素数 on Liangweidong's blog

数学概念速查：素数 / 对数 / 离散数学

Tue, 15 Oct 2019 00:00:00 +0800

数学概念速查：素数 / 对数 / 离散数学

前置：这篇写于 2019 年 10 月。我当时在梳理"程序员应该重新捡起来的数学基础"，从散落的笔记里挑出 3 个常被问到、却总记不清的：素数（Prime）、对数（Logarithm）、离散数学（Discrete Math）。本文以"概念 + 代码 + 关联"三层结构呈现。

为什么写这篇

工作 5 年之后，我发现自己读 RFC、看算法书、甚至 review 同事的代码时，常常被一个数学概念卡住 5 分钟——不是不会，是太久没用了，定义都模糊了。

举 3 个真实例子：

同事写的"质数判定"用了 n/2 遍历，我一眼看出应该用 sqrt(n)，但嘴上说不清"为什么遍历到 sqrt 就够"
看到数据库索引 O(log n) 的描述，我脑子里浮现的是"log 不是很大吗"——把"以 10 为底"和"以 2 为底"搞混了
看到 Redis Cluster 的"16384 个 slot"用 CRC16 取模，我能跟着算，但说不出"为什么是 16384"

这 3 个例子背后分别站着素数、对数、离散数学。于是我决定写一篇"自己的速查手册"。

3 个概念速查

1. 素数（Prime / 质数）

定义：在大于 1 的自然数中，除了 1 和它自身外，无法被其他自然数整除的数，否则称为合数（Composite）。

素数序列：2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, ...

判断定理：若 n 是合数，则 n 必有一个小于等于 sqrt(n) 的因子。因此遍历到 sqrt(n) 即可。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


import math

def is_prime(n: int) -> bool:
 if n < 2:
 return False
 if n == 2:
 return True
 if n % 2 == 0:
 return False
 # 只遍历到 sqrt(n)，步长 2（跳过偶数）
 for i in range(3, int(math.isqrt(n)) + 1, 2):
 if n % i == 0:
 return False
 return True

Eratosthenes 筛法：求 n 以内所有素数的 O(n log log n) 算法。

1
2
3
4
5
6
7
8


def sieve(n: int) -> list[bool]:
 is_prime = [True] * (n + 1)
 is_prime[0] = is_prime[1] = False
 for i in range(2, int(n ** 0.5) + 1):
 if is_prime[i]:
 for j in range(i * i, n + 1, i):
 is_prime[j] = False
 return is_prime

程序员视角的素数用途：

场景	素数的作用
Hash 表大小	选素数容量（如 `HashMap` 内部 2 的幂次 + 二次扰动函数）减少 hash 冲突
密码学	RSA 算法的安全性基于"大整数分解的素因子很难找"
CRC 校验	选生成多项式时倾向用本原多项式（与素数相关）
负载均衡	一致性 Hash 选素数虚拟节点数（150 / 200），让 hash 分布更均匀

2. 对数（Logarithm）

定义：如果 a 的 x 次方等于 N（其中 a > 0 且 a ≠ 1），那么数 x 叫做以 a 为底 N 的对数（logarithm），记作 x = logₐN。其中 a 叫做底数（base），N 叫做真数（argument）。

等价关系：a^x = N ⟺ x = logₐN

对数恒等式（程序员最常用的几个）：

名称	公式	含义
基本恒等式	`logₐ1 = 0`，`logₐa = 1`	任何底数的 1 对数都是 0；底数自身取对数是 1
反对数	`a^(logₐN) = N`	幂和对数是逆运算
乘积	`logₐ(M·N) = logₐM + logₐN`	乘变加
商	`logₐ(M/N) = logₐM - logₐN`	除变减
幂	`logₐ(M^k) = k·logₐM`	幂变乘
换底公式	`logₐN = log_bN / log_ba`	任意底之间转换

2 个最常见的底数：

lg N = log₂N：以 2 为底，计算机科学默认底数（信息论、二叉树、二分查找）
ln N = logₑN（自然对数）：以 e（≈ 2.71828）为底，微积分、复利、机器学习 大量出现

计算机科学的时间复杂度速查：

算法	复杂度	含义
二分查找	`O(log n)`	n = 100 万时，log₂n ≈ 20 次
平衡二叉搜索树查找/插入	`O(log n)`	100 万节点约 20 层
堆排序 / 归并排序	`O(n log n)`	100 万数据约 2000 万次操作
哈希表查找（无冲突）	`O(1)`	与 n 无关

Python 代码示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


import math

math.log(8, 2) # 3.0 → log₂8 = 3
math.log(100, 10) # 2.0 → log₁₀0 = 2
math.log2(1024) # 10.0 → 2^10 = 1024
math.log(math.e) # 1.0 → ln(e) = 1

# 时间复杂度直觉：n=100 万
n = 1_000_000
print(math.log2(n)) # ≈ 19.93 → 二分查找仅需 20 次
print(n * math.log2(n)) # ≈ 2e7 → nlogn 排序

3. 离散数学（Discrete Mathematics）

定义：研究离散量（discrete quantities）的结构及其相互关系的数学学科，是现代数学的一个重要分支。与连续数学（微积分、实分析）相对，离散数学的对象一般是有限个或可数个元素。

为什么计算机专业必修： “通过离散数学的学习，不但可以掌握处理离散结构的描述工具和方法，为后续课程的学习创造条件，而且可以提高抽象思维和严格的逻辑推理能力。"（任一本离散数学教材的绪论）

应用领域：程序设计语言、数据结构、操作系统、编译技术、人工智能、数据库、算法设计与分析、理论计算机科学基础。

四大支柱（“集合、图、代数、逻辑”）：

支柱	主要内容	程序员最熟悉的子领域
集合论	集合及其运算、二元关系与函数、自然数及自然数集、集合的基数	SQL 的 `IN / EXISTS / JOIN`、Redis 的 `SADD / SINTER`
图论	图的基本概念、欧拉图与哈密顿图、树、图的矩阵表示、平面图、图着色、支配集/覆盖集/独立集/匹配、带权图	最短路径（Dijkstra）、社交网络、K8s Service 依赖
代数结构	代数系统的基本概念、半群与独异点、群、环与域、格与布尔代数	密码学（模运算、有限域）、编译器优化
数理逻辑	命题逻辑、一阶谓词演算、消解原理	数据库查询优化器、Prolog、约束求解器

集合论部分详解（最容易和 SQL 关联）：

集合及其运算：并（UNION）、交（INTERSECT）、差（EXCEPT）、补、对称差（A △ B）
二元关系与函数：映射、单射、满射、双射——这 3 个"射"是后续理解 hash、索引、SQL 关联的基础
自然数及自然数集：Peano 公理（5 条），不靠"自然数就是 0, 1, 2…“这种直觉
集合的基数：可数集 vs 不可数集；Hilbert 旅馆问题

图论部分详解（最容易和算法关联）：

图的基本概念：顶点（V）、边（E）、度（degree）、路径、连通性
欧拉图 vs 哈密顿图：前者"走遍所有边一次”（一笔画问题，源自 Königsberg 七桥问题），后者"走遍所有顶点一次”（TSP 旅行商问题）
树：特殊的无环连通图；二叉树、B 树、红黑树都属此家族
图的矩阵表示：邻接矩阵（O(1) 查边、空间 O(V²)）、关联矩阵、邻接表（O(deg) 查边、空间 O(V+E)）
图着色：相邻顶点不能同色——编译器寄存器分配、时间表排课本质都是图着色
带权图：边上带权值——Dijkstra 最短路径、Prim 最小生成树

三个概念的内在关联

如果一定要给"程序员应该理解这三个概念"找一个理由，那就是：

素数 = “不可分解的最小单位"——是密码学和 hash 算法的基石
对数 = “乘除变加减、规模变线性"——是时间复杂度的描述语言
离散数学 = “有限世界的全套工具箱"——是计算机科学本身的母语

三者加起来，构成了计算机从业者的"数学底盘”。

5 个常见误区

“素数 = 质数 = 是不是 1”：1 既不是素数也不是合数（1 只有 1 个因子，素数要求 2 个因子）
“log 默认以 10 为底”：数学书以 10 为底（lg），计算机科学以 2 为底（log₂），微积分以 e 为底（ln），三个底数别混
“O(log n) 比 O(1) 慢很多”：错。log₂(10亿) ≈ 30，所以 O(log n) 在工程上几乎等同于 O(1)（常数 30）
“离散数学 = 离散事件数学”：错。“离散"指离散量（可数/有限），对应的是连续量（微积分处理的实数连续区间）
“对数 = 减法”：对数是乘除转加减，不是减法本身

写在最后

这一篇没有"实战代码”，更多是给自己打地基。我后来每次被数学概念卡住，都会回到这篇过一遍——素数定义 → Eratosthenes 筛法 → 对数换底 → 图论七大概念，3 分钟过完，思路立刻清晰。

如果你也是工作 3-5 年的程序员，常常被"这个数学概念是什么"打断思考节奏，强烈建议你也写一份自己的速查手册——不一定要公开，写给未来的自己即可。

下一步：下一篇会写"算法复杂度速查表”——把 O(1) 到 O(n!) 的所有常见量级，用代码实测验证，并配上对应的真实算法例子。

参考资料

《离散数学及其应用》（Kenneth H. Rosen 著）—— 经典教材，集合/图/代数/逻辑四件套全覆盖
《算法导论》（Cormen, Leiserson, Rivest, Stein 著）—— 素数、对数、时间复杂度的标准出处
Python 官方文档 math 模块：https://docs.python.org/3/library/math.html

6 年后补遗：AI 时代的"素数 / 对数 / 离散数学"新意义

本文写于 2019 年 10 月，6 年后回看，3 个老概念都有了"AI 时代"的新应用场景。下面补全 2025-2026 年的视角。

素数新应用：后量子密码学

2019 年 RSA 还在统治加密世界，2024-2025 后量子密码（Post-Quantum Cryptography, PQC）成为新焦点：

NIST PQC 标准（2024-08 发布）：
- ML-KEM（原 CRYSTALS-Kyber）—— 密钥封装
- ML-DSA（原 CRYSTALS-Dilithium）—— 数字签名
- SLH-DSA（原 SPHINCS+）—— 基于哈希的签名
这些算法的核心仍然依赖格密码（Lattice-based） 与素数 / 有限域运算——素数仍是密码学的基石
2024-2026 中国国产算法：SM2 椭圆曲线（替代 RSA）、SM3 哈希、SM4 对称——等保 2.0 三级合规要求所有政企系统支持

程序员视角：5 年后做"安全"相关项目，“素数"的概念仍然是入门必备——但要补 PQC 的数学基础（格、向量空间、模运算）。

对数新应用：Transformer 的"对数级别"复杂度

2019 年我们说 O(log n) 是"二分查找的复杂度”。2025 年 O(n²) 才是大模型训练的核心——但对数仍无处不在：

Token 上下文长度：主流 LLM 上下文从 4K → 32K → 128K → 1M（2024-2025）—— 每翻一倍，显存/算力压力指数级增长
Attention 机制：标准 Attention 是 O(n²)，2024-2026 各种"线性 Attention”（Performer / Linear Transformer / Mamba）的核心目标就是把 n² 压到 n·log(n) 或 n
FlashAttention（2022-2024）：把 GPU 显存从 O(n²) 压到 O(log n)，让 128K 上下文成为可能
KV Cache 压缩：基于对数的位运算，把推理时显存压到原来的 1/4

程序员视角：理解"为什么 Transformer 这么烧钱"，对数 / 复杂度分析就是起点——这块是 2025 后端 + AI 工程师面试必问。

离散数学新应用：大模型 + 知识图谱 + 形式化验证

2019 年我说"离散数学 = 有限世界的工具箱"，2025 年这个工具箱直接喂给大模型：

RAG（检索增强生成）：本质是集合论 + 关系代数——文档 → 嵌入 → 集合查询 → Top-K
知识图谱：用图论建模实体关系，大模型 + 知识图谱成为 2024-2026 企业 AI 的标准架构
图神经网络（GNN）：图论 + 深度学习的结合，药物发现、推荐系统、社交网络都有应用
形式化验证（Formal Verification）：数理逻辑 + 自动定理证明，Lean 4 + Copilot 2024-2025 在数学证明 + 代码验证上爆发
Z3 SMT Solver：约束求解器（数理逻辑应用），程序分析、编译器优化、形式化验证的核心

程序员视角：2024-2026 写"AI 应用"，“集合 / 图 / 逻辑” 是底层语言——RAG 是集合操作、知识图谱是图、Chain-of-Thought 是逻辑推理。

3 个老概念的"新意义"对照

概念	2019 应用	2025-2026 应用
素数	Hash 表 / RSA	后量子密码（PQC） / SM 国密
对数	二分查找 / `O(log n)`	Attention 复杂度 / Token 预算 / KV Cache
离散数学	SQL / 算法分析 / 编译原理	RAG / 知识图谱 / GNN / 形式化验证

5 年前 vs 5 年后：面试题的变化

2019 年面试常问：

“素数判定有几种优化？”
“为什么二分查找是 O(log n)？”
“集合论与 SQL 的对应关系？”

2025-2026 年面试常问：

“后量子密码和 RSA 的数学基础有什么不同？”
“Transformer 的 Attention 为什么是 O(n²)？FlashAttention 怎么压到 O(n log n)？”
“RAG 系统怎么用集合论优化 Top-K 召回？”
“知识图谱 Embedding 和 GNN 有什么关系？”

5 年变化的核心：3 个老概念都还在用，但应用场景从"系统内部"走向"AI 系统"——素数在加密，对数在 LLM，离散数学在 RAG + 知识图谱。

给"想补数学基础的工程师"的 2025 升级版书单

2019 年我推荐的是 Rosen《离散数学》+ CLRS《算法导论》。2025 年如果重写这个书单，我会加这 3 本：

教材	主题	2025 价值
《Mathematics for Machine Learning》（MML 书籍）	线性代数 + 概率 + 优化	入门 ML 必备数学
《信息论、推理与学习算法》（David MacKay）	信息论 + 编码	理解 LLM 原理
《Proofs from THE BOOK》（Aigner, Ziegler）	数学证明美学	训练逻辑思维

外加 2 个在线免费资源：

3Blue1Brown 的"线性代数的本质"（YouTube / B 站）—— 视觉化理解向量空间
MIT 6.042J “Mathematics for Computer Science”（OCW）—— 离散数学经典

写在最后：6 年后我还想说

2019 年我说"工作 5 年后被数学卡住，是时候写速查手册"。6 年后我反而更想说：速查手册不够用，要做"数学肌肉"。

速查——解决"忘了定义"的问题
肌肉——解决"看到新问题能立刻想到数学工具"的问题

2025 年的工程师，“被数学卡住 5 分钟” 和 “看到 AI 问题立刻想到线性代数”，差距是巨大的。

6 年前的我：写完这篇继续 review 代码，偶尔翻一下。
现在的我：写完这篇立刻打开 3Blue1Brown 复习特征值——因为上周 review 的 RAG 系统还在纠结 embedding 维度。

数学不会变老，只是换了个地方等我们回来。

参考资料（2024+ 补充）

离散数学与初等数论入门：素数、对数、集合与图论精要

Fri, 15 Jan 2016 00:00:00 +0800

背景：程序员的数学基础课——素数判定、对数反运算、集合论、图论、代数结构、组合数学、数理逻辑。本文用 7 大离散数学分支 + 5 大数论核心 + 4 大图论应用，把"程序员必备数学"做一次系统梳理。

Why 2016 年：2015-2016 是国内"程序员数学基础"觉醒期——LeetCode 中文站上线、《算法导论》第 3 版翻译、《数学之美》《程序员的数学》系列书热销。本文写给"想补数学基础的工程师"。

一、素数（质数）：自然数的"原子"

1.1 定义

素数（Prime）：在大于 1 的自然数中，除了 1 和该数自身外，无法被其他自然数整除的数；否则称为合数（Composite）。

1

2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97...

1.2 素数的 5 个性质

性质	说明
唯一性	1 既不是素数也不是合数（特例）
2 是唯一偶素数	其他素数都是奇数
素数无穷	欧几里得 2000 多年前证明：素数有无穷多个
素数定理	π(x) ~ x / ln(x)（x 越小越准，100 内有 25 个，1000 内有 168 个）
算术基本定理	任何大于 1 的整数都能唯一分解为素数乘积（如 12 = 2² × 3）

1.3 程序员最常用的素数判定

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19


import math

def is_prime(n: int) -> bool:
 """素数判定：试除法 O(√n)"""
 if n < 2:
 return False
 if n == 2:
 return True
 if n % 2 == 0:
 return False
 # 只需检查到 √n
 for i in range(3, int(math.isqrt(n)) + 1, 2):
 if n % i == 0:
 return False
 return True

# 测试
for n in [2, 3, 4, 17, 25, 97, 100, 997]:
 print(f"{n}: {is_prime(n)}")

1
2
3
4
5
6
7
8
9


# 输出
2: True
3: True
4: False
17: True
25: False
97: True
100: False
997: True

性能优化：

6k±1 优化：所有 >3 的素数都形如 6k+1 或 6k-1（因为 6k+0/2/3/4 必被 2/3 整除）

Miller-Rabin：O(k log³n) 概率算法，大数判定（>10^18）首选

AKS：O(log^6 n) 确定算法，2002 年发现，理论突破但实际慢

1.4 素数在程序员世界的应用

应用	原理
RSA 加密	大素数乘积难分解（密码学基石）
哈希表大小	素数大小让哈希分布更均匀（避免聚集）
布隆过滤器	多哈希函数选素数种子
一致性哈希	2^N 环设计避免素数依赖，但部分实现用素数
雪花 ID	基于时间戳 + 序列号（与素数无关，但雪花的"位运算分配"思想类似）

二、对数：指数的"反函数"

2.1 定义

对数（Logarithm）：是对求幂的逆运算，正如除法是乘法的逆运算。如果 a^x = N（a > 0，且 a ≠ 1），那么数 x 叫做以 a 为底 N 的对数，记作 x = log_a(N)。

名称	a（底数）	N（真数）	x（对数）
常用对数	10	100	2（因为 10² = 100）
自然对数	e ≈ 2.718	7.389	2（因为 e² ≈ 7.389）
二进制对数	2	8	3（因为 2³ = 8）

2.2 程序员最常用的 3 个对数

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


import math

# 自然对数（ln）：e 为底
print(math.log(7.389)) # 2.0

# 常用对数（lg）：10 为底
print(math.log10(100)) # 2.0

# 二进制对数（lb）：2 为底（算法复杂度分析最常用！）
print(math.log2(1024)) # 10.0（二分 10 次找到 1024 内的数）

2.3 对数在算法分析中的 5 大应用

应用	例子
二分查找	O(log n)：100 万数据最多 20 次比较（log₂ 10⁶ ≈ 20）
二叉树高度	n 个节点的平衡二叉树高度 = ⌈log₂ n⌉
堆/优先队列	插入/删除 O(log n)
B+ 树索引	数据库索引查找 O(log n)（n 是记录数）
归并排序	递归深度 O(log n)

2.4 4 条核心对数运算法则

1
2
3
4


换底公式：log_a(b) = log_c(b) / log_c(a)
对数幂：log(a^n) = n · log(a)
对数乘积：log(a·b) = log(a) + log(b)
对数商：log(a/b) = log(a) - log(b)

三、离散数学 7 大分支

离散数学（Discrete mathematics）是研究离散量的结构及其相互关系的数学学科，是现代数学的一个重要分支。离散的含义是指不同的连接在一起的元素，主要是研究基于离散量的结构和相互间的关系。

它的对象一般是有限个或可数个元素（连续数学研究的是实数区间这样的连续量）。

3.1 离散数学在 CS 课程中的位置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


程序设计语言
数据结构
操作系统
编译技术
人工智能
数据库
算法设计与分析
理论计算机科学基础
↑
都依赖 离散数学

3.2 7 大分支速览

分支	核心内容	程序员应用
集合论	集合运算、二元关系、函数、自然数集、基数	SQL JOIN、Map/Set 数据结构
图论	图、欧拉/哈密顿图、树、矩阵、平面图、图着色	网络拓扑、依赖分析、社交网络
代数结构	半群、独异点、群、环、域、格、布尔代数	密码学、自动机理论
组合数学	组合存在性、计数公式、组合定理	算法复杂度、概率分析
数理逻辑	命题逻辑、一阶谓词演算、消解原理	形式化验证、AI 推理
数论	素数、同余、模运算、欧拉函数	RSA 加密、哈希、雪花 ID
计算模型	自动机、图灵机、可计算性	编译原理、算法理论

四、集合论（Set Theory）

4.1 5 大核心概念

概念	符号	说明
集合	`{a, b, c}`	元素的无序整体
子集	A ⊆ B	A 的所有元素都在 B 中
并集	A ∪ B	属于 A 或 B 的所有元素
交集	A ∩ B	同时属于 A 和 B 的元素
差集	A - B	属于 A 但不属于 B 的元素

4.2 程序员对应实现

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


// Java
Set<Integer> a = new HashSet<>(Arrays.asList(1, 2, 3));
Set<Integer> b = new HashSet<>(Arrays.asList(3, 4, 5));

// 并集
Set<Integer> union = new HashSet<>(a);
union.addAll(b); // [1, 2, 3, 4, 5]

// 交集
Set<Integer> intersection = new HashSet<>(a);
intersection.retainAll(b); // [3]

// 差集
Set<Integer> difference = new HashSet<>(a);
difference.removeAll(b); // [1, 2]

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


-- SQL：集合的并集（UNION）、交集（INTERSECT）、差集（EXCEPT）
SELECT id FROM table_a
UNION
SELECT id FROM table_b;

SELECT id FROM table_a
INTERSECT
SELECT id FROM table_b;

SELECT id FROM table_a
EXCEPT
SELECT id FROM table_b;

4.3 集合论 3 大基础

主题	核心内容
集合及其运算	并、交、差、补、笛卡尔积
二元关系与函数	关系的性质（自反/对称/传递）、函数（单射/满射/双射）
自然数与自然数集	皮亚诺公理、归纳法、超限归纳

五、图论（Graph Theory）

5.1 6 大基本概念

概念	说明
图的基本概念	顶点（V）、边（E）、邻接、度、路径
欧拉图	经过每条边恰好一次的回路（七桥问题）
哈密顿图	经过每个顶点恰好一次的回路（旅行商问题）
树	无环连通图，n 个顶点有 n-1 条边
图的矩阵表示	邻接矩阵、关联矩阵、距离矩阵
平面图	可画在平面上边不相交（欧拉公式 V-E+F=2）

5.2 5 类图着色问题

1
2
3
4
5


支配集：选出最少的顶点"监视"所有顶点
覆盖集：选出最少的边"覆盖"所有顶点
独立集：选出最多的顶点两两不相邻
匹配：选出最多的边两两不共享顶点
带权图：边上加权（最短路径、最小生成树）

5.3 程序员最常用的 5 个图算法

算法	应用	复杂度
Dijkstra	最短路径（Google 地图）	O(V²) 或 O((V+E)logV)
Floyd-Warshall	全对最短路径	O(V³)
A*	启发式搜索（游戏寻路）	取决于启发函数
BFS/DFS	拓扑排序、连通分量	O(V+E)
Kruskal/Prim	最小生成树（网络布线）	O(E log E)

5.4 图在程序员世界的 7 大应用

应用	图模型
社交网络	用户=顶点，好友=边
互联网路由	路由器=顶点，链路=边
编译依赖	模块=顶点，import=边
数据库 JOIN	表=顶点，关联=边
知识图谱	实体=顶点，关系=边
任务调度	任务=顶点，依赖=边
推荐系统	用户-商品二分图

六、代数结构

6.1 5 大基本结构

结构	性质	例子
半群	封闭 + 结合	正整数加法、字符串拼接
独异点（幺半群）	半群 + 单位元	整数加法（0 是单位元）
群	独异点 + 逆元	整数加法、置换群
环	加法群 + 乘法半群	整数环、多项式环
域	环 + 乘法逆元	有理数域、有限域 GF(2ⁿ)

6.2 4 个衍生结构

结构	性质	例子
格	两个运算满足吸收律、结合律、交换律	幂集（按包含序）
布尔代数	有补格	开关电路、SQL 谓词
代数系统	集合 + 运算 + 关系	自然数、整数
半群/独异点/群/环/域/格	一层层严格	抽象代数主线

6.3 程序员最常用：有限域 GF(2⁸)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


# AES 加密用 GF(2^8) 域
def gf_mult(a, b):
 """GF(2^8) 上的多项式乘法（不可约多项式 x^8 + x^4 + x^3 + x + 1 = 0x11B）"""
 p = 0
 for _ in range(8):
 if b & 1:
 p ^= a
 hi_bit = a & 0x80
 a = (a << 1) & 0xFF
 if hi_bit:
 a ^= 0x1B # 不可约多项式
 b >>= 1
 return p

# 测试
print(hex(gf_mult(0x57, 0x83))) # AES 中的核心运算

七、组合数学

7.1 4 大计数公式

公式	表达式	适用
排列 P	P(n, k) = n! / (n-k)!	顺序敏感
组合 C	C(n, k) = n! / (k!(n-k)!)	顺序无关
重复组合	C(n+k-1, k)	允许重复
错排	D(n) = n!(1 - 1/1! + 1/2! - 1/3! + …)	都不在原位

7.2 5 大计数定理

定理	说明
鸽巢原理	n+1 个物体放 n 个抽屉，至少 1 个抽屉有 2 个
二项式定理	(a+b)ⁿ = Σ C(n,k) aⁿ⁻ᵏ bᵏ
容斥原理	\|A∪B∪C\| = Σ\|Aᵢ\| - Σ\|Aᵢ∩Aⱼ\| + \|A∩B∩C\|
生成函数	用多项式系数表示组合数
递推关系	斐波那契 f(n) = f(n-1) + f(n-2)

7.3 程序员应用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


# 二项式系数：Pascal 三角形
def binomial_coefficient(n, k):
 if k < 0 or k > n:
 return 0
 if k == 0 or k == n:
 return 1
 return binomial_coefficient(n-1, k-1) + binomial_coefficient(n-1, k)

# 错排：5 个人各写 1 张贺卡，都不寄给自己
def derangement(n):
 if n == 0: return 1
 if n == 1: return 0
 return (n - 1) * (derangement(n-1) + derangement(n-2))

print(derangement(5)) # 44

八、数理逻辑

8.1 3 大核心

主题	核心内容
命题逻辑	命题、联结词（∧ ∨ ¬ → ↔）、真值表、永真式
一阶谓词演算	量词（∀ ∃）、谓词、函数、推理规则
消解原理	Robinson 1965，机器定理证明的通用算法

8.2 5 大经典推理规则

名称	形式	例子
假言推理	(P→Q, P) ⊢ Q	如果下雨，地会湿；下雨了；所以地湿了
拒取式	(P→Q, ¬Q) ⊢ ¬P	如果下雨，地会湿；地没湿；所以没下雨
假言三段论	(P→Q, Q→R) ⊢ P→R	下雨→地湿；地湿→滑；所以下雨→滑
析取三段论	(P∨Q, ¬P) ⊢ Q	买可乐或雪碧；不买可乐；所以买雪碧
全称实例化	∀x P(x) ⊢ P(a)	所有动物会死；苏格拉底是动物；所以苏格拉底会死

8.3 程序员应用：SQL 谓词逻辑

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


-- 谓词演算 → SQL WHERE
-- ∀x (学生(x) → 选课(x))
SELECT s.id
FROM student s
WHERE EXISTS (SELECT 1 FROM course_selection c WHERE c.student_id = s.id);

-- ∃x (学生(x) ∧ 成绩(x) >= 90)
SELECT s.id, s.name
FROM student s
JOIN score sc ON sc.student_id = s.id
WHERE sc.score >= 90;

九、5 个数学基础速查表

9.1 自然数对数表

n	log₂ n	log₁₀ n	ln n
10	3.32	1.00	2.30
100	6.64	2.00	4.61
1000	9.97	3.00	6.91
10⁶	19.93	6.00	13.82
10⁹	29.90	9.00	20.72

9.2 常用数学符号

符号	含义	例子
∈	属于	3 ∈ {1, 2, 3}
⊆	子集	{1,2} ⊆ {1,2,3}
∪ ∩	并集交集	A ∪ B, A ∩ B
∀ ∃	全称存在	∀x P(x), ∃x P(x)
→ ↔	蕴含等价	P→Q, P↔Q
∧ ∨ ¬	与或非	P∧Q, P∨Q, ¬P
Σ Π	求和求积	Σᵢ₌₁ⁿ i = n(n+1)/2
∫ ∂ ∇	积分偏导梯度	（连续数学）

9.3 初等代数恒等式

1
2
3
4


完全平方：(a±b)² = a² ± 2ab + b²
立方和：a³ + b³ = (a+b)(a² - ab + b²)
立方差：a³ - b³ = (a-b)(a² + ab + b²)
二次方程求根：x = (-b ± √(b² - 4ac)) / 2a

9.4 几何基础

图形	面积	周长
圆	πr²	2πr
矩形	a·b	2(a+b)
三角形	√(s(s-a)(s-b)(s-c))	a+b+c
球	4πr²	-
立方体	6a²	12a

9.5 概率统计速查

公式	表达式
加法	P(A∪B) = P(A) + P(B) - P(A∩B)
乘法	P(A∩B) = P(A)·P(B\|A)
全概率	P(B) = Σ P(B\|Aᵢ)·P(Aᵢ)
贝叶斯	P(A\|B) = P(B\|A)·P(A) / P(B)
期望	E[X] = Σ x·P(x)
方差	Var(X) = E[X²] - (E[X])²

十、4 大推荐教材

教材	适用	难度
《程序员的数学》（结城浩）	入门	★★
《数学之美》（吴军）	应用视角	★★
《算法导论》（CLRS）	算法+数学	★★★★
《离散数学及其应用》（Rosen）	系统学习	★★★

十一、参考与延伸

Prime Pages（素数数据库）：https://primes.utm.edu/
Wolfram MathWorld：https://mathworld.wolfram.com/
图论算法可视化：https://visualgo.net/zh
MIT 6.042J 离散数学（OCW）：https://ocw.mit.edu/courses/6-042j-mathematics-for-computer-science-fall-2010/
陶哲轩《实分析》：https://terrytao.wordpress.com/books/

下一步：先把《程序员的数学》通读一遍（2-3 周），再选《算法导论》部分章节深入；接下来在 LeetCode 上有意识地用数学思维（如用对数法分析时间复杂度、用素数优化哈希）。

十二、2024+ 视角：8 年后，程序员的数学基础变了吗？

本文写于 2016 年 1 月。8 年后（2024-2026）回望，7 大离散数学分支 + 5 大数论核心 + 4 大图论应用——这套"老菜单"依然有效，但每道菜都多了一层"AI 时代"的浇头。下面逐条对照。

12.1 素数：8 年后的新角色

2016 年我写"素数 = RSA + 哈希表"。2024-2026 素数的新角色：

后量子密码学（Post-Quantum Cryptography, PQC）——2024-08 NIST 正式发布 PQC 标准
- ML-KEM（原 Kyber，格密码 / Lattice-based）——核心仍依赖有限域运算 + 素数
- ML-DSA（原 Dilithium）——签名算法，基于模运算 + 拒绝采样
- SLH-DSA（原 SPHINCS+）——哈希签名，只依赖哈希函数（无素数）
国密算法 SM2/SM3/SM4——等保 2.0 三级强制要求，SM2 基于 256 位素数域椭圆曲线
零知识证明（ZKP）——zk-SNARK、zk-STARK 在区块链 + 隐私计算中爆发，核心数学是素数域 + 多项式承诺
RSA 仍在用——2024-2026 仍是 80% HTTPS 站点的主流算法，2048 位 / 4096 位 RSA 是事实标准

关键变化：素数从"经典密码学"扩展到"后量子密码 + 零知识证明 + 国产化合规"——8 年后素数仍是程序员必须懂的"硬数学"。

12.2 对数：LLM 时代的新复杂度

2016 年我写"对数 = O(log n) 时间复杂度"。2024-2026 对数有了新战场：

Transformer 复杂度：
- 标准 Attention：O(n²)（n 是序列长度）——128K 上下文就是 163 亿次运算
- FlashAttention：O(n log n) 显存、实际计算仍是 O(n²)——2022-2024 主流优化
- Linear Attention（Performer / Mamba）：O(n)——2024-2026 正在突破的方向
Token 经济学：
- LLM 推理时 KV Cache 占显存 O(n²)——各种压缩方案都在用对数技巧
- 上下文长度 1M（Llama 4 2025 目标）需要 Sub-quadratic 算法——对数是关键
时间复杂度面试新题：
- 2024 面试题：“为什么 Attention 是 O(n²)？”
- 2024 面试题：“如何把 Attention 优化到 O(n log n)？”
- 2024 面试题：“KV Cache 怎么压缩？”

关键变化：对数从"二分查找"扩展到"LLM 复杂度分析"——8 年后对数仍是计算机科学的"复杂度语言"。

12.3 集合论 / 图论：RAG 与知识图谱的基础

2016 年我写"集合论 = SQL 基础"。2024-2026 集合论 / 图论的新角色：

RAG（检索增强生成）——本质是集合论 + 向量空间：
- 文档 → Embedding → 集合 Top-K 查询
- 关系代数（UNION / INTERSECT / JOIN）在 RAG pipeline 里反复出现
知识图谱——图论 + Embedding：
- Microsoft GraphRAG（2024 发布）——基于 LLM 抽取实体关系，建图
- Neo4j 5.x + LangChain——2024-2026 知识图谱 + LLM 主流方案
- 实体关系（Entity-Relation） = 图论里的"边"+“顶点”
图神经网络（GNN）——图论 + 深度学习：
- 药物发现（分子结构 = 图）——2024-2026 大爆发
- 推荐系统（用户-商品二分图）——几乎所有大厂都在用
- 社交网络分析——Facebook / 微信的"朋友推荐"
数据库 JOIN 优化——图论 + 关系代数的回旋镖：
- 2024-2026 图数据库（Neo4j / TigerGraph / NebulaGraph）爆发
- SQL + Graph Hybrid 成为新趋势

关键变化：集合论 / 图论从"数据库基础"扩展到"RAG + 知识图谱 + GNN"——8 年后图论成为 AI 时代"数据建模"的核心语言。

12.4 代数结构 / 数理逻辑：形式化验证与 AI 推理

2016 年我写"代数结构 = 密码学"。2024-2026 新角色：

形式化验证（Formal Verification）：
- Lean 4 + Mathlib（2024-2026 爆发）——用数理逻辑证明数学定理
- Coq / Isabelle / TLA+——形式化验证工业软件
- AWS 用 TLA+ 验证 S3 正确性——经典案例
AI 自动定理证明：
- DeepMind AlphaProof（2024-07，IMO 银牌）——AI 解数学题
- OpenAI o1/o3 系列——Chain-of-Thought 推理的工业化
- Lean Copilot（2024）——AI + Lean 4 证明助手
约束求解（SMT Solver）：
- Z3——程序分析、编译器优化、形式化验证的核心
- SMT-LIB——形式化逻辑标准语言
格密码（Lattice-based Cryptography）：
- LWE / RLWE 问题——后量子密码学基础
- 格理论（Lattice Theory） = 离散数学的"现代分支"

关键变化：代数结构 / 数理逻辑从"教科书理论"走向"AI 推理 + 形式化验证"——8 年后数理逻辑成为 AI 推理的"形式化底层"。

12.5 组合数学：算法竞赛 → AI 推理

2016 年组合数学主要用于"算法竞赛 + 概率分析"。2024-2026 新场景：

AI 推理的组合优化：
- Chain-of-Thought 路径搜索 = 图搜索 + 组合
- Tree-of-Thoughts / Graph-of-Thoughts（2023-2024）= 显式的组合搜索
密码学协议：
- 安全多方计算（MPC）——基于秘密分享 + 组合数学
- 同态加密——基于格 + 模运算 + 组合优化
生成式 AI：
- 采样算法（MCMC / 拒绝采样 / 重要性采样）= 组合数学 + 概率

关键变化：组合数学从"竞赛技巧"扩展到"AI 推理路径搜索"——8 年后组合数学成为 AI 系统设计的"组合优化"工具。

12.6 计算模型：图灵机 → 神经网络的"可计算性"

2016 年我说"图灵机 = 理论 CS 的基础"。2024-2026 新思考：

大语言模型能"计算"吗？——这是个 2023-2026 仍在争论的哲学问题
Transformer 是图灵完备的（已被严格证明）——但它的"计算范式"和图灵机完全不同
神经图灵机 / 神经 RAM（2024-2026 探索中）——结合神经网络 + 外部记忆
可解释性 / 形式化推理——2024-2026 在"AI 可解释"领域，数理逻辑 + 计算模型仍是基础

关键变化：计算模型从"理论 CS 课程"扩展到"AI 系统的可计算性 / 可解释性"——8 年后计算模型成为 AI 系统的"理论根基"。

12.7 8 年对照表

分支	2016 应用	2024-2026 应用
素数	RSA / 哈希	后量子密码 / SM 国密 / ZKP
对数	`O(log n)` / 二分查找	LLM 复杂度 / Token 经济学 / KV Cache
集合论	SQL / 关系代数	RAG / Embedding 集合 / 向量库
图论	网络拓扑 / 依赖分析	知识图谱 / GNN / 图数据库
代数结构	密码学 / 有限域	格密码 / 同态加密 / MPC
数理逻辑	谓词逻辑 / Prolog	形式化验证 / Lean 4 / AI 推理
组合数学	算法竞赛 / 概率	AI 推理路径搜索 / MCMC
计算模型	图灵机 / 自动机	Transformer 可计算性 / AI 解释

12.8 8 年升级版书单

2016 年我推荐 4 本书。2024 年我会加 3 本：

教材	主题	2024 价值
《Mathematics for Machine Learning》（MML Book）	线性代数 + 概率 + 优化	入门 ML 必备数学
《Information Theory, Inference, and Learning Algorithms》（David MacKay）	信息论 + 编码 + 推理	理解 LLM 原理
《Computational Complexity: A Modern Approach》（Arora, Barak）	计算复杂性理论	深入 AI 系统的理论极限

外加 3 个免费在线资源：

3Blue1Brown（YouTube / B 站）——线性代数 / 微积分 / 信息论可视化
MIT 18.065 Matrix Methods in Data Analysis（OCW）——线性代数应用
Distill.pub（归档前存档）——深度学习可视化讲解

12.9 8 年前 vs 8 年后：写给"想补数学基础"的工程师

2016 年的建议：

“想补数学基础 → 读 Rosen 离散数学 → 读 CLRS 算法导论 → 在 LeetCode 上用数学思维”

2024 年的升级版建议：

“想补数学基础 → 读 Rosen 离散数学（仍是基础）→ 读 MML Book 入门 ML 数学 → 读《Lean 4 定理证明导论》入门形式化 → 在 LLM 应用上用数学思维（RAG / Embedding / 知识图谱）”

核心变化：8 年后离散数学没变，ML 数学 + 形式化验证是新基础。RAG 时代补数学，MML Book + 信息论 + 一点 Lean 4 比单纯啃 CLRS 更实用。

12.10 写在最后

2016 年我写"想补数学基础的工程师从 LeetCode 开始"。8 年后我想说：

LeetCode 仍然是好起点，但终点已经变了——
2016 年终点是"写出高效的算法"
2024 年终点是"用数学理解 LLM 的能力边界"

离散数学、线性代数、概率论、数理逻辑——这 4 门课是 8 年不变的"硬基础"；信息论、计算复杂性、形式化验证——这 3 门是 2024-2026 的"新基础"。

8 年前我担心"被数学卡住 5 分钟"，
8 年后我担心"被 AI 系统的数学基础卡住 5 小时"。

数学不会变老，只是换了个地方等我们回来。