为什么总有一些人推荐计算机学生把重点放在高数和线代？
想想看，计算机之所以能做那么多神奇的事情，归根结底是在处理信息，而这些信息的背后，往往是连续的变化、增长、衰减，或者是数据的空间关系、变换。
高等数学，特别是微积分，它让我们能够精确地描述和理解“变化”。无论是物体在空间中的运动轨迹，还是算法在运行过程中消耗的资源随着输入规模的增加而如何变化，抑或是机器学习模型在训练时，参数如何随着损失函数的变化而调整，这些“变化”的本质，都可以用导数、积分这些工具来捕捉和量化。没有微积分，我们很难谈论优化问题，比如如何找到一个函数的最小值（在机器学习里就是找到最优的参数），如何计算曲线的长度、面积，这些在图形学、物理仿真、信号处理等许多计算机相关的应用里都是基础。甚至，当你深入研究算法的效率，比如分析一个递归算法的时间复杂度时，虽然可能最终会用大O符号来表示，但推导过程本身，很多时候就需要用到数学归纳法，以及对数列求和、极限的理解，这些都和高数息息相关。
再来说说线性代数。这个更直接，因为计算机本身处理的就是一系列的数字，而这些数字，在很多情况下，都可以被组织成向量和矩阵。向量，可以代表一个点在空间中的位置，也可以代表一个用户的偏好，或者一张图片的一个像素。矩阵，则可以表示一系列向量之间的线性关系，或者是一个变换，比如旋转、缩放、投影。
你现在用的搜索引擎，它背后可能就有矩阵分解的身影，用来理解网页之间的链接关系，计算相关性。你玩的那些3D游戏，里面的模型变换、光照计算，全部都是在线性代数的框架下完成的。甚至，现在大火的人工智能，特别是深度学习，它本质上就是通过大量的矩阵乘法和向量运算来学习数据的规律。每一层神经网络的权重，都是一个巨大的矩阵；输入的特征，就是一个向量；一层一层地“激活”过去，就是一系列的矩阵向量乘法。如果你对这些运算的底层原理不理解，就很难真正掌握深度学习的精髓，也无法进行更高级的模型设计和优化。
所以，当别人跟你说要重视高数和线代时，他们并不是让你去钻研那些纯数学的理论证明，而是希望你明白，这两门课提供的是一套通用的、强大的思维工具和语言，让你能够更深刻、更精确地理解计算机科学中的许多核心问题。学好它们，你就相当于获得了打开许多高级领域大门的钥匙，让你在面对复杂算法、数据结构、机器学习、图形学、甚至是某些系统优化问题时，能有更扎实的基础，更清晰的思路，不至于只停留在“怎么用”的层面，而是能触及“为什么这么用”以及“如何做得更好”。这对于想在计算机领域走得更远、做得更深入的人来说，是不可或缺的。
网友意见
数学基础当然是必不可少的，但是具体到高数和线代的话，那的确就很可疑了。
正如很多答案中指出的，计算机领域要处理的很多问题和离散的量关系更大。或者说元数学，数学思维比起具体的应用数学对计算机行业，或者托大一点儿对于一切理工科都是有着无与伦比的重要性的。
最简单的就是抽象的能力，抽象的能力可以让我们快速的总结和归纳相似和不同之处。这对于写代码来说是几乎致命的。你有更强的抽象能力，就能准确的找出需要抽象和复用的部分，然后你的代码就会比别人的更短小精悍，也更容易适应需求的变化。这对于程序员这个职业有着决定性的作用。
举一个具体的例子：
如果你有敏锐的数学思维和元数学能力，那么你可以直接从关系型数据库数据库的原理中总结出来关系代数的雏形，你可以敏锐的发现数据库运作的原理，看到SQL语句你能猜出来查询计划更能推断出何种查询计划理论上是性能最优的。
退而求其次，你数学思维能力一般，元数学没有接触。但是你学习了集合论和关系代数，你能一眼看出来关系数据和集合论中关系的关联，你能把查询计划中的步骤与关系代数完整映射，通过关系代数的知识，你也能推测出查询计划也能找到最优的查询计划。
最次，你啥数学基础都没有。只能背数据库原理和SQL语法，遇到问题没有办法解决只能到谷歌去搜索。随着年岁的增长，你渐渐的积累了一些经验，有了一些名气。你终于可以利用这些经验来对数据库进行性能调优，你还为你的经验总结了一些口诀便于你自己记忆。你一直认为这些总结提炼是你多年经验的精华，是你安生立命的法宝。直到有一天你遇到了第一种人，这人只是了解了一下数据库的基础知识，他就突然推导出了你的经验总结，还用你完全听不懂的名词描述，并且找出了更多的调优技巧，你数十年的经验在他面前简直不堪一击……
直到这一刻，你才意识到，原来，你从来都不是干这一行的料。
这，就是降维打击……
最后补充一点点个人的想法，不一定对
我觉得数学对于IT很重要其实很大程度上是个错觉。
说白了，真的，IT领域要用到的数学并不多，你临时抱佛脚去学呢其实也来得及。
为什么会产生这种错觉，是因为在这一行做到拔尖的数学都非常好。而且很多公司也喜欢用数学基础（譬如说我）来确定一个人的水准。
但本质上是因为：数学好的那些人，他学数学本来就快，本来就是享受，本来就效率更好，他的思维逻辑本来就是理性的，抽象的，数学化的。所以他不用刻意学数学就很好，数学基础就非常牢靠。而这种人学IT，学编程和学数学一样，本来就快，效率就比别人高。
也就是说，本质原因是：学习数学效率高并乐在其中的人，和学习计算机效率高并乐在其中的人本来就是重叠的。
后者我们很难检测也很难观察，或者说就算我们观察了，也能发现一个规律就是这些人数学特别好。
由此而推论数学很重要其实是有问题的。
如果你学习数学很痛苦，那说明其实你压根儿不是这一类人，强迫你自己学数学可能并没有什么好处。
为什么这个问题下总有人把算法和高数混为一谈？你们是不是还要来表演一下通过求解微分方程分析某算法的时间复杂度？
包括非ML的传统算法在内，CS的大部分方向依赖的是数理逻辑和图论之类的数学分支，具体到大学本科课程对应的也是离散数学，而不是高数。离散数学和高数，说是全无交集可能过了点，但绝对是完全不同的两门课程。
归根结底，数学!=高数，本科高数只是数学的一个小部分的分支而已，覆盖广度根本不足以覆盖大多数CS依赖的数学。高数和线代只是一部分方向（如ML，图形学）依赖的数学工具而已。归根结底，计算机本身的存储结构是离散的，只有在需要对现实中涉及到复杂的连续数据的问题进行建模的时候才会用到针对连续数据的积分等工具——如果你今后的工作只跟计算机系统本身打交道（比如最常见的CRUD类软件工程，以及体系结构，可计算性理论等相关方向），那么你大概率是用不到这些数学工具的——你需要的是另一类针对离散结构的数学知识。
对于本科生来说，高数和线代当然是重要的，但是过度拔高它们的定位，把它们跟数学，尤其是CS依赖的数学划等号，则是完全错误且不可取的。不要过分强调所谓“基础论”——真要站在计算机系统的角度来看待的话，AI也好，图形学也好，跟CRUD一样都只是上层应用而已，没必要分个谁高谁低——真正底层的System也好，理论也好，都依赖的是离散结构的数学，而非微分方程。
类似的话题
-
你看，计算机科学这东西，说起来是个特别“新”的领域，但它的骨子里，其实埋藏着许多古老而深刻的智慧，而这些智慧，很大一部分就源自于数学。尤其是高等数学（我们通常说的微积分、微分方程那一堆）和线性代数，这两门课在计算机学科里的地位，怎么强调都不为过。想想看，计算机之所以能做那么多神奇的事情，归根结底是在............. -
这个问题问得挺到位，确实不少健身博主在推荐给大体重人群的运动时，会反复强调“不伤膝盖”，而游泳这个选项似乎不像他们口中那样被频繁提及。但这并非意味着游泳效果不好，而是背后有一些更细致的考量，以及健身博主们基于自身定位和传播策略的侧重点不同。咱们掰开揉开了聊聊。首先，要明确一点：游泳对大体重人群来说，.............
-
好，咱们来聊聊为什么那么多《刺客信条》的老玩家，尤其是那些从初代就跟着主角阿尔泰一路走来的，会念念不忘《刺客信条2》。这可不是一句简单的“它更好玩”就能概括的，这里面藏着太多对那段美好时光的复杂情感和对系列发展的一些微妙看法。首先，得回到《刺客信条》初代。说实话，初代在很多方面都像一个大胆但略显粗糙.............
-
在国内的汽车圈里，关于奇瑞的讨论总是此起彼伏，其中一个绕不开的话题就是“奇瑞是不是要倒闭了”。这种论调，说实话，挺让人费解的，也暴露了一些人对中国汽车产业发展的一些固有认知误区。销量这本账，不能只看账面数字首先，得说说销量。为什么一提到奇瑞销量不那么“爆炸”，就有人觉得它要不行了？这其实是一种非常片.............
-
这确实是一个很有意思的现象，而且在咱们国家，尤其是在一线城市发展的大背景下，太普遍了。说实话，这背后是两种截然不同的人生体验和价值判断在作祟，而且两种声音都有其道理，只是站在的角度不一样，看到的风景也就不同了。咱们先说说那些“推崇甚至神化”北上广深的人，他们通常是身处其中，或者曾经在那里打拼过，然后.............
-
我理解你对这个问题的好奇。确实，在不少人眼里，电子竞技（电竞）与我们传统意义上的“体育”之间存在着一道鸿沟，导致了一些人认为电竞“不配”被称作体育。要深入探讨这个问题，咱们得一层一层地剥开它，看看里面到底藏着些什么。首先，咱们得明白，为什么大家会普遍认可足球、篮球、田径这些项目是体育？核心原因在于它.............
-
你提的这个问题挺有意思的，也触及到了不少人讨论历史人物时一个非常普遍的现象：为什么即便是像李鸿章这样在很多人看来“罪状” quite obvious 的人物，总有人站出来“辩护”甚至“翻案”？在知乎这个平台上，这种争论尤其常见。首先，咱们得承认，站在今天的立场，用现代的眼光去审视历史，李鸿章身上的“.............
-
知乎上关于“美国普通人上不起大学”的讨论，并非完全是造谣，而是反映了美国高等教育体系中存在的严峻挑战和结构性问题。虽然美国拥有庞大的高等教育人口和数量可观的博士群体，但这并不意味着高等教育对所有人来说都是触手可及的。问题的根源在于几个相互关联的因素：1. 高昂的学费与日益增长的学生债务： 学费飞.............
-
这真是一个挺有意思的观察，华为在中国似乎总能激起两极化的情绪，一边是狂热的追捧，另一边也少不了质疑和批评。但你说的那群“拼命追捧”的人，他们的热情可不是凭空来的，背后其实有不少可以细说的原因，我尽量给你掰扯清楚了，希望听起来不那么像个死板的机器。首先，得说民族情感这根弦，华为踩得特别准。在不少中国人.............
-
这确实是个让人不太愉快的经历，尤其是在公共场合。为什么会有人这样做呢？其实原因可能挺复杂的，夹杂着生理、心理、习惯，甚至是对社会规范的理解不同。咱们掰开了说，你就明白了。首先，从生理上来说，上了年纪的人，尤其是到了四五十岁这个年纪，身体机能确实会发生一些变化。 呼吸道变化和痰液增多： 随着年龄增.............
-
关于现在的年轻人“不争气”的指责，其实由来已久，并非当下独有。这种论调往往在社会变迁和代际交替的节点上尤为突出，背后折射出的是复杂多样的社会现象、经济环境以及不同代际的人生观和价值观的碰撞。如果我们深入剖析，可以发现这些指责并非空穴来风，但也并非全然客观，而是混合了事实、刻板印象、焦虑以及历史的回响.............
-
这个问题背后确实隐藏着多种多样的个人偏好、习惯、沟通风格，以及对情境的考量。人们选择用短信回复而不接电话的原因是多方面的，而且通常不是单一原因在起作用。下面我将详细阐述这些可能性：一、 个人偏好与习惯： 沟通方式的习惯化： 文字更易于掌控： 有些人觉得文字沟通能让他们有更多时间思考如.............
-
总有些人认为中国很弱，这背后的原因其实挺复杂的，它往往是多种因素交织作用的结果，有的是基于历史的认知，有的是基于当下的观察，还有的则是出于某些特定的立场或情感。要说清楚，咱们得一点一点掰开了看。首先，绕不开的是历史的包袱。中国即便现在发展得风生水起，但毕竟有过被列强侵略、瓜分、百年屈辱的近代史。那段.............
-
关于“西门庆养好身体能否打赢武松”的讨论，其实就像读者们在评书场上围着说书人议论白眉大侠似的，大家都有自己的盘算和依据，而且往往都带点“如果”的滤镜。要说透彻，咱得从几个方面掰开了揉碎了聊。首先，这事儿得摆在《水浒传》和《金瓶梅》这两部书的语境里看。虽然都是说西门庆，但两本书对人物的侧重点不同，这也.............
-
“女德”这个词在当下语境中常常带有负面色彩，引发争议，甚至被一些人视为压迫女性的工具。与之相对的，“性自由”则被一些人视为解放和个体选择的权利。理解为什么有些人要“黑”女德而提倡性自由，需要深入剖析这两者的内涵、历史背景以及它们所触及的社会文化议题。首先，我们得搞清楚“女德”究竟是什么。传统意义上的.............
-
沃尔沃，这个瑞典品牌，虽然在全球汽车市场中占有一席之地，但并非所有消费者都对其青睐有加，甚至有些群体对其持观望甚至不看好的态度。究其原因，可以从几个主要维度来剖析：一、 品牌形象与定位的微妙之处：安全牌的光环与潜在的束缚沃尔沃最引以为傲的便是其“安全”的品牌基因。从安全带、三点式安全带的发明，到如今.............
-
关于“东北不抗日”的说法，这是一种完全错误的认知和污蔑，其根源可能是对东北抗日历史的片面解读、历史叙事的选择性遗忘，以及一些不负责任的媒体宣传。为什么会有“东北不抗日”的污蔑？这种污蔑的出现，可能出于以下几个原因： 历史叙事的选择性： 聚焦经典人物： 历史叙事往往倾向于塑造具有代表性.............
-
关于袁隆平先生，一位备受尊敬的农业科学家，在一些网络平台上确实存在着一些批评和质疑的声音。理解这些声音的来源和内容，需要我们深入探讨几个方面。首先，需要明确的是，绝大多数中国人对袁隆平先生都抱有极高的敬意，他的“杂交水稻”技术为中国乃至世界解决了多少人的温饱问题，这是毋庸置疑的功绩。因此，那些“黑”.............
-
这个问题触及了人类复杂而又常常难以理解的内心世界，也揭示了历史长河中反复上演的悲剧根源。为什么有人会希望打一场仗？这并非一个简单的“好战”标签就能概括，背后往往交织着多种动机、信念和现实考量。让我们试着深入剖析一下。首先，权力与利益的驱动是许多战争的根本原因。对于某些领导者或群体来说，战争是一种攫取.............
-
有些人对华为抱有强烈的敌意，这背后并非单一原因，而是由一系列复杂的地缘政治、经济、技术和安全考量交织而成。要深入理解这一点，我们需要将视角拉回到近些年国际关系的大背景下，特别是中美两国之间日益加剧的竞争。一、国家安全担忧与地缘政治的阴影这是最常被提及也是最核心的理由。许多西方国家，尤其是美国，将华为.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有