1701001640
（－1）×2=－2
1701001641
1701001642
（－1）×1=－1
1701001643
1701001644
（－1）×0=0
1701001645
1701001646
（－1）×（－1） =？
1701001647
1701001648
看一下这些等式右边的数字，它们有什么规律呢？很显然，这些数字是逐渐增加的：－3，－2，－1，0……每个算式的得数比上一个算式的得数增加1。所以，从逻辑上来说，(－1）×（－1）的得数必须是1，对吗？
1701001649
1701001650
这是（－1）×（－1）=1的解释方法之一。这种解释方法的优点是，它保留了正常数学运算的规律：适用于正数的规律也应该适用于负数。
1701001651
1701001652
如果你是一位冥顽不化的实用主义者，你可能会问：现实生活中真的是“负负得正”吗？这种规则在现实生活中，真的有对应的现实意义吗？我不得不承认，很多时候“负负得正”的规则似乎并不适用。传统智慧总是教育我们要亡羊补牢、迷途知返，因为“两个错误的行为并不能互相抵消为一个正确的行为”，错上加错的行为只会使结果越错越厉害。在语言上，也有很多“负负不得正”的例子，有时候两次否定仍然表示否定的意思，比如：在英语中，“I can’t get no satisfaction”表示的意思是“我不满意”。（写到这里，我不得不感叹语言是一种多么玄妙的东西，牛津大学的杰出语言哲学家J·L·奥斯汀曾经做过一次语言学的讲座。讲座中，奥斯汀指出：在很多语言里，双重否定表示肯定，但没有任何语言里的双重肯定会表示否定的意思。对此，听众席中的哥伦比亚大学哲学家西德尼·摩根贝沙在台下讽刺地回应道：“说得对，说得对！”）
1701001653
1701001654
但是，在现实生活中，仍然有很多“负负得正”的例子存在着。一个神经元细胞发出的指令可以被另一个神经元细胞发出的指令所抑制。如果第三个神经元细胞发出的指令又抑制了第二个神经元细胞，那么第一个神经元细胞就可以再次发出指令。在这个例子中，第三个神经元细胞发出的指令虽为抑制指令，但对第一个神经元细胞来说，其效果实际上是“兴奋”或者“解除抑制”，这就是双重抑制等于兴奋的一个“负负得正”的例子。在基因和蛋白质的互动过程中，也有这样“负负得正”的例子：有时候，基因片段会因某些分子的抑制作用而不能发展、起作用；而特定的蛋白质可以将这些有抑制作用的分子抑制住，于是基因片段又可以起作用了。
1701001655
1701001656
如果说这些生物学的例子是抽象的，那么我还想到了一个更好、更直接的政治学和社会学的例子。俗语说：“我的敌人的敌人就是我的朋友”，与此相关的说法还有“我的敌人的朋友就是我的敌人”、“我的朋友的敌人就是我的敌人”等。这些十分绕口的话其实都可以用一个三角图形来清楚地表示。
1701001657
1701001658
在下图中，圆圈表示关系中的各方。在这一图形中，各方可以是个人和个人、公司和公司，也可以是国家和国家。连接圆圈的线段表示双方之间的关系，正面的朋友关系用实线表示，负面的敌对关系用虚线表示。
1701001659
1701001660
1701001661
1701001662
1701001663
在社会学中，左图的关系被称为“均衡关系”。在这幅图中，各方之间都是朋友关系，任何一方都没有理由改变态度，因为与朋友的朋友保持友好关系是很自然、很正常的一件事，这个关系网是稳定的。同样，右图呈现的这种一条实线、两条虚线的关系图也是一种“均衡关系”，这幅图中的关系网也是稳定的。虽然图中表述的是敌对关系，但是没有矛盾和不稳定的地方。要知道，共同的敌人永远是稳固友谊的基石。
1701001664
1701001665
当然，三角形的关系图也可能会出现不稳定的“非均衡关系”。例如，如果三角形中的三方彼此都是敌对关系，那么这样的关系图就是不稳定的：矛盾相对较小的两方往往倾向于联合起来共同对抗第三方。
1701001666
1701001667
还有一种更不均衡的三角形关系图，那就是图中只有一条虚线。例如，卡罗尔和爱丽丝是朋友，同时，卡罗尔和鲍勃也是朋友。但是，鲍勃和爱丽丝却是敌人。比如，鲍勃和爱丽丝两人曾经是情侣，却因分手导致关系破裂，如今鲍勃和爱丽丝都向自己的朋友卡罗尔抱怨对方。不难理解，这种情况会给整个朋友圈带来极大的心理压力。要使这个关系网恢复平衡，要么鲍勃和爱丽丝的关系缓和，要么卡罗尔与双方中的一方决裂，站到另一方的阵营中去。
1701001668
1701001669
1701001670
1701001671
1701001672
不管是上述的哪一种情况，关系图的平衡与否都与乘法有着很大的关系。如果任意两边符号的乘积（无论正负）等于第三边的符号，那么这个三角关系就是稳定的。而在不稳定的三角形关系图中，两边符号的乘积和第三边的符号是相反的。
1701001673
1701001674
这些关系网背后的含义我们暂不谈论，即使我们从一个纯数学的角度来审视这些关系网，也会发现一些有趣的问题。考虑一个多边的关系网，假设网络中的每一方都认识其他各方，让我们来考虑这样一个问题：哪些关系结构是稳定的？显然，“各方都友好”是一个很稳定的网络结构：网络中的各方彼此之间都是朋友关系，网络中的每一个三角形都是均衡的（三边均为实线），所以，这个关系网肯定是稳定的。比较不容易想到的是，稳定的关系网络结构并不只这一种。比如，“冷战”也是一种稳定的关系结构：网络中的所有人分为两大敌对阵营（两个阵营可以是任意大小、任意组成形式的），同一阵营里的所有人互为好友，而与对方阵营里的每个人都互为敌人（这种情况恐怕相当常见）。事实上，这种两级化的“冷战”关系网是非常稳定的，这是唯一一种稳定性能和“各方都友好”型关系网相媲美的关系结构。因为我们不难验证，任何分出3个阵营的关系网都会使关系网中的某些三角形处于不均衡状态。
1701001675
1701001676
很多历史学家用这种关系网络的模型来分析第一次世界大战前的国际形势，1872~1907年间，英国、法国、俄国、意大利、德国和奥匈帝国之间的关系发生过多次反复：一时结成联盟，一时又翻脸反目。这些关系的变化都可以用下图的关系网络表示出来。
1701001677
1701001678
1701001679
1701001680
1701001681
经过分析可以看出，前5幅关系图都是不均衡、不稳定的关系图，因为每幅图中至少有一个三角形是不均衡的。为了解决相互关系中的不均衡性，这6个国家不断地重新结盟或关系破裂，但每次的变化又造成了关系网中新的不均衡性。最终，在第6幅图中，欧洲分裂成了两个势不两立的敌对阵营，这样的关系网络在理论上是稳定的，但两大阵营的敌对关系最终把整个欧洲拖进了战争的深渊。
1701001682
1701001683
举这个例子，并不是为了说明关系网络的模型有多么强大的预测能力，事实上，这种模型的预测能力并不强大，稳定的关系网也不能避免战争的发生。在这里，我想说明的是，这些复杂的国际关系变化在很大程度上都基于一个非常简单的道理：“我的敌人的敌人就是我的朋友”，而这个道理其实就是乘法运算中最基本的“负负得正”法则。只要能从纷繁复杂的表象中提炼出事物的抽象本质，负数运算这种看似与现实世界关系不大的数学技巧，其实可以帮助我们解开很多现实生活中的难题，看清很多现象背后的必然趋势。
1701001684
1701001685
1701001686
1701001687
1701001688
X的奇幻之旅：在现实生活中发现数学思维之美 [:1701001354]
1701001689
X的奇幻之旅：在现实生活中发现数学思维之美 第4章 交换律：7×3与3×7都等于21