总 序 001
前 言 009
基础篇
第 1 章 理解数学的线索:从毕达哥拉斯讲起
1.1 勾股定理:为什么在西方叫毕达哥拉斯定理 022
1.2 数学的预见性:无理数是毕达哥拉斯定理的推论 030
1.3 数学思维:如何从逻辑出发想问题 036
1.4 黄金分割:数学和美学的桥梁 045
1.5 优选法:华罗庚化繁为简的神来之笔 058
第 2 章 数列与级数:承上启下的关键内容
2.1 数学的关联性:斐波那契数列和黄金分割 070
2.2 数列变化:趋势比当下重要 075
2.3 级数:传销骗局里的数学原理 079
2.4 等比级数:少付一半利息,多获得一倍回报 092
第 3 章 数学边界:数学是的吗
3.1 数学的局限性:从勾定理到费马大定理 104
3.2 探寻数学的边界:从希尔伯特第十问题讲起 108
数字篇
第 4 章 方程:新方法和新思维
4.1 鸡兔同笼问题:方程这个工具有什么用 116
4.2 一元三次方程的解法:数学史上的发明权之争 126
4.3 虚数:虚构的工具有什么用 135
第 5 章 无穷大和无穷小:从数值到趋势
5.1 无穷大:为什么我们难以理解无限大的世界 143
5.2 无穷小:芝诺悖论和它的破解 149
5.3 第二次数学危机:牛顿和贝克莱的争论 156
5.4 极限:重新审视无穷小的世界 163
5.5 动态趋势:无穷大和无穷小能比较大小吗 171
几何篇
第 6 章 基础几何学:公理化体系的建立
6.1 几何学的起源:为什么几何学是数学中古老的分支 186
6.2 公理化体系:几何学的系统理论从何而来 194
第 7 章 几何学的发展:开创不同数学分支融合的先河
7.1 非欧几何:换一条公理,几何学会崩塌吗 205
7.2 圆周率:数学工具的意义 214
7.3 解析几何:如何用代数的方法解决几何问题 221
7.4 体系的意义:为什么几何能为法律提供理论基础 232
代数篇
第 8 章 函数:重要的数学工具
8.1 定义和本质:从静态到动态,从数量到趋势 244
8.2 因果关系:决定性和相关性的差别 253
第 9 章 线性代数:超乎想象的实用工具
9.1 向量:数量的方向与合力的形成 262
9.2 余弦定理:文本分类与简历筛选 278
9.3 矩阵:多元思维的应用 284
微积分篇
第 10 章 微分:如何理解宏观和微观的关系
10.1 导数:揭示事物变化的新规律 300
10.2 微分:描述微观世界的工具 307
10.3 奇点:变化连续和光滑是稳定性的基础 312
第 11 章 积分:从微观变化了解宏观趋势
11.1 积分:微分的逆运算 323
11.2 积分的意义:从细节了解全局 327
11.3 化问题:用变化的眼光看值和小值 333
11.4 发明权之争:牛顿和莱布尼茨各自的贡献 342
*11.5 体系的完善:微积分公理化的过程 348
概率和数理统计篇
第 12 章 随机性和概率论:如何看待不确定性
12.1 概率论:一门来自赌徒的学问 364
12.2 古典概率:拉普拉斯对概率的系统性论述 366
12.3 伯努利试验:随机性到底意味着什么 371
12.4 均值与方差:理想与现实的差距 378
第 13 章 小概率和大概率:如何资源共享和消除不确定性
13.1. 泊松分布:为什么保险公司必须有很大的客户群 386
13.2 高斯分布:大概率事件意味着什么 393
*13.3 概率公理化:理论和现实的统一 404
第 14 章 前提条件:度量随机性的新方法
14.1 前提条件:条件对随机性的影响 415
14.2 差异:概率、联合概率和条件概率 421
14.3 相关性:条件概率在信息处理中的应用 430
14.4 贝叶斯公式:机器翻译是怎样工作的 433
第 15 章 统计学和数据方法:准确估算概率的前提
15.1 定义:什么是统计学 442
15.2 实践:怎样做好统计 446
15.3 古德 - 图灵折扣估计:如何防范黑天鹅事件 450
15.4 换个眼光看世界:概率是一种世界观,统计是一种方法论 459
终篇
第 16 章 数学在人类知识体系中的位置
16.1 数学和哲学:一头一尾的两门学科 468
16.2 数学和自然科学:数学如何改造自然科学 474
16.3 数学和逻辑学:为什么逻辑是一切的基础 480
16.4 数学和其他学科:为什么数学是更底层的工具 486
16.5 未来展望:希尔伯特的讲演 493
附录
附录 1 黄金分割等于多少 497
附录 2 为什么斐波那契数列相邻两项的比值收敛于黄金分割 498
附录 3 等比级数求和算法 500
附录 4 一元 N 次方程 x N =1 的解 501
附录 5 积分的其他两种计算方法 503
附录 6 大数定律 505
附录 7 希尔伯特退休讲演的英文译文 507
终篇
第 16 章 数学在人类知识体系中的位置
21.1 数学和哲学 /458
21.2 数学和自然科学 /465
21.3 数学和逻辑学 /469
21.4 数学和其他学科 /473
21.5 数学家希尔伯特退休前的讲演 /478
非数学思维 VS. 数学思维
在讲什么是数学思维之前,先要说说什么不是数学思维。
首先,听众人的意见不是数学思维。数学不是民主决策,赞同的声音越大越正确。事实上很多人凑在一起,智商常常不是增加而是下降,这就是所谓的群体效应。
其次,听专家的意见不是数学思维。很多人在做判断时会相信专家,绝大多数时候,这是一个好的习惯,但是专家也会有漏判和误判的时候。这里我想以一个例子来说明。2008—2009年的金融危机是历史上危害仅次于 1929—1933 年全球大萧条的经济危机,它让很多家庭倾家荡产,包括很多极为富有、受教育程度很高的人。在金融危机之后,英国女王问全世界的经济学家们,这么大的危机,这么明显的问题,你们这么多人怎么没有一个人预测到呢?这让经济学家们很没面子。
其实女王多少有点错怪经济学家这个群体了。整体来看,他们当时确实是过于乐观了,但是也有一些经济学家之前确实做过很多预警。而那些被预警的问题,一旦引起注意后,大多会被防范,之后就不再是问题。因此换一个角度讲,经济学家们已经帮助我们避免了很多次的经济危机了。当然,经济学家们也不是神,总会有误判的时候,当大部分人都出现误判时,真正的危机就来了。但是,在那次金融危机中,还是有一些人利用数学思维避开了风险,而且
赚得盆满钵满,这一点我们在后面会讲到。
,数学思维不是通过以往的经验或者多次试验得到结论。这种方法更像是自然科学的思维方式,而不是数学的。事实上,很多时候,通过大量试验所得到的结果依然可能是错误的。比如我们要比较 10 000x 和 x2哪一个大,如果从 x=1 开始试验,一直试到 100,都是 10 000x 大。但是如果我们因此而得到结论 10 000x> x2, 那就错了。那么可能有人会问,为什么不直接试试 x=20 000 呢?因为人们能够想象到的例子常常受限于自身的认知。如果一个人平时接触的数量通常都是个位数的,他就很难想到10 000、20 000 这些大很多的数。
还是在 2008—2009 年的金融危机中,有一次摩根士丹利私人财富管理部门召集客户们(都是非常有钱的人)开会分析当时的金融状况。主讲人说,根据历次经济危机股市的表现,只要实体经济
没有受到重创,股市通常会下跌 1/4~1/3。一位参会者马上就说:“先生,你太乐观了,我们现在正在创造历史”。这位发言者的话很快被证实了,因为股市很快就跌了一半。这说明人的经验通常是有
局限性的。
那么什么是数学思维?它是从不可能变的事实出发,利用逻辑找出矛盾,发现问题,然后再设法解决问题。什么是不变的事实呢?比如说宇宙中基本粒子的数量是有限的,任何经济增长都不可能是长期翻番的,这些就是不变的事实。具体到金融中,一个不变的事实就是,任何建立在空中楼阁之上的复利增长都难以持续,比如庞氏骗局。