38 分钟
AI 数学精要

三角函数、数列、二项式与计数:为极限、概率铺好最后一段路

把弧度制、三角恒等式、特殊值、三角函数图像这些内容补扎实,搞懂等差等比数列、极限的直观理解,还有二项式定理,再把排列组合基础打牢——这部分是给概率统计模块铺路的。

  • 把这几块练熟:角度弧度互化、三角函数定义、同角与和差/倍角恒等式、特殊值
  • 理解数列和数列极限的直观概念,熟练掌握等差、等比数列的通项公式与求和方法
  • 掌握二项式定理展开与组合数,理解帕斯卡三角
  • 区分排列与组合,会用乘法/加法原理做基本计数,为概率打基础

三角描述「周期」,数列描述「一步步逼近」,计数描述「有多少种可能」

神经网络的位置编码、傅里叶、激活与梯度里的三角恒等式,极限与级数里的数列,概率里的组合数,都源于这一节。只补后续真正用得到的部分,直观推导和公式一起给你。

3.1 弧度制与三角函数定义

弧度的定义是「弧长/半径」,180°等于π弧度,所以角度转弧度直接乘 π/180 就行。比如 30°=π/6、45°=π/4、60°=π/3、90°=π/2。微积分里所有公式默认用弧度,只有在弧度制下 lim sinx/x=1、(sinx)′=cosx 才是这么简洁的形式。

单位圆定义:角 θ 终边与单位圆交点为 (cosθ, sinθ),tanθ=sinθ/cosθ。由此 sin²+cos²=1(勾股)、周期性 sin(θ+2π)=sinθ、奇偶性 sin(−θ)=−sinθ(奇)、cos(−θ)=cosθ(偶)。必须秒答的特殊值:sin0=0、sin(π/6)=1/2、sin(π/4)=√2/2、sin(π/3)=√3/2、sin(π/2)=1;cos 对应为 1、√3/2、√2/2、1/2、0。

示例代码(可运行)

3.2 后续最常用的三角恒等式

同角:sin²θ+cos²θ=1,1+tan²θ=sec²θ。和差:sin(α±β)=sinαcosβ±cosαsinβ;cos(α±β)=cosαcosβ∓sinαsinβ(余弦的符号与左边相反)。倍角:sin2θ=2sinθcosθ;cos2θ=cos²θ−sin²θ=2cos²θ−1=1−2sin²θ。降幂(积分常用):sin²θ=(1−cos2θ)/2、cos²θ=(1+cos2θ)/2。导数一章用和差化积推出 (sinx)′=cosx,积分一章用降幂算 sin²、cos² 的积分,这些公式不是用来背考题,是推导途中的「扳手」。

填空题填写空白处的代码
# 恒等式填空 # sin^2 x + cos^2 x = # cos 2x = 2cos^2 x - # sin^2 x 降幂 = (1 - )/2

3.3 数列与极限直观

数列就是按正整数编号的一串数 a₁,a₂,…,通项 aₙ 直接给出第 n 项的值。等差数列相邻两项的差是定值 d,通项公式:aₙ=a₁+(n−1)d;等比数列相邻两项的比是定值 q,通项公式:aₙ=a₁qⁿ⁻¹。当 n 越来越大,aₙ 无限逼近某个确定的数 L,就说这个数列收敛于 L,记成 limn→∞aₙ=L。举两个直观的例子:aₙ=1/n→0,aₙ=(1+1/n)ⁿ→e≈2.71828——e 就是这么来的。反过来,aₙ=n、aₙ=(−1)ⁿ 都不收敛:前者往无穷大跑,后者来回振荡。

示例代码(可运行)

3.4 二项式定理与组合数

二项式定理:(a+b)ⁿ=Σk=0n C(n,k) an−k bᵏ,其中组合数 C(n,k)=n!/[k!(n−k)!](读作「n 选 k」),系数排成帕斯卡三角,每行两端为 1、中间=肩上两数之和 C(n,k)=C(n−1,k−1)+C(n−1,k)。组合数也是「从 n 个里不计顺序选 k 个」的方法数,在概率二项分布、泰勒/牛顿二项式里反复出现。例 (a+b)²=a²+2ab+b²、(a+b)³=a³+3a²b+3ab²+b³。

示例代码(可运行)

3.5 计数原理、排列与组合(概率的前置)

两个基本原理:分类用加法(做这件事有几类互斥方案,数目相加)、分步用乘法(分几步依次完成,数目相乘)。排列 A(n,k)=n!/(n−k)!:从 n 个中选 k 个并「讲究顺序」排成一列;组合 C(n,k)=n!/[k!(n−k)!]:只「选出」k 个、不讲究顺序,比排列少除了 k! 种内部排序。判断口诀:排队、名次、密码用排列;选人、分组、抽牌用组合。

选择题

从 5 人中选 3 人组成小组(不分职位),有多少种选法?

预测输出
抛一枚均匀硬币 4 次,恰好出现 2 次正面的序列有多少种?占全部 16 种序列的比例是多少?
💡阶乘很大,对数与斯特林近似

n! 增长极快(10!=3628800),算大组合数或者信息熵的时候,通常会取对数 ln(n!),再用斯特林公式 ln(n!)≈n ln n−n(大 n)估算,避免溢出。这个近似在统计物理和语言模型困惑度里都会用到。

本节小结

微积分里用弧度,sin/cos 靠单位圆定义,记死特殊值,还有 sin²+cos²=1、和差倍角、降幂公式;数列收敛就是 aₙ 无限逼近 L,等差等比都有通项和求和公式,(1+1/n)ⁿ→e;二项式定理的系数就是组合数 C(n,k),满足帕斯卡递推;计数的时候分类用加法、分步用乘法,讲顺序用排列、不讲顺序用组合,这俩是概率统计模块的直接前置知识。下一节补逻辑证明方法、复数和坐标图像。

资深工程师加餐

底层原理 · 大厂视角 · 工程经验,点卡片展开

一条样本是一个特征向量,一批样本堆成矩阵,神经网络一层的变换本质就是矩阵乘法加激活。换基/特征值分解相当于找数据的主要方向(PCA 降维),GPU 之所以适合深度学习,正是因为它能大规模并行做矩阵运算。把「向量=对象、矩阵=变换」建立起直觉,后面公式就不再抽象。