归纳娮王第37章数学机器人绿色阅读 - 归纳娮王看书神

第37章数学机器人

“走遍天下，还是要学数理化生地吧。”古归问，“学数学，对我造机器人，有什么用吗？”

“造机器人，从骨架的设计到动作的控制，从眼睛识别物体到大脑做出决策，骨子里全是数学。美术给外观，数学给内里。没有数学，所有的机器、所有的工程、所有精密的设计，都只是散掉的零件，立不起来。

需要几何学来确定形状和结构；需要代数来计算重心和受力；需要微积分来模拟关节的运动轨迹。造机器人的‘大脑’，需要逻辑学来设计判断规则，需要概率论来处理不确定性，需要图论来规划路径。没有数学，机器人只是一堆不会动的零件。”

数学机器人有的悬浮在半空推演定理，指尖划过处，一行行公式与证明自动展开；有的伏在算台前运算，算筹、算盘、差分机、晶体管在操作台交替浮现；有的对着三维曲面轻轻一点，光滑的流形便在光影里连续变换形态；有的在推演几何证明，笔尖在光屏上画出完美的圆；有的在演算代数方程，符号在指尖流动、约简、重组；有的在统计概率数据，图表在眼前展开；有的在设计算法程序，代码在屏幕上滚动。

“数学是纯粹的。”归古说，“不依赖任何外部验证，只依赖逻辑本身。一个数学命题，一旦被证明，就永远成立，不会因为时代变迁、地域不同、观点变化而改变。数学是唯一不需要修改的真理。”

“崩溃，看不懂~”古归目光扫过满屏符号，头已经开始发晕。

“看懂多少是多少。”归古说，“感受一下，不必全懂。”

一、数学史

“数学不是凭空冒出来的天书，是数千年里，一代代人从丈量土地、观测天象、分配粮食、建造屋宇里慢慢攒出来的学问。”归古说，“不同的文明，各自摸着石头过河，最后都走到了数学的门前。”

从结绳记事开始，原始人在绳子上打结，记录猎物的数量、部族的人口。这是人类最早的数学活动，简单、朴素、实用。

“中国数学，从一开始就扎根在生活里。”归古停下脚步，“现存最早的《算数书》写在秦代竹简上，是基层官吏的实用算书；后来的《算经十书》，撑起了中国古代数学的完整根基。”

“《周髀算经》既是天文书也是数学书，早早讲清了勾股定理；《九章算术》是古代的数学百科全书，方田、粟米、衰分、少广、商功、均输、盈不足、方程、勾股九大类，全是生活里能用的学问。再加上《海岛算经》《孙子算经》《张丘建算经》《五曹算经》《五经算术》《缀术》《数术记遗》《夏侯阳算经》，十部算经，代代传习，是古代算学的标准课本。”

“刘徽为《九章算术》作注，割圆术无限逼近圆周率，逻辑严谨，是中国古代数学理论的高峰；祖冲之把圆周率算到小数点后七位，领先世界千年，儿子祖暅之提出祖暅原理，巧妙算出球体体积；王孝通写《缉古算经》，系统求解三次方程，用于工程建造。”

“宋元是中国古代数学的巅峰：李冶著《测圆海镜》《益古演段》，天元术大成，用符号列方程；秦九韶《数书九章》里，大衍求一术也就是孙子剩余定理、正负开方术，站在当时世界代数学的顶端；杨辉留下了贾宪三角、垛积术，纵横图里藏着数字的奇妙规律；王恂、郭守敬把招差法、弧矢割圆术用在天文历法上，算出了精准的授时历；朱世杰《四元玉鉴》的四元术、高阶招差术，把古代代数推到了顶峰。”

再往后，明代程大位《算法统宗》集珠算之大成，让算盘走进了千家万户；徐光启和利玛窦合译《几何原本》，开启了中西数学的会通；清代梅文鼎、年希尧、明安图学贯中西，汪莱、李锐、项名达、戴煦深耕方程与级数，李善兰《则古昔斋算学》融会中西，译介了大量西方近代数学。

“还有《数理精蕴》汇总了清代前期的数学成果，《畴人传》为历代天文学家、数学家立传，一部部著作，串起了中国数学的传承脉络。”

“古人算数学，最早用筹算，一根根算筹摆列之间，能解方程、能开方、能算四则；后来珠算普及，算盘一打，又快又准。孙子剩余定理、增乘开方法、贾宪三角、招差法、盈不足术、百鸡术，都是中国古代数学的独创。记数法、黄金分割、希腊几何三大问题，这些是东西方文明共同的好奇与探索。”

“发展到今天，中国有了完整的数学教育体系，有专业的数学研究机构，有中国数学会，古老的算学传统，正在现代数学里焕发新的生命。”

古归在《归纳书》里记下智能体设计：

记忆的内容可以不同，但记忆的结构、推理的规则、计算的方法，应该是统一的。数学的秩序是客观的、普遍的"通用语"，不依赖于任何特定的文化和语言。

①数学史

②中国数学史

③ [中国古代数学计算方法】

④筹算

⑤珠算

⑥孙子剩余定理

⑦ 增乘开方法

⑧贾宪三角

⑨招差法

⑩盈不足术

?百鸡术

? [其他」

?纵横图

?记数法

?黄金分割

?希腊几何三大问题

?计算工具

?和算

?费尔兹奖

?沃尔夫奖

21 希尔伯特数学问题

22 国际数学教育委员会

23 国际数学联合会

24 国际数学家大会

25 数学刊物

26 中国数学教育

27 中国数学研究机构

28 中国数学会

二、数学基础

从最深的基础理论，到最实用的工程应用。

1.数理逻辑：地基

“数学研究什么？数学本身的基础是什么？数学本身可靠吗？在数学的底层，没有公式，只有逻辑和公理。

诞生了三大流派，逻辑主义、形式主义、直觉主义。”

“逻辑主义说，数学是逻辑的一部分，所有数学命题都可以还原为逻辑命题。

形式主义说，数学是符号游戏，公理是游戏的规则，证明是合法的步骤。

直觉主义说，数学是人类心智的构造，只有那些可以被‘构造’出来的东西才是合法的数学对象。”

命题逻辑、谓词逻辑、模态逻辑、多值逻辑、模糊逻辑，各种数理逻辑系统依次排布。

“数理逻辑是数学的‘语法’。一套套逻辑体系，规定了怎么推理、怎么判断对错。这是给机器人写指令的基础，机器人的大脑怎么判断、怎么推理、怎么做决策，每一行指令，每一行程序都是逻辑的表达式。”

集合、映射、序数、基数、悖论、超限归纳法，集合论是数学的基础语言。

“几乎所有数学对象，都可以用集合来定义。自然数是集合，函数是集合，甚至实数也是集合。集合论是现代数学的‘地基’。

可这座地基也曾动摇过。集合论中的一个著名悖论，说‘所有不包含自己的集合的集合’，这个集合是否包含自己？如果包含，就不符合定义；如果不包含，就符合定义，这是一个矛盾。这个悖论动摇了集合论的基础，促使数学家重新思考数学的根基。”

“数学里也有悖论。数学不是无懈可击的。正是因为发现了这些裂缝，数学家才不断加固他、重新审视他。”

再往上分四大块：模型论研究公理系统的模型，递归论研究算法、递归函数、不可解度与判定问题，回答“什么能算、什么算不出来”，这正是计算机科学的理论源头。

“从自然数到实数、复数，数系一步步扩展，就像机器人的认知边界，在数学的支撑下不断拓宽。”

“在任何包含算术的公理系统中，都存在既不能被证明也不能被证伪的命题。”归古说，“也就是说，数学不可能‘完备’，总有证明不了的真理。数学是无限的，人的证明能力是有限的。但这不妨碍我们继续探索。”

古归在《归纳书》里记下底层逻辑模块设计参考：

1.推理引擎层：基于数理逻辑（命题逻辑、谓词逻辑），构建最基础的推理规则系统。

所有判断、决策、推理，最终都要落到逻辑运算上。

支持多值逻辑、模糊逻辑，处理不确定的、模糊的判断。

2.数据结构层：基于集合论，构建统一的数据表示体系。

所有信息都以集合的方式存储和组织，支持映射、分类、归纳。

注意规避悖论——自指、递归定义需要有边界条件。

3.可计算性校验：参考递归论和判定问题，明确哪些问题可解、哪些不可解。

智能体不是万能的，要知道自己的边界。

对不可解问题，要有近似求解、启发式搜索的备选方案。

4.不完备性预留：接受系统中存在既不能证明也不能证伪的命题。

不要追求绝对完备，那是不可能的。

保留开放性，允许系统在运行中不断修正和扩展公理体系。

29 数学基础

30 逻辑主义（见数学基础）

31 形式主义（见数学基础

32 直觉主义（见数学基础）

33 数理逻辑

34 逻辑演算

35 命题逻辑

36 命题演算(见命题逻辑）

37 一阶逻辑

38 谓词演算（见一阶逻辑）

39 高阶逻辑

40 无穷逻

41 多值逻辑

42 模态逻辑

43 构造逻辑

44 模糊逻辑(见多值逻辑）

45 模型论

46 模态模型论

47 非标准模型

48 公理集合论

49 集合论公理系统

50 力迫方法

51 选择公理

52 连续统假设

53 递归论

54 算法

55 递归函数

56 递归可枚举集

57 不可解度

58 广义递归论

59 判定问题

60 分层理论

61 证明论

62 数学无矛盾性

63 哥德尔不完备性定理

64 构造性数学

65 希尔伯特计划

66 集合论

67 集合

68 映射

69 序数

70 基数

71 超限归纳法

72 悖论

73 罗素悖论（见悖论

74 数系

75 实数

76 复数

77 组合数学

78 图论

79 四色问题

80 算术

2.代数学与数论：骨架

“最基础的是算术与多项式、代数方程，是我们从小就学的内容。线性代数是工程里用得最多的工具：行列式、线性方程组、矩阵、向量空间、欧几里得空间、线性变换、线性型、二次型、多重线性代数，一套一套的。”归古抬手调出一个机械臂的三维模型，关节转动间，矩阵运算在旁边同步刷新。

“要让机械臂动起来，每个关节转多少角度，末端能到什么位置，坐标怎么变换，全靠矩阵运算。线性代数是所有工程的通用语言，机器人的运动学、图形学、控制算法，底层全是他。

机器人的视觉感知，图像是矩阵；机器人的传感器数据，是向量；机器人的神经网络，每一层都是线性变换加非线性激活。线性代数是现代信息处理的基础语言。”

“群、环、域、模、格、布尔代数，这些看起来抽象的名字，其实是在研究‘对称’与‘结构’。

有限群、置换群、群表示论、有限单群分类，无限群、交换群、典型群、线性代数群、拓扑群、李群、李代数，每一种结构，都对应着一类规律。伽罗瓦理论用群论彻底解决了方程根式解的问题，代数基本定理、序域、赋值、代数函数域、有限域、二次域、p进数域，一层层往下挖，越抽象，适用范围越广。”

“机器人的对称结构设计、运动变换、通信加密，背后都有抽象代数的影子。”

“交换代数、同调代数、代数K理论、泛代数、范畴论，是更现代的代数工具，已经渗透到数学的各个分支，也渗透到了理论计算机科学里。”

“代数是关于‘结构’的数学。群论研究对称性，一个正方形旋转90度不变，这就是群的结构。域论研究数的体系，有理数、实数、复数，各有不同的域结构。代数学把‘计算’变成了‘结构’。”

一个机器人正在演示群的乘法表，四元数群、对称群、置换群，每一种群都有独特的结构。

“群论是现代数学的语言之一，在物理学、化学、密码学中都有广泛应用。一个可以描述对称性的数学工具，几乎可以被用来看待一切存在。”

“数论研究整数的规律，看起来最纯粹，离生活最远，可今天的密码学全靠他撑着。数论中的成果，后来被应用到了密码学、计算机科学、通信技术中。最抽象的理论，往往有最意想不到的应用。

初等数论里的整除、同余、二次剩余、连分数、完全数、费马数、梅森数、伯努利数、数论函数、抽屉原理、不定方程，数学是唯一一种‘几百年后还能做’的学问。自然科学的结论会被修正，但数学定理一旦被证明，就永远是真理。这本身就是一种独特的吸引力，你证明的东西，不会有人推翻你。”

“解析数论用微积分研究素数分布，筛法、黎曼ζ函数、狄利克雷特征、L函数，堆垒数论、整数分拆、格点问题、欧拉常数，数的几何、丢番图逼近、一致分布、超越数论、概率数论、模形式论、二次型的算术理论、代数数论、库默尔扩张、分圆域、类域论……”他顿了顿，看着古归微微皱眉的样子：“不用深究细节，你只要知道，机器人之间的通信加密、身份验证、数据安全，底层的密码算法，全是建立在数论的基础上。”

组合数学与图论展区则更贴近具体问题。

“组合数学和图论，研究排列、路径、连接的规律。四色问题听起来像个趣味游戏，背后是图论的深刻定理。机器人走迷宫、规划路径、调度多机任务、设计传感器网络，全靠图论和组合优化。”

古归在《归纳书》里补充代数与数论模块：

1.线性代数子模块：机器人运动学、图形学、感知算法的基础运算库。

矩阵运算、向量空间、线性变换→坐标变换、姿态计算、传感器融合

特征值、奇异值分解→数据降维、主成分分析、模式识别

2.抽象代数子模块：对称性分析、结构设计、加密算法的理论基础。

群论→对称结构设计、运动变换群、状态空间分析

有限域→纠错编码、加密算法

3.数论子模块：安全与加密层。

大素数分解、离散对数→公钥密码、数字签名、身份认证

同余、中国剩余定理→分布式系统中的数据分片与恢复

4.组合与图论子模块：路径规划、任务调度、网络拓扑。

图的遍历、最短路径→机器人导航、路径规划

网络流、匹配→资源分配、任务调度

组合优化→最优决策、资源配置

81 代数学

82 多项式

83 代数方程(见多项式）

84 非线性方程组数值解法

85 线性代数

86 行列式

87 线性方程组

88 矩阵

89 向量空间

90 欧几里得空间

91 线性变换

92 线性型

93 二次型

94 多重线性代数

95 群

96 有限群

97 多面体群

98 置换群

99 群表示论

100 有限单群

101 无限群

102 交换群

103 典型群

104 线性代数群

105 拓扑群

106 李群

107 变换群(见埃尔朗根纲领）

108 算术群

109 半群

110 环

111 交换环

112 交换代数

113 结合代数

114 非结合代数

115 李代数

116 模

117 格

118 布尔代数

119 泛代数

120 范畴

121 同调代数

122 代数K理论

123 城

124 代数扩张(见域）

125 超越扩张（见域

126 伽罗瓦理论

127 代数基本定理

128 序域

129 赋值

130 代数函数域

131 有限城

132 二次域

133 p进数域

134 数论

135 初等数论

136 整除

137 同余

138 二次剩余

139 连分数

140 完全数

141 费马数

142 梅森数

143 伯努利数

144 数论函数

145 抽屉原理

146 不定方程

147 费马大定理（见不定方程

148 解析数论

149 筛法

150 素数分布

151 黎曼了函数

152 狄利克雷特征

153 狄利克雷L函数

154 堆垒数论

155 整数分拆

156 格点问题

157 欧拉常数

158 数的几何

159 丢番图逼近

160 一致分布

161 超越数论

162 概率数论

163 模形式论

164 二次型的算术理论

165 代数数论

166 库默尔扩张

167 分圆城

168 类域论

169 代数几何

3.几何学与拓扑学：形体

几何学展区，从平面到空间，从平直到弯曲，形态万千。

“几何学是我们认识空间的起点。

欧几里得几何学，希尔伯特公理体系，点线面、多边形、多面体、正多面体、圆周率，是所有人的几何启蒙。

解析几何学把数和形连了起来，坐标系、直线、平面、二次曲线、二次曲面，初等几何变换、几何度量，三角学是测量与导航的基础。

尺规作图三大难题，曾难倒了无数人，也推动了代数与几何的发展。”

再往里走，几何的世界越来越广阔。

“仿射几何学、射影几何学，对偶原理、交比、射影变换，把透视的规律讲透了；

埃尔朗根纲领用‘群’给几何学分类，一下子把所有几何都串在了一起。

“欧几里得几何研究平坦空间，三角形内角和是180度。非欧几何研究弯曲空间，打破了‘空间一定平直’的常识，告诉我们空间也可以是弯曲的。在球面上，三角形的内角和大于180度；在双曲面上，小于180度。几何学的每一次突破，都改变了人们对世界的认知。非欧几何的出现，为爱因斯坦的广义相对论提供了数学语言，时空本身是弯曲的。”

“非欧几何在诞生之初，被认为是‘不可能的空间’，可后来他成了广义相对论的数学语言，时空本身就是弯曲的。几何学不只是在‘描述’空间，他也在‘创造’空间。数学的想象力，往往比物理的观察力走得更远。”

微分几何学研究光滑的曲线与曲面：直纹面、可展曲面、极小曲面，微分流形、张量、张量分析、外微分形式，是描述弯曲空间的标准语言。

“黎曼几何学把空间弯曲讲得透彻，爱因斯坦就是用他写出了广义相对论。闵科夫斯基空间、联络论、杨-米尔斯理论、射影微分几何、仿射微分几何、积分几何，这些看起来高深，可机器人的三维建模、曲面加工、运动轨迹规划，全要用到微分几何的知识。”

拓扑学展区更有趣，像一场“橡皮膜上的游戏”。

“拓扑学不关心长短大小，只关心连接关系、孔洞多少。”归古拿起一个演示模型，莫比乌斯带，一个只有一面的曲面。轻轻一拉，圆环变成了带把手的杯子，形状变了，孔洞的数量没变，

“这就是拓扑不变性。拓扑学研究‘连通性’，不关心长度、角度、面积，只关心‘连接关系’。一个甜甜圈和一个咖啡杯在拓扑学中是同一个东西，因为他们都有一个洞。我们人类真正关心的，往往不是大小或形状，而是‘哪里是连在一起的’，‘哪里是分开的’，拓扑学讲的就是这个。”

“一般拓扑学讲拓扑空间、度量空间、维数的本质；代数拓扑学用代数工具算拓扑性质，同调论、同伦论、CW复形、纤维丛、复叠空间、不动点理论，闭曲面的分类，庞加莱猜想猜了一百年才最终被证明。微分拓扑学研究光滑流形，横截性、纽结理论、可微映射的奇点理论、突变理论、莫尔斯理论。”

“机器人的柔性结构变形、路径的拓扑性质、传感器网络的覆盖问题，都能在拓扑学里找到工具。”归古总结道。

“数学里的抽象，有时候比具体更接近本质。”古归重复着这句话，写下几何与拓扑模块：

1.欧氏几何与解析几何：空间感知与定位的基础。

坐标系、变换→机器人定位、地图构建

三角学→测距、角度计算、视觉测量

2.微分几何：曲面建模与运动规划。

流形、张量→高维状态空间的描述

测地线→最短路径、最优运动轨迹

3.拓扑学：连接性与全局结构。

同伦、同调→路径的拓扑性质、环境的连通性

不动点定理→迭代算法的收敛性保证

纤维丛→复杂系统的分层结构

很多时候，我们关心的不是精确的数值，而是"能不能过去""连不连通""有没有洞"这种结构性的问题。

智能体的高层决策，可能更多是拓扑层面的判断，而不是几何层面的计算。

170 几何学

171 欧几里得几何学

172 希尔伯特公理体系（见欧几里得几何学

173 欧几里得空间

174 坐标系

175 圆周率

176 多边形

177 多面体

178 正多面体

179 解析几何学

180 直线

181 平面

182 二次曲线

183 二次曲面

184 二次曲线束

185 二次曲面東

186 初等几何变换

187 几何度量

188 三角学

189 综合几何学

190 尺规作图（见希腊几何三大问题

191 仿射几何学

192 仿射变换

193 射影几何学

194 对偶原理（见射影几何学)

195 射影坐标

196 射影测度

197 绝对形

198 交比（见射影几何学)

199 射影变换（见射影几何学）

200 圆点（见绝对形

201 直线几何

202 埃尔朗根纲领

203 非欧几里得几何学

204 微分几何学

205 曲线

206 曲面

207 直纹面（见曲面）

208 可展曲面（见曲面

209 极小曲面

210 微分流形

211 张量

212 张量分析

213 外微分形式

214 流形上的偏微分算子

215 复流形

216 辛流形

217 子流形（见微分流形）

218 辛几何（见微分流形）

219 黎曼几何学

220 黎曼空间（见黎曼几何学

221 常曲率黎曼空间

222 齐性空间

223 黎曼流形的变换群

224 闵科夫斯基空间

225 广义相对论

226 联络论

227 杨一米尔斯理论

228 射影微分几何学

229 仿射微分几何学

230 一般空间微分几何学

231 线汇论

232 积分几何学

233 拓扑学

234 一般拓扑学

235 拓扑空间

236 度量空间

237 维数

238 多值映射

239 代数拓扑学

240 同调论

241 同伦论

242 cW复形

243 纤维丛

244 复叠空间

245 不动点理论

246 闭曲面的分类

247 庞加莱猜想

248 微分拓扑学

249 流形

250 横截性

251 纽结理论

252 可微映射的奇点理论

253 突变理论

254 莫尔斯理论

4.分析学：血脉

分析学是工程里用得最广的数学工具，核心就是研究“变化”与“极限”、“变化”和“连续”。

“微积分学是所有分析的基础，研究两个核心问题，变化率（微分）和累积量（积分）：函数、初等函数、隐函数、极限、函数的连续性、级数，微分学算导数、微分，中值定理、极值，积分学算面积体积，原函数、积分法、广义积分、含参变量积分。

多元微积分学讲偏导数、全微分、方向导数，雅可比矩阵、雅可比行列式，向量分析、场论里的梯度、散度、旋度。牛顿用微积分描述行星的运动，现代物理学家用微积分描述量子场，同一套数学工具，从宏观到微观，都管用。”归古调出一个运动的小球，速度、加速度、受力曲线同步跳动。

“机器人的运动速度、加速度、受力分析，能量、功率的计算，全靠微积分。这是描述运动最基础的语言。”

一个机器人正在演示极限的概念，曲线越来越接近某条直线，但永远不触到他。

“极限是微积分的基石。微积分里最重要的概念，导数、积分，都是通过极限来定义的。极限是数学里‘无穷’与‘有限’之间的桥梁。”

复变函数论展区充满了对称的美感。

“复变函数研究复数域上的函数，解析函数、柯西积分定理、泰勒级数、洛朗级数、留数、调和函数、最大模原理、共形映射，特殊函数、整函数、亚纯函数、解析开拓、椭圆函数、代数函数、模函数，黎曼曲面、单叶函数、拟共形映射。拉普拉斯变换、傅里叶变换这些积分变换，是信号处理的神器。”

“虚数单位i，平方是-1，曾被认为是‘不可能的数’。可现在，机器人的传感器信号处理、控制系统的频域分析，全靠复变函数与积分变换。数学里的‘不可能’，往往只是还没发现用处的‘可能’。”

实变函数论与泛函分析展区，是分析学的现代升级。

“实变函数论把积分的概念拓宽了，勒贝格积分、有界变差函数、测度论，能处理更复杂的函数。泛函分析更厉害，把函数当成空间里的点，研究函数空间、索伯列夫空间、拓扑线性空间、巴拿赫空间、希尔伯特空间，研究线性算子、全连续算子、谱算子、广义函数。”

“这是现代控制理论、信号处理、机器学习的数学基础。机器人的最优控制、系统辨识、高级感知算法，底层都是泛函分析。”

再往里走，变分法求最优路径，函数逼近论研究怎么用简单函数逼近复杂函数，傅里叶分析把复杂信号拆成简单的正弦波：三角级数、傅里叶级数、傅里叶变换、奇异积分、算子内插，BMO空间、Hp空间，群上调和分析，流形上的分析、霍奇理论、几何测度论、位势论、凸分析、非标准分析……

“这些分析工具，一层层往上叠，最终变成了机器人感知、控制、决策的底层数学支撑。”

记录分析学模块：

1.微积分：动态系统的描述语言。

微分→变化率、速度、梯度

积分→累积量、面积、能量

场论（梯度、散度、旋度）→力场、流场、传感器场的分析

2.复变函数与积分变换：信号处理的利器。

傅里叶变换→频域分析、滤波、特征提取

拉普拉斯变换→控制系统的传递函数

3.泛函分析：高级算法的理论基础。

希尔伯特空间→信号空间、特征空间

线性算子→滤波器、变换、投影

变分法→最优控制、最优路径

4.傅里叶分析：信号的分解与合成。

把复杂信号拆成简单成分，就像把白光分成光谱

对应到记忆系统：把复杂的记忆分解为基本的"记忆原子"

分析学的核心是"变化"。一个智能体不能只处理静态的信息，必须能处理变化，速度的变化、环境的变化、自身状态的变化。

255 分析学

256 微积分学

257 函数

258 初等函数

259 隐函数

260 极限

261 函数的连续性

262 级数

263 微分学

264 导数

265 微分

266 中值定理

267 极值

268 积分学

269 积分

270 原函数

271 积分法

272 广义积分（见积分学）

273 含参变量积分（见积分学）

274 多元微积分学

275 偏导数

276 全微分

277 方向导数

278 雅可比矩阵

279 雅可比行列式

280 向量

281 向量分析

282 场论

283 复变函数论

284 复变函数

285 解析函数

286 柯西积分定理

287 解析函数项级数

288 幂级数（见解析函数项级数

289 泰勒级数

290 洛朗级数

291 留数

292 调和函数

293 最大模原理

294 共形映射

295 特殊函数

296 整函数

297 亚纯函数

298 解析开拓

299 橢圓函数

300 代数函数

301 模函数

302 函数值分布论

303 黎曼曲面

304 单叶函数

305 正规族

306 拟共形映射

307 解析函数边值问题

308 狄利克雷级数

309 解析函数边界性质

310 拉普拉斯变换

311 积分变换

312 泰希米勒空间

313 广义解析函数

314 多复变函数论

315 实变函数论

316 勒贝格积分

317 有界变差函数

318 测度论

319 黎曼一斯蒂尔杰斯积分

320 贝尔函数

321 积分不等式

322 杨不等式（见积分不等式

323 赫尔德不等式（见积分不等式

324 施瓦兹不等式（见积分不等式

325 闵科夫斯基不等式（见积分不等式

326 延森不等式（见积分不等式

327 泛函分析

328 泛函数

329 函数空间

330 索伯列夫空间

331 拓扑线性空间

332 巴拿赫空间

333 半序线性空间

334 希尔伯特空间

335 谱论

336 向量值积分

337 线性算子

338 全连续算子

339 谱算子

340 线性算子扰动理论

341 赋范代数

342 广义函数

343 非线性算子

344 泛函积分

345 算子半群

346 遍历理论

347 不变子空间问题

348 变分法

349 大范围变分法

350 函数逼近论

351 函数构造论

352 复变函数逼近

353 外尔斯特拉斯一斯通定理

354 拉格朗日插值多项式逼近

355 埃尔米特插值多项式逼近

356 三角多项式

357 连续模

358 强性逼近

359 有理函数逼近

360 正交多项式

361 帕德逼近

362 沃尔什逼近

363 联合逼近

364 抽象逼近

365 宽度

366 熵

367 线性正算子逼近

368 傅里叶和

369 傳里叶分析

370 三角级数

371 傳里叶级数

372 傳里叶变换

373 傅里叶积分(见傅里叶变换）

374 傅里叶积分算子

375 乘子

376 共轭函数

377 卢津问题

378 李特尔伍德一佩利理论

379 正交系

380 极大函数

381 面积积分

382 奇异积分

383 算子内插

384 BMO空间

385 HP空间

386 奇异积分的交换子

387 佩利一维纳定理（见傅里叶变换

388 卷积

389 Ap权

390 概周期函数

391 群上调和分析

392 哈尔测度（见群上调和分析

393 正定函数

394 谱综合

395 流形上的分析

396 霍奇理论

397 几何测度论

398 位势论

399 凸分析

400 非标准分析

5.微分方程：描述世界

“微分方程，是描述世界变化的语言。几乎所有的物理规律、所有的动态系统，都能用微分方程写出来。”

“常微分方程描述随时间变化的系统：初等常微分方程、线性常微分方程，初值问题、边值问题，解析理论、变换群理论，定性理论、运动稳定性理论，哈密顿系统、概周期微分方程、抽象空间微分方程、泛函微分方程、微分差分方程，摄动方法、近似解析解。动力系统更是一门大学问，拓扑动力系统、微分动力系统，研究系统长期的演化规律。”

“机器人的运动动力学，本质上就是一组常微分方程。你要让机器人走得稳、动得准，就要会解这些方程，会分析他的稳定性。”

偏微分方程更复杂，也更强大。

“数学物理方程大多是偏微分方程：椭圆型的拉普拉斯方程描述稳态场，双曲型的波动方程描述振动与波，抛物型的热传导方程描述扩散过程，还有混合型偏微分方程、孤立子、索伯列夫空间、基本解、自由边界问题、分歧理论、发展方程。”

“机器人的结构受力、热传导、流体交互，甚至视觉里的图像扩散，都要解偏微分方程。积分方程和他相伴相生，弗雷德霍姆积分方程、沃尔泰拉积分方程、维纳-霍普夫方程，在信号处理里到处都是。”

"为什么所有的物理规律，最后都能写成微分方程的形式？"古归忽然问了一个问题。

"因为世界是连续变化的。时间是连续的，空间是连续的，物质的运动也是连续的。微分方程描述的就是'连续变化的量之间的关系'。只要世界是连续的，微分方程就是描述它的最自然的语言。"

"那如果世界不是连续的呢？"

"那就需要别的数学了。不过到目前为止，微分方程的描述能力，已经足够精确了。"

微分方程模块：动态系统建模

1.常微分方程：机器人动力学与控制。

运动学方程→位置、速度、加速度的关系

动力学方程→力、质量、加速度的关系

稳定性理论→保证系统不会失控

2.偏微分方程：场与分布的建模。

热传导方程→温度分布、散热分析

波动方程→声波、振动

拉普拉斯方程→静电场、稳态分布

3.动力系统理论：长期行为分析。

吸引子、极限环→系统的稳态行为

混沌→确定性系统中的不可预测性

分岔→系统行为的突变

微分方程是"预测"的数学。知道了系统当前的状态和变化的规律，就能推算出未来的状态。这就是智能体的预测能力，根据过去和现在，预判未来。

401 微分方程

402 常微分方程

403 初等常微分方程

404 线性常微分方程

405 常微分方程初值问题

406 常微分方程边值问题

407 常微分方程解析理论

408 常微分方程变换群理论

409 常微分方程定性理论

410 常微分方程运动稳定性理论

411 哈密顿系统

412 概周期微分方程

413 抽象空间微分方程

414 泛函微分方程

415 微分差分方程

416 常微分方程摄动方法

417 常微分方程近似解析解

418 动力系统

419 拓扑动力系统

420 微分动力系统

421 偏微分方程

422 数学物理方程

423 一阶偏微分方程

424 哈密顿一雅可比理论

425 偏微分方程特征理论

426 椭圆型偏微分方程

427 拉普拉斯方程(见椭圆型偏微分方程

428 双曲型偏微分方程

429 波动方程（见双曲型偏微分方程

430 双曲守恒律的间断解

431 抛物型偏微分方程

432 热传导方程(见抛物型偏微分

433 方程

434 混合型偏微分方程

435 孤立子

436 索伯列夫空间

437 偏微分方程的基本解

438 局部可解性

439 偏微分算子的特征值与特征函数

440 数学物理中的反问题

441 自由边界问题

442 分歧理论

443 发展方程

444 不适定问题

445 积分方程

446 弗雷德霍姆积分方程

447 沃尔泰拉积分方程

448 对称核积分方程

449 奇异积分方程

450 维纳一霍普夫方程

451 维纳一霍普夫方法

6.计算数学：落地

“理论再漂亮，也要能算出来才行。这就是计算数学的事，把连续的数学，变成电脑能跑的数字。这是连接理论和工程的桥梁，也是造机器人最直接能用的学问。”

数值分析是计算数学的基础，研究‘怎么算得快、算得准’：数值微分、数值逼近、插值、曲线拟合、计算几何、样条函数，数值积分、数论网格求积分法，有限差演算、有限差方程。这些方法让复杂的数学问题可以被计算机解决。没有计算数学，计算机就只是一台没有程序的机器。”

“常微分方程的数值解法，单步法、多步法，龙格-库塔法、亚当斯法，边值问题的打靶法；高次代数方程、超越方程、非线性方程组的迭代法、牛顿法，这些都是仿真里天天用的工具。”

“最优化是计算数学里的大头。

线性规划的单纯形法，无约束优化、约束优化，整数规划、动态规划，是做决策的利器。线性代数方程组的数值解法，稀疏矩阵、广义逆矩阵、高斯消去法、松弛法、共轭梯度法，是大规模计算的核心。

偏微分方程的差分方法、有限元方法，里茨-加廖金方法，计算流体力学、特征线法、守恒格式，能把复杂的物理场算清楚。”

“还有蒙特卡罗法用随机抽样算积分，伪随机数、误差分析、最小二乘法、外推极限法，快速傅里叶变换把运算量降了几个数量级。数值稳定性、区间分析、计算复杂性，研究怎么算得准、算得快。数值软件、并行算法，更是大规模工程计算的利器。”

“算法的效率可以用数学来分析。‘复杂度’，一个算法需要多少时间和空间，是计算机科学的核心问题。好的算法可以在几分钟内解决问题，差的算法可能需要几百年。给机器人做仿真、算轨迹、调控制参数，本质上都是在用计算数学，把理论公式变成电脑能跑的代码。”

计算数学模块：从理论到实现

1.数值方法库：各种数学问题的数值解法。

插值、拟合→数据处理、曲线重建

数值积分、数值微分→离散数据的微积分运算

线性方程组求解→大规模系统的计算

2.最优化方法：决策与规划的核心。

线性规划、非线性规划→资源分配、路径规划

动态规划→多阶段决策

梯度法、牛顿法→参数优化、机器学习

3.有限元/有限差分：物理仿真。

结构力学、流体力学、热传导的数值模拟

机器人的虚拟仿真、数字孪生

4.计算复杂性：算法效率分析。

知道什么问题能快速解决，什么问题是硬骨头

对硬问题，用近似算法、启发式方法

智能体的所有高级功能，最终都要落到数值计算上。计算的精度、速度、稳定性，决定了智能体的能力边界。

452 计算数学

453 数值分析（见计算数学

454 数值微分

455 数值逼近

456 插值

457 曲线拟合

458 计算几何

459 样条函数

460 数值积分

461 数论网格求积分法

462 有限差演算

463 有限差方程

464 常微分方程初值问题数值解法

465 单步法（见常微分方程初值问题数值解法

466 多步法(见常微分方程初值问题数值解法

467 龙格一库塔法（见常微分方程初值问题数值解法

468 亚当斯法（见常微分方程初值问题数值解法

469 常微分方程边值问题数值解法

470 打靶法（见常微分方程边值问题数值解法

471 高次代数方程求根

472 超越方程数值解法

473 非线性方程组数值解法

474 迭代法

475 牛顿法

476 最优化

477 线性规划

478 单纯形方法(见线性规划

479 无约束优化方法

480 约束优化方法

481 概率统计计算

482 蒙特卡罗法

483 伪随机数

484 代数特征值问题数值解法

485 广义特征值问题数值解法(见代数特征值问题数值解法

486 线性代数方程组数值解法

487 稀疏矩阵

488 广义逆矩阵

489 对角优势矩阵

490 病态矩阵

491 消元法

492 高斯消去法（见消元法

493 松弛法

494 共轭梯度法

495 偏微分方程边值问题差分方法

496 偏微分方程初值问题差分方法

497 计算流体力学

498 特征线法

499 守恒格式

500 分步法

501 局部一维方法（见分步法

502 交替方向隐式法（见分步法

503 显式差分方法（见分步法

504 隐式差分方法（见分步法

505 有限差分方法

506 有限元方法

507 里茨一加廖金方法

508 里茨法(见里茨-加廖金方法

509 加廖金法（见里茨一加廖金方法）

510 玻耳兹曼方程数值解法

511 不适定问题数值解法

512 算图

513 诺模图（见算图

514 数值软件

515 并行算法

516 误差

517 最小二乘法

518 外推极限法

519 快速傅里叶变换

520 快速数论变换（见快速傅里叶变换

521 数值稳定性

522 区间分析

523 计算复杂性

7.概率论与数理统计：应对

“世界不是永远确定的，传感器有噪声，环境有变化，任务有随机因素。要应对这些不确定性，就要靠概率论与数理统计。”

概率论展区，从最基础的概率、随机变量、概率分布、数学期望、方差、矩，到正态分布、二项分布、泊松分布，再到概率论中的收敛、大数律、中心极限定理、条件期望，是理解随机性的起点。

“概率论研究‘不确定性’，在掷硬币、抽扑克牌、天气预报、股票涨跌、疾病传播中，都有概率论的影子。”

“概率不是‘运气’，他是‘计算后的不确定性’。‘每次掷硬币正面朝上的概率是二分之一’，这不是说掷两次一定会出现一次正面，而是说在大量重复试验之后，正面朝上的频率会趋近于二分之一。所以概率论是关于‘期望’的学问，在不确定性的背后，寻找确定性的倾向。”

“随机过程研究随时间变化的随机现象：马尔可夫过程、平稳过程、鞅、独立增量过程、点过程，布朗运动、泊松过程、分支过程，随机积分、随机微分方程，随机过程的极限定理。”

“滤波理论就是从混杂的噪声里把有用信息提出来，机器人的传感器永远有噪声，要靠滤波算法估准自己的位置、速度和状态。卡尔曼滤波、粒子滤波，背后全是概率与随机过程。”

数理统计学从数据里挖规律。

“统计是用数据做决策的科学。总体、样本、统计量，实验设计法、抽样调查，统计推断、参数估计、假设检验，列联表、统计决策理论、序贯分析；线性统计模型、回归分析、方差分析，多元统计分析、相关分析；大样本统计、非参数统计、稳健统计、贝叶斯统计；时间序列分析、统计质量管理、控制图、抽样检验，寿命数据统计分析、概率纸、随机逼近、数据分析。统计工具让数据说话，帮助人在不确定中做出判断。”

“统计学的核心问题是，从有限样本中推断总体。”古归说，“样本是有限的，但推断是无限的。每一次推断，都是在有限里看见无限。”

“机器人的视觉识别、环境感知、机器学习，本质上都是统计推断，从传感器的海量数据里，猜出世界是什么样子。没有概率统计，机器人就没法应对真实世界的不确定性。”

概率统计模块：不确定性处理

1.概率论基础：不确定性的量化。

概率分布、期望、方差→随机变量的描述

大数律、中心极限定理→大量随机现象的统计规律

条件概率、贝叶斯公式→信息更新与推断

2.随机过程：随时间变化的不确定性。

马尔可夫过程→状态转移、序列决策

高斯过程→函数空间的概率分布

布朗运动→连续随机运动的建模

3.滤波理论：从噪声中提取信号。

卡尔曼滤波→线性系统的状态估计

粒子滤波→非线性系统的状态估计

传感器融合→多源信息的整合

4.数理统计：从数据中学习。

参数估计、假设检验→统计推断

回归分析→预测与建模

贝叶斯统计→先验与后验的更新

概率统计就是智能体应对不确定性的工具，不追求百分之百的正确，追求"在概率意义上最优"的决策。

524 概率论

525 概率

526 随机变量

527 概率分布

528 数学期望

529 方差

530 矩

531 正态分布

532 二项分布

533 泊松分布

534 概率论中的收敛

535 大数律

536 中心极限定理

537 条件期望

538 随机过程

539 马尔可夫过程

540 平稳过程

541 鞅

542 独立增量过程

543 点过程

544 布朗运动

545 泊松过程

546 分支过程

547 随机积分

548 随机微分方程（见随机积分）

549 随机过程的极限定理

550 随机过程统计

551 滤波

552 无穷粒子随机系统

553 数理统计学

554 总体

555 样本

556 统计量

557 实验设计法

558 抽样调查

559 统计推断

560 参数估计

561 点估计

562 区间估计

563 假设检验

564 列联表

565 统计决策理论

566 序贯分析

567 线性统计模型

568 回归分析

569 方差分析

570 多元统计分析

571 相关分析

572 大样本统计

573 非参数统计

574 稳健统计

575 贝叶斯统计

576 时间序列分析

577 统计质量管理

578 控制图

579 抽样检验

580 寿命数据统计分析

581 概率纸

582 随机逼近

583 数据分析

8.运筹学与交叉学科：决策与控制

数学走向应用，和机器人的智能直接相关。

“运筹学是‘理性选择‘做最优决策’，研究怎么把事情安排得更好、更高效。在有限的条件下，找到最优的路。

数学规划是核心：线性规划、非线性规划、几何规划、整数规划、多目标规划、动态规划，策略迭代法、不动点算法；组合最优化、网络流、投入产出分析，马尔可夫决策过程、搜索论、排队论、库存论、决策分析、可靠性数学理论、计算机模拟。他们研究怎么分配有限的资源，才能达到最好的效果。是‘给定了资源，怎么用才最好’，在社会管理、经济规划、物流运输中，无处不在。”

“军事运筹学里的兰彻斯特方程、对抗模拟，对策论也就是博弈论，研究多方之间的对抗与合作。

统筹学、优选学，把资源和时间安排到最优。机器人做路径规划、任务调度、多机协同，全靠运筹学。”

“控制论是‘让系统按预期运行’的数学，控制理论是机器人的灵魂，怎么让系统按照想要的方式运动，怎么抗干扰，怎么保持稳定。飞机自动驾驶、工业自动化、经济调控、生态系统管理，都是控制论的应用场景。

信息论研究信息怎么传输、怎么编码、怎么量化。

理论计算机科学和数学亲如一家，研究算法、计算的边界、程序的逻辑。

模糊性数学处理模糊不清的概念，更接近人的模糊推理。”

“数学物理则是数学和物理的交界，从量子力学到相对论，都用最前沿的数学工具，也反过来推动数学的发展。”

运筹与控制模块：决策与行动

1.运筹学：最优决策。

1.数学规划→资源分配、路径规划、任务调度

2.排队论、库存论→资源管理与缓冲

3.决策论→不确定性下的选择