36 分钟
AI 数学精要

逻辑、证明方法、复数与坐标:严谨推导的「语法」与扩展数系

把充分必要条件、逆否命题、反证法、数学归纳法学透,补上复数运算和复平面(给后面学欧拉公式打基础),再复习坐标距离、函数图像变换。这些内容搞定了,定理能看懂,证明过程也跟得上。

  • 分清充分、必要、充要条件,以及原命题、逆命题、否命题、逆否命题的等价关系
  • 把反证法和数学归纳法的标准流程搞懂,能分清各自适合用在什么场景
  • 掌握复数四则、共轭、模与复平面表示,知道 i²=−1
  • 把平面坐标距离公式练熟,掌握函数图像的平移、伸缩、对称变换。

定理不是「记住结论」,而是「条件 ⟹ 结论」的严谨链条

后面的课全是「若……则……」的定理和证明。这节先讲逻辑语法——条件关系、两种核心证明方法,再把数系从实数扩到复数(欧拉公式,傅里叶要用),最后复习坐标与图像变换,完事就结束数学预备,正式进模块一。

4.1 命题与充分必要条件

命题是可判真假的陈述句,形如「若 P 则 Q」(P⟹Q),P 是条件、Q 是结论。四种关系别搞混:P⟹Q:P 是 Q 的充分条件(有 P 就够),Q 是 P 的必要条件(没 Q 不行)。P⟺Q:互为充要,等价,可以双向推。逆命题 Q⟹P 不一定成立;否命题 ¬P⟹¬Q 也不一定。逆否命题 ¬Q⟹¬P 与原命题 P⟹Q 恒等价(同真同假)——这正是反证法的逻辑根据。

拿数学里的例子说:「f 可导 ⟹ f 连续」这个推导里,可导是连续的充分条件,连续是可导的必要条件。反过来不成立——连续不一定可导,|x| 就是反例。判断充分还是必要,就问两句:有它行不行?这是判断充分。没它行不行?这是判断必要。

选择题

「一个数能被 4 整除」与「这个数是偶数」之间的关系是?

4.2 反证法与数学归纳法

反证法流程:要证 P⟹Q,先假设结论不成立(¬Q),结合 P 做正确推导,最终得出与 P、已知定理或自相矛盾的结果,说明 ¬Q 不可能,从而 Q 成立(本质是证明逆否 ¬Q⟹¬P)。经典例子:证明 √2 是无理数——假设 √2=p/q(既约分数),推出 p、q 都必为偶数,与「既约」矛盾。

数学归纳法用来证明「对所有正整数 n 成立」的命题,两步缺一不可:基例验证 n=1(或某个 n₀)成立;归纳假设 n=k 成立,据此推出 n=k+1 也成立。 类比多米诺骨牌:推倒第一块(基例),并保证每块都能撞倒下一块(递推),则全部倒下。 等差数列求和、二项式、导数 n 阶公式都可用归纳法严格证明。

填空题填写空白处的代码
# 归纳法证明 Σi=n(n+1)/2 # 基例 n=1:左边1,右边 1*2/2=,成立 # 递推:假设 n=k 成立,n=k+1 时加项 后应得 (k+1)(k+2)/2

4.3 复数:让「负数开平方」合法,为欧拉公式铺路

引入虚数单位 i,i²=−1,复数 z=a+bi(a 实部、b 虚部)。四则按普通代数展开并把 i² 换 −1:(a+bi)±(c+di)=(a±c)+(b±d)i;乘法 (a+bi)(c+di)=(ac−bd)+(ad+bc)i。共轭 z̄=a−bi(虚部变号),模 |z|=√(a²+b²)。复数对应复平面上的点 (a,b),也可写成极式 r(cosθ+i sinθ)=r e(后者由 stage12 的欧拉公式给出)。

AI 数学里为什么要学复数?欧拉公式 eix=cosx+i sinx 把指数和三角运算打通了,傅里叶分析、信号处理、位置编码全是基于复数极坐标形式做的;二次方程判别式 Δ<0 时,求出来的根就是共轭复数对。现在你只要会复数的基本运算,记住模就是复数在复平面上到原点的距离就行。

示例代码(可运行)
选择题

复数 (3+4i) 的模为?

4.4 平面坐标、距离与函数图像变换

平面直角坐标系里,两点 (x₁,y₁)、(x₂,y₂) 的距离是 √[(x₂−x₁)²+(y₂−y₁)²],本质就是勾股定理。中点坐标直接取两点对应坐标的平均。向量内积、梯度下降里用到的欧氏距离,都是它的高维版本。

基础函数 y=f(x) 的图像变换规则,核心看作用在 x 还是 y 上,两边方向相反:平移:f(x)+b 上下移 b;f(x−a) 向右移 a(x 侧「左加右减」)。伸缩:cf(x) 纵向乘 c;f(kx) 横向压缩为 1/k。对称:−f(x) 关于 x 轴翻转;f(−x) 关于 y 轴翻转;−f(−x) 关于原点中心对称。掌握这些,不用绘图就能预判损失函数、激活函数及其缩放后的形状。

直觉

为什么「对 x 的变换方向是反的」

f(x−a) 要让括号内等于原来的 x₀,新自变量必须取 x₀+a,也就是每个特征点向右挪 a,所以减号反而是右移;f(kx) 要达到同样函数值只需 x₀/k,横向被压缩。记的时候抓个规律:作用在输出 y 上(外侧)的变换,方向和符号一致;作用在输入 x 上(内侧、括号里)的,方向相反。这跟复合函数「内层先作用」、傅里叶尺度反比是相通的。

预测输出
已知 f(x)=x²,写出把它向右平移 2 个单位、再向上平移 3 个单位后的表达式与顶点。

本节小结 · 数学基础预备收官

充分、必要、充要条件,就看双向能不能互相推导。逆否命题和原命题等价,这是反证法的依据——反证法就是先假设结论不成立,推导出矛盾就行。数学归纳法靠两块:基例、递推,像多米诺骨牌一样。复数 z=a+bi(i²=−1),要会四则运算,懂共轭和模。极式 e 能引出欧拉公式,也通向傅里叶。坐标里的距离就是勾股定理。图像变换记八个字:外侧同向、内侧反向。到这,AI 数学需要的中学到大学衔接的基础就补完了。模块一从向量与张量正式开始,后面的推导不会再卡在代数运算上。

资深工程师加餐

底层原理 · 大厂视角 · 工程经验,点卡片展开

信息熵度量一个分布的不确定程度,越随机熵越大。交叉熵衡量「用模型预测的分布去编码真实分布」所需的平均代价:模型预测越接近真实标签,交叉熵越小。因此多分类任务用交叉熵做损失不是拍脑袋,而是有严格信息论依据的最大似然等价形式。