# 價值耦合智能論 10
# 從錯誤附近誕生的新數學：龐加萊、懷爾斯與狄利克雷原理

## 摘要

前一篇研究 Euler 多面體公式如何因反例而從固定常數 \(2\) 轉化為 Euler characteristic \(\chi\)，展示了「反例—概念改造」型的生成式失敗。本篇進一步比較三種不同的數學失敗：龐加萊三體問題論文中的關鍵錯誤、Wiles 費馬最後定理證明中的缺口，以及 Dirichlet principle 在 Weierstrass 嚴格性批判下暴露出的存在性問題。

三個案例的共同點不是「偉大數學家也會犯錯」這種表面結論，而是：

$$
\boxed{
\text{失敗發生後，什麼被保留、什麼被丟棄、什麼被重新組合？}
}
$$

本文將三種失敗回收模式分別稱為：

$$
\text{Discovery Salvage}
$$

$$
\text{Recombinative Salvage}
$$

與：

$$
\text{Justificatory Salvage}.
$$

龐加萊案例中，修正錯誤反而暴露出同宿交叉（homoclinic intersections）等更複雜的動力學結構，後來被視為混沌理論的重要源頭之一。Wiles 案例中，1993 年公布的證明出現缺口後，修復並非單純補上一個小引理，而是放棄有問題的 Euler-system 路徑，重新利用早期的 Hecke algebra / complete-intersection 思路，最終與 Richard Taylor 形成 Taylor–Wiles 方法。Dirichlet principle 的案例則顯示：Weierstrass 的批判摧毀的不是「變分思想全部無效」，而是「有下確界便必然取得最小值」這種未證存在性的推理；Hilbert 後來在更嚴格條件下重新證明相關原理。

因此，一個研究方案的失敗可以分解為：

$$
F
=
(
F_{\mathrm{claim}},
F_{\mathrm{proof}},
F_{\mathrm{method}},
F_{\mathrm{assumption}},
F_{\mathrm{representation}}
).
$$

真正高失敗回收率的系統，不會把：

$$
F_i\neq0
$$

直接壓縮成：

$$
F_{\mathrm{all}}=1.
$$

它會辨識：

$$
\text{哪一層錯了}
$$

並保留其餘仍有價值的結構。

本文核心結論是：

$$
\boxed{
\text{數學突破有時不是出現在「沒有犯錯」的地方，}
}
$$

$$
\boxed{
\text{而是出現在錯誤被精確定位、重新組織與合法化的附近。}
}
$$

---

## 關鍵詞

龐加萊、三體問題、混沌、Wiles、費馬最後定理、Taylor–Wiles method、Dirichlet principle、Weierstrass、Hilbert、失敗回收、證明缺口、數學發現

---

# 一、真正有意思的不是「天才也會犯錯」

數學史很容易被寫成兩種故事。

第一種：

> 偉大數學家提出正確定理，最後成功。

第二種：

> 即使天才也會犯錯，所以犯錯沒關係。

兩者都太簡單。

真正值得研究的是：

$$
\boxed{
\text{錯誤發生之後，知識系統怎麼更新？}
}
$$

因為同樣是：

$$
\text{proof failed},
$$

可以得到：

$$
\text{delete}
$$

也可以得到：

$$
\text{repair}
$$

甚至得到：

$$
\text{new mathematics}.
$$

所以本文不研究「犯錯的心理安慰」。

研究的是：

$$
\boxed{
\text{Failure Transformation}.
}
$$

---

# 二、先把失敗拆成不同層

第 08 篇已經提出：

$$
\Phi(F)
=
(K,B,M,A,T,N,H).
$$

但歷史案例還顯示，「失敗」本身也需要分層。

可以暫時寫成：

$$
F
=
(
F_C,
F_P,
F_M,
F_A,
F_R
).
$$

其中：

### \(F_C\)：Claim Failure

命題本身是假的。

### \(F_P\)：Proof Failure

命題可能是真的，但目前證明不成立。

### \(F_M\)：Method Failure

某種技術無法完成目標。

### \(F_A\)：Assumption Failure

某個原本被當成理所當然的前提沒有被證明，甚至不一般成立。

### \(F_R\)：Representation Failure

原來看待問題的方法不足以暴露真正結構。

這些失敗的處理方式完全不同。

如果把它們全部寫成：

$$
\text{FAILED},
$$

那麼：

$$
FSR\downarrow.
$$

---

# 三、龐加萊案例：錯誤修正變成新結構的入口

十九世紀末，瑞典—挪威國王 Oscar II 的數學競賽提出一組與天體力學相關的問題。

Poincaré 提交關於三體問題的論文並獲獎。

但是論文在準備刊登於《Acta Mathematica》時被發現存在一個深刻而關鍵的錯誤。

這不是：

$$
\text{typo}.
$$

也不是：

$$
\text{minor algebra error}.
$$

它影響了原論證對動力系統軌道結構的理解。

若使用最粗糙的評價：

$$
\text{award-winning memoir contains critical error}
$$

似乎是一場嚴重失敗。

但真正重要的事情發生在：

$$
\text{error}
\rightarrow
\text{correction}.
$$

---

# 四、錯誤迫使龐加萊重新看見軌道交叉

Poincaré 在修正論文時，不只是把錯誤句子刪除。

他不得不重新分析穩定與不穩定軌道的關係。

這導向對：

$$
\text{homoclinic intersections}
$$

的深入描述。

從現代動力系統語言看，這些複雜交錯正是後來混沌動力學的重要先驅結構之一。

所以失敗鏈不是：

$$
F_P
\rightarrow
\text{repair proof}
\rightarrow
\text{return to old theorem}.
$$

更接近：

$$
F_P
\rightarrow
\text{reinspect dynamics}
\rightarrow
\text{discover richer orbit structure}.
$$

---

# 五、這是「發現型回收」

本文把這種模式稱為：

# Discovery Salvage

其基本形式：

$$
F
\rightarrow
\operatorname{Investigate}(F)
\rightarrow
N.
$$

其中：

$$
N
$$

不是單純修正版。

而是：

$$
\text{new phenomenon}.
$$

龐加萊案例中，錯誤真正回收的不是：

> 原證明裡還有幾個 lemma 可以用。

而是：

$$
\boxed{
\text{錯誤迫使研究視線進入原本沒有充分看見的動力區域。}
}
$$

因此：

$$
N(F)\gg0.
$$

---

# 六、若採終止式反駁，龐加萊案例會變成什麼？

假設一個研究 Agent 得到：

```text
Critical error detected in orbital argument.
```

然後：

$$
\operatorname{TRP}\uparrow.
$$

它可能：

1. 標記原論文無效；
2. 建議改用其他方法；
3. 關閉當前分支。

這些操作都可以很嚴謹。

但如果沒有：

$$
\operatorname{AnalyzeFailureMechanism},
$$

就不會進入：

$$
\text{homoclinic structure}.
$$

所以這個案例直接證明：

$$
\boxed{
\text{正確指出錯誤}
\not\Rightarrow
\text{完成研究價值提取}.
}
$$

---

# 七、龐加萊案例的 FSR 分解

若使用第 08 篇的：

$$
\Phi(F)
=
(K,B,M,A,T,N,H),
$$

可以看到：

### \(K\)

原論文大量方法與動力系統工具仍有價值。

### \(B\)

原先對軌道結構的簡化理解存在適用邊界。

### \(M\)

穩定與不穩定結構可能形成複雜交叉。

### \(A\)

論文中的方法、級數與動力系統框架仍然可用。

### \(T\)

後續深刻影響 celestial mechanics 與 dynamical systems。

### \(N\)

產生混沌式軌道複雜性的早期數學描述。

### \(H\)

錯誤與修訂本身成為數學史上研究發現的重要案例。

因此這不是：

$$
FSR\approx0.
$$

而是：

$$
\boxed{
FSR\gg0.
}
$$

---

# 八、Wiles 案例：命題沒有死，證明真的死了一部分

現在看另一種完全不同的失敗。

1993 年，Andrew Wiles 在 Cambridge 宣布對 Fermat's Last Theorem 的證明。

其核心不是直接處理：

$$
a^n+b^n=c^n.
$$

而是證明足夠強的：

$$
\text{semistable modularity}
$$

結果，再結合 Ribet 的工作推出 Fermat's Last Theorem。

後來審查過程發現證明存在缺口。

這裡的失敗不是：

$$
F_C.
$$

數學家並沒有因此找到 Fermat 方程的反例。

真正失敗的是：

$$
\boxed{
F_P+F_M.
}
$$

也就是：

> 證明中的一條關鍵技術路徑沒有完成。

---

# 九、這個區分極其重要

如果研究系統把：

$$
\text{proof invalid}
$$

直接更新成：

$$
\text{theorem false},
$$

那是一個基本推理錯誤。

因此需要：

$$
\boxed{
\text{Proof Confidence}
\neq
\text{Claim Probability}.
}
$$

一個證明失敗，只能首先推出：

$$
\text{current justification failed}.
$$

它不必推出：

$$
\text{target statement false}.
$$

這與本系列第一部的：

$$
\theta_{\mathrm{pursuit}}
<
\theta_{\mathrm{accept}}
$$

有直接關係。

---

# 十、Wiles 的缺口集中在哪一條技術路徑？

1993 年證明中的問題與：

$$
\text{Euler-system construction}
$$

有關。

Wiles 當時嘗試使用受到 Flach 與 Kolyvagin 工作啟發的 Euler-system 技術，控制關鍵 Selmer group。

這是當時證明最技術性、也最不完整的部分之一。

所以研究狀態可以寫成：

$$
T=
T_{\mathrm{core}}
+
M_{\mathrm{Euler}}.
$$

審查發現：

$$
M_{\mathrm{Euler}}
$$

沒有被完整建立。

但這不等於：

$$
T_{\mathrm{core}}
$$

全部失效。

---

# 十一、真正的修復不是「把同一條方法硬補完」

Wiles 花了長時間試圖修補問題。

但後來真正成功的方向，不是單純把有問題的 Euler-system construction 補成原樣。

修復轉而使用 Wiles 早期就注意到的一條替代結構：

> 如果可以證明某些 Hecke algebras 是 complete intersection rings，就可以得到需要的上界。

Richard Taylor 與 Wiles 最終證明了所需的 Hecke algebra 結果。

因此：

$$
\text{failed method}
$$

不是被無限修補。

而是：

$$
\boxed{
\text{回到原研究中另一條尚未充分利用的結構。}
}
$$

---

# 十二、這是「重組型回收」

本文把 Wiles 類型稱為：

# Recombinative Salvage

形式是：

$$
F(M_1)
\rightarrow
\operatorname{Archive}(M_1)
\rightarrow
\operatorname{Recover}(M_2)
\rightarrow
M_1\oplus M_2'
\rightarrow
T.
$$

核心不是：

$$
\text{原路走到底}.
$$

也不是：

$$
\text{全部推倒重來}.
$$

而是：

$$
\boxed{
\text{從失敗後的研究圖中，重新組合仍然存活的技術節點。}
}
$$

這種失敗回收需要極高：

$$
BRR
$$

即第 06 篇所稱的 Branch Return Rate。

---

# 十三、Wiles 案例其實是「可逆切換」的典型

第 06 篇提出：

$$
\text{Switch}
\neq
\text{Forget}.
$$

Wiles 案例正好顯示：

> 先前沒有成為主要修復方案的思路，並沒有因此從研究歷史中消失。

當主路徑：

$$
M_1
$$

出現根本問題後：

$$
H_t
$$

中仍保存著：

$$
M_2.
$$

所以可以：

$$
\operatorname{Return}(M_2).
$$

如果早期所有未採用分支都被永久刪除：

$$
BRR=0,
$$

這種修復就更困難。

---

# 十四、Taylor–Wiles 方法的價值遠超「補好 Fermat」

最終修補確實完成了 Fermat's Last Theorem。

但它的研究價值並沒有停止在：

$$
\text{FLT solved}.
$$

Taylor–Wiles 方法後來成為現代 number theory 中極具影響力的工具之一。

它所建立的 modularity lifting / deformation-theoretic 技術，被後續工作延伸到更廣泛的 Langlands program 與模性問題。

所以：

$$
T(F)
$$

也就是失敗後方法的：

$$
\text{Transfer Value}
$$

非常高。

這再次顯示：

$$
\boxed{
\text{一個被迫重組的方法，}
}
$$

$$
\boxed{
\text{可能比原始一次性證明更具長期價值。}
}
$$

---

# 十五、這裡可以定義「重組收益」

本文增加：

$$
RR
=
\text{Recombinative Return}.
$$

概念上可以寫成：

$$
RR(F)
=
U(
\operatorname{Recombine}
(
K_1,K_2,\ldots,K_n
)
).
$$

當一個研究系統面對失敗後，能把：

- 舊 lemma；
- 次要方法；
- 未採用分支；
- 已驗證工具；

重新編排成：

$$
\text{new method},
$$

則：

$$
RR\uparrow.
$$

這是比一般「失敗回收率」更高階的能力。

---

# 十六、Dirichlet principle：另一種完全不同的失敗

第三個案例不是某位數學家完成一個錯誤證明後再修正。

而是一個長期使用的分析方法，其基礎存在隱藏問題。

Dirichlet principle 的粗略思想是：

> 在滿足邊界條件的函數中，尋找使某個能量積分最小的函數。

例如 Dirichlet integral：

$$
D(u)
=
\int_{\Omega}
|\nabla u|^2\,dx.
$$

如果：

$$
u^*
=
\arg\min_uD(u),
$$

就可以藉此處理某些 harmonic / boundary-value problems。

這個思想非常自然，也極有力量。

問題是：

$$
\boxed{
\inf D(u)
}
$$

存在，

不代表：

$$
\boxed{
\exists u^*:\ D(u^*)=\inf D.
}
$$

---

# 十七、Weierstrass 攻擊的是「最小值存在」這一步

十九世紀後期，Weierstrass 對這種變分推理提出嚴格批評。

核心問題不是：

$$
\text{minimization is meaningless}.
$$

而是：

> 一個 functional 有下確界，不代表允許函數類中一定存在真正取得該下確界的 minimizer。

所以被擊穿的是：

$$
F_A.
$$

即：

$$
\boxed{
\text{存在性假設沒有被證明。}
}
$$

這和：

$$
F_C
$$

完全不同。

---

# 十八、這個批判一度使 Dirichlet principle 失去合法性

假設原論證：

$$
A
\rightarrow
B
\rightarrow
C.
$$

其中：

$$
B=
\text{a minimizer exists}.
$$

若 \(B\) 沒有證明，整個論證鏈便不能成立。

因此嚴格數學不能說：

> 直覺上一定有一個最小值，所以繼續。

這正是：

$$
V_{\mathrm{strict}}
$$

應該接管的時刻。

Weierstrass 的批判在方法論上完全正確：

$$
\boxed{
\text{有用的直覺不能取代存在性證明。}
}
$$

---

# 十九、但嚴格反駁沒有證明核心思想毫無價值

真正值得注意的是：

$$
\text{old justification invalid}
$$

與：

$$
\text{principle useless}
$$

不是同一命題。

後來 Hilbert 等人的工作重新建立了相關存在性結果。

也就是：

$$
\text{intuition}
$$

需要：

$$
\text{new rigorous foundation}.
$$

因此歷史不是：

$$
\text{Dirichlet}
\rightarrow
\text{Weierstrass destroys}
\rightarrow
\text{abandon}.
$$

而是：

$$
\text{variational intuition}
\rightarrow
\text{foundational failure}
\rightarrow
\text{rigorous reformulation}
\rightarrow
\text{restored principle}.
$$

---

# 二十、這是「正當化型回收」

本文稱此模式為：

# Justificatory Salvage

其形式：

$$
F_A
\rightarrow
\operatorname{RejectJustification}
\rightarrow
\operatorname{PreserveHeuristic}
\rightarrow
\operatorname{FindConditions}
\rightarrow
\operatorname{Reprove}.
$$

也就是：

$$
\boxed{
\text{保留洞見，丟掉不合法的證成。}
}
$$

這種更新極其重要。

因為數學中一個方法可以：

$$
\text{heuristically right}
$$

但：

$$
\text{logically unjustified}.
$$

成熟智能必須能同時說：

> 目前證明不成立。

以及：

> 這個核心直覺仍值得重建。

---

# 二十一、這正是 pursuit 與 acceptance 的另一個版本

第一部提出：

$$
\theta_{\mathrm{pursuit}}
<
\theta_{\mathrm{accept}}.
$$

Dirichlet principle 案例可以直接翻譯為：

### Acceptance

Weierstrass 批判後：

$$
\text{Accept current proof}=0.
$$

### Pursuit

但：

$$
U_{\mathrm{pursuit}}
$$

仍然很高。

因為：

- 方法與 PDE 有深刻關聯；
- 變分結構極具解釋力；
- 很多結論本身仍被其他方法支持；
- 真正問題集中在 existence。

所以最合理的更新不是：

$$
\text{delete}.
$$

而是：

$$
\text{unaccept}
+
\text{continue pursuit}.
$$

---

# 二十二、三個案例其實對應三種完全不同的回收函數

現在可以整理。

---

## A. 龐加萊

失敗：

$$
F_P+F_R.
$$

核心回收：

$$
N.
$$

即：

$$
\text{new phenomenon}.
$$

所以：

$$
\boxed{
\text{Discovery Salvage}.
}
$$

---

## B. Wiles

失敗：

$$
F_P+F_M.
$$

核心回收：

$$
K+H+T.
$$

再進行：

$$
\operatorname{Recombine}.
$$

所以：

$$
\boxed{
\text{Recombinative Salvage}.
}
$$

---

## C. Dirichlet Principle

失敗：

$$
F_A.
$$

核心回收：

$$
K_{\mathrm{heuristic}}
$$

再：

$$
\operatorname{Rejustify}.
$$

所以：

$$
\boxed{
\text{Justificatory Salvage}.
}
$$

---

# 二十三、這代表 FSR 應該依失敗型態計算

第 08 篇定義：

$$
FSR
=
\frac{
S_{\mathrm{ext}}
}{
S_{\mathrm{avail}}+\varepsilon
}.
$$

現在可以更進一步：

$$
FSR
=
FSR(F_{\mathrm{type}}).
$$

因為不同失敗需要不同回收動作。

### Claim Failure

需要：

$$
\text{scope repair / new conjecture}.
$$

### Proof Failure

需要：

$$
\text{proof reconstruction}.
$$

### Method Failure

需要：

$$
\text{method switch / recombination}.
$$

### Assumption Failure

需要：

$$
\text{foundational justification}.
$$

### Representation Failure

需要：

$$
\text{reframing}.
$$

如果所有失敗都用同一種 recovery policy：

$$
R_0,
$$

系統會浪費大量價值。

---

# 二十四、因此失敗後第一步不應是「修復」，而是「分類」

這帶來一個重要修正。

第 04 篇寫：

$$
G
\rightarrow
V
\rightarrow
R
\rightarrow
G.
$$

現在應更加精確：

$$
G
\rightarrow
V
\rightarrow
D_F
\rightarrow
R_{F_i}
\rightarrow
G.
$$

其中：

$$
D_F
=
\text{Failure Diagnosis}.
$$

也就是先判斷：

$$
F\in
\{
F_C,F_P,F_M,F_A,F_R
\}.
$$

再選擇對應 recovery operator。

所以：

$$
\boxed{
\text{不同錯誤需要不同的修復算子。}
}
$$

---

# 二十五、本文提出 Failure-Type Routing

設：

$$
\rho_F:
F
\mapsto
R_i.
$$

稱為：

# Failure-Type Routing

例如：

$$
F_C
\mapsto
R_{\mathrm{conjecture}}
$$

$$
F_P
\mapsto
R_{\mathrm{proof}}
$$

$$
F_M
\mapsto
R_{\mathrm{recombine}}
$$

$$
F_A
\mapsto
R_{\mathrm{justify}}
$$

$$
F_R
\mapsto
R_{\mathrm{reframe}}.
$$

高階研究智能的重要能力，不只是：

$$
\text{error detection}.
$$

還包括：

$$
\boxed{
\text{error typing}.
}
$$

---

# 二十六、為什麼這對 AI 特別重要？

大型語言模型很容易把：

> 你的證明在第三步有 gap。

擴大成：

> 這整個理論可能不成立。

反過來也可能：

> 這個想法直覺很好。

擴大成：

> 所以我們可以繼續把它當成成立前提。

兩者都是：

$$
\text{failure-level confusion}.
$$

所以研究 AI 需要明確標記：

```text
CLAIM STATUS:
PROOF STATUS:
METHOD STATUS:
ASSUMPTION STATUS:
REPRESENTATION STATUS:
```

例如：

```text
CLAIM: still plausible
PROOF: invalid
METHOD: partially salvageable
ASSUMPTION: existence not established
REPRESENTATION: acceptable
```

這比單一：

```text
FAILED
```

強得多。

---

# 二十七、這也是反身智能真正需要的「錯誤語法」

如果智能只能表示：

$$
\{\text{right},\text{wrong}\},
$$

它就很難精確修正自己。

更高階系統需要：

$$
\mathcal E_F
=
(
e_C,e_P,e_M,e_A,e_R
).
$$

這是一種：

$$
\boxed{
\text{Failure Grammar}.
}
$$

錯誤不再是單一標籤。

而是一個具有位置、類型、機制與修復算子的結構對象。

這會直接提高：

$$
FSR.
$$

---

# 二十八、三個案例共同反駁「錯誤後只能二選一」

簡單思考容易只有：

$$
\{\text{keep},\text{discard}\}.
$$

但三個案例顯示至少還有：

$$
\text{discover from error}
$$

$$
\text{recombine after error}
$$

$$
\text{rejustify after error}.
$$

因此錯誤後行動空間至少是：

$$
\mathcal A_F
=
\{
\text{discard},
\text{restrict},
\text{repair},
\text{recombine},
\text{reframe},
\text{rejustify},
\text{transfer},
\text{generate}
\}.
$$

所以研究智能真正需要的是：

$$
\boxed{
\text{Post-Failure Action Diversity}.
}
$$

---

# 二十九、但「偉大錯誤」不能被浪漫化

這裡仍要限制。

並不是：

$$
\text{犯越大的錯}
\Rightarrow
\text{越容易發現新數學}.
$$

大部分錯誤可能只是：

- 算錯；
- 忘記條件；
- 誤讀文獻；
- 實作 bug；
- 無價值假設。

龐加萊案例罕見，正因為：

$$
N(F)
$$

異常高。

Wiles 缺口也不是：

> 因為有 gap 所以證明更偉大。

真正的價值是：

$$
\boxed{
\text{高能力研究者對失敗做了高質量轉換。}
}
$$

所以不能把：

$$
F
$$

本身神化。

需要最大化的是：

$$
\boxed{
\operatorname{Transform}(F).
}
$$

---

# 三十、結論：有時新數學就生在「錯誤的附近」

龐加萊告訴我們：

$$
\boxed{
\text{錯誤可以暴露原本沒看見的現象。}
}
$$

Wiles 告訴我們：

$$
\boxed{
\text{證明缺口可以迫使舊方法重新組合，形成更強工具。}
}
$$

Dirichlet principle 告訴我們：

$$
\boxed{
\text{不合法的證明可以被丟棄，而核心直覺仍值得重新證成。}
}
$$

所以失敗後真正的問題不是：

$$
\text{「這東西是不是錯了？」}
$$

而是：

$$
\boxed{
\text{「究竟是哪一層錯了？」}
}
$$

接著才是：

$$
\boxed{
\text{「剩下的結構應該進哪一個回收通道？」}
}
$$

因此更完整的研究更新流程可以寫成：

$$
\boxed{
\text{Generate}
\rightarrow
\text{Verify}
\rightarrow
\text{Type Failure}
\rightarrow
\text{Route Recovery}
\rightarrow
\text{Reconstruct}
}
$$

即：

$$
G
\rightarrow
V
\rightarrow
D_F
\rightarrow
\rho_F
\rightarrow
R
\rightarrow
G'.
$$

這比單純：

$$
\text{成功／失敗}
$$

更接近真實數學研究。

而本文三個案例共同支持一句話：

$$
\boxed{
\text{數學突破有時不是出現在「沒有犯錯」的地方，}
}
$$

$$
\boxed{
\text{而是出現在錯誤被精確定位、重新組織與重新合法化的附近。}
}
$$

下一篇將從數學史轉向認知研究：

# 價值耦合智能論 11
# 認知閉合、模糊容忍與探索欲

第 09～10 篇已經展示歷史上「不過早閉合」可以如何產生新結構。

第 11 篇將直接研究：

$$
\boxed{
\text{為什麼有些智能更能長時間停留在「還不知道」的狀態？}
}
$$

並把 Need for Cognitive Closure、Tolerance of Ambiguity、Regulatory Focus 與探索持續性正式放進同一個模型。

---

## 參考資料（本篇重新查核）

1. June Barrow-Green, *Poincaré and the Three Body Problem*, AMS / London Mathematical Society, History of Mathematics 11.
2. MacTutor History of Mathematics, *Henri Poincaré*.
3. AMS, *The Scientific Legacy of Poincaré*.
4. The Fermat Diary, AMS, on the 1993 gap and the September 19, 1994 repair by Wiles and Richard Taylor.
5. Rubin & Silverberg, *A Report on Wiles' Cambridge Lectures*, Bulletin of the AMS, 1994.
6. Ribet, exposition on Wiles' proof and the Taylor–Wiles repair, Bulletin of the AMS, 1995.
7. AMS review of *Modular Forms and Fermat's Last Theorem*, 1999.
8. Encyclopedia of Mathematics, *Dirichlet principle*.
9. Historical accounts of Weierstrass's criticism of the Dirichlet principle.
10. Historical accounts of Hilbert's rigorous restoration of the Dirichlet principle.