研究生数学 · 模块导读
本科把"矩阵会乘、特征值会求"练熟，研究生要解决的是：大矩阵怎么压缩、连续时间的系统怎么演化、图上的信号怎么滤波。这两章——矩阵分析与谱图论——是 AI 里 PCA、低秩、GNN、PageRank、Diffusion 共同的数学地基。每节按"是什么 → 怎么想到 → 真实推导 → 例题 → AI 落点 → 防坑 → 练习（含变式追问）→ 费曼 → 小结"走完。
AI 落点总索引
从本科到研究生，凡是"能直接喂给 AI / 算法 / 工程"的数学落点，都钉在这张表里。点击锚点跳到对应章节（仅收录已确认真实存在的章节 id）。
1
第 1 节 · 矩阵分析：SVD、矩阵指数、谱分解与 Wirtinger
Matrix Analysis · 大矩阵的压缩、演化与复梯度
【章首引子】你手机相册有几千张图，每张几百万像素——但压缩后只占几 MB，因为"真正的信息"远没那么多。怎么做压缩？把一张大表（…
进入本节 →
2
第 2 节 · 谱图论：拉普拉斯、图傅里叶与 GNN 前置
Spectral Graph Theory · 把"图"变成"矩阵"再变成"信号"
【章首引子】社交网络、分子结构、知识图谱，本质都是"点连着边"的图。怎么让神经网络直接吃图？答案是：把图翻译成一个矩阵——拉普拉…
进入本节 →
3
第 3 节 · 动力系统与稳定性：平衡点、相图与李雅普诺夫
Dynamical Systems & Stability · 系统往哪儿走、会不会停住
【章首引子】一个小球在碗里滚，最后会停在碗底；放在倒扣的碗顶，一碰就跑。数学上怎么判断一个系统最终"停得住"还是"会发散"？这就…
进入本节 →
4
第 4 节 · 随机过程与鞅论：马尔可夫链、布朗运动与鞅
Stochastic Processes & Martingales · 随机世界怎么演化
【章首引子】明天会不会下雨、用户会不会点广告、股价怎么走——这些都是"随时间演化的随机量"，叫随机过程。本章抓三个最有用的：马尔…
进入本节 →
5
第 5 节 · 凸优化与对偶理论：从梯度下降到 KKT
Convex Optimization & Duality · 机器学习训练的引擎
【章首引子】训练神经网络 = 最小化损失 L(θ)。为什么梯度下降有时收敛、有时震荡？答案藏在凸优化里：凸问题没有局部极小陷阱，…
进入本节 →
6
第 6 节 · 测度论基础：σ-代数、勒贝格积分与收敛定理
Measure Theory · 把"长度/概率"严格化
【章首引子】概率论里"概率"到底是什么？为什么能无穷多个事件取极限？答案都在测度论里：它把"长度、面积、体积、概率"统一成一个叫…
进入本节 →
7
第 7 节 · 数值线性代数进阶：条件数、迭代法与特征值算法
Numerical Linear Algebra · 大矩阵怎么高效解
【章首引子】矩阵一万阶，高斯消元要 O(n³)，慢到不可用。数值线性代数的答案是：迭代法（反复改进近似解）和矩阵无关算法（只借矩…
进入本节 →
8
第 8 节 · 贝叶斯推断进阶：共轭先验、MCMC 与变分推断
Bayesian Inference · 把数据和先验揉成后验
【章首引子】看到 10 次抛硬币 7 次正面，你认为硬币正面概率 θ 是多少？贝叶斯的答案不是一个数，而是一个后验分布——它既尊…
进入本节 →
AI 落点总索引
从本科到研究生，凡是"能直接喂给 AI / 算法 / 工程"的数学落点，都钉在这张表里。点击锚点跳到对应章节（仅收录已确认真实存在的章节 id）。