迈克尔阿蒂亚-辛格证明的指标定理居然也是错误的

ygvfe

椭圆算子 D的解析指标在微小的扰动下不变，因此产生了一个自然的问题，称为指标问题：可否以流形 X及向量丛 E,F 的拓扑不变量表示解析指标？阿蒂亚-辛格指标定理给出的解答是：D的解析指标等于拓扑指标，解析指标通常难以计算，而拓扑指标尽管定义复杂，却往往有直截了当的几何意义。借由选取适当的椭圆算子 D:E→F，指标定理可以给出丰富的几何信息。

-------------------------------------------------------------------------------------

---

“定理有特殊情况，设G为李群，如果满足以下条件，....同构（A）和（B）归纳出....。”

一个定理是陈述一个给定类的所有元素一种不变的关系，适用于无穷大的类，在任何适合无区别的成立。

迈克尔阿蒂亚-辛格指标定理还是定理吗？并且他们还用“归纳法”证明。太可笑了。

为什么不能用归纳法证明？

因为设立命题时使用少量样本归纳出来的，再用少量样本证明，就不可靠了。少量样本归纳证明只是增加了命题的可信度，不能证明整个理论的正确，这就是归纳证实的局限性。

因为归纳法没有充足理由仅仅依靠少量样本概括由无穷多个元素组成全称判断命题的属性。

举例哥德巴赫猜想：

原始信息（6=3+3，8=3+5，..。就是逐一归纳有限的样本，具有某种性质（两个素数之和），于是归纳推出“哥德巴赫猜想”推导出数量有无穷多个的样本也具有某种性质）。

在归纳基础上产生的猜想，通过演绎证明是不对等的。

归纳是在一个有穷大的样本中逐一列举, 只要样本空间没有被穷尽, 使用的都是简单枚举归纳推理。

对于无穷大的样本, 我们根本不可能穷尽该样本空间, （例如哥德巴赫猜想中的偶数就有无穷多个）因此只能使用简单枚举归纳推理，简单枚举归纳推理是一种扩大前提的推理, 它的结论是不可靠的。

使用归纳推理提出假说, 其假说是非常脆弱的, 因为对它的证实是不可能的, 除非你穷尽样本空间, 而一旦如此, 你使用的已经不是归纳推理了。

它的脆弱性还表现在, 只要一个反例, 就可以容易地推翻这个假说。

归纳推理是基于有限观察的，从有限样本推出一般结论的推理, 它的前提是关于个别事物具有某种性质的论断, 结论却试图得出全体事物皆具有此性质的论断，中间有一个巨大的逻辑空挡。

无穷多个样本的数学定理必须是全称判断，数学家必须完成一个：由归纳出来的有限个事实样本去证实无穷多个元素的--不可能完全证实的命题进行演绎方法证明，并且结论是全称肯定判断的正确三段论只能是第一格的AAA式。这是绝大多数数学命题证明无法做到的。

上面说“定理2，设X具有G结构，，设G在Aut v，，，并且假设D:，，.。

设A=,，，,设*为A的...设a:  -A......”

一个定理中的假设必须是被证明的。可以说迈克尔阿蒂亚狗屁不通。