رفتن به نوشته‌ها

دسته: آموزشی

انتگرال لبگ

در شاخه‌ی آنالیز حقیقی، انتگرال ریمانی مفهومی است که در آن به شکلی ارتباط بین یک تابع و مساحت زیر آن را در یک بازه مشخص می‌کند. انتگرال ریمانی کاربردهای فراوانی در علم دارد و البته دچار کاستی‌هایی نیز هست. به منظور رفع کاستی‌های انتگرال ریمانی، ریاضی‌دانان در پی ابداع کردن نظریات انتگرال دیگری برآمدند. یکی از این‌ نظریات، نظریه اندازه‌ و انتگرال لبگ است.

انتگرال ریمانی:

در فضای اعداد حقیقی بازه‌ای چون (a,b) را درنظر بگیرید. انتگرال ریمانی تابع f(x) برروی این بازه، معادل مساحت زیر نمودار تابع است.

مقدار این انتگرال برابر است با:

$ S= \int_{a}^{b}f(x) dx $

ریمان برای محاسبه‌ی مساحت زیر نمودار و معرفی انتگرال ریمانی، از ایده‌ی قسمت‌بندی کردن بازه‌ای که انتگرال بر روی آن محاسبه می‌شود، استفاده کرد.به بیان ریمان اگر بازه‌ها را به قسمت‌های مساوی تقسیم کنیم به‌گونه‌ای که :$ a=x_{0} <x_{1} <… < x_{n} = b $ باشد و $ \Delta x_{i} = x_{i} – x_{i-1}$ . سپس با استفاده از دو مفهوم سوپریمم و اینفیمم (کوچکترین کران بالا و بزرگترین کران پایین) مجموع‌های زیر را تعریف کرد.

$\sum_{i=1}^{n}M_{i} \Delta x_{i} = \sum_{i=1}^{n} \sup f(x) \Delta x_{i} $

$$ \sum_{i=1}^{n}m_{i} \Delta x_{i} = \sum_{i=1}^{n} \inf f(x) \Delta x_{i} $$

یک تابع انتگرال‌پذیر ریمانی است، هرگاه:

$$ \lim_{n\to\infty}\sum_{i=1}^{n} M_{i} \Delta x_{i} = \lim_{n\to\infty}\sum_{i=1}^{n} m_{i} \Delta x_{i} $$

هرگاه دو حد بالا موجود و برابر باشند، تابع انتگرال‌پذیر ریمانی است. انتگرال ریمان در شاخه‌های علم محاسبات را تسهیل کرده است، اما با نارسایی‌هایی مواجه است که در ادامه به آن می‌پردازیم.

۱. انتگرال ریمان، یک انتگرال وابسته به وجود حد است.

به این معنی که برای وجود پاسخ انتگرال ریمانی باید دو حد $$ \lim_{n\to\infty}\sum_{i=1}^{n} \sup f(x) \Delta x_{i} $$ و $$ \lim_{n\to\infty}\sum_{i=1}^{n} \inf f(x) \Delta x_{i} $$ موجود باشد. در غیر این صورت، تابع انتگرال‌پذیر نیست.

۲. انتگرال ریمانی به پیوستگی تابع وابسته است.

توابعی که دچار ناپیوستگی‌های اساسی باشند، انتگرال‌پذیر نیستند. (توابع تکه‌ای پیوسته انتگرال‌پذیرند.)

۳.انتگرال ریمانی از R به R تعریف شده است.

یعنی اگر دامنه انتگرال به جای R ، $R^{2}$ باشد انتگرال ریمانی تعریف نشده است.

انتگرال لبگ و نظریه‌ی اندازه‌ها، کاستی‌های انتگرال لبگ را رفع کرده است و کلاس خاصی از فضای هیلبرت را نیز ساخته است.

اندازه چیست؟

نظریه انتگرال لبگ نیازمند روشی ساختاریافته است که در آن بتواند مفهوم اندازه را معرفی کند. به بیان ساده اندازه تعمیمی از طول، مساحت، و حجم است. بازه‌ی [a,b] را درنظر بگیرید. طول این باز معادل b-a است. حالا دو بازه‌ی کاملا مستقل [a,b] و [c,d] را درنظر بگیرید. به نظر می‌رسد که طول مجموع این دو بازه (b-a)+(d-c) است. اگر بازه‌ها زیرمجموعه‌ی اعداد گنگ باشد چه می‌شود؟ آیا می‌توان به سادگی مفهوم طول را معرفی کرد؟ به نظر می‌رسد این‌جا نیازمند تعاریف دقیق‌تر ریاضی هستیم.

سیگما -جبر

مجموعه‌ای به نام X را درنظر بگیرید. $ \Sigma $ یک مجموعه از زیرمجموعه‌های X است. آن را سیگما-جبر می‌گوییم، هرگاه ویژگی‌های زیر را داشته باشد.

  • X و تهی عضو سیگما باشند.
  • اگر E عضو سیگما بود، متمم آن نیز عضو سیگما باشد.
  • اجتماع تعداد شمارایی از اعضای سیگما، مجددا عضو سیگما باشند.

حال با دانستن تعریف سیگما- جبر به سراغ مفهوم اندازه می‌رویم؛

تابع اندازه ، $\mu (X)$،برروی مجموعه‌ی X تعریف می‌شوند که X سیگما-جبر است. این تابع دارای خواص زیر است.

۱. اگر X مجموعه تهی یا تک‌عضوی باشد، اندازه آن صفر است. در غیر این صورت، اندازه آن همواره مثبت است.

۲.اندازه‌ی مجموع دو مجموعه‌ی بدون اشتراک برابر با مجموع اندازه‌های هرکدام از مجموعه‌هاست. یعنی:

$$ \mu(X_{1} + X_{2})= \mu (X_{1}) + \mu(X_{2})$$

هرگاه

$$ X_{1} \cap X_{2} = \phi$$

اندازه لبگ

مهم‌ترین قسمت انتگرال‌گیری لبگ، یافتن اندازه برروی مجموعه‌ای است که روی آن انتگرال اعمال می‌شود. اگر یک مجموعه شامل ناپیوستگی‌های بسیار باشد، باید راهی پیدا کنیم تا بتوانیم اندازه را بر روی این مجموعه‌ تعریف کنیم. حاصل کار اندازه‌ی لبگ است. با یک مثال ساده، انتگرال لبگ را تعریف می‌کنیم. بازه‌ی بسته‌ [a,b] به طول L را در نظر بگیرید. این بازه را می‌توانیم به دو بازه با اشتراک صفر تقسیم کنیم. مجموعه X شامل نقاطی که عضو [a,b] هستند و ‘X (متمم مجموعهX) شامل نقاطی از [a,b] است که در X وجود ندارد. تصویر زیر را نگاه کنید.

مجموعه X و متمم آن

می‌خواهیم اندازه لبگ را بر روی این دو مجموعه تعریف کنیم. بدین منظور، X را با بازه‌های بدون اشتراک$\Lambda_{i}$نشان می‌دهیم. در بیان نظریه مجموعه‌ها، داریم:

$$ \Lambda_{i} \subset [a,b]$$

$$\Lambda_{i} \cap \Lambda_{j} = \phi$$

$$X \subset (\Lambda_{1} + \Lambda_{2} +…)$$

اگر طول بازه $\Lambda_{k}$ را معادل $l_{k}$ بدانیم، از آنجا که طول بازه [a,b] برابر L است، نامساوی زیر صادق است.

$$ 0 \leqslant \Sigma_{k}l_{k} \leqslant L$$

کمترین مقدار $\Sigma_{k}l_{k}$ را اندازه بیرون می‌نامیم. به بیان دیگر :

$$ \mu_{out}(X) = inf (\Sigma_{k} l_{k} )$$

به همین ترتیب، مجموعه‌های $ \Lambda_{k}^{\prime} \subset [a,b]$ را معرفی می‌کنیم.

$$ X^{\prime} \subset (\Lambda_{1}^{\prime} +\Lambda_{2}^{\prime} +…) $$

$$ 0\leqslant \Sigma_{k} l_{k}^{\prime} \leqslant L$$

و اندازه داخل را به فرم $\mu_{in}(X)= L- \mu_{out}(X^{\prime}) = L- inf(\Sigma_{k} l{k}^{\prime})$ معرفی می‌کنیم. ضمنا

$$ 0 \leqslant \mu_{in}(X) \leqslant \mu_{out} (X) $$

زمانی $\mu_{in}(X) =\mu_{out}(X)$ شود، آنگاه $\mu_{in}(X)=\mu_{out}(X)=\mu(X)$ و $\mu(X)$ اندازه لبگ است.

انتگرال لبگ چیست؟

تابع f(x) را به‌گونه‌ای در نظر بگیرید که از بالا و پایین توسط بیشینه و کمینه خود محدود شده است.

$$ 0 \leqslant f_{min} \leqslant f(x) \leqslant f_{max}$$

تابع f(x) را به دنباله‌ی $ {f_{k}} $ تقسیم می‌کنیم به طوری که، $ f_{1}= f_{min}$ و $f_{n}=f_{max}$ باشد. با توجه به تناظر یک به یک بین x و f(x) مجموعه‌های $ X_{i}$ وجود دارند به گونه‌ای که:

$$ f_{k} \leqslant f(x) \leqslant f_{k+1} , x \in X_{k} , 1 \leqslant k \leqslant n-1 $$

برای هر مجموعه $ X_{k} $، اندازه‌ای درنظر می‌گیریم و اکنون می‌توانیم مجموع لبگ را تعریف کنیم.

$$ \Sigma_{k=1}^{n} f_{k} \mu(X_{k}) $$

اگر در $ n\to \infty$ این مجموع همگرا شود، آنگاه می‌توان انتگرال لبگ را تعریف کرد.

$$\int_{X} f d\mu \equiv lim_{max|f_{k}-f_{k-1}| \to 0} [\Sigma_{k=1}^{n} f_{k} \mu(X_{k})]$$

انتگرال لبگ

انتگرال ریمان و انتگرال لبگ

اکنون قصد دارم انتگرال ریمان را به روش انتگرال لبگ تعریف کنم تا بهتر متوجه شباهت‌ها و تفاوت‌های آنها شویم.

تابع f(x) که در بازه‌ی [a,b] تعریف شده را در نظر بگیرید. اگر $X=[a,b]$ را به بازه‌های بدون اشتراک $X_{i}$ تقسیم کنیم، مجموع ریمان به فرم زیر تعریف می‌شود.

$$ \Sigma_{k=1}^{n} f(\xi_{k})\mu(X_{k}) , \xi_{k} \in X_{k}$$

این مجموع به‌گونه‌ای تعریف شده است که هر گاه $ n\to\infty$ برای هر $X_{k}$ ، $\mu(X_{k}) . . . \to 0$ در صورت وجود حد $\lim_{n \to \infty} \Sigma_{k=1}^{n} f(\xi_{k}) \mu(X_{k})$ این مجموع، انتگرال ریمان تابع f(x) بر X است.

اگرچه تعریف مجموع لبگ با مجموع ریمان که در بالا تعریف کردیم، شباهت‌هایی دارد،اما تفاوت‌های اساسی در این دو مجموع مشهود است. در مجموع ریمان، f(x) را در هر نقطه‌ی دلخواه $\xi_{i} \in X_{i}$ درنظر می‌گیریم. اما در مجموع لبگ مقدار f(x) را در هر زیرمجموعه $X_{k}$ درنظر می‌گیریم. به این‌ترتیب برای وجود انتگرال لبگ نیازی به شرط هموار بودن موضعی تابع نداریم. به دو شکل زیر نگاه کنید تا آنچه که اینجا بیان شده است، بهتر مشخص شود.

مجموع ریمان در هر نقطه از تابع تعریف می‌شود.
مجموع لبگ در هر بازه تعریف می‌شود.

ویژگی‌های انتگرال لبگ

۱. انتگرال لبگ یک تابع صفر است، هرگاه اندازه‌ی مجموعه‌ی آن صفر باشد.

۲. انتگرال لبگ یک تابع متناهی است، لذا زیرمجموعه‌ی $X^{\prime}=\{x| f(x)= \pm\infty\}$ وجود دارد به‌طوری که$\mu(X^{\prime})=0$ به بیان دیگر، زمانی که f(x) همگراست، الزاما اندازه مجموعه‌هایی که در آن f(x) واگراست، صفر است.

۳.$\int_{X} f(x) d\mu$ متناهی است و $X^{\prime} \subset X$. اگر $ \mu(X^{\prime}) \to 0$، آنگاه $ \int_{X^{\prime}} f d\mu \to \infty $.

۴. زمانی که f(x) برروی X مقادیر مثبت و منفی را اختیار کند، انتگرال لبگ به صورت زیر تعریف می‌شود.

$$ \int_{X} f d\mu = \int_{X} f^{+} d\mu + \int_{X} f^{-} d\mu$$

$$\int_{X} |f| d\mu = \int_{X} f^{+} d\mu – \int_{X} f^{-} d\mu$$

برابری تقریبا همه‌جا

در قسمت‌های قبل مشاهده کردیم زمانی که اندازه‌ی مجموعه‌ای صفر باشد، آنگاه آن مجموعه دخالتی در انتگرال لبگ ندارد. همین ویژگی منجر به مفهوم «برابری تقریبا همه‌جا» برای توابع اندازه‌پذیر شد. این ویژگی نقش بسیار مهمی در توسعه آنالیز تابعی دارد.

می‌گوییم دو تابع f(x) و g(x) که برروی مجموعه X تعریف شده‌اند، تقریبا همه‌جا با هم برابرند، هرگاه:

$$\mu \{x \in X : f(x) \neq g(x)\}=0$$

فضای $L^{p}$

فضای $L^{p}$، فضایی است که توسط توابع مختلط f(x) ساخته می‌شود. در این فضا $|f|^{p}$ انتگرال‌پذیرلبگ است. اگر p=2 باشد، $L^{2}$ عضوی از فضاهای هیلبرت است. زمانی که $p \neq 2 $ باشد، فضای $L^{p}$ خاصیت ضرب داخلی خود را از دست می‌دهد، اما $L^{p}$ همچنان فضای کامل است.

منابعی برای یادگیری نظریه اندازه و انتگرال لبگ:

در دانشکده‌های علوم ریاضی برای یادگیری این مباحث، عمدتا کتاب‌های قدیمی و معروف آنالیز حقیقی معرفی می‌شوند. از آنجا که من فکر می‌کنم با تغییر نسل‌ها، منابع آموزشی نیز باید تغییر کنند کتاب‌هایی را معرفی می‌کنم که اولا در دهه‌ی اخیر تالیف شده‌اند. ثانیا، ادبیات و نحوه‌ی روایت آن با ذهن کسانی که کمتر با ریاضیات مجرد آشنایی دارند، قرابت بیشتری دارد.

Functional anlysis for physics and engineering, Shima Hiroyuki 2016

A short course on the Lebesgue integral and measure theory, Steve Cheng

Elementary introduction to the lebesgue integral. Steve G.Krantz 2018

#شرح_پیچیدگی

در توییتر متخصصان حوزه پیچیدگی با هشتگ #ComplexityExplained در مورد مفهوم پیچیدگی توییت کردند و ماحصل توییت‌ها تبدیل به دفترچه‌ای شد در #شرح_پیچیدگی. دفترچه‌ای برای توضیح مفهوم پیچیدگی بر اساس آرا صاحب‌نظران این حوزه!

شما می‌توانید سایت اصلی این پروژه را با رفتن به این نشانی ببینید:
complexityexplained.github.io

این اثر با مجوز زیر منتشر شده است:
CC BY-NC-ND 4.0

این شما و این نسخه فارسی این دفترچه :

ComplexityExplainedFarsi

«مقدمه‌ای بر بازبهنجارش» هفته پنجم: بازبهنجارش در فیزیک انرژی‌های بالا، نظریه گروه‌ها و نظریه نرخ-اعوجاج

دوره «مقدمه‌ای بر بازبهنجارش»

قصد من ارائه یک معرفی مدرن از بازبهنجارش از افق سیستم‌های پیچیده‌ است. با نظریه اطلاعات و پردازش تصویر آغاز می‌کنم و به سراغ مفاهیم بنیادی چون پدیدارگی، درشت-دانه‌بندی و نظریه مؤثر در نظریه پیچیدگی خواهم رفت. آنچه برای این مجموعه نیاز دارید شهامت آشنایی با ایده‌های جدید و البته کمی نظریه احتمال، حسابان و جبر خطی است. برای تمرین‌های پیشنهادی هم خوب است که کمی پایتون و متمتیکا بدانید.

با تشکر از Simon Dedeo، موسسه سانتافه و بهار بلوک آذری.

ایده بازبهنجارش در مورد مطالعه نظریه‌ها است هنگامی که از مقیاسی به مقیاس دیگر می‌روند.

هفته پنجم: بازبهنجارش در فیزیک انرژی‌های بالا، نظریه گروه‌ها و نظریه نرخ-اعوجاج

در ابتدای این جلسه کمی در مورد بازبهنجارش در فیزیک انرژی‌های بالا صحبت خواهم کرد و سپس با معرفی کوتاهی از نظریه‌ گروه‌ها، سراغ قضیه Krohn–Rhodes می‌روم. در انتها به این پرسش می‌پردازم که آیا برتری بین روش‌های درشت-دانه‌بندی وجود دارد یا خیر. در قسمت انتهایی نظریه نرخ-اعوجاج (Rate–distortion theory) را مطرح می‌کنم.


ویدیوها

۱) بازبهنجارش در فیزیک انرژی‌های بالا

۲) نظریه گروه‌ها

۳) نظریه نرخ-اعوجاج


برای مطالعه بیشتر


اسلایدها

بازبهنجارش-قسمت-آخر

«مقدمه‌ای بر بازبهنجارش» هفته چهارم: مدل آیزینگ

دوره «مقدمه‌ای بر بازبهنجارش»

قصد من ارائه یک معرفی مدرن از بازبهنجارش از افق سیستم‌های پیچیده‌ است. با نظریه اطلاعات و پردازش تصویر آغاز می‌کنم و به سراغ مفاهیم بنیادی چون پدیدارگی، درشت-دانه‌بندی و نظریه مؤثر در نظریه پیچیدگی خواهم رفت. آنچه برای این مجموعه نیاز دارید شهامت آشنایی با ایده‌های جدید و البته کمی نظریه احتمال، حسابان و جبر خطی است. برای تمرین‌های پیشنهادی هم خوب است که کمی پایتون و متمتیکا بدانید.

با تشکر از Simon Dedeo، موسسه سانتافه و بهار بلوک آذری.

ایده بازبهنجارش در مورد مطالعه نظریه‌ها است هنگامی که از مقیاسی به مقیاس دیگر می‌روند.

هفته چهارم: مدل آیزینگ

مدل آیزینگ، به عنوان معرف‌ترین مدل در فیزیک آماری، یک مدل ساده برای توصیف گذار فاز در مواد مغناطیسی است. این مدل از متغیرهای گسسته (اسپین) به روی یک گراف مشبکه (Lattice) تشکیل شده است. در این قسمت از مجموعه مقدمه‌ای بر بازبهنجارش، نخست مدل آیزینگ را معرفی می‌کنم و سپس به سراغ درشت‌-دانه‌بندی شبکه‌ اسپینی می‌روم. چالش‌های پیش‌رو را مطرح می‌کنم و سرانجام به پدیدارگی جملات مرتبه‌-بالاتر و نقاط ثابت جریان بازبهنجارش می‌پردازم.


ویدیوها

۱) مرور جلسات گذشته و معرفی مدل آیزینگ

۲) درشت-دانه بندی شبکه اسپینی

۳) یافتن نقاط ثابت


برای مطالعه بیشتر

برای بیشتر عمیق شدن

شبیه‌سازی مدل آیزینگ


اسلایدها

بازبهنجارش-آیزینگ1

«مقدمه‌ای بر بازبهنجارش» هفته اول

دوره «مقدمه‌ای بر بازبهنجارش»

قصد من ارائه یک معرفی مدرن از بازبهنجارش از افق سیستم‌های پیچیده‌ است. با نظریه اطلاعات و پردازش تصویر آغاز می‌کنم و به سراغ مفاهیم بنیادی چون پدیدارگی، درشت-دانه‌بندی و نظریه مؤثر در نظریه پیچیدگی خواهم رفت. آنچه برای این مجموعه نیاز دارید شهامت آشنایی با ایده‌های جدید و البته کمی نظریه احتمال، حسابان و جبر خطی است. برای تمرین‌های پیشنهادی هم خوب است که کمی پایتون و متمتیکا بدانید.

با تشکر از Simon Dedeo، موسسه سانتافه و بهار بلوک آذری.

هفته اول: مقدمه

یک تصویر جِی‌پِگ (JPEG) چه ربطی به اقتصاد یا گرانش کوانتومی دارد؟ برای پاسخ به این پرسش باید به این نکته توجه کنیم که هر سه این‌ها در مورد این هستند که چه می‌شود وقتی توصیف‌هایمان از دنیا را ساده‌سازی کنیم!؟ JPEG با دور ریختن ساختار ریز، یک تصویر را به نحوی فشرده می‌کند که با یک نگاه گذرا جزئیات دور ریخته شده قابل شناسایی نباشد. اقتصاددانان هم با چشم‌پوشی از جزئیات روان‌شناسی هر فرد، در مورد رفتار انسان‌ها نظریه‌پردازی می‌کنند. در این میان، یادآوری کنیم که حتی سطح‌بالاترین آزمایش‌های ما در فیزیک نمی‌توانند به ما بنیادی‌ترین عناصر سازنده ماده را نشان دهند و نظریه‌هایمان برای تطابق با آزمایش‌ها ناگزیر به این هستند که برخی از جزئیات در مقیاس‌های بسیار ریز را محو کنند.

ایده بازبهنجارش در مورد همین چیزها است؛
مطالعه نظریه‌ها هنگامی که از مقیاسی به مقیاس دیگر می‌روند.


ویدیوها

هفته اول

۱) اقتصاد و نظریه موثر

۲) دانه‌-درشت‌بندی یک تصویر

۳) آنتروپی شانون


برای مطالعه بیشتر


اسلایدها

بازبهنجارش-مقدمه1

کنکوری‌ها حواستان باشد جوگیر نشوید؛ در علم جایی برای جوگیرها نیست!

سه سال پیش، مطلبی نوشتم در مورد تجربه‌هایی که در دوران کارشناسی فیزیک پیدا کرده بودم. آن نوشته را به این امید نوشتم که ایده‌ای بدهد به تازه‌واردها یا کسانی که قصد دارند وارد رشته فیزیک شوند. امروز که کارشناسی ارشدم در فیزیک هم تمام شده، کماکان آن نوشته را نوشته خوبی می‌دانم و نظرم در مورد کلیت فیزیک خواندن همان است. با این وجود، به نظرم بد نیست که حاشیه‌ای بنویسم بر آن نوشته، بالاخره یکی دو پیراهن از آن زمان بیشتر پاره شده در این راه!

حاشیه‌ای بر نوشته «چهار سال فیزیک!»

فیزیک شبیه به ساقه طلایی است نه راحت‌الحلقوم!

راستش اگر کسی این‌ روزها از من بپرسد که «به نظر شما من فیزیک بخوانم یا نه؟» جوابم این است که به دنبال جواب ساده و کوتاهی یا حاضری کمی با هم گپ بزنیم!؟ اگر جواب کوتاه را انتخاب کند، می‌گویم که خیر قربان/سرکار و سریع راهم را کج می‌کنم و می‌روم! اما اگر بگوید گپ بزنیم، آن موقع تا آن‌جا که وقت باشد با هم صحبت خواهیم کرد! علت این کار هم این است که در فیزیک، جواب‌های ساده و سرراست یا میان‌برهای کنکوری نداریم! راستش هر چه گذشته به خاطر شامورتی‌بازی موسسات کنکور و دلقک‌بازی‌هایی که تحت عنوان آموزش فیزیک به بچه‌ها از طریق رسانه ملی(!) یا شرکت در کلاس‌های کنکور داده شده، بچه‌ها به دنبال این هستند که یک راه حل تستی برای هر مسئله فیزیک پیدا کنند. این وضع به قدری بد شده که یک‌بار در مواجهه با دوستی با این عبارت روبه‌رو شدم که «نه، تو بلد نیستی، حتما این مسئله یک راه سریع‌تر دارد، راهی که در ۳۰ ثانیه بشود به پاسخ رسید!». و این بلا نه تنها در مقطع کارشناسی بر سر دانشگاه نازل شده که امروز دانشجوی ارشد و دکتری‌ ما هم با همین دوپینگ‌ها وارد دانشگاه می‌شود.

فیزیک سخت است. باور کنید!

خلاصه بهتر است گربه را دم حجله بکشیم؛ اگر کسی از همین اول کار به دنبال راحت‌الحلقوم است، خب چه کاری است که وارد فیزیک شود! آن هم وقتی فیزیک شبیه به ساقه طلایی است و نه راحت‌الحلقوم! فیزیک سخت است. از همه نظر. چه از لحاظ حجم کار چه از لحاظ ملاحظات مالی و اجتماعی. راستش را بخواهید برای آن‌که فیزیک بخوانید عشق به تنهایی کافی نیست! اگر هم باشد برای آن‌که فیزیک را ادامه بدهید نیاز به چیزهای بیشتری دارید. چیزهایی مثل همت و انگیزه بالا که در شرایط سخت، بازی را نبازید و به راه خود با همان ایمان روزهای آغازین ادامه دهید. لطفا اگر حال و حوصله کلنجار رفتن با ریاضیات یا دیباگ‌ کردن کدهای شبیه‌سازی یک پدیده فیزیکی را ندارید، الکی به خودتان دلداری ندهید که درست می‌شود، برویم فیزیک بخوانیم! این کار مانند آن است که با یک معتاد ازدواج کنید به این امید که او ترک می‌کند و زندگی روبه‌راه می‌شود! اگر در آستانه ورود به دانشگاه هستید، احتمال زیاد هنوز ۲۰ سالتان نشده، برای همین حواستان باشد که فیزیکدان شدن، خانواده خوب و حمایتگر هم می‌خواهد؛ خانواده‌ای که چه از لحاظ مالی و چه از لحاظ روانی و عاطفی به شما در این مسیر کمک کند. در غیر این صورت، «افق تاریک، دنیا تنگ و نومیدی توانفرسا» خواهد بود.

پیشنهاد می‌کنم بر اساس مستندهای هیجان انگیز یا فعالیت‌های نجوم آماتوری انتخاب رشته نکنید!

من یک وبلاگ‌نویسم و به شدت طرفدار بیان کردن علم به زبان مردم! به شدت هم علاقمند به ایده روایتگری هستم. اما هدف از روایتگری علم چیزی است غیر از ملاکی برای انتخاب رشته. ساخت‌ مستندهای علمی خیلی خوب است. فعالیت‌های ترویجی خیلی مهم است. ولی همه این‌ چیزها ساخته نشده‌اند که ملاک انتخاب رشته باشند!

اگر می‌خواهید غواص شوید، راهش دیدن مستندات نشنال جئوگرافیک یا شنیدن سخنرانی یک غواص در TED نیست! باید دل به اعماق دریا بزنید. کار حرفه‌ای غیر از عشق و علاقه اولیه نیاز به کسب تجربه‌ در یک محیط حرفه‌ای به همراه خون دل و همت بالا دارد!

اگر از دیدن مستندات یا سخنرانی‌هایی در مورد مکانیک کوانتومی به وجد می‌آیید یا سریال بیگ‌بنگ تئوری، سریال مورد علاقه‌تان است هیچ دلیل نمی‌شود که بیاید و فیزیک بخوانید! من شخصا از شنیدن آواز همایون شجریان یا از بازی آل‌پاچینو لذت می‌برم ولی آیا این دلیل می‌شود که بروم خواننده یا بازیگر شوم؟! خیلی چیزها در زندگی، مانند آواز دهل است، فقط از دور خوش هستند! اکثر مردم دوست دارند جای رونالدو یا مسی باشند بدون آن‌که بتوانند یک روز از زندگی حرفه‌ای آن‌ها را تجربه کنند! خلاصه اگر عاشق آینشتین و هاوکینگ هستید یا فیلم میان‌ستاره‌ای را بیش از ده بار دیده‌اید دلیلی نمی‌شود که بیایید و فیزیک بخوانید دوست من! از طرف دیگر، فراموش نکنید که کتاب‌ها یا مستندهای عامه‌پسند به منظور جذب مردم به علم ساخته شده‌اند. این آثار بهانه‌ای هستند که مفاهیم علمی حداقل یک‌بار به گوش مردم کوچه و بازار رسیده باشد. برای همین تا جایی که شده مفاهیم ساده شده‌اند و از ابزارهای گرافیکی مختلفی برای ارائه شهود نسبی به بیننده استفاده کرده‌اند. چیزهای عامه‌پسند، فیزیک نیستند! فیزیک یک کار حرفه‌ای است و این‌ها تبلیغ‌هایی عوام‌پسند برای جذب مخاطب هستند. بماند که این روزها خیلی‌ها بیشتر برای گیشه می‌نویسند تا ترویج علم. چند وقت پیش دکتر رضا منصوری گفتند که «کتاب‌های هاوکینگ را نخوانید!» به نظرم حرفشان به جا بود، لااقل برای کسانی که می‌خواهند وارد فیزیک شوند یا در فیزیک هستند!

حکایت فعالیت‌های نجوم آماتوری هم تقریبا همین است. در بسیاری از دانشگاه‌های دنیا دانشکده‌‌ای به اسم «دانشکده فیزیک و نجوم» وجود دارد. به بیانی می‌شود گفت که نجوم هم فیزیک است هم نیست! توجه کنید که شکی در عظمت نجوم و بده بستان‌های بین نجوم و علم مدرن – به خصوص فیزیک – وجود ندارد، اما غرض من چیز دیگری است. قدمت نجوم بسیار زیاد است و فعالیت‌هایی که در نجوم شکل می‌گیرند بسیار شبیه به چیزهایی است که در فیزیک انجام می‌شود، شاید به همین خاطر است که در دنیا، دانشکده‌هایی که منحصرا به اسم نجوم و مستقل از دانشکده فیزیک هستند تعدادشان انگشت‌شمار است. بخش بزرگی از فعالیت‌ها در نجوم، «نجوم آماتوری» است که اتفاقا فعالیت‌های مهمی هستند ولی خب، از یک‌جایی به بعد فاصله معناداری با فیزیک به عنوان یک رشته دانشگاهی پیدا می‌کنند. برای همین اگر به نجوم علاقه دارید، ممکن است انتخاب فیزیک به عنوان رشته‌‌ی تحصیلی برای شما چندان پرفایده نباشد. اگر قسمتی از درس مکانیک کلاسیک که به پایداری مدارها و سیستم‌های دینامیکی می‌پردازد را کنار بگذاریم، در اکثر دانشگاه‌های ایران، در دوره کارشناسی فیزیک شما یک خط هم نجوم نمی‌بینید!

وقتی شما در ایران زندگی می‌کنید، در ایران هم درس می‌خوانید!

نسبت به ۳ سال پیش که نوشته «چهار سال فیزیک!» را منتشر کردم، وضع کشور به مراتب از هر نظر بدتر شده. هنوز هم عزم ملی برای توسعه علم در ایران وجود ندارد! به فراخور اوضاع کشور، وضع دانشگاه‌ها هم بد شده. گرانی سبب شده تا دانشگاه‌ها به جای دانشجوی روزانه، دانشجوی شبانه و پردیس بگیرند، چرا که آن‌ها پول به دانشگاه می‌آورند. تابستان به دانشجوها خوابگاه نمی‌دهند چون دانشجو مصرف کننده آب و برق و غذای با یارانه است! تالارهای خود را به هر کس و ناکسی کرایه می‌دهند چون دانشگاه پول ندارد و این کارها پول به دانشگاه‌ می‌آورد. مشتری پر و پا قرص دانشگاه‌ها در این مورد هم، همان موسسات کنکوری هستند که اساتید دانشگاه از شنبه تا چهارشنبه در مذمتشان سخنرانی ایراد می‌کنند و پنج‌شنبه و جمعه دانشگاه‌ بهترین سالن‌ها و تالارهایش را به آن‌ها اجاره می‌دهد! این وسط حراست محترم هم کلا قوانینی که برای یک دانشجو یا استاد در نظر گرفته را برای آن فرد ثروتمندی که تالار را اجاره کرده در نظر نمی‌گیرد! بالاخره از قدیم گفته‌اند که با پول روی سبیل پادشاه هم می‌شود نقاره‌خانه ساخت، رفع گیرهای اخلاقی حراست که دیگر جای خود! همه این حرف‌ها را زدم که بگویم حتی در این شرایط بد اقتصادی، اکثر دانشگاه‌‌ها هیچ راه موثری برای کسب درآمد ندارند!

در ایران دانشگاه پولش را از راه ارتباط با صنعت به دست نمی‌آورد، دانشگاه‌ها این روزها به شکلی با تن‌فروشی کسب درآمد می‌کنند! این مقدمه را گفتم که بدانید در این اوضاع، کشور حتی به دانشکده‌های فنی-مهندسی هم نیاز ندارد چه برسد به دانشکده‌های علوم پایه! چند نوشته از بعضی عزیزان، چه دوست و چه اساتید محترم دانشگاه، خواندم که فیزیک مادر علوم مهندسی است یا اگر فیزیک توسعه نیابد، مهندسی و صنعت کشور هم دچار آسیب می‌شود! راستش را بخواهید، این حرف‌ها برایم کمی عجیب است. نمی‌فهمم چه‌طور یک فرد خردمند در دانشگاه‌های ایران می‌تواند فیگور یک فرد غربی را بگیرد! ما اگر دانشکده‌های فنی‌ را تعطیل کنیم، مگر چیزی از صنعتمان کم می‌شود که بگوییم فیزیک فلان اثر را بر وضع کشور دارد؟! دانشکده‌های علوم پایه – به‌طور متوسط – بسیار از صنعت و حتی دانشکده‌های مهندسی فاصله دارند و اینکه اگر چند دانشگاه مانند صنعتی شریف توانسته چند گام در این حوزه بردارد نمی‌توان این ارتباط را به کل دانشگاه‌هایمان تعمیم داد! ساده‌لوحانه‌ است که بگوییم این همه دانشکده فیزیک در ایران ربطی به صنعت کشور دارند!

از سوی دیگر، وقتش رسیده که بگوییم تعداد اساتیدی که در دانشکده‌های علوم پایه، روزانه مشغول به فعالیت در حوزه دلالی ارز، مسکن و خودرو یا کارهای مشابه هستند کم نیست! دانشجوی فیزیک انتظار دارد استادش دانشمند و پژوهشگر باشد نه کاسب بازاری چرک و ناپاک که وطنش را دچار تنش‌های اقتصادی می‌کند. البته منظورم این نیست که همه اساتید این گونه هستند یا این‌که عمده فعالیت‌های کاری خارج از دانشگاه اساتید دچار شبهه است! حرفم این است که در شرایطی که وضع کشور این گونه است حرف زدن از این‌که فیزیک مهم است چون صنعت به آن نیاز دارد برای یک دانشجوی تازه وارد فقط یک شعار است! شعاری که دانشجوی بیچاره تا آینده نزدیک هیچ چهره عملیاتی از آن نمی‌بیند. فراموش نکنیم که در این میان، آن فیزیک‌خوانده‌ای که کارش تدریس کنکور و المپیاد است بدش نمی‌آید که مردم به فیزیک خواندن علاقمند شوند و بازار علوم پایه هم داغ بماند. اما در سیتپور، مرام ما این است که برای فیزیک دکان باز نکنیم!

و اما در ستایش فیزیک، یا این‌که چرا با این همه مصیبت خوب است که فیزیک بخوانیم!

چون «فیزیک، فقط فیزیک نیست!» و «از فیزیک به همه جا راه است!». به نظرم برای کسانی که به دنبال فیزیک خواندن هستند این دو نوشته دلیل‌های خوبی به حساب می‌آیند. اگر کسی مرد راه باشد، فیزیک پر است از ماجراهای هیجان انگیز! هرچند که منزل بس خطرناک است و مقصد بس بعید

خلاصه که در انتخاب مسیر آینده با منطق تصمیم‌گیری کنید و نه احساسات. مراقب جوگیر شدن باشید، حتی ممکن است این نوشته هم شما را جوگیر کند! در علم باید تصمیم‌ها را بر اساس دلیل و برهان بگیریم.

اگه قرار است فیزیک بخوانید، همه شرایط را بررسی کنید! توانایی‌ها، عادات شخصی و علایقتان را با هم به میدان انتخاب بیاورید. حداقل کتاب‌های سال اول و دوم فیزیک را ورق بزنید ببینید اصلا می‌توانید با این چیزها کنار بیاید یا نه!

در انتها به نظرم بد نیست به این نکته اشاره کنم که دانشگاه فقط محل برگزاری یک سری کلاس نیست! شما می‌توانید کلاس‌های دانشگاه‌های مختلف دنیا را به کمک اینترنت ببینید یا در دوره‌های آنلاین شرکت کنید. اما همه چیز که کلاس درس نیست! دانشگاه خوب، جایی است که ایده‌های خوب شکل بگیرد، دانشگاه خوب جایی است که هم‌صحبت‌های خوب داشته باشید. یک دانشگاه خوب جایی است که از گفتگو با آدم‌هایش، استاد و دانشجو، لذت ببرید و در فضای حرفه‌ای ایجاد شده بتوانید رشد کنید. دانشگاه فقط در و تخته و یک مشت کارمند نیست. اگر بعد از این نوشته تصمیم گرفتید که فیزیک بخوانید، در دانشگاهی بخوانید که این ویژگی‌ها را داشته باشد. من در ایران چندتایی از این دانشگاه‌ها را سراغ دارم، پس نگران نباشید 😉

ترمودینامیک و مکانیک آماری رو جدی‌تر بگیرید!

قبل‌تر برای بچه‌های سال‌های اول، دوم و سوم لیسانس فیزیک، یک سری کتاب و کورس برای درس‌های مختلف معرفی کرده بودم. اما هیچ‌وقت در مورد ترمودینامیک و مکانیک آماری ننوشتم. راستش دلیل اصلیم هم این بود که هیچ کتابی رو پیدا نکردم که اکثر موضوعات رو به خوبی توضیح داده باشه و همین‌طور اون ایده‌های درخشان و جذاب ترمودینامیک رو هم به خوبی مطرح کرده باشه. از طرف دیگه، یه کتاب خوب از نظر من کتابیه که مسئله‌های چالش برانگیز و جدی هم داشته باشه. به همین خاطر همیشه از این‌که پیشنهادی در مورد ترمودینامیک یا مکانیک آماری داشته باشیم دوری کردم.

با این وجود، اکثر صاحب‌نظران معتقدند که ترمودینامیک و مکانیک آماری خیلی مهمه! خیلی! به قول ساسکیند تمام کله‌گنده‌های فیزیک، استادبزرگ فیزیک آماری بودند؛ از آینشتین گرفته تا فاینمن تا خود ساسکیند 🙂 ترمودینامیک پر از مفاهیم نابه که معمولا توی دوره لیسانس پشت حجم انبوه ابزارها مخفی میشه و دانشجوها اون درک لازم رو نمی‌تونند پیدا کنند. برای همین هم کاملا طبیعیه که بچه‌ها از این درس خوششون نیاد. تجربه شخصی خودم از روبه‌رو شدن با ترمودینامیک برای اولین مرتبه لااقل چیز خوبی نبود! بدون تعارف، دانشجوی فیزیک نیومده فقط یه مشت ابزار یادبگیره و سعی کنه مثل یک مهندس فکر کنه. شخصا متنفرم از این‌که درس ترمودینامیک در دانشکده فیزیک به همون شکلی ارائه بشه که در دانشکده شیمی یا مهندسی مواد ارائه میشه! چیزی که توی ترمودینامیک مهمه این نیست که یه ماشین گرمایی با فلان بازده طبق بهمان چرخه کار می‌کنه یا این‌که طی چه سازوکاری میشه فلان‌قدر گرما از این طرف اتاق به اون طرف اتاق منتقل کرد. یعنی این‌ها مهم هستند، ولی چیزهای بسیار مهم‌تری هم وجود داره. چیزهایی که ارزش ترمودینامیک رو به عنوان جامع‌ترین نظریه فیزیک مشخص می‌کنه. فراموش نکنید که ما برای یک پیستون گاز، یک غشا سلولی و یک سیاه‌چاله ترمودینامیک می‌نویسیم.

مفاهیمی مثل انتروپی و اطلاعات امروز معانی خیلی خیلی گسترده‌تری نسبت به قبل پیدا کردن. کلاس خوب ترمودینامیک کلاسی هست که شخص درک درستی از این مفاهیم پیدا کنه. معمولا توی کلاس‌های ترمودینامیک به سادگی از کنار پارادوکس‌های هیجان‌انگیز ترمودینامیک گذشته میشه، در صورتی که تمام بامزگی ماجرا همین پارادوکس‌ها و راه‌های برطرف کردنشونه.

🎶 فایل صوتی «آشوب، پیچیدگی و انتروپی» در کافه فیزیک دانشگاه شهیدبهشتی

با وجود همه چیزهایی که گفتم، به نظر من ترمودینامیک مهمه چون برای اولین بار دانشجوی فیزیک با یک «نظریه موثر» آشنا می‌شه و یاد میگیره که توی فیزیک میشه بدون این‌که جزئیات ریز سیستم رو دونست، در مورد مشاهده‌پذیرهای بزرگ‌مقیاس صحبت کرد. یادآوری کنم که توی ترمودینامیک یک گاز رو به عنوان یک سیستم در نظر می‌گیریم، به عنوان یک «کل» و با سه تا پارامتر دما، فشار و حجم در موردش صحبت می‌کنیم. به عبارت دیگه برامون مهم نیست که این گاز از چه اجزائی ساخته شده و این اجزا با همدیگه چه‌طور و با چه جزئیاتی برهمکنش می‌کنند. کل این سیستم بس‌ذره‌ای رو به کمک سه تا پارامتر که معمولا توسط یک قید مثل معادله حالت بهم وابسته شده‌ توصیف می‌کنیم، نظریه هم به خوبی کار می‌کنه والسلام! به‌همین خاطر اگه فرد این نوع نگاه رو به ترمودینامیک بفهمه اون موقع انتظار می‌ره که درک کنه که چرا یک اقتصاد خرد داریم و یک اقتصاد کلان و ربطشون بهم چیه!

بعدها به‌طور مفصل در مورد مفهوم نظریه موثر خواهم نوشت، انشالله!فعلا این ویدیو رو ببینید! با این مقدمه بد نیست که یک سری پیشنهاد برای یادگیری ترمودینامیک و مکانیک آماری داشته باشیم. خوشحال میشم که تجربه‌های شما رو هم بدونم.

به نظرم اگر با مفاهیم پایه آشنایی دارید در حد چیزی که توی کتاب‌های فیزیک پایه در مورد ترمودینامیک نوشته شده اون موقع احتمالا روند زیر می‌تونه به درکتون از ترمودینامیک و مکانیک آماری کمک کنه. توی ویکی‌پدیا هم لیستی از کتاب‌های ترمودینامیک و مکانیک آماری وجود داره.