曲线的领域。它来自矩阵领域，研究人员用矩阵来建模椭圆曲线。数学模型在科学中无处不在，甚至可以用来研究数学本身。它们是非常强大的工具，使得我们可以把一个我们不完全理解的问题变成一个我们更好地处理的问题。

但使用模型本身就很棘手。我们永远不能确定我们的模型的行为是否足够像我们试图研究的对象，从而得出正确的结论。我们也不能确定我们的模型在研究对象的机理方面是否足够接近真相。因此，很难知道我们从模型中收集到的证据是否真的是关于我们想研究的东西的证据。接下来我们用一个简单猜想的简单模型来探讨其中的一些问题。

假设我们想研究这个命题:任意两条直线相交或平行。

我们说的“相交”是指这两条线有一个共同点，而说“平行”是指它们沿着同一方向上延长，但不相交。(定义平行有不同的方法，但为了简单起见，我们将采用这种方法)。

为了研究这个命题，我们将创建一个模型。你们可能还记得代数课上的内容，我们假设每一条线都是斜截式。也就是说，我们假设每一行都可以写成一个方程:

y = mx + b

其中m是直线的斜率(本质上是直线的陡度)，b是y轴截距(直线通过垂直轴的地方)。

用这种方法建模直线为我们进行实验提供了一种方便的方法。这个模型让我们通过选择一对随机数m和b来创建一条随机线，因此，我们可以选择一对随机线并测试它们:它们相交吗?它们指向同一个方向吗?还是会发生了什么其他事?

下面是一些实验的例子。

在上面的三个例子中，我们看到随机选择的直线对相交的情况。如果我们做这个实验1000次，或者10000次，或者100万次，我们会发现，在所有的情况下，直线要么相交，要么平行。(事实上，所有对直线都可能相交，因为不太可能两条直线的斜率完全相同。)

在看了100万个例子之后，你可能会得出结论，这个猜想可能是正确的。所有的证据都一致地支持任何一对直线要么相交要么平行的说法。

但是证据就和模型一样，有可能是危险的。让我们看看我们给自己制造了什么危险。

有一个问题是，某些类型的线似乎比其他类型的线更容易被选择。这幅图显示了50条直线，其中b = 0，且0≤m≤1。

下面图显示了50条直线b = 0, m≥1。

看起来，四分之一的平面被斜率在0到1之间的直线覆盖，而另外四分之一的平面被斜率大于1的直线覆盖。选择一个大于1的数字似乎比选择一个介于0和1之间的数字更有可能，因此从第二个区域选择一条直线的可能性比从第一个区域选择一行的可能性大得多。这意味着某些直线——斜率在0到1之间的直线——在我们的模型中被选中的可能性可能被严重低估。如果在平面的这个区域发生了奇怪的事情，我们的模型就不太可能告诉我们。

仔细看第二幅图，我们会发现另一个问题。m越大，直线越陡。最陡的线是垂直的。垂直线的斜率是多少?根据定义，垂直线的斜率是没有定义的:我们不能通过选择m来创建垂直线。这意味着这些线在我们的模型中不存在，所以我们永远无法用它们来做实验。在我们开始收集证据之前，我们就已经特地排除了这些可能性。

然后就涉及到我们模型中最严重问题的核心。任何习惯三维思维的人都可能马上注意到我们的猜想是错误的。直线不仅有相交或者平行两种情况。想象一下，在一栋建筑的不同楼层，两条走廊是沿着不同的方向。这种情况就是不相交也不平行的“斜交线”。

关于斜线的一个重要事实是它们很多情况下是位于不同的平面上的。但是由于我们的模型用方程y = mx + b来标识每条直线，就默认了每条直线都处在同一个平面上。我们的模型就只会产生支持我们猜想的证据，因为如果两条线在同一平面上，它们要么相交，要么平行，这确实是真的。我们将永远不会看到任何相反的证据:在我们的模型中不存在斜交线。就像我们看到的垂直线一样，我们的模型排除了我们无法想象的东西。

这是一个简单的例子，使用了一个有很多问题的愚蠢的模型，包括我们如何从无限集合中选择随机数这样的麻烦问题。研究椭圆曲线秩的专业数学家绝不会犯这里所强调的那种简单而明显的错误。

那些数学家知道在处理他们的模型时要小心谨慎。因为他们知道，无论他们的模型多么有用和有趣，无论他们收集的证据多么有说服力，椭圆曲线还是有可能存在一些他们想象不到的东西。如果你想象不出来，你的模型就能捕捉不到，这意味着证据不能反映全部的事实。

但无论对错，这个新模型使数学家们对椭圆曲线有了卓有成效的思考。如果这个模型确实反映了事实，那么来自矩阵世界的见解或许可以解释椭圆曲线的行为模式。如果没有，弄清楚为什么椭圆曲线不能全部用这种方式建模，也可能会使我们对这个问题有更深的理解。我们收集的证据可能会使我们以某种方式更接近证明。

原文地址：

https://www.quantamagazine.org/where-proof-evidence-and-imagination-intersect-in-math-20190314/

【互动问题：你见过哪些让人拍案叫绝的推理或者证明】