math-skill 2.0.1 → 3.0.0

package/skills/topological-thinking/original-texts.md

@@ -1,164 +0,0 @@
-# 数学出处与经典文献 / Mathematical Sources and Classic Texts
-
-## 欧拉示性数 / Euler Characteristic (Euler, 1752)
-
-> "对于任何凸多面体，顶点数 - 边数 + 面数 = 2。"
-> "For any convex polyhedron, the number of vertices minus edges plus faces equals 2."
-
-**Leonhard Euler**（1707-1783）在 1752 年发现了多面体的这一不变量：
-
-V - E + F = 2
-
-这一公式看似简单，实则深刻——它对所有凸多面体成立，无论多面体是立方体（8-12+6=2）、四面体（4-6+4=2）还是十二面体（20-30+12=2）。欧拉示性数是曲面的拓扑不变量：连续变形不改变 χ 的值。球面 χ = 2，环面 χ = 0，双环面 χ = -2——每增加一个洞，χ 减少 2。
-
-**推广**：对任意曲面 S，χ(S) = 2 - 2g（可定向，亏格 g）或 χ(S) = 2 - g（不可定向，亏格 g）。欧拉示性数与可定向性共同构成紧致曲面的完全分类不变量。
-
-This formula seems simple but is profound — it holds for all convex polyhedra, whether cube (8-12+6=2), tetrahedron (4-6+4=2), or dodecahedron (20-30+12=2). The Euler characteristic is a topological invariant of surfaces: continuous deformations do not change χ. Sphere χ = 2, torus χ = 0, double torus χ = -2 — each additional hole reduces χ by 2. Generalization: for any surface S, χ(S) = 2 - 2g (orientable, genus g) or χ(S) = 2 - g (non-orientable, genus g). Euler characteristic and orientability together form a complete set of classification invariants for compact surfaces.
-
-## Poincaré 猜想与 Perelman 证明 / Poincaré Conjecture & Perelman's Proof (2004)
-
-> "每一个单连通的紧致三维流形都同胚于三维球面 S³。"
-> "Every simply-connected closed 3-manifold is homeomorphic to the 3-sphere S³."
-
-**Henri Poincaré**（1854-1912）在 1904 年提出这一猜想——它成为数学史上最著名的未解问题之一，困扰数学家整整一百年。
-
-**Grigori Perelman**（1966-）在 2002-2003 年间在网上发布三篇论文，利用 **Ricci 流**（Hamilton 提出的微分几何工具）结合手术（surgery）技术完成了证明。Perelman 拒绝了 2006 年的 Fields 奖和 2010 年的 Clay 千禧奖百万美元奖金——数学史上最戏剧性的一幕。
-
-**Ricci 流**的直觉：流形上的度量随时间演化，使得曲率趋于均匀——就像热传导使温度分布趋于均匀。当曲率集中在某处时（"脖子"），用手术切除并补上标准球面，继续 Ricci 流。最终流形被分解为若干几何片（Thurston 的几何化猜想），每片都有标准度量——Poincaré 猜想是几何化猜想的特例。
-
-Perelman's proof used **Ricci flow** (a tool introduced by Hamilton) combined with surgery. The intuition: the metric on a manifold evolves over time, making curvature tend toward uniformity — like heat diffusion making temperature uniform. When curvature concentrates at a "neck," surgery cuts it out and caps it with a standard sphere, then Ricci flow continues. The manifold is eventually decomposed into geometric pieces (Thurston's geometrization conjecture); Poincaré is a special case. Perelman declined the 2006 Fields Medal and 2010 Clay Millennium Prize — the most dramatic episode in mathematical history.
-
-## 基本群 / Fundamental Group (Poincaré, 1895)
-
-> "基本群 π₁(X) 是所有基于基点的环路在同伦变形下的等价类——它捕获空间的'不可收缩环路'结构。"
-> "The fundamental group π₁(X) consists of equivalence classes of loops based at a point modulo homotopic deformation — it captures the 'non-contractible loops' structure of a space."
-
-**Poincaré** 在 1895 年的论文 *Analysis Situs* 中引入了基本群的概念——这是代数拓扑的奠基之作。
-
-核心例子：
-- **π₁(S¹) = Z**——圆周上的环路按绕圈次数分类：绕 n 次的环路不能连续变形为绕 m 次的环路（n ≠ m）
-- **π₁(S²) = 0**——球面上所有环路都可收缩为一点——球面"没有洞"
-- **π₁(环面) = Z × Z**——两个独立方向的绕圈，组合为 (m, n) 绕圈次数
-- **π₁(实射影平面 RP²) = Z₂**——只有两类环路：可收缩的（绕偶数次）和不可收缩的（绕奇数次）
-
-**关键性质**：同胚空间有同构的基本群（拓扑不变量）；但基本群不是完备不变量——不同空间可以有相同的基本群（如 S² 和 S³ 的 π₁ 都是 0，但它们不同胚）。
-
-Core examples: π₁(S¹) = Z (winding number classifies loops); π₁(S²) = 0 (all loops contractible — sphere has "no holes"); π₁(torus) = Z × Z (winding in two independent directions); π₁(RP²) = Z₂ (even vs odd winding). Key property: homeomorphic spaces have isomorphic fundamental groups (topological invariant); but π₁ is not a complete invariant — different spaces can share the same π₁ (e.g., S² and S³ both have π₁ = 0 but are not homeomorphic).
-
-## 同调群 / Homology Groups
-
-> "同调群 H_n(X) 计算空间中 n 维'洞'的数量——它将拓扑直觉转化为可计算的代数量。"
-> "Homology groups H_n(X) count n-dimensional 'holes' in a space — translating topological intuition into computable algebraic quantities."
-
-**单纯同调的计算流程**：
-1. 构造单纯复形 K（用三角形/四面体等单纯形近似空间）
-2. 定义边界算子 ∂_n: C_n → C_{n-1}（每个 n-单纯形的边界是 (n-1)-单纯形的组合）
-3. 关键性质 ∂² = 0（边界的边界为零）
-4. 同调群 H_n(K) = ker(∂_n) / im(∂_{n+1})——"环路"模去"边界"——真正的洞不是任何更高维单纯形的边界
-
-**直觉**：H₀ = 连通分量数（零维"洞"= 分离的碎片），H₁ = 1 维洞数（不可填充的环路），H₂ = 2 维空洞数（不可填充的空腔）。Betti 数 β_n = rank H_n(X) 是洞的计数。
-
-**同调 vs 同伦**：H₁(X) 是 π₁(X) 的 Abel 化（H₁ = π₁/[π₁, π₁]，去掉交换子的约束）。同调计算更容易（线性代数），但信息更少（丢失了非交换结构）；同伦信息更丰富但计算更难。选择取决于问题需求——需要精细分类用 π₁，需要快速计算用 H₁。
-
-Simplicial homology computation: (1) build simplicial complex K; (2) define boundary operator ∂_n: C_n → C_{n-1}; (3) key property ∂² = 0; (4) H_n(K) = ker(∂_n) / im(∂_{n+1}) — "cycles" modulo "boundaries" — true holes are not boundaries of higher-dimensional simplices. Intuition: H₀ = connected components, H₁ = 1-holes (unfillable loops), H₂ = 2-voids (unfillable cavities). Betti numbers β_n = rank H_n. Homology vs homotopy: H₁(X) = π₁(X) abelianized. Homology is easier to compute (linear algebra) but less informative; homotopy is richer but harder. Choose based on needs — π₁ for fine classification, H₁ for fast computation.
-
-## 拓扑数据分析 / Topological Data Analysis (Carlsson, 2009)
-
-> "持续同调让数据'说话'——它发现的不是均值和方差，而是数据的形状。"
-> "Persistent homology lets data 'speak' — it discovers not means and variances, but the shape of data."
-
-**Gunnar Carlsson**（Stanford）在 2009 年创立了 Ayasdi 公司，将持续同调推向应用。
-
-**持续同调的计算流程**：
-1. 从点云数据出发，构造滤流（filtration）：从小到大改变邻域半径 ε
-2. 对每个 ε，构建 Vietoris-Rips 复形 VR_ε（距离 ≤ ε 的点对连线，三点互距 ≤ ε 则填三角形）
-3. 对每个 ε 计算同调群 H_n(VR_ε)
-4. 记录每个拓扑特征的"出生时间"（ε_birth）和"死亡时间"（ε_death）
-5. 输出条形码图（barcode）或持续图（persistence diagram: 点 (ε_birth, ε_death))
-
-**稳定性定理**：持续图之间的 Wasserstein 蕴距离 ≤ 数据之间的 Hausdorff 蕴距离——数据的微小扰动只导致持续图的微小变化。这保证了 TDA 的鲁棒性：噪声产生短条，真实特征产生长条。
-
-**应用**：肿瘤基因数据的拓扑结构发现新的癌症亚型；传感器网络覆盖空洞检测；材料科学中相变拓扑标志；金融市场中市场崩溃前的拓扑预警。
-
-Computation: (1) from point cloud, build filtration by varying neighborhood radius ε; (2) for each ε, construct Vietoris-Rips complex; (3) compute H_n at each ε; (4) record birth and death times; (5) output barcode or persistence diagram. Stability theorem: Wasserstein distance between diagrams ≤ Hausdorff distance between data — small data perturbation → small diagram perturbation. Noise produces short bars, real features produce long bars. Applications: tumor genomic topology revealing new cancer subtypes; sensor network coverage hole detection; phase transition signatures in materials science; topological early warning of market crashes in finance.
-
-## Brouwer 不动点定理 / Brouwer Fixed Point Theorem (1911)
-
-> "每一个连续映射 f: Dⁿ → Dⁿ 都有不动点——即存在 x₀ 使得 f(x₀) = x₀。"
-> "Every continuous map f: Dⁿ → Dⁿ has a fixed point — there exists x₀ with f(x₀) = x₀."
-
-**L.E.J. Brouwer**（1881-1966）在 1911 年证明此定理——讽刺的是，Brouwer 后来成为直觉主义的创始人，反对他自己定理所依赖的排中律。
-
-**直觉**：搅动杯中的咖啡，停搅后必有至少一点回到原位——因为搅动是圆盘上的连续映射，必有不动点。
-
-**应用**：
-- **博弈论**（Nash，1950）：Nash 均衡的存在性依赖于 Brouwer 不动点定理——每个有限博弈至少存在一个混合策略 Nash 均衡
-- **经济学**：一般均衡理论（Arrow-Debreu）的不动点证明——市场均衡的存在性
-- **微分方程**：Peano 存在定理的证明用到不动点方法
-
-Intuition: stir coffee in a cup, stop — some point must return to its original position, since stirring is a continuous map on a disk, which must have a fixed point. Applications: Nash equilibrium existence (Nash 1950) — every finite game has at least one mixed-strategy Nash equilibrium; economics — general equilibrium theory (Arrow-Debreu) uses fixed-point proof; differential equations — Peano existence theorem via fixed-point methods.
-
-## Jordan 曲线定理 / Jordan Curve Theorem
-
-> "R² 中每条简单闭曲线将平面分成两个区域——内部和外部。"
-> "Every simple closed curve in R² divides the plane into two regions — interior and exterior."
-
-**看似显然却极难证明**——Jordan（1892）的原始证明有漏洞，Veblen（1905）给出第一个严格证明。定理的困难在于：闭曲线可以有极其复杂的拓扑行为（如 Osgood 曲线，面积可以任意大），直觉上的"显然"在数学上需要精细的拓扑论证。
-
-**推广**：Jordan-Brouwer 分离定理——Rⁿ 中每个与 S^{n-1} 同胚的子集将 Rⁿ 分成两个连通区域。维数越高，证明越复杂。
-
-Seemingly obvious yet extremely hard to prove — Jordan's original proof (1892) had gaps; Veblen (1905) gave the first rigorous proof. The difficulty: closed curves can have extremely complex topological behavior (e.g., Osgood curves with arbitrarily large area); what seems "obvious" intuitively requires fine topological argumentation mathematically. Generalization: Jordan-Brouwer separation theorem — every subset of Rⁿ homeomorphic to S^{n-1} divides Rⁿ into two connected components. Higher dimensions = more complex proofs.
-
-## 纽结理论 / Knot Theory
-
-> "纽结的分类依靠不变量——Jones 多项式、Alexander 多项式等区分不同纽结类型。"
-> "Knot classification relies on invariants — Jones polynomial, Alexander polynomial, etc. distinguish different knot types."
-
-纽结理论研究 R³ 中简单闭曲线的等价类（同痕 isotopy 下的分类）。核心问题：两个纽结能否通过连续变形（不切断不粘合）相互转化？
-
-**关键不变量**：
-- **Alexander 多项式**（1928）：第一个纽结多项式不变量，但不完备（不同纽结可有相同 Alexander 多项式）
-- **Jones 多项式**（1984）：Vaughan Jones 的发现——与统计力学和量子场论有深层联系，Jones 因此获 1990 年 Fields 奖
-- **纽结群** π₁(R³ - K)：纽结在三维空间中的补空间的基本群
-
-**应用**：DNA 拓扑——超螺旋（supercoiling）、纽结（knotted DNA）和链环（catenanes）影响 DNA 复制与转录；酶（拓扑异构酶 topoisomerase）改变 DNA 的拓扑结构，相当于进行"拓扑手术"。分子纽结化学——合成拓扑复杂的分子结构。
-
-Knot theory studies equivalence classes of simple closed curves in R³ under isotopy. Key invariants: Alexander polynomial (1928, first polynomial invariant but incomplete); Jones polynomial (1984, deep connections to statistical mechanics and QFT, Jones won 1990 Fields Medal); knot group π₁(R³ - K). Applications: DNA topology — supercoiling, knotted DNA, and catenanes affect replication and transcription; topoisomerase enzymes perform "topological surgery" on DNA. Molecular knot chemistry — synthesizing topologically complex molecular structures.
-
-## 曲面分类定理 / Classification of Surfaces
-
-> "紧致曲面由可定向性和欧拉示性数完全分类——这是拓扑分类的典范。"
-> "Compact surfaces are completely classified by orientability and Euler characteristic — the paradigm of topological classification."
-
-**分类定理**（Möbius 1861, Dyck 1888 完善）：
-
-可定向曲面：S² (χ=2), 环面 T² (χ=0), 双环面 (χ=-2), 三环面 (χ=-4), ... — 亏格 g 的曲面 χ = 2 - 2g
-
-不可定向曲面：RP² (χ=1), Klein 瓶 (χ=0), ... — 亏格 g 的不可定向曲面 χ = 2 - g
-
-**标准形式**：每个紧致曲面同胚于若干环面或若干 RP² 的连通和（connected sum）。可定向：#g T²（g 个环面的连通和）；不可定向：#g RP²（g 个射影平面的连通和）。
-
-**分类的完备性**：(可定向性, χ) 是完备不变量集——两个紧致曲面同胚 iff 它们有相同的可定向性和相同的 χ。
-
-Classification theorem: orientable surfaces S² (χ=2), torus T² (χ=0), double torus (χ=-2), ... genus g surface χ = 2-2g. Non-orientable: RP² (χ=1), Klein bottle (χ=0), ... genus g non-orientable χ = 2-g. Standard form: every compact surface is homeomorphic to a connected sum of tori or projective planes. Completeness: (orientability, χ) is a complete invariant set — two compact surfaces are homeomorphic iff they share the same orientability and Euler characteristic.
-
-## Morse 理论 / Morse Theory
-
-> "光滑函数的临界点编码了流形的拓扑——Morse 理论将分析与拓扑联系起来。"
-> "Critical points of a smooth function encode the manifold's topology — Morse theory bridges analysis and topology."
-
-**Marston Morse**（1892-1977）建立了这一理论：
-
-**Morse 函数** f: M → R 的每个临界点 p（df(p) = 0）都是非退化的（Hessian 矩阵的行列式 ≠ 0）。临界点的指标（index）= Hessian 中负特征值的个数 = 临界点处"向下方向"的维数。
-
-**核心定理**：Morse 不等式将临界点数与 Betti 数联系起来：
-- c_k ≥ β_k（k 维临界点数 ≥ k 维 Betti 数）
-- c_k - c_{k-1} + ... ± c_0 ≥ β_k - β_{k-1} + ... ± β_0
-
-**直觉**：随着 f 的值从低到高扫描 M，每次经过一个指标为 k 的临界点，流形的拓扑发生一次"k 维附着"——相当于粘上一个 k 维胞腔。整个流形的拓扑由所有临界点及其指标完全决定。
-
-Intuition: scanning M from low to high values of f, each critical point of index k triggers a "k-dimensional attachment" — gluing a k-cell. The manifold's entire topology is determined by all critical points and their indices. Core theorem: Morse inequalities relate critical point counts to Betti numbers — c_k ≥ β_k. Morse theory bridges differential analysis (critical points) and algebraic topology (homology).
-
----
-
-**总结 / Summary**：拓扑思想贯穿数学的核心——从 Euler 的示性数到 Poincaré 的基本群，从同调群的可计算性到持续同调的数据应用，从不动点定理的应用力量到纽结理论的生物关联，拓扑提供了"连续变形下什么不变"的统一视角。它告诉我们：真正重要的性质，不是精确的度量，而是结构的本质——连通、洞、维数、可定向性。这些性质在拉伸与弯曲中存活，在撕裂与粘合中改变——这正是拓扑区别于几何的根本界限。

package/skills/transformation/SKILL.md

@@ -1,122 +0,0 @@
----
-name: transformation
-description: |
-  触发：数学推导、方程求解、信号处理等问题在当前表示下难处理，需通过数学变换转为更简单的等价问题；或为算法/算子设计寻找等价但更 GPU 友好的表示（如卷积→GEMM、谱变换）时调用。
-  English: Trigger when a problem is intractable in its current representation and needs a mathematical transform into an equivalent simpler problem; or finding an equivalent but more GPU-friendly representation (e.g. convolution→GEMM, spectral transform) for algorithm/operator design.
----
-
-# 🔄 变换思想 / Transformation
-
-> "复杂问题→等价简单问题，关键是找到合适的变换和逆变换。"
-> "Complex problem → equivalent simple problem; the key is finding the right transformation and its inverse."
->
-> —— 傅里叶变换、拉普拉斯变换、坐标变换 / Fourier, Laplace, Coordinate Transform
-
-## 核心原则 / Core Principle
-
-**同一个问题可以有不同的表示方式。选择一个好的表示（或变换），可以让困难的问题变得简单。** 变换的精髓不是改变问题本身，而是改变看问题的视角。
-
-> **数学形式化 / Mathematical Formalization**
->
-> 设变换 T: D₁ → D₂，T 有用当且仅当三条件同时成立：① **可计算**：T(x) 可显式求出；② **简化性**：问题在 D₂ 中更易处理（如微分→乘法、卷积→乘法）；③ **T⁻¹ 存在**：可从 D₂ 的解恢复 D₁ 原解。
->
-> 核心追问：**T⁻¹ 在什么条件下存在？** 存在性决定等价性，收敛域决定有效性。性质：等价性（信息不丢失，需 T⁻¹ 存在）、简化性、可逆性（T⁻¹ 存在且可计算时为等价而非近似）。
-
-## GPU 友好性 / GPU-Friendliness（横切检查）
-
-变换的价值在算法设计中常体现为「把不友好的运算变成 GPU 友好的运算」——过 `../../references/gpu-friendly-math.md` 八维：
-
-- **卷积→GEMM**（im2col/Winograd）：把不规则卷积变成矩阵乘，吃满 Tensor Core（友好，但注意显存扩张）。
-- **谱变换（FFT/DCT）**：O(N²)→O(N log N)，可批量并行；但 butterfly 通信模式需注意访存。
-- **对偶变换（Legendre/Fenchel）**：把约束优化变成对偶问题——若对偶更易 GEMM 化则友好。
-- **变换作为压缩**：频域稀疏→只存显著系数（KV/激活压缩，友好）。
-- **反模式**：变换本身需 O(n²) 全局重排且不可融合→"美但不可算"；逆变换不可数值稳定（病态）。
-
-八维最低判定（正式术语）：**张量化**看变换/逆变换是否可批量；**GEMM 可映射**看能否改写为 GEMM/conv/FFT/batched solve；**复杂度**要求变换后降阶而非升阶；**显存与 KV-Cache**检查 im2col、频域缓存、块摘要是否省而不是爆；**低精度稳定**检查逆变换、正交化、归一化；**并行与通信**看 butterfly/scan/分块通信；**稀疏结构**看频域/块稀疏是否结构化；**算子融合**看变换-核心算子-逆变换能否融合或重计算。
-
-> 配合 `../../references/books/matrix-analysis.md`（谱/低秩）、`optimization-ml.md`（对偶）。
-
-## 不适用场景 / When NOT to Use
-
-- **问题已足够简单**——不需要变换。
-- **变换会丢失关键信息**（不可逆且丢失的正是关心的）——选保信息的变换。
-- **只需定性理解**——变换通常是定量工具。
-- **收敛条件不满足**——强行变换产生无意义结果。
-
-## 何时使用 / When to Use
-
-- 问题在当前形式下难分析或求解；揭示数据隐藏结构（周期信号→频谱）。
-- 将复杂运算简化为简单运算（卷积→乘法）；非线性问题线性化；解耦耦合变量。
-- **为算子寻找等价但更 GPU 友好的表示**（卷积→GEMM、稀疏→结构化、频域压缩）。
-
-## 方法流程 / Method
-
-### 第一步：分析当前表示的困难
-为什么当前形式难处理？运算复杂（如 ODE 直接求解难）？结构不清晰（时域看不出周期）？变量耦合？明确"困难在哪"是选择变换的前提，不诊断就选变换是盲目操作。
-
-### 第二步：选择变换
-根据困难类型选择，每种检查公式、域映射、收敛条件、简化效果：
-
-| 变换 | 公式 | 域映射 | 收敛/有效性 | 简化效果 |
-|---|---|---|---|---|
-| 傅里叶 Fourier | F(ω)=∫f(t)e⁻ⁱωᵗdt | t∈ℝ→ω∈ℝ | Dirichlet：绝对可积、有限极值/间断点 | 微分→乘法，卷积→乘法 |
-| 拉普拉斯 Laplace | F(s)=∫₀∞f(t)e⁻ˢᵗdt | t∈[0,∞)→s∈ℂ, Re(s)>α | ∃α: ∫|f(t)|e⁻αᵗdt<∞ | 常系数ODE→代数方程，含初值 |
-| Z 变换 | F(z)=Σf[n]z⁻ⁿ | n∈ℕ→z∈ℂ, |z|>R | ∃R: Σ|f[n]|R⁻ⁿ<∞ | 差分方程→代数方程 |
-| 生成函数 | G(x)=Σaₙxⁿ | n∈ℕ→x, |x|<ρ | ∃ρ: Σ|aₙ|ρⁿ收敛 | 递推→微分方程 |
-| Legendre | f*(p)=supₓ(px−f(x)) | x→p=f'(x) | f 凸可微时 p↔x 一一对应 | 凸优化→对偶，Lagrange→Hamilton |
-| 小波 Wavelet | W(a,b)=∫f(t)ψₐᵇ(t)dt | t∈ℝ→(a,b) | f∈L², ψ 容许 | 时频局部化，多尺度 |
-
-### 第三步：执行变换
-将问题变换到新表示空间，严格按公式执行。变换不是逃避问题，是用更有效的语言重新表达同一问题。
-
-### 第四步：验证收敛与域条件
-**应用变换结果前必须验证收敛条件**：傅里叶检查 Dirichlet（∫|f|dt<∞）；拉普拉斯定收敛域 Re(s)>α，域外 F(s) 无定义；Z 变换定 |z|>R（逆变换依赖收敛域选择）；生成函数定收敛半径 ρ；小波验证母小波容许条件。跳过此步是最大错误来源。
-
-### 第五步：在变换空间求解
-在新表示下问题往往更简单，所有运算须在变换有效域内进行。变换空间的价值在于让原本隐蔽的结构可见。
-
-### 第六步：逆变换回原空间
-将解逆变换回原问题语言，逆变换存在性需条件：傅里叶逆 f(t)=(1/2π)∫F(ω)eⁱωᵗdω（需 F 绝对可积）；拉普拉斯逆 Bromwich 积分 f(t)=(1/2πi)∫F(s)eˢᵗds（γ>α 在收敛域右侧）；Z 逆 f[n]=(1/2πi)∮F(z)zⁿ⁻¹dz（围道在收敛域内）；生成函数 aₙ=G⁽ⁿ⁾(0)/n! 或 [xⁿ]G(x)。变换只是手段，最终答案必须在原空间。
-
-### 第七步：验证等价性
-确认变换未丢关键信息、逆变换结果确是原问题解：逆变换是否在收敛域内执行？原函数是否满足前置条件？边界/初值条件是否正确编码？等价性是变换思想的底线——变换必须是可验证的等价操作，而非近似或逃避。
-
-## 常见错误 / Common Errors
-
-| 错误 / Error | 批评 / Critique | 正确做法 / Correct Approach |
-|---|---|---|
-| 选择不合适的变换 | 没简化反而增加复杂度 | 根据问题特征选择变换 |
-| 用不可逆变换且丢信息 | 变换后无法回到原问题 | 检查可逆性或确认丢失信息不重要 |
-| 忘记逆变换 | 新空间得解后忘记变回来 | 最终答案必须在原空间 |
-| 变换后忽略定义域变化 | 变换可能改定义域或引入奇点 | 检查变换后定义域与边界条件 |
-| 把变换当魔法 | 变换只换表示，不改问题本质 | 变换是工具，理解力才是核心 |
-| 对不可积函数用傅里叶 | ∫|f|dt=∞ 时 F(ω) 可能无意义 | 先检查 Dirichlet，不满足用广义函数或 Laplace |
-| 忽略 Laplace 收敛域 | F(s) 仅 Re(s)>α 有定义 | 所有运算限制在收敛域内 |
-| 假设所有变换可逆 | 部分变换特定条件下不可逆（如非凸 Legendre） | 验证可逆条件后再逆变换 |
-| 忽略离散变换 DFT/FFT | 连续变换不适用离散数据 | 离散数据用 DFT: X[k]=Σx[n]e⁻ⁱ2πkn/N |
-| 变换后不可算/不可融合 | 变换需 O(n²) 全局重排或病态逆 | 评估 GPU 八维，必要时选可融合/数值稳定的等价变换 |
-
-## 操作规程 / Operating Procedure
-
-输出必须包含：
-
-1. **当前表示的困难**：`[困难]: [描述]`
-2. **变换选择**：`[变换]: [选择] 因 [理由]，公式 [公式]，收敛条件 [条件]，预期简化 [效果]`
-3. **变换执行**：变换后的问题形式
-4. **收敛与域条件验证**：`[验证]: [条件是否满足，收敛域]`
-5. **变换空间求解**：新表示下的解法
-6. **逆变换**：解翻译回原空间，注明逆变换条件
-7. **等价性验证**：是否可逆、是否丢信息、收敛域是否正确
-8. **[GPU 可行性]**（若用于算子设计）— 变换是否把运算变成 GEMM/可融合/数值稳定，过八维门
-
-**输出不得只给分析而无结论。**
-
-## 与其他 skill 的关系 / Relations to Other Skills
-
-- **抽象化思想**：变换也是一种抽象——在新结构中表示同一对象。
-- **对称与不变性**：变换下保持不变的性质就是对变换的对称性。
-- **优化思想**：变换到对偶空间有时使优化更容易。
-- **建模思想**：变换常是模型求解的关键步骤。
-- **算法思想**：FFT 将 DFT 的 O(N²) 降为 O(N log N)，是变换思想在计算效率上的体现。
-- **信息论思想**：编码即变换——信源编码变换为高效表示，信道编码变换为抗干扰表示。
-- **现代数学激活**：`../../references/books/matrix-analysis.md`（谱/低秩变换）、`algebraic-geometry-rising-sea.md`（Plücker 坐标压缩 KV、热带门控）、`optimization-ml.md`（对偶变换）。

package/skills/transformation/original-texts.md

@@ -1,216 +0,0 @@
-# 数学出处与经典文献 / Mathematical Sources and Classic Texts
-
-## 傅里叶变换 / Fourier Transform (1822)
-
-> "任何周期函数都可以表示为正弦函数和余弦函数的无穷级数。"
-> "Any periodic function can be expressed as an infinite series of sine and cosine functions."
-
-傅里叶级数：f(x) = a₀/2 + Σ[aₙcos(nx) + bₙsin(nx)]
-
-傅里叶变换：F(ω) = ∫f(t)e^(-iωt)dt
-
-**核心思想**：时域中的复杂信号在频域中可能很简单。变换的力量在于改变了问题的表示方式。
-
-**变换的魔术效果**：
-- 时域中的卷积 = 频域中的乘法
-- 时域中的微分 = 频域中的乘法（乘以 iω）
-- 这使得微分方程可以转化为代数方程
-
-**出处**：Joseph Fourier, *Théorie analytique de la chaleur* (1822) — 最初为热传导问题而发展，其影响远远超出了热力学。
-
-## 快速傅里叶变换 / FFT — Cooley-Tukey Algorithm (1965)
-
-> O(n log n) vs O(n²)：从此，傅里叶变换从理论工具变为工程现实。
-> O(n log n) vs O(n²): Fourier transform went from theoretical tool to engineering reality.
-
-**核心思想**：利用分治策略将离散傅里叶变换(DFT)的复杂度从 O(n²) 降低到 O(n log n)。对于 n = 10⁶ 的数据，加速约 10⁶/log(10⁶) ≈ 50000 倍。
-
-**历史背景**：Cooley & Tukey (1965) 的论文使 FFT 广为人知，但相同思想可追溯至 Gauss (1805)。被广泛认为是 **20世纪最重要的数值算法** / the most important numerical algorithm of the 20th century。
-
-**应用**：信号处理、图像压缩(JPEG)、频谱分析、大整数乘法、偏微分方程数值解。
-
-## 拉普拉斯变换 / Laplace Transform (1780s)
-
-> L{f(t)} = ∫₀^∞ f(t)e^(-st)dt
-
-**核心思想**：将微分方程转化为代数方程，求解后再逆变换回来。与傅里叶变换相比，拉普拉斯变换能处理不收敛的函数（通过引入收敛因子 e^(-st)）。
-
-**出处**：Laplace 在 1780s 发展此变换用于概率论，后由 Heaviside 系统应用于电路分析。
-
-## 小波变换 / Wavelet Transform — Morlet (1980s), Daubechies (1988)
-
-> 傅里叶变换告诉你"有什么频率"，小波变换还告诉你"什么时候有"。
-> Fourier tells you "what frequencies exist"; wavelets also tell you "when they exist."
-
-**核心思想**：傅里叶变换只有频率分辨率没有时间分辨率；小波变换通过可缩放、可平移的基函数实现 **时频局部化** / time-frequency localization。
-
-**历史**：Morlet (1982) 在地震信号分析中提出连续小波变换；Daubechies (1988) 构造了紧支撑正交小波基，使离散小波变换成为现实。
-
-**数学意义**：小波基不是单一的三角函数族，而是由一个母小波 ψ 通过缩放和平移生成：ψ_{a,b}(t) = |a|^(-1/2) ψ((t-b)/a)。多分辨率分析(MRA)提供了统一的数学框架。
-
-## 勒让德变换 / Legendre Transform
-
-> 凸分析中的对偶变换：将一个凸函数的描述从"值"转为"斜率"。
-> The duality transform in convex analysis: describes a convex function by its slopes instead of its values.
-
-f*(p) = sup_x [px - f(x)]
-
-**核心思想**：对于凸函数，"函数值"和"导数（斜率）"携带相同信息——它们是对偶描述。这是数学中 **对偶性** / duality 的核心实例。
-
-**物理中的双重角色**：
-- **热力学**：熵 S ↔ 自由能 F（通过温度 T 对偶）；内能 ↔ 吉布斯能
-- **力学**：拉格朗日量 L(v,q) ↔ 哈密顿量 H(p,q)（通过 v ↔ p 对偶）
-- **优化**：原问题 ↔ 对偶问题（拉格朗日对偶）
-
-**出处**：Legendre (1787) 在最小曲面问题中引入；此后成为凸分析和变分学的基石。
-
-## 生成函数 / Generating Functions — Euler (1748), Laplace
-
-> 将序列编码为幂级数的系数，卷积运算变成乘法运算。
-> Encode a sequence as coefficients of a power series; convolution becomes multiplication.
-
-G(x) = Σ aₙxⁿ
-
-**核心思想**：一个无穷序列 {a₀, a₁, a₂, ...} 被压缩为一个函数 G(x)。序列的递推关系变成函数的微分方程；两个序列的卷积变成两个函数的乘积。
-
-**经典应用**：
-- **组合计数**：Euler 用生成函数解决分割数问题； partitions of integers
-- **概率论**：矩生成函数 M(t) = E[e^(tX)]，特征函数 φ(t) = E[e^(itX)]
-- **数论**：Riemann ζ 函数本质上是素数分布的生成函数
-- **递推求解**：斐波那契递推 → 生成函数 → 闭式解
-
-**出处**：Euler, *Introductio in analysin infinitorum* (1748)；Laplace 在概率论中系统使用。
-
-## 保角映射 / Conformal Mapping — Riemann Mapping Theorem (1851)
-
-> 任何单连通区域都可以保角映射到单位圆盘。
-> Any simply connected domain can be conformally mapped onto the unit disk.
-
-**核心思想**：保角映射保持角度和局部形状，但可以扭曲大小和全局形状。在复解析函数 f(z) 下，无穷小圆仍为圆，只是缩放和旋转。
-
-**数学基础**：Riemann 映射定理 (1851) — 复分析中最深刻的结果之一，保证了映射的存在性。
-
-**应用**：
-- **2D 边值问题**：将复杂边界区域映射为简单区域（圆/半平面），在那里求解后映射回来
-- **流体力学**：势流问题的经典解法
-- **空气动力学**：翼型设计（Joukowski 变换 z → z + 1/z）
-- **静电学**：复杂几何下的电势计算
-
-## Z变换 / Z-Transform — Discrete Counterpart of Laplace
-
-> X(z) = Σ x[n]z^(-n) — 采样世界中的拉普拉斯变换。
-> X(z) = Σ x[n]z^(-n) — the Laplace transform for the sampled world.
-
-**核心思想**：拉普拉斯变换处理连续时间信号 s = σ + iω；Z变换处理离散时间信号 z = re^(iω)。令 z = e^(sT) 即可联系两者。
-
-**数字信号处理中的核心地位**：
-- 系统稳定性判断：单位圆 |z| = 1 对应频率轴，极点在圆内 = 稳定
-- 数字滤波器设计：FIR / IIR 滤波器的传递函数直接用 Z 变换表示
-- 差分方程 → 代数方程（与拉普拉斯变换将微分方程 → 代数方程完全类比）
-
-**历史**：1947年由 Hurewicz 等人在采样数据控制系统中引入；名称 "Z-transform" 由 Ragazzini & Zadeh (1952) 给出。
-
-## Plancherel 定理 / Parseval 定理 — Transforms Preserve Information
-
-> ∫|f(t)|²dt = ∫|F(ω)|²dω — 能量在时域和频域中守恒。
-> Energy is conserved between time domain and frequency domain.
-
-**核心思想**：好的变换不丢失信息——变换前后，总能量（L² 范数的平方）完全相等。这意味着变换是 **等距映射** / isometry。
-
-**Parseval 定理** (1799)：傅里叶级数形式 — Σ|aₙ|² + Σ|bₙ|² = (1/π)∫|f(x)|²dx
-
-**Plancherel 定理** (1910)：傅里叶变换形式 — ∫|f|² = ∫|F|²，给出变换在 L² 空间上的酉性 / unitarity。
-
-**哲学含义**：可逆变换保证信息守恒——我们可以自由切换视角而不丢失任何东西。这是变换思想中 "可逆性" 的数学基础。
-
-## Mellin 变换 / Mellin Transform — Scaling Analysis
-
-> M{f}(s) = ∫₀^∞ f(t)t^(s-1)dt — 尺度变换下的傅里叶变换。
-> The Fourier transform under scaling changes.
-
-**核心思想**：令 t = e^(-x)，Mellin 变换就变成傅里叶变换。它天然地与 **缩放** / scaling 运算对偶——函数 f(at) 在 Mellin 空间中仅乘以 a^(-s)。
-
-**核心应用**：
-- **解析数论**：Riemann ζ 函数的 Mellin 变换表示是素数计数函数的桥梁
-- **渐近分析**：Mellin 变换方法可提取函数的渐近展开（主项+修正项）
-- **分形与自相似性**：自相似函数在 Mellin 空间中有特别简单的表示
-
-**出处**：Hjalmar Mellin (1904) 系统发展；更早可追溯至 Euler 对 ζ 函数的研究。
-
-## Radon 变换 / Radon Transform (1917) — Mathematical Basis of CT Scanning
-
-> 将函数沿直线积分，得到其"投影"；逆变换从投影重建原函数。
-> Integrate a function along lines to get "projections"; inverse transform reconstructs the original from projections.
-
-R{f}(θ, s) = ∫ f(x·nθ + tnθ⊥)dt （沿方向 θ 的线积分）
-
-**核心思想**：一个物体的所有方向的投影包含了足够的信息来完全重建该物体。这是 **层析成像** / tomography 的数学基础。
-
-**历史与应用**：
-- **Radon** (1917)：纯数学论文，证明了逆变换的存在性和唯一性
-- **Cormack** (1963-64)：独立重新发现，应用于医学成像
-- **Hounsfield** (1971)：发明 CT 扫描仪，两人共获 1979 年诺贝尔医学奖
-- **地震学**：反射地震数据的速度重建
-
-## 坐标变换 / Coordinate Transformation
-
-**极坐标**：(x, y) → (r, θ)，适用于旋转对称问题
-**球坐标**：(x, y, z) → (r, θ, φ)，适用于球对称问题
-**傅里叶空间**：时间信号 → 频率表示
-
-**核心思想**：选择合适的坐标系，可以让复杂的问题变得简单。
-
-## 对角化 / Diagonalization (线性代数)
-
-> 对于一个可对角化的矩阵 A，存在可逆矩阵 P 使得 P⁻¹AP = D（对角矩阵）。
-
-**核心思想**：在特征向量基下，线性变换变得最简单——每个坐标方向独立缩放。
-
-## Jordan 标准形 / Jordan Normal Form — Non-Diagonalizable Matrices
-
-> 不可对角化的矩阵怎么办？Jordan 标准形是最接近对角化的形式。
-> What if a matrix cannot be diagonalized? Jordan form is the closest thing to diagonal.
-
-A = PJP⁻¹, J = diag(J₁, J₂, ...), Jₖ = λₖI + Nₖ（λₖ 为特征值，Nₖ 为幂零矩阵）
-
-**核心思想**：当矩阵没有足够的独立特征向量（几何重数 < 代数重数）时，Jordan 块引入了"近似特征向量"——广义特征向量链。幂零部分 Nₖ 使得迭代 Aⁿ 的行为可以被精确计算。
-
-**出处**：Camille Jordan (1870), *Traité des substitutions et des équations algéraiques*。
-
-**应用**：线性 ODE 系统的解（特别是有重根的情况）、矩阵指数 e^(At) 的计算、线性递推的显式解。
-
-## 特征值理论与谱理论 / Eigenvalue Theory & Spectral Theory — Mathematical Heart of Transformation
-
-> 特征值是变换的"DNA"——它们决定了变换的本质行为。
-> Eigenvalues are the "DNA" of a transformation — they determine its essential behavior.
-
-Av = λv
-
-**谱定理** (Hilbert, 1909-1912)：自伴算子有实谱，且可以被谱分解——连续维度的"对角化"。
-
-**核心思想**：
-- **有限维**：矩阵的特征值决定稳定性（|λ|<1 收敛）、振荡性（λ 虚部）、增长率（λ 实部）
-- **无限维**：谱理论将特征值推广到 Hilbert 空间上的自伴算子，量子力学中可观测量 = 自伴算子，其谱 = 可能的测量值
-- **稳定性分析**：所有动力系统的稳定性归结为谱的位置
-
-**关键定理**：
-- **Gershgorin 圆定理** (1931)：特征值的几何定位
-- **Courant-Fischer 极小-极大定理**：特征值的变分刻画
-- **Weyl 不等式**：矩阵扰动下谱的连续性
-
-## 变换的哲学含义
-
-> "换一个角度看问题，问题可能就解决了。"
-
-变换思想的深层含义：
-- **表示的相对性**：同一个对象在不同表示下有不同面貌
-- **变换的不变性**：有些东西在变换下保持不变（这就是对称性）
-- **表示的选择**：好的表示让问题简单，坏的表示让问题复杂
-- **可逆性**：理想情况下，变换不丢失信息——我们可以自由切换视角（Plancherel 定理的保证）
-
-## 日常生活中的"变换"
-
-- **时间视角变换**：当前的困难，放在 10 年的尺度上看可能微不足道
-- **角色视角变换**：站在对方的角度看问题（本质是坐标变换）
-- **尺度变换**：宏观和微观视角可能揭示不同的规律（Mellin 变换的直觉）
-- **领域变换**：一个问题在一个领域无解，换到另一个领域可能有现成方案（傅里叶：微分→代数；Legendre：力学→力学对偶）