数学文化读书笔记

姓 名： 学 校： 院 系： 专 业： 学 号： 指导老师：

战争中的数学

XX

XXXX大学 (邮编)

摘要：人在战争数学中只是一个变量，而且是一个最关键最重要的关键变量，但是这个变量有时反而会起到反作用！比如间谍和国民整体投降！人这个变量能否起到积极作用，在于对人精神和物质的控制和引导！如果控制和引导失败，人这个变量也就失去了积极作用，反而会令战争有利于敌人！

Abstract:People in war in mathematics is a variable is a key, and the most important key variable, but this variable sometimes but counter-productive! Such as spies and national overall surrender! People can play a positive role in the variable, approaching the person spiritual and material control and guide! If control and guide failure, people this variable will lose an active role, but will make war to the enemy!

关键词：数字化战争，信息战争，逻辑模拟化

1．前言

战争在人类历史上是一个永恒的话题，他的最初根源在于三角关系，由于三角各点的分布存在不确定性，从而产生了战争结果的多样性，当只有一个点时，战争无法发生，当有两个点时，战争还不是战争，只有当第三个点出现时，战争才得以出现，因为战争是残酷的，所以第三个点出现才导致残酷的发生，所以就有了战争，胜利者可以自由移动，而失败者只能呆在一个点上永远孤单。多点关系的出现导致战争，奇数时产生战争的几率远比偶数时要大，所以在我们遇到奇数时必然高度警觉，因为战争随时可能发生。但三点关系仅仅是平面关系，还无法达到立体关系，当第四个点出现时，战争就开始从平面战争转向立体战争，战争史上数学高度发达的国家几乎全都是胜利者！从这个论点上我们可以推翻那些所谓的正义必然战胜邪恶的观点，也可以批判那些自以为是的观点，只要从数学观点上就可以轻易的判断一个国家的先进程度和胜利的必然性。数学研究的深度以及普及理解程度就可以判断一个国家将来的命运! 2．战争中的数学原理

2.1战争模拟化

第一次世界大战前夕，多才多艺的英国人兰切斯特用数学开创了半经验的作战模拟方法，建立了经典的兰切斯特方程。兰切斯特用平方律定量地解释了特拉法尔加海战中纳尔逊各个击破的成功诀窍（人称Nelson Touch），恩格尔在19xx年用线性律精确地复现了硫磺岛中美军伤亡情况。经典兰切斯特方程对士气、地形、机动、增援和撤退等没有考虑，但对战斗的一般规律仍有指导意义。

兰切斯特把战斗简化为两种基本情况：远距离交火杀伤和近距离集中火力杀伤。远距离交火时，一方损失率既和对方兵力成正比，也和己方兵力成正比。换句话说，敌人越多，自己损失越大；另一方面，自己人越多，目标越大，损失也越大。这个情况以微分方程表示即为 dy/dt=-axy

dx/dt=-bxy

其中x和y分别为红军和蓝军的战斗单位数量，a和b分别为红军和蓝军的平均单位战斗力，因此双方实力相等的条件为

ax=by

即任一方的实力和本身战斗单位的数量成线性关系，也称兰切斯特线性律。这就是说，如果蓝军平均单位战斗力（包括武器、训练等因素）是红军四倍的话，100 名蓝军和400名红军的战斗力相同，100名蓝军和400名红军交战的结果是同归于尽。集中优势兵力只是拼消耗，并不占便宜。

但近距离集中火力杀伤时，一方损失率仅和对方战斗单位数量成正比，而和己方战斗单位数量无关。换句话说，敌人越多，自己损失依然越大；但短兵相接，自己方面已经无所谓目标大小的问题。于是微分方程变为：

dy/dt=-ax

dx/dt=-by

双方实力相等的条件变为

ax^2=by^2

即任一方实力和本身战斗单位数量的平方成正比，也称兰切斯特平方律。仍假定蓝军平均单位战斗力是红军的四倍，100名蓝军和400名红军近战后，当蓝军 100人全军覆没时，红军仍有√(〖400〗^2-4×〖100〗^2 )=346人留下，即损失54人，实际损失比蓝军还小。这就是集中兵力打歼灭战和避免添油战术的数学依据。

考虑另一个情况：200名蓝军和400名红军近战，双方实力相等(√(〖400〗^2-4×〖200〗^2 )=0)。如果红军通过战术动作或计策使蓝军分成各为100人但互不支援的两半，则红军可以54人的代价先歼灭蓝军的第一个100人，再用剩余的力量以 64人的代价歼灭蓝军的第二个100人，红军总代价为118人，总战果为200人。这就是“各个击破”原则的数学解释，也是兵败如山倒的数学解释，因为兵败的典型特征是各自为战，首尾不顾，即使不考虑战斗意志瓦解的问题，也在客观上强化了被各个击破的机会。

再考虑一个情况。仍然考虑蓝军100人，红军400人，双方战斗力差距为4：1的情况，但双方相距很远。如果红军付出一半的代价推进到近距离，按4:1的线性律，这时红军还剩200人，蓝军50人。但接下来红军就可以发挥近战优势，以27人的代价消灭蓝军的第二个50人。这就是勇猛突破、近战歼敌以克服敌人远射火力优势的数学解释。

2.2科技战争

199＝年的海湾战争是一场现代高科技战争，其核心技术竟然也是数学技术。这一事实引 起人们不小的惊讶。美国总结海湾战争经验得出结论是：“未来的战场是数字化的战争”。 干扰和失真是电磁波通信的一大难题。早在六十年代太空开发竞争的初期，美国施行。?阿波罗登登月计划时，就已经意识到：由于太空中过强的干扰，无论依靠怎样精密的电子硬件设备 ，也 无法收到任何有用的信息，更不用说操纵控制了，采用了信息数字化、纠错编码、数字滤波等一整套数学通讯技术和数学控制技术之后，送人登月的计划才得以顺利完成，二十年后，在海湾战争 中，多国部队方面使用这一套技术把对方干扰得既聋又瞎，却能让自己方面的信息畅通无阻。采 用精密酌数学技术，可以在短短数十秒的时间内准确拦截对方发射的导弹，又可以引导对方发射 导弹准确击中对方的目标。也正是这一套信息数字化的数学技术，在开发高清晰度电视的竞争中 取得压倒性的胜利。开发一种数学技术可以在，。

此众多方面施展效用，足见数学的广泛适用性。

2.3战争图像化

在今天，战争的焦点转向反恐，至少对美英来说如此。在伊拉克和阿富汗，最使盟军头疼的是防不胜防的土地雷，这种IED（Improvised Explosive Device的缩写，意为自制爆炸装置）不仅造成很大的伤亡，还给盟军官兵带来巨大的心理阴影。在所有巡逻路经上全时监视是不可能的，但时不时来一遍空中侦察是完全可以做到的，在巡逻队到达前空中侦察更是不在话下。但空中侦察如何探测地下的IED呢？空中侦察可以形成高分辨率图像，包括多光谱图像。有经验的老兵可以用目视观察，仔细对比以前同一地点的图片，发现蛛丝马迹，找到IED的迹象。但人工判别工作连太大，时间太长，数学再次出马，这就是图像识别和比较。

最简单化的图像比较就是把两张图放到一起比较。在数码光学时代，数码相机把一幅图像数字化，也就是说，一幅画面被分割成几百万甚至更多的细小方格，每一方格是一个象素，每一个象素的亮度范围用0-255的数值范围表示，0为全黑，255为全白。当然全黑到全白也可以用更大的数值范围表示，那样可以反映更细腻的细节。市面上通常的数码相机是8位通道，就是0-255的范围；更高级的数码单反有的已经采用16位通道，那就是0-65535了。单一通道只能表示亮度，图像就是黑白的，如果在单纯黑白通道上加红、蓝、绿滤色镜，就形成红、蓝、绿通道。用相邻的三个像素分别担任红、蓝、绿三个通道，分别记录亮度，然后再把三个通道的信息叠加起来，就可以还原彩色图像。这就是数码相机的基本原理。由于每一个象素的信息都是数字，计算机就可以对两幅数码图像作逐格比较。最简单的做法就是把图像A和图像B相减，相同部分数值相等，结果为零；不同部分数值有差值，结果数值取绝对值消除负数的问题，就可以在图像上还原出“问题区域”。进一步判别就可以有的放矢，容易找出IED；或者省点事，指令巡逻队直接绕过去了事。

当然，实际上图像比较没有那么简单，前后两幅图像不大可能在绝对相同的角度、光线、距离下拍摄，简单比较容易造成太多的误判。这就牵涉到图像识别。图像识别通过对数字化的图像的分析，像筛子淘沙一样，用分类算法把数据分类，抓出特征性的数据。在图像识别的基础上，前后图像只比较特征性的数据，这样就可以避免为琐碎因素所误导。除了对可见光图像比较，还可以用多光谱图像捕捉红外、紫外特征，区分土壤温度、植被变化，进一步增加探测的几率和精度。

由于巡逻路经很长，空中侦察下载的图像信息量巨大，图像处理本身需要很强的计算能力，再厉害的普通个人电脑也跟不上这样的数据处理要求。另一方面，图像数据处理需要的是大量的向量处理能力，也就是说，运算量是天文数字，但运算本身并不复杂，所以基于电脑图像卡技术的GPU反而比通用的CPU更加适合。美国陆军已经向阿富汗运送了大批具有特别加强数据处理能力的微型超级计算机，这些是具有向量处理插件的顶级普通个人电脑，专门用于图像数据处理，为巡逻队保驾护航。这样的技术在常规战争中也可以应用，用于判断战场态势、敌军动向等。

图像识别是模式识别的一个分支，另一个分支是语音识别，这在战场上也很有用。每一支巡逻队、野战分队作战回来，都有大量有用信息上报。但要疲惫的官兵再写详尽的书面报告不现实，口头报告加语音识别，可以迅速把前线信息数字化，以备后用。语音识别也用到大量的数学。

3.数学理论战争

在朝鲜战争中，刚愎自用的麦克阿瑟在仁川登陆得手后，轻敌冒进，被志愿军打了个鼻青脸肿。李奇微审时度势，准确地找到了志愿军“星期攻势”的规律，并制定反制战术，最终导致志愿军在第五次战役中的失利。志愿军“星期攻势”的规律看似不难找到，主要变量就是一个时间，李奇微找到了，麦克阿瑟没有，这不能完全怪罪于麦克阿瑟的无能。事后诸葛亮是容易做的，但在事前要找出因果关系并不容易，这里面的关键就是在浩如烟海的数据中，找到因与果之间的配对。在科研和工业实践里，这样的问题也很多，人们开发了很多数学方法，有些很直观，有些就需要一点写写算算。

最简单的做法是把结果和可能的原因的数据绘制成曲线，放在同一个框架下比较。如果是时间、温度、降雨量，或者敌人攻势的时机、长度、人数，这些本来就是数值化的数据，绘制曲线比较相对容易。如果是描述事件的离散数据，可以首先量化，比如敌军出现地点作为一个变量，张庄算作1，李庄算作2，王庄算作3；指挥官作为一个变量，胡传魁指挥算作1，刁德一指挥算作2；装备水平算作一个变量，只有步枪手榴弹算作1，带机枪算作2，带火炮算作3；诸如此类。量化之后，就可以和数值化的数据一样处理。

如果这些曲线同进共退，那他们之间就是有关联的。但这是简单的关联，复杂的关联光这样比较还不一定能够抓出来，表面上的步调不一致不一定就是没有关联，关联或许比较弱，或许需要通过几个变量的合成作用才能体现出来。这个问题在变量数量很大的时候尤其突出。由于事先无法确定到底哪些变量和结果有关联，在数据分析的时候容易“宁可错杀三千，不可放过一个”。但一般目视比较七、八条曲线还可以，几十、几百条曲线就不大容易了，需要有别的办法。

数理统计上有主元分析方法（principal component analysis，简称PCA），根据数据之间的相关程度把很多相关的变量归拢到少数“主元”，这样就容易研究问题了。比如说，要预报上海的天气，可以选取人民广场、徐家汇、曹家渡、五角场、陆家嘴、奉贤、松江、嘉定、崇明甚至启动、昆山、海盐、枫泾等地的温度、湿度、风向、风速、日照、云速等等数据。这些数据互相邻近，有所重叠是难免的，要是把这些数据统统拿进来一锅煮分析，容易把水搅浑。要是用平均温度、平均湿度等，问题就明晰化了。更有效的做法是根据远近给予不同测量点的数据不同的“发言权”，数学上叫加权，那就更加科学。这就是主元分析的简单化的描述。在主元之间再绘制曲线比较，就比较容易了。

这样基于计算的方法还是有不够直观的问题，但常用的直角坐标图形有坐标维数的问题，二维是平面，三维是立体，四维已经没法画出来，几十、上百维就更没辙了。然而采用平行坐标的话，这个问题迎刃而解。平行坐标把代表每一个变量的坐标轴并排排开，在直角坐标里的一个各轴投影汇聚的点，在平行坐标里就是连接各轴的一条折线。从这个意义上来说，两者是完全等价的，差别在于高维数的平行坐标可以画出来，可以看得到，而高维数的直角坐标就无法图示了。但直角坐标下的时间序列数据可以画图直接比较，平行坐标下的时间序列数据粗看就是一大坨，很难看出内在关联。然而，如果对关键数据进行分类和排序（sort），就可以看出端倪。如果把敌军出现地点、指挥官、装备、时间、天气、季节、赶集等数据标绘出来，或许可以看到，敌军在王庄出现时，指挥官总是胡传魁；装备不一定，什么都可能；时间总在晚上；天气不一定；季节不一定；总在赶集的时候；那可以推测一个规律，敌军对王庄的兴趣在于赶集后的休息人群，乘人不备抢劫，而且胡传魁亲自出马，很重视。发现了这样的规律，就可以有的放矢地制定种种反制战术，可以打埋伏，可以掏老窝，可以预先疏散群众，可干的事情就多了。

数据分析的时候还要考虑动态影响。从蒸锅里把烫碗拿出来，如果动作快，就不会烫手；但要是捧着烫碗几分钟，肯定就把手给烫熟了。这就是动态响应的概念，感觉到的温度不仅和碗的温度有关，还和接触时间有关。在战场上，部队出动到打响有一定的时间，行军要调头也需要一定的时间，这就是动态影响。更复杂的动态响应还可以有暂时的反向响应。煮饺子的时候，水开了，沸腾的水会迅速涨上来，这时候浇一瓢冷水下去，就会把水位压下去，但接着猛灌水，水位最终是会涨上来的。对丧心病狂之敌的火力压制可能有类似的反应，敌军先是更加嚣张，但最终还是要被压下去的。如果对这样的暂时反向响应没有准备，数据分析就会出偏差。

确定因果关系后，可以用各种曲线拟合方法建立定量的数学模型，但战场上确立定性的因果关系经常已经足够。数据挖掘（data mining）是数据分析的进一步，也就是在大量的数据里发掘有用的信息，就像在矿山里挖金一样。战场上人的因素使得数据挖掘高度复杂化，有经验的指挥官会避免被敌人找到规律，但人都是有思维和行为惯性的，即使是掩盖自己踪迹的做法，也是有一定规律可循的。只要有足够的时间，积累足够多的数据，就有可能找到规律。情报机构用数据分析和数据挖掘寻找人和事件的关联并得出有用结论已经有很长历史了，CIA在30年前就把情报库数据化了，五角大楼在20年前也开始了类似的工作，但应用到野战部队，这还是第二次海湾战争之后的事情。萨达姆被俘，基地组织二号人物扎卡维被击毙，上百名基地组织大小头目被俘或被击毙，这些都是根据数据挖掘发现的线索。在更低的战术层面上，美军通过对已知IED的分析，建立了一套预测IED时间、地点、强度的方法，用于指导巡逻队设伏或者绕过威胁，取得相当的成功。美军声称数据挖掘已经帮助击毙3000多正在埋设IED的恐怖分子，抓获几百个，并破除或避免了几千个IED。在前线缴获的敌军笔记本电脑或者文件直接输入数据挖掘系统，很快产生顺藤摸瓜的新线索，使成功的雪球继续滚动。

4.结束语

数学在战争中的应用还不止上面的这些。数学对战争有用，这不等于军人都应该成为数学家。但了解其中的道理，破除神秘感，发掘新应用，这还是很重要的。或许在不久的将来，分队指挥官的军用手提电脑将不仅用作一般意义上的通信指挥终端和电子文件系统，还是情报分析和决策的工具。

参考文献：

[1] 仲田纪夫着.吴锵煌译-《战争与数学》-稻田出版

[2] 渊田美津雄 奥宫正武《中途岛海战》商务印书馆 19xx年版

[3] 《决战海洋 - 帝国是怎样炼成的》 宋宜昌 上海科学普及出版社

[4] 《基辅会战》 [德] 维尔纳·豪普特曼 解放军出版社 19xx年版

[5] 《库尔斯克会战》 г.A.科尔图诺夫 Б.Г.索洛维约夫 军事译文出版社 19xx年版

[6] 《风帆时代的海上战争》 (英)安德鲁·兰伯特 上海人民出版社

第二篇：关于数学分析的读书笔记

经过一个半学期的《数学分析》的学习，我基本上对其学习方法有了一定的掌握。了解到《数学分析》与高中的数学既有联系又有差别。一方面在许多思想与分析中运用了高中数学的基础知识；另一方面它将许多东西细微化，一步步探究深层次的东西。它使我们对许多东西有了进一步的了解而不是只停留在理解表面。

下面对我目前已学习的知识进行理解与分析：

一、 实数集与函数。实数分有理数和无理数，有理数可用既约分数的形式表示，而无理数则不能用一个确定式表示。人们先发现有理数，再运用Dedekind分割划分出一些不属于有理数的数。全部这些数的集合就是实数集。用同样的方法分割，却得不到非实数，这证明了实数具有完备性。关于实数完备性有一些基本定理，如：区间套定理、柯西收敛准则、聚点定理和有限覆盖定理。对于任何一个包含于实数集的集合，还有著名的确界原理。函数的定义是一个具有某种结构的集合到一个数集的对应关系。有基本函数和特殊的函数，如：符号函数、Heaviside函数、Riemann函数和Dirichelet函数。

二、 极限分为数列极限和函数极限。对于极限，重在理解它的定义。函数极限是数列极限的推广，所以理解了数列极限，函数极限问题就不大了。收敛的数列有许多特殊性质，如:有界性、唯一性、保号保序性和迫敛性，且满足线性组合运算。既然有这么多很好的性质，我们就想弄清哪些数列收敛或收敛数列需满足的条件。人们发现，单调有界数列和满足柯西收敛准则的数列一定有极限。

三、 函数的连续性。函数在某一点X。连续的定义是在X。的某邻域内有定义且满足当X趋于X。时，函数F(X)趋于F(X。).而在某区间上的连续可由在某点推广。对一闭区间上连续的函数有一些性质，如：有界性、最值、介值性和一致连续性。对于函数连续性，重在理解定义的内容。

四、 导数与微分。导数在中学已学过，而微分是一个新概念。微分的核心思想是对一件事物，当对整体无法解决或难以解决时，可以将它分成许多细小的部分来解决。当每一部分都解决了时，整体也就解决了。对于微分的应用有罗尔中值定理、拉格朗日中值定理和柯西中值定理以及泰勒公式。运用这些定理，还可以分析函数性质，如：函数是否有凸性和拐点，这些对作图是有帮助的。

五、 积分分为两种：不定积分和定积分。不定积分是微分的逆运算，它的核心思想是将许多无法解决或难以解决的事物积累成一个整体来解决。不定积分的运算有一些方法，如：换元法和分部积分法。与不定积分不同，定积分则是一个分割T的模趋于零的极限。对一个闭区间上的函数作划分，求出黎曼和，当分割的模趋于零时，黎曼和趋于一个常数，此时称这个常数为函数在闭区间上的定积分。定积分的运算可运用牛顿—莱布尼茨公式。哪些函数是可积的，可积函数有哪些性质。人们发现了可积函数需满足的条件和它的一些性质，如：积分中值定理。

整体内容连贯有序，学习者思路清晰，目的明确。

数学分析是精彩有趣的，但有时会让人学的很累。当一个概念或思想没有理解时，在很大层度上阻碍了后面内容的学习理解，让人有雾里探花的感觉。所以应脚踏实地的学好每一步，扎稳基础，相信未来的道路是光明的。

(13)《数学分析》读书报告

经过一个半学期的《数学分析》的学习，基本上对其学习方法有了一定的掌握。在刚刚进入大一的数学学习的开始，感觉到了种种的不适应，发现大学的数学和以前高中的有很大的不同。如果用以前的学习方法，根本就行不通。以前的数学，就是讲概念，例题，做练习，并不强调基本理论，而只是会做练习就可以了，一味的应试教育而已。而在大学，恰恰相反，我们也许没有了高考升学考试的压力，我们学习的目的已经不是一味的做习题，而是要了解概念的本质以及推理。原本在高中就知道的一个定理或者推论，我们在这门课程中，却要进行推理证明。从表面上来看，我们大都认为，这根本是“化简为繁”，但是，只有从本质出发，我们才能了解和发现更多有用的知识。其实，我们从一开始，就是先知道先人所发现结果，只有了解事物因果，才能更好的培养我们的逻辑思维能力。

数学分析的第一课，我们讲的是逻辑和因果。这是贯穿整个课程的基础，在以后的学习中，我们都有运用到。我认为，这门课程也许现在看来，用处并不大，但在我们好好学习之后，我们的逻辑思维能力会得到很大的提高，我们思考问题会变得多元化。

第一章，讲的是实数集与函数。从对有理数的分割，我们找到了实数。如果再分割实数的话，却找不到实数以外的数了，这就是实数的完备性（第七章）。其中大多数是高中学习过的内容：实数的性质，函数的定义和四则运算，函数的基本形式，增加的是数集和确界原理：邻域和有界集。

第二和第三章，讲的是极限问题，关于数列和函数。数列极限也是高中所涉及的内容，规范了数列极限的定义，增加了收敛数列的性质和存在条件。函数极限是数列极限的拓广，数列极限是定义于自然数上的极限，而函数极限是定义于实数上的极限。第三章中，引进了两个重要的极限，从而通过它们，求一些较为特殊的函数极限。并且，介绍无穷小量和无穷大量以及曲线的渐近线。

第四章，讲的是函数的连续性；第五和第六章，讲的是导数和微分以及微分中值定理和运用；第七章，讲的是实数的完备性，是第一章的补充内容；第八和

第九章，讲的是不定积分和定积分，都是一些崭新的知识内容。但从前三章可知，每一章的教学顺序都是从概念，性质，运用等方面展开。前三章可以说是高中数学到大学数学的过渡阶段，让我们适应大学学习，引导我们从中学习到大学数学的学习方法。

数学的学习过程是很辛苦的，但从中学习到的思想和方法，却可以使我们一生受用。寒假后，开学三周后便是考试周，希望可以通过自己的努力学习，在考试中，得到一个满意的答复。