学习数学通识带给我的认知提升
- 良好的沟通是建立在精确的定义的基础之上的。而给事物一个精确的定义却没有那么容易,如同“无穷小”,“概率”。给到一个精确的定义,需要我们非常了解事物的本质,甚至需要颠覆我们的认知。“无穷小”、“概率”这些东西,并不是静态,而是一个过程、一种趋势,一种极限。
- 我们有理由这么相信:这个世界是完美的。如果一件事情在某些方面表现的没有那么“完美“,我们也许需要更深入的考虑一下是不是我没有窥探到事物的本质。例如:借助虚数,我们可以让一元N次方程,在复数范围内有N个解。
- 数学提供了很多工具用来解决很多类似的问题。在解决现实问题的时候,我们需要做的是将现实问题转换为正确的数学问题,然后借助正确的工具去求解。一些数学问题的解答,会有一些“奇技淫巧”,这些解答固然巧妙,但是并没有可复制性,不能举一反三的解决更多的问题。反过来,我们更提倡的是给某一类问题找到通用解法。这类解法可以更笨一些,但是一定要通用。
- 模糊的正确胜过精确的错误。这里的正确、错误指的是更高层次的正确和错误,指的是解决一个问题的总体框架、算法是否有问题;而这里模糊、精确指的的低一个层次的东西,是细节;模糊的正确指的是:总体框架、算法是没问题的,只是其中一些细节不够清晰,待明确;这种思路显然比精确的错误要更好。
- 公理化体系:以一些不证自明的道理或者事实为原地,通过逻辑推理,得到一个个定理,进而得到一整套完整的知识体系。这个是欧几里得的《几何原本》告诉我们的。其实不只是数学,管理学、经济学、法律都是源自这个思路。在管理学中,一个企业的远景与使命决定了企业为何而存在,而企业的企业文化决定了企业内外的人的相互关系以及价值观。经济学也有自己的前提假设-市场中的每一个人都是理性的,自私的。法律的话,在某些法律中会提到“法律面前人人平等”,“私有财产神圣不可侵犯”等论断,这些论断从何而来呢? 这些只不过是一些不能再简单的大道理罢了。
- 跨界创新:几何与代数的完美结合,笛卡尔将两者结合,可以更加方便的用彼此来解决自己的一些问题。其实,所谓的创新不外乎是各项生产要素的重新组合而已。更重要的是要开阔自己的思路,不要禁锢在自己的领域之内。
- 数(自然数、整数、有理数、无理数、虚数、复数)数,存在吗?有理数,存在吗?数、有理数其实还没有拿难以理解。为什么呢?因为在现实世界中,有实物可以与之对应。数,就是物体的数量;有理数,就是我从10份中拿走了自己的7份。零呢?负数呢?虚数吗?这些概念,在现实世界中并没有与之相对应的事物。它们是数学家们虚构出来的概念,是一个工具,是一个桥梁,用来解决现实的数学问题。一个现实问题,往往要解决一个不存在的事物,才能得到解决。化学反应中的催化剂、公司法人的概念,甚至于宗教崇拜,都是类似的问题。人类也许是唯一可以想象出现实世界中不存在的事物的物种吧。正是这种优势,才让人类在物种竞争中脱颖而出。
- 有穷与无穷:因为我们生活在有限的世界中,所以很难想象无穷。在无穷的世界中,有限世界中的很多法则都要改写。无穷是一种趋势,而绝不是一个很大很大的数。数不等于趋势,这个才是本质。罗素为了挑战牛顿、莱布尼茨等人,提出无穷小悖论,造成了数学史上的第二次危机。
- 数学分为很多分支,我们在每一分支的学习过程中,需要搞清楚:(1)每一个方向的基本假设(公理)、基本定义(2)该方向提供了什么工具,可以解决什么问题
- 微积分:通过学习微积分,我们需要能够把控宏观趋势的微观趋势的相互影响。需要了解积分造成的滞后效应。牛顿借助趋势,通过导数的方式来求最大值,这种思路也值得我们参考。
- 线性代数:向量、矩阵的本质,矩阵加法、矩阵乘法的本质。更多的是一种数学工具,让我们更方便的批量处理数据。
- 概率论:忽略局部不确定性,把握整体的确定性。概率论的学习,让我们在不确定的世界中有迹可循。分布:正态分布(标准正态分布)、柏松分布、幂次分布、二项分布。
- 博弈论:在现实世界中,我们要尽量少参与零和博弈,毕竟出来混迟早要去还的。而应该多参加非零和博弈,因为只有非零和博弈才有双赢的可能。然而,双输更有可能成为博弈的平衡点,其根源的化在于信息闭塞,博弈方有信任危机。
《吴军数学通识50讲》大纲
数学:学科基础
思考方式:化繁为简,直击本质。
把自己的对所有数学概念和方法的理解程度,从静态的、具体的,上升到动态的、规律性的。
数学的线索:从猜想到定理到应用
()数学与自然科学的三个本质差别:
第一,测量 和 逻辑推理 的区别
观察的经验能够给我们启发,但是不能给到我们结论。
数学上的结论,一定是从定义和公理出发,经过逻辑推到而得到。
第二,事实证明 与 逻辑证明 的区别
自然科学中,一个假说通过实验证实就变成了定律(即使某些条件下确实不满足,实际上自然科学上几乎所有的定律和理论都有被推翻的可能性)
数学理论必须靠证明,保证没有例外。
第三,科学结论的相对性 与 数学结论的绝对性
数学的每一个定理都是一块基石,然后在此基础上建立新的基石,从而一点点建起整个数学大厦。
()毕达哥拉斯 (从经验到系统性科学)
数学从哪里开始:必须遵守严格的逻辑证明才能得到结论。
逻辑体系的一致性与完备性;
()数学的预见性:如何用推理走出认知盲区
数学史上第一次危机:无理数的出现
如果现实与数学发生了矛盾,那么有几种可能:
(1)数学推导本身有问题
(2)我们的眼睛或者认知有问题,例如我们之前的认知中是没有无理数的
(3)最初的假设错了,例如非欧几何
基于第二点,让很多危机变为转机,认知拓展,产生新的理论,例如:无穷小概念的提出、无穷大的重新认识、公理化集合论的确立
自然科学上,很多重大的发现,并非源于观察或者观测,而是基于数学推论,然后才被实验证实。
()数学思维:如何从逻辑出发想问题
矛盾律:一个实物不可能既满足A属性,又不满足A属性;
反证法:基于一个假设,推出矛盾;所以,假设是错误的。
()数学的边界
毕达哥拉斯定理 <=== 费马大定理 ====> 希尔伯特第十问题
到目前为止,我们所能解决的问题只是所有数学问题中很小一部分。
解析解:答案是以公式的形式存在的;这样子套入任何数字,就可以得到具体的解。
非线性方程怎么解:
苏联:数学水平高,所以努力去求出其解析解
美国:将非线性问题转换为计算量大,但很简单的线性问题,然后统计计算机来求解。
()毕达哥拉斯:黄金分割,连接数学和美学
黄金分割源于:自相似,分形;
等角螺线:蜗牛、龙卷风、星系 (黄金分割。。)
()数学的应用
现实世界中很多问题,究其本质都是数学中的最优化问题
华罗庚:优先法 黄金分割的应用
真正的大师:能够用通俗易懂的话将复杂的问题讲明白
()数列和级数
数列:是从生活中而来,例如利息与几何级数有关系;而斐波那契数列与物种繁衍、组织自然发展有关系。数列反映了现实世界中事物的发展过程。
斐波那契 与 黄金分割有关系
数列反映的是趋势,他不像数(这个数有多大,有多少钱,多少资源)而是关心未来能变的多大,变得多快。
除了趋势,我们还关系累计的效果,也就是数列之和,也就是级数。
级数的发散与收敛 具体应用:文章如何成为爆款?
r 相邻两项的比例,r>1 发散; r<1, 则收敛
数:方程、虚数
思维工具:从具体到抽象
抽象工具的发明,用于解决实际问题。
对数的认识,从具体到抽象
数学的本质,是工具!
针对某个具体问题的精妙的解题技巧的作用,远远不如通用的“笨方法”
应用题:把自然语言描述的现实问题变成用数学语言描述的数学问题,比如列出方程
一元一次,一元二次方程,解析解,没毛病; 那么一元三次方程呢?(没有通解,唯有一些特殊方程,用一些巧妙的办法才能解出来)
一些启发:
从引理到定理,引理只能解决某个问题的特殊形式,并不能成为定理。
实际学习,能够把现实问题转换为数学问题的能力是最重要的,而不用拘泥于如何去求解他们。我们应该借助工具。
解三次方程:明明有公式,但是公式中遇到了一堵墙,我们必须引入一个不存在的东西才能把这堵墙翻过去。
哲学意义:明明是现实问题,在现实世界也有答案,却无法直接得到,而非要发明一个不存在的东西作为桥梁。
引入虚数之后:
(1)逻辑可能的漏洞补上了,一元N次方程,一定有N个解
(2)作为工具的作用,直角坐标转换为极坐标
(3)应用层面:量子力学、相对论、控制系统等都离不开虚数
人类是唯一可以构造出不存在的事物的物种!!宗教、法律、有限公司、法人团体、法人!想象共同体
抽象思维:认知水平高低,在于能够接受虚拟的、不存在的事物!
自然数 =》 0 =》 负数、分数 =》 无理数 =》 虚数 越来越抽象
很多数学概念的基础在现实世界并不存在;但是建立在不存在基础上的工具,却能解决很多现实问题!
复数:
https://www.wolframalpha.com/input/?i=sqrt%2834%29
无限!!
无穷大,动态的,不断扩大的趋势,而不是一个静态的数!
旅馆悖论
在无穷大的世界的里,部分可以和整体等价!
我们不能以有限的认知,去理解无限的事物;也不能将把那些从很少的经验中得到的结论,放大后用于更大的场景。
动态变化发展的眼光,从趋势去看待世界,新的认识世界的方式
把我世界变化是处于什么层次上? 无穷小?
经验 与 逻辑 的矛盾
经验胜利:各种芝诺悖论
他永远追不上乌龟 无穷小累加是一个有限的数
飞箭静止 混淆了瞬间位移 与 瞬间速度
两匹马的距离 等与 一匹马做的距离 无穷小不是0
逻辑胜利:日心说
第二次数学危机:贝克莱PK牛顿 无穷小悖论:无穷小到底等不等不0?
微积分的基础是导数;而导数的前提是无穷小;但是无穷小却没有精确定义?
极限的精确定义
芝诺 牛顿/莱布尼茨(无穷小) 贝克莱 柯西/威尔斯特斯拉(定量、逆向思维=》精确定义极限)
数学逻辑的漏洞,其实是人们认知的漏洞!
有逻辑的傻问题,是我们认知体系扩大的开始!
无穷大/无穷小 虽然不是数,但是可以比大小;甚至可以参与+-*/等数学运算
一些认知:
有穷 VS 无穷
静态 VS 动态 (趋势)
现实 与 虚构
直觉 和 逻辑(逻辑可以让我们分析清楚 我们看不到,甚至不存在的事物)
概念 与 表述 ( 做事专业,需要掌握专业的术语,数学、法律)
财富 和 荣誉 (科学无专利,带来的是荣誉;而技术有专利,带来的是财富)
几何
几何学: 埃及:初步感性认识 =》 量化的感性认识 =》 记录传播 =》 希腊:公理化知识体系
如何建立一个完备的公理化知识体系
欧氏几何:源自 五条一般性公理 与 五条几何公理
定义一些基本概念!
辅助线: 又一次借助虚拟的工具来解决问题
如果某一条公理有错误呢?
(1)如果你设定的公理 与 现有公理有矛盾,那么知识体系就无法建立
(2)如果没有矛盾,那么就会构建出一个新的知识体系,他本身是自洽的;但是与其他体系相矛盾。
欧氏几何,非欧几何(双曲面、椭球面)
平面是什么? 满足平行公理的面。
黎曼几何:相对论的理论基础
解析几何:将代数 与 几何 统一;他借助代数让一些几何问题变得容易求解;借助几何让一些代数问题变得容易求解。
坐标系:笛卡尔坐标系;
公理化体系:通过公理化系统构建一个知识体系,体现出人们创造思想的最高水平!
法律:自然法,那些最基本的,不证自明的依据
管理:企业文化价值观
延拓:在想象的世界里,一次合乎逻辑的认知升级:减法延拓出负数、开根号延拓出虚数等
代数:函数、向量、线性代数
数 =》 方程 =》 函数
代数:两个工具(函数、方程)一个规律(数字有方向)
函数:对应关系
函数:人们的认知 从 个体上升到整体;从单点联系上升到规律性的网状联系。从单个数字、变量的关注引向了趋势。为同一类问题提供了普遍性的答案。
因果关系:数学中可互换
反函数:轴对称
72定律:年回报率为R%,那么财富将在72/R年后翻翻。
搞清楚:只有一个自变量的话,自变量与因变量存在因果必然性;而多变量的话,每一个变量与函数值仅是相关性。
向量:有方向的数量;二维空间,三维空间,多维空间
数量的方向性,给我们的提示:做事情要聚焦。
向量夹角,余弦定理 与 文本相似度
线性代数:工作生活中实际用得上。
M*N矩阵的函数:M个N维向量放在一起
矩阵加法
工作生活的增量原则:有一个相对固定的大原则,以及针对各种情况的小变动。全量 + 增量
矩阵乘法:
单个计算 =》 大批量计算
微积分
与初等数学工具最大的不同:从关注静态关系,变成了 动态规律,特别是瞬间规律的把握。
微积分更多的作用在于训练思维!!
微分:从宏观趋势了解微观变化
导数:对变化快满的准确量化度量
多变量函数的微分:梯度
大量不确定性时,往婆度最高的方向努力。
从宏观趋势中把握微观变化的趋势,让我们认清每一步的方向。
不可导的趋势靠不住:
函数的光滑程度与可导之间的关系
经济过热、经济硬着陆、经济稳定增长
积分:从微观趋势了解宏观变化
积分思想的本质:从动态变化来看累积效应;之前都是靠平均值。
滞后效应
- 凡是通过积分获得数量,它的结果会滞后于瞬间变化,有时还要经过相当长的时间之后才能看到
- 这种由积分获得的数量,一旦大到被大家观察到之后,要逆转这个趋势是很难。
飞轮效应
加速度 =》 速度(有一定滞后) =》 距离(滞后两次)
从努力,到能力,到成绩,再到赏识,是一级级积分的结果,有滞后效应的;
用变化的眼光来看最大值和最小值
最优化问题:机器学习、金融投资、商业博弈论等
有限集合求最值的和心思想:两个元素直接或者间接比大小‘
牛顿的牛B:把最优化问题堪称了解函数动态变化趋势的问题。寻找最大值转换为一个解方程问题:导函数等于0
更加通用,并且与结合大小无关。
牛顿的方法只能找到极大值,却无法找到最大值。
如何找最大值的方法,至今无人解决。只能一个一个比较。
莱布尼茨从哲学出发,其哲学思想和逻辑思想有两点:
(1)我们所有的概念都是从非常小的、基本概念复合而成的,他们组成了人类思维的基本单位。
(2)简单的概念符合成复杂概念的过程是计算。
微积分是一个纯数学的工具。
牛顿 PK 莱布尼茨:宗教信仰不同
牛顿:自然神论者,上帝仅仅创造了世界。
莱布尼茨:神学家,上帝维护者
概率:(大数据思维的基础)
微积分这个工具以及牛顿,给了人们空前的自信,认为什么事情都是确定的;机械论世界观
拉普拉斯给出的定义:
随机事件:包含若干个等概率的基本事件
概率:随机事件A包含的基本单位数量/总数量
有漏洞!!
等概率? 循环定义。
随机性是一种自然的属性;它客观存在,所以得到结果的不确定性;
有关不确定的概率,只有在大量随机试验时才能显现出来,当试验次数不足时,他则显示出偶然性和随意性。
伯努利实验
期望,误差,标准差/平方差
理想与现实:
越是概率小的事件,由于标准差的存在,所以误差就会越大;
例如1%的概率的事件,进行100次实验,标准差是1,期望是1,误差是大约是100%
如果想确保1次成功,至少要做260次实验。
提到单次成功率要比多做实验更重要,所以凡事多做准备,争取一次性成功。
泊松分布:小概率事件,但是试验次数足够大
公司停车问题
投资失败,判定一件事情发生的可能性总是由很大的误差,一个重要的原因就是靠直觉与有严重漏洞的逻辑,而不是靠严格的数学逻辑和推导。
应对随机性,需要的冗余比想象中的大。
(通讯公司应对通话高峰期问题)
池子越大,越能抵消随机性带来的误差。
(保险:保费与投保人数) =》 大的保险公司!!
如何尽可能的放大池子:保险公司互保
正态分布
一个标准差,置信度:65%
二个标准差:置信度:95%
三个标准差:置信度:99.73%
标准差越小,越瘦高;
如何缩小标准差:增加统计数量
条件概率:贝叶斯公式
P(X|Y) = P(Y|X) * P(X) / P(Y)
为什么这么写呢?因为通常P(X), P(Y)比较容易求的;而P(X|Y), P(Y|X)有一个比较容易求的。
机器翻译的原理(英文翻译成中文)
假设有N种翻译方法,其实就是从这N种翻译方法中找到一种翻译X, 使得在已知英文句子Y的条件下,X的概率P(X|Y)的概率最大。
给定一个中文语句,对应的英文句子的概率(马尔科夫计算模型)
P(X)表示那个句子在语法中更合理
概率公理化
概率的精确定义:
借助于极限的思想
伯努利版本大数定理:
如果一个事件的概率P存在,那么事件A的发生次数M / 总的试验次数N 伴随着N趋近于无穷大,M/N 无限趋近于 P
(不严格:假设P存在)
切比雪夫大数定理:
大量试验后,随机变量的平均值,就等于它的概率
前两者,偏向于自然语言,不够优雅,初等概率论
现代概率论:柯尔莫哥洛夫,引入“测度”概念
测度:概率函数,定义了概率,一个随机事件对应的数值。
统计学和大数据
用好数据的5个步骤
- 设定研究目标
- 设计实验
- 根据试验进行统计和实验,分析方差和均值
- 通过分析进一步了解数据,提出新假说(如果证明无效,提出新假说)
- 使用研究结果
黑天鹅产生的原因:把小概率事件当作零概率事件
奇普夫定律:自然界的普遍定律:排名 * 频次 = 常量
财富排名 * 财富 = 常量
古德-图灵折扣估计
博弈论
零和博弈:最多是平衡而已
博弈的最好策略:在对方给我们造成的最糟糕的局面里,选择相对最好的。
计算机算法:最小值中的最大值策略
静态博弈:
动态博弈:下围棋,交替出招
马鞍点:平衡点
非零和博弈
囚徒困境
双赢点是大家主观上都想达成的目标,但在现实中客观的结局常常是纳什均衡点,也就是双输的结果。
现实中,双赢很难的5个原因:
(1)博弈是长期反复的,长期坚持信任几乎不可能
(2)博弈论讲的是阳谋的策略,但很多时候博弈双方使用的确是阴谋。
(3)人类处于文明初级阶段,道德水准不聋高估。(见不别人比自己好)
(4)乌合之众效应(两人或者两个独裁国家博弈更容易双赢,但是两个民主国家则更难)
(5)看似双赢,但其实是更大范围内的零和博弈(公司给员工的期权)
合作,永远不要玩难以达成双赢的游戏;初次相信原则
智猪博弈:大小企业竞争,搭便车似的跟随策略
制定最好的策略,是要考虑到对方采取每一种策略的概率,而不是简单考虑对方一定会采用对自己最不厉的策略。
数学和其他知识体系
哲学与数学,一头一尾
数学如何影响哲学
笛卡尔
人类如何知识:经验 + 理性推理(逻辑) + 去伪存真
实证 人的理性
莱布尼茨
相对的因果时空观
对离散的世界理解(二进制、不可分割性=》离散数学、量子力学)
使用建立公理化体系的方法,建立自己的哲学体系。
数学和逻辑学:逻辑是一切的基础
逻辑是人类理性的体现,基本原理:
(1)同一律
明确概念、偷换概念,以偏概全
(2)矛盾律:不可能是A,又不是A
同一时间,同一属性,同一方面,对象
(3)排中律:是非明确
二分相关算法的逻辑基础
(4)充分条件律:有果必有因
任何结论都要有充分的理由。
工具
运筹学:利用图论、线性代数等数学工具,从整体上改变现有系统的效率。 数学是工具
管理学:企业的三公理
愿景和使命(企业为什么而存在)
价值观(企业中的人与外界各种人的关系);数学,公理思维方法论
历史:历史研究中,不强调所有的正确性或者正统观点,而强调逻辑的自洽。任何从客观出发,逻辑上都自洽的结论都是有意义的。
体系公理不一样,还原出的历史就不一样。没有对错,却有好坏,有合理和荒诞。评判标准在于:其假设前提,也就是公理的客观性,以及论证的逻辑性。
伽罗瓦 古典难题给我们的提示:
伽罗瓦的群论,近世代数
(1)绝大多数知识体系都不可能做到绝对的完备性和一致性的统一。
某一个区域内,一定会出现仅靠区域内的知识无法解决的问题。解决这些问题需要更大领域的知识。
(2)每一种工具都可以解决很多问题,将很多看似并不相关的难题的共性找出来。如果这些工具,某些难题看似能解决,但仅仅是靠技巧。
(3)跳出圈外,在某一个时代,某些问题之所以很难,是因为他们看似当时知识体系的问题,但其实是表象。二等分角 VS 三等分角(欧几里得几何范围内无法解决)
庞加莱猜想 拓扑学的基石 done
NP问题:不存在还是没找到?
霍奇猜想
黎曼猜想(希尔伯特问题)
杨-米尔斯存在性与质量间隙
罗素悖论:第三次数学危机 理发师悖论
能否有一个集合,他有那些不包含自身的集合构成?
数学思维:
一切从公理出发,逻辑得到结论
在解决问题之前,先搞清问题,特别是搞清楚问题的定义
各种知识体系是相通的
用动态、发展的眼光看待世界。
思维方式
哲学对数学的影响
哲学试图去构建一个位于科学和其他知识之上的大一统体系,形成一个没有矛盾的知识体系。
数学:希尔伯特,大一统的数学体系(不可能)
物理学:爱因斯坦,大一统的物理体系(至今未实现)
一个人只有在深刻人类知识的普遍性原理之后,才能站在一个制高点往下俯视。
从个案到整体规律
从个别定理到知识体系
从具体到抽象
从静态到动态
从完全的确定性到把握不确定性
数据
数据的提供者:用户
数据的管理者:JD,gogole等公司
数据的使用者:谁从数据中受益
金钱的不可复制性,稀缺
数据呢?如果数据可以随意复制,那么他将一文不值。
如何数据的不可复制性
区块链:某些数据本身是很稀缺的。
数据资产化,数据资本化