python 数学冒险_为啥我数学好计算机一般?

我也是学生。

个人感觉计算机在工程实践方面和数学关系不大，会用数学就行。

计算机算法类的问题，应该算是应用数学的一部分。

还有一些很纯很纯的理论，图灵机、范畴论的那些…应该能算纯数了。

这三个方面需要的天赋不太想同的。

举个例子，假如你没学过矩阵的特征值，也不太会写代码，然后某一天突然在网上看到了“矩阵的特征值”这个概念。

情况一：你立刻有了兴趣，然后快速明白了特征值大概是什么、能干啥。你听说有个叫numpy的东西能算特征值，于是你就想下载一个numpy算算试试。然后你发现numpy其实是Python的一个库。于是你照着别人的博客装了一个Python，学会pip install了numpy，然后你写了几行代码，发现真的能算特征值！

你非常兴奋，想把“特征值”这个概念告诉你的小伙伴们。于是你写了一篇博客，叫“特征值学习笔记”。然后，你还照着教程做了一个小网站，取名叫做“特征值计算器”。然后你还把这个链接放到了博客上。

过些日子后，你有次做项目的时候突然发现“特征值”这个东西可能有用，于是你把自己当时的博客翻了出来，然后立刻把特征值投入到了实用之中。

你能快速把特征值这一概念变成自己的工具，也很愿意在实际应用中利用它创造价值。

这是你在计算机应用与工程上的天赋。

情况二：你快速理解了特征值是什么、能干什么，你也了解到有个东西叫numpy能算特征值。

知道特征值是什么了之后，你开始好奇特征值是怎么计算出来的。

学会“解特征方程”法后，你突然意识到这种方法可能对计算机并不实用。毕竟5次以上方程连求根公式都没有，numpy是怎么计算特征值呢？

“能用计算机算特征值”是不能满足你的，你还希望彻底了解“计算机怎么计算特征值”这个问题，才能彻底满足你的求知欲。

你开始学习QR等算法，知道了“数值线性代数”这个学科。你企图搞明白不同算法彼此各有什么优劣。你甚至想要看看numpy源码。

你能学会特征值算法背后的原理，并加以分析。你也渴望设计出更快、更精准的算法。

这是你在计算机算法/应用数学上的天赋。

情景三：

仅仅了解特征值的定义是不能满足你的。你开始了解特征值的各种性质，了解特征值的一切。

当你和“特征值”这个概念相处时间长了，你发现这个概念非常地优美。于是你想要把它推广到更广阔的空间中去。然后你把特征值的概念推广到了谱，开始研究关于谱的理论。

谱的概念比特征值抽象很多很多。但是你并不害怕，反而觉得这很优美。

你可以把特征值推广到谱，你可以思考很抽象的数学，并且很享受这种数学带给你的乐趣。

这是你纯数上的天赋。