计算机数学入门 · 从一个坑，走到整门学科
这一组讲的不是"数学课"，是计算机建立在什么数学之上。
写给已经会写点代码、但一听"数学"就心里没底的人。
先说清楚它跟别的东西有什么不同
- 跟 /cs/ 那一组的区别：
/cs/回答"我在计算机学科的哪一格"（地图）；这里回答"这一步凭什么说它是对的"（尺子）。 - 跟数学系的数学的区别：
| 数学系的数学 | 计算机数学 | |
|---|---|---|
| 关心什么 | 对象本身的性质 | 在有限资源下能不能算、算得对不对、算得多快 |
| 对"无穷"的态度 | 核心研究对象 | 必须消灭的东西 |
| 对"误差"的态度 | 追求精确 | 量化它、控制它、容忍它 |
数学是连续的、无限的、精确的；计算机是离散的、有限的、近似的。 这两者之间的翻译工作，就是计算机数学。
八层目录
| 层 | 解决什么问题 | 对应课程 | 状态 |
|---|---|---|---|
| 一 · 数怎么装进机器 | 有限表示、误差、溢出 | 数值分析 | （一） |
| 二 · 离散结构 | 采样、量化、集合、关系、图、计数 | 离散数学 | （二） |
| 三 · 怎么保证对 | 命题、量词、证明、循环不变量 | 数理逻辑 | （三） |
| 四 · 什么能算 | 自动机、可计算性、停机问题 | 计算理论 | （四） |
| 五 · 算得多快 | 渐近代价、复杂度、P vs NP | 算法分析 | （五） |
| 六 · 不确定的世界 | 概率、贝叶斯、随机化 | 概率论与统计 | （六） |
| 七 · 连续的近似 | 导数、梯度、优化 | 微积分 | （七） |
| 八 · 高维的表示 | 向量、矩阵、特征值、SVD | 线性代数 | （八） |
先读这篇
（总纲）计算机数学入门 · 总纲：八层为什么是这个顺序 — 25 分钟
一个“一万笔账”的普通记账任务，八层数学全用上了。
为什么是这八层、为什么顺序不能乱、你是哪种人该走哪条路线、怎么才知道自己学会了。
只看一篇的话，看这篇。
八篇正文
（一）计算机里的数，不是数学里的数 — 1.15 万字
0.1 + 0.2 为什么不等于 0.3。六个坑一路推到格点模型、模运算、2038 问题，最后推出整套八层体系。
一个数怎么被压进机器。
（二）世界是连续的，机器是离散的 — 1.3 万字
一个 15 kHz 的声音，用 8000 Hz 采样，听起来是 1 kHz——而且听不出错了。
从采样定理、量化噪声（6.02n+1.76）、鸽巢原理，讲到集合、关系、图、计数。最后是生日悖论：32 位空间 43 亿，七万条就有一半概率撞。
一堆东西怎么被压进机器。
（三）怎么证明它是对的 — 1.4 万字
一个活了 9 年的二分查找 bug——逻辑看起来完美、测试全都过了、线上从来没出问题，因为它只在数组超过 10 亿个元素时才触发。
穷举 53,158 个用例测 6 个二分变体：两个全过、三个崩（其中一个是 78.2% 的输入死循环，但从不给错答案）。
从归纳法、循环不变量、德摩根律讲到空数组上
all()为什么返回 True。怎么确认它还是对的。
（四）机器算不出来的东西 — 1 万字
写一个判断“另一个程序会不会停”的程序——然后证明这件事做不到。
从康托尔对角线（实数不可数）到图灵停机问题（自指 + 反着做），最后是 Rice 定理：“这个程序有没有 bug”不可判定。
能算的函数在数学上存在的函数里，占比是 0。“无所不能的 AI”在数学上不存在。
有些事，机器根本做不了。
（五）验证很快，找到很难 — 9000 字
验证一个答案只要 3 纳秒，找出答案要试 320 亿次。
P vs NP：为什么“验证一个解”和“找到一个解”是天壤之别；为什么 SAT、数独、背包是同一个问题；为什么你的密码押在 P≠NP 上。
能算、算得动、算不动——复杂度是三层，不是两层。
（六）不确定的世界 — 1 万字
一个“准确率 99%”的检测，测出阳性，你有病的概率其实不到 10%。
贝叶斯定理、三门问题、生日悖论、赌徒谬误——全部实测。最后讲反直觉的随机化算法：用随机，反而更快更准（Miller-Rabin 半毫秒判素数）。
世界是不确定的，概率是唯一能驾驭它的数学。
（七）用直线去逼近曲线 — 1.1 万字
求导数时，h 越小越准吗？错。 实测误差是 U 形：h=1e-8 最准（误差 3e-9），h=1e-16 时导数算出来直接是 0。
两个误差在打架：截断误差随 h 涨，舍入误差随 h 落——第一篇文章的“格点”在这里直接变成“算得越精细反而越错”。
然后是泰勒展开（计算机里的 sin 怎么算）、梯度下降（AI 学习的全部机制）。学习率临界值 lr<0.1 可以算出来，不是调参玄学。
AI 不是“理解”，是“下降”。
（八）怎么让机器觉得两句话很像 — 1.2 万字
机器不懂“意思”，但它能把意思变成向量——然后“意思相近”就变成了“夹角小”。
king − man + woman ≈ queen（实测余弦 0.9535）。SVD 图像压缩、维度诅咒（5000 维时随机两点变异系数 0.01），最后是注意力机制 = 三次矩阵乘法（Q·Kᵀ → softmax → W·V）。
八层走完，最后有一张表：一个 GPT，八层全用上了。
读法
每篇都是长文，都要动手。 不跑一遍，你只是又"知道"了一件事——这正是很多人"学了很多、还是没底"的原因。
每篇末尾都有"本篇所有数字的来源"，所有实测数字都是本机跑出来的，不是引用的。你自己跑出来的会差最后几位，但结论是结构性的。