我们的空间是圆的么——基于Poicare的宇宙模型浅谈

概 述

文明伊始人类对于时空的困惑与探寻从未停歇过。马儿跑的快、鱼儿潜的深、鸟儿飞的高,但人类却跑的不快潜的不深飞的不高,为什么?原因在于马儿跑的快但它不会想自己为什么会跑的快;鱼儿潜的深但它不会想自己为什么会潜的深;鸟儿飞的高但它不会想自己为什么会飞的高,而人类却会思考。当每天面对着太阳从东方升起从西方落下会想:太阳是不是绕着地球转呢?困惑使人们幻想着一个又一个诗意的神话,同时不懈的探寻与求索又使人类跳出一个又一个思想的藩篱向着下一个奥林匹斯山进发。渴望与现实就如同智慧翅膀的两翼载着人们洞穿整个宇宙!本文从双曲几何中的Poicare模型讲起,通过对哈勃红移现象以及星系坍缩现象的揭示,给出作者本人对于时空的理解(仅供参考)。

一、 Poicare模型

欧式几何的出现极大程度上满足了人们对于自然界描述的欲望,但随着对欧式几何的深入研究,越来越多的数学家怀疑“第五公设”作为公设的合理性。一些数学家试图通过其余四条公设来证明“第五公设”但最终找到的都是“第五公设”的等价命题。此时一些数学家想象通过修改“第五公设”来创建另一种形式的几何,其中高斯是最早指出欧几里得第五公设独立于其他公设的人。他早就知道试图证明这一公设的努力是白费力气。他曾告诉他的朋友说,早在1792年他就已经有一种思想,去建立一种逻辑几何学,其中欧几里得第五公设并不成立。发展至今的非欧几何中有一种几何叫做双曲几何,它认为在同一平面内过一点作与已知直线平行的直线有无数多条而并非欧式几何中的“有且仅有一条”。双曲几何又称罗巴切夫斯基几何,在历史上曾有三个模型来解释这种几何,其中最优美自然的模型就属Poicare模型。在Poicare模型中Poicare将圆盘DR
= {(x, y) | x2+ y2 < R2}考虑为罗巴切夫斯基平面,并把DR中垂直圆周DR = {(x, y) | x2 + y2
< R2}的圆弧或直线弧视为非欧直线,用交比的对数定义了非欧距离而非欧直线的夹角却与欧式几何中的一致,如图1所示。

图1 非欧直线与Poicare距离

在上图中ef与ad均为非欧直线,b、c两点的非欧距离定义为ln(b,c; a, d)-1,其中(b, c; a, d)为b、c、a、d四点之间的交比(b-a)(c-d) / (b-d)(c-a)。根据分式线性变换以及函数的泰勒展开式得到Poicare度量的概念:

其中ds为Poicare平面内的Poicare距离,dz为其对应的欧式距离,R为Poicare圆盘的半径,z为DR中的任意一点。

二、Hubble定律

美国天文学家艾德温·哈勃认为河外星系的视向退行速度与距离成正比,即距离越远视向速度越大。

在此假设DR的圆心o为参考坐标系的原点并将参考星系放到o处,并且假定欧式度量为我们的实际观测度量(这点很重要)。如果假定宇宙大爆炸理论成立,某一星系(姑且称其为“游离星系”)从o点出发在Poicare度量下以均匀速度Δvs向DR边界运动,此时存在:

此时取Δvs方向为坐标系的x轴则有:

,则,其中,再根据Hubble定律:,即:

 (其中

根据函数的单调性则有:R随着z的增大而增大,即R=g(z)并且为增函数,也就是说宇宙的膨胀程度与游离星系离开o点的距离有关。

 

三、星系坍缩

在恒星生存期的某一阶段其内部温度会降低,这样一来引力将会成为一个主导因素,此时恒星开始坍缩为“白矮星”并将原子拆分成一个个电子、质子和中子;在某些条件下引力战胜电子之间的斥力并迫使电子和质子结合成中子,此时坍缩成“中子星”,某些条件下引力甚至可以战胜中子结构的抗拒继续坍缩。

我们知道在Poicare模型下:由可知,当一个图形在非欧刚体运动中自o点附近向DR边界运动,其图形的欧式外观将由大变小,最后“消失于天边”,如图2所示。

       图2 Poicare模型下的全同三角形

在此我们令ds为游离星系在x轴上的Poicare长度,dz为游离星系在x轴上的欧式长度,则有:

当游离星系运动到z+Δz、z+2Δz位置时有:

则有:

由于游离星系在Poicare度量上匀速运动,显然在Poicare度量上由z运行到z+Δz要比z+Δz运行到z+2Δz所需的时间短,这也就说明了在Poicare度量的时间下,向DR边界旅行的星系在欧式度量下坍缩的程度越来越弱。

四、猜想

在Poicare度量下一个非欧刚体(游离星系)匀速向宇宙边界(DR)运动,那么当它运行到DR边界后会出现什么情况呢?根据显然有当R=z时哈勃常量为0,之后又会如何呢?可能有两种情况:

1、冲出DR的束缚。由于向DR边界旅行的星系在欧式度量下坍缩的程度越来越弱,在冲出DR的前一刻可以认为游离星系已经坍缩到了极点,当脱离DR的束缚后会重新爆炸膨胀成一个新的宇宙。

2、“原路”返回。此时Hc为负数也就是说可能会出现蓝移现象。

根据宇宙大爆炸理论,宇宙形成初期有不同的星系沿着不同的方向以不同的速度做着相互远离的运动。也就是说在空间中的不同方向存在着不同膨胀系数的DR如图3所示。

图3 不同膨胀系数的DR

根据热力学第二定律,我们知道最可能的状态也是最稳定的,因为它是最无序的,所以我们有理由假设宇宙中星系的分布是处于极度无序状态。在这种前提下我们所生活的宇宙可以认为是各向异性的无序膨胀“球体”。

参考文献:

《霍金讲演录》 史蒂芬丶霍金

《并不神秘的非欧几何》 李忠

《时间、空间和万物》 里德雷

时间: 2024-08-05 02:27:22

我们的空间是圆的么——基于Poicare的宇宙模型浅谈的相关文章

基于SAP的中国式数据分析浅谈

大数据时代,虽然多数企业数据的应用并不能称得上是"大数据",但也证实了数据应用的重要性和影响力.确实,数据作为企业发展的信息沉淀,已成为企业的重要资产,如何有效利用数据是每个企业必须面临的课题. 这里我们分享一个波司登集团通过改进信息系统,加强数据运营管理来提升企业效益的案例,原文是波司登集团软件研发经理孙健在帆软大数据巡展上的演讲. 从2012年到2015年期间,波司登的经营效益并不理想,但却在2016年获得了"新生",整体盈利达到了150%.为什么?当时老板提了

浅谈分词算法(2)基于词典的分词方法

[TOC] 前言 在浅谈分词算法(1)分词中的基本问题中我们探讨了分词中的基本问题,也提到了基于词典的分词方法.基于词典的分词方法是一种比较传统的方式,这类分词方法有很多,如:正向最大匹配(forward maximum matching method, FMM).逆向最大匹配(backward maximum matching method,BMM).双向扫描法.逐词遍历法.N-最短路径方法以及基于词的n-gram语法模型的分词方法等等.对于这类方法,词典的整理选择在其中占到了很重要的作用,本

浅谈linux内核栈(基于3.16-rc4)

在3.16-rc4内核源码中,内核给每个进程分配的内核栈大小为8KB.这个内核栈被称为异常栈,在进程的内核空间运行时或者执行异常处理程序时,使用的都是异常栈,看下异常栈的代码(include/linux/sched.h): 1 union thread_union { 2 struct thread_info thread_info; 3 unsigned long stack[THREAD_SIZE/sizeof(long)]; 4 }; THREAD_SIZE值为8KB,因此内核为进程的异常

基于全景照片和场景模型计算导出纹理贴图

基于全景照片和场景模型计算导出纹理贴图 首先,假设全景的位姿是已知,一般可以通过传感器测量或者相关标定方法计算得到:另外,还假设相机中心与模型坐标中心重合(只有这样才能将全景和模型映射到标准球上):这里重点介绍如何基于全景照片和场景模型(.obj)计算导出纹理贴图(.png).主要用到一种球面映射的思想,具体实现如下: 一.实现思路 1.全景照片标准化,扩大填充为2:1大小的全景照片,如果已经是2:1的全景无需这种扩充变换. 2.标准全景照片映射到标准球面上.(标准球是半径为1m的空间球体) 3

word2vec 中的数学原理详解(四)基于 Hierarchical Softmax 的模型

  word2vec 是 Google 于 2013 年开源推出的一个用于获取 word vector 的工具包,它简单.高效,因此引起了很多人的关注.由于 word2vec 的作者 Tomas Mikolov 在两篇相关的论文 [3,4] 中并没有谈及太多算法细节,因而在一定程度上增加了这个工具包的神秘感.一些按捺不住的人于是选择了通过解剖源代码的方式来一窥究竟,出于好奇,我也成为了他们中的一员.读完代码后,觉得收获颇多,整理成文,给有需要的朋友参考. 相关链接 (一)目录和前言 (二)预备知

基于SOA的编程模型

1.webservice是SOA架构的一种实现 ====================================================================================================== Spring-WS编程模型: 面向契约的开发:xml--对象(而不是对象---xml) 编程模型: 1.定义消息契约xml(数据契约+操作契约) 2.生成xsd 3.编写消息端点 4.配置序列化OXM 5.生成wsdl-操作契约 ========

基于tomcat响应处理模型实现的高并发web服务器

在上一篇博客中,一个简单的AIOweb处理例子,可以看到AIO异步处理,依赖操作系统完成IO操作的Proactor处理模型确实很强大,可以是实现高并发,高响应服务器的不错选择,但是在tomcat中的connector的处理模型还依旧是基于NIO的处理,当然,我认为这可能会在以后的版本进行改进,但另一方面,我更认为AIO的负载控制方面的处理可能是比较难的,因为AIO api并没有提供我们对分配线程组的处理,而只是提供一个线程组,交给操作系统去解决io处理上的问题,所以,这可能会给需要复杂处理的负载

word2vec 中的数学原理具体解释(四)基于 Hierarchical Softmax 的模型

  word2vec 是 Google 于 2013 年开源推出的一个用于获取 word vector 的工具包,它简单.高效,因此引起了非常多人的关注.因为 word2vec 的作者 Tomas Mikolov 在两篇相关的论文 [3,4] 中并没有谈及太多算法细节,因而在一定程度上添加了这个工具包的神奇感.一些按捺不住的人于是选择了通过解剖源码的方式来一窥到底,出于好奇,我也成为了他们中的一员.读完代码后.认为收获颇多.整理成文,给有须要的朋友參考. 相关链接 (一)文件夹和前言 (二)预备

基于Pre-Train的CNN模型的图像分类实验

基于Pre-Train的CNN模型的图像分类实验 MatConvNet工具包提供了好几个在imageNet数据库上训练好的CNN模型,可以利用这个训练好的模型提取图像的特征.本文就利用其中的 “imagenet-caffe-ref”的模型,提取图像特征(softmax前一层的输出,4096维),在几个常用的图像分类的数据库中进行了相应的分类实验.这实验的过程中,有对图片进行左右翻转用于增加训练数据.下面结果的表格中:Original原始结果,Flip增加翻转后的结果. 需要用到的toolbox及