附录 A · 按需查阅，不必从头读
数学速成：向量 / 矩阵 / 概率 / 导数
AI 需要的数学只有这四块，且全部可以用电力语言重新点亮：相量、节点导纳矩阵、故障率、负荷曲线斜率。每节最后回答"AI 为什么用它"。正文卡住时来查对应小节，十分钟就能接上。
A.1 向量：带方向的数，和"相似度"
A.1.1 向量是什么
向量 = 一串排好序的数，可以理解成两种东西（看场合用哪种都行）：
- 坐标点：(3, 4) 就是平面上离原点那个点；
- 箭头：从原点指向 (3, 4) 的箭头，有长度（大小）有方向。
维数就是数的个数：2 维向量管平面，768 维向量管"768 维空间"——想象不了没关系，数学上规则完全一样，你只需要把"768 个数打包成一串"这个动作。
你大学里学的相量（电压 U、电流 I 的幅值 + 相位角）就是 2 维向量：
U = (幅值, 相位)。两个相量相加（并联节点电压合成）、缩放（变压器变比），就是向量的加法和数乘。你早就用过向量，只是当时叫"相量"。
A.1.2 向量的三个基本操作
| 操作 | 人话 | 电力例子 | AI 里在哪 |
|---|---|---|---|
| 加法 | 两个箭头首尾相接 | KCL 节点电流合成 | 词向量叠加位置向量（第 4 章） |
| 数乘（缩放） | 箭头拉长/缩短 | 变压器变比 | 权重缩放、温度参数 |
| 点积（内积） | 两个向量"方向有多一致"：同向最大、垂直为 0、反向为负。公式 a·b = |a||b|cosθ，或对应位置相乘再相加 | 有功功率 P = UI·cosφ——就是电压向量和电流向量的点积！同相（φ=0）功率最大，正交（φ=90°）功率为零 | 注意力的核心：Q 和 K 的点积 = 匹配度（第 4.4 节） |
两个人推一辆车：都朝车头方向（同向）→ 合力最大（点积最大）；一个朝前一个朝旁边 → 白费一半劲；一个朝前一个朝后 → 抵消（点积为负）。点积衡量"两个向量是不是在同一个频道上"——注意力用这个当"相关度"，天经地义。
AI 为什么用它：词向量是坐标点，"语义相近"= 方向相近 = 点积大。注意力里 Q（想找什么）和 K（我是什么）方向越一致，点积越大，softmax 给它的权重就越高。你不需要会算，只需要记住：点积大 = 相关。
A.2 矩阵：一张表 + 一台变换机器
A.2.1 矩阵是什么
矩阵 = 一张排成方阵的数表，它同时是两种东西：
- 一张表：比如 5 万个词 × 768 维的"词嵌入表"，每行是一个词的向量；
- 一台变换机器：矩阵 × 向量 = 把向量"搬"到另一个位置/方向（旋转、拉伸、压缩）。
潮流计算里 I = Y·U：节点电流向量 = 导纳矩阵 × 节点电压向量。Y 矩阵把"电压向量"变换成"电流向量"——Y 矩阵就是一台"电压→电流"的变换机器，对角线是自导纳、非对角线是互导纳（各节点间的耦合）。
你在 Transformer 里看到的 W_Q、W_K、W_V 矩阵，干的是一模一样的事：把"词向量"变换成"查询/键/值向量"。
A.2.2 矩阵乘法：一句话规则
矩阵 A × 矩阵 B：结果第 i 行第 j 列 = A 的第 i 行 与 B 的第 j 列做点积。就这一条规则，其他全是它的重复。
- 矩阵 × 向量 = 对向量做变换（每行跟向量点积，得到新向量的一个分量）；
- 矩阵 × 矩阵 = 连续做两次变换（先 B 后 A 的合成）；
- 转置（Aᵀ）：把行和列互换。注意力公式里的 QKᵀ 就是"让每个 q 和每个 k 都碰一次面"的批量点积写法——把 K 的每一行（每个词的键）转成每一列，正好和 Q 的每一行对齐相乘。
一个"任务×人员"矩阵，每一行是一个任务对每个人员的适合度打分；一个"人员×技能"矩阵，每一行是每个人员的技能画像。两者相乘，得到"任务×技能"矩阵——每个任务需要什么技能。矩阵乘法的本质是"两套信息通过中间层对接"，Transformer 的每一层都在干这种"对接"。
AI 为什么用它：整个神经网络就是一连串矩阵乘法（每个权重矩阵 = 一台变换机器）。GPU 之所以快，就是因为它被设计成"矩阵乘法加速器"。你不需要会手算矩阵乘法——只需要看懂"矩阵是批量变换，乘法是信息对接"。
A.3 概率：不确定性 + 贝叶斯
A.3.1 两个基础概念
- 概率 P(事件)：0 到 1 之间表示"有多可能"。P(明天降雨)=0.7。
- 条件概率 P(A|B)：已知 B 发生的前提下，A 的概率。"|"读作"在……条件下"。P(违章 | 高处作业) = 在知道这是高处作业后，违章的概率。
A.3.2 贝叶斯定理：先验 × 证据 → 更新判断
贝叶斯定理（直觉版）：
更新后的信念 = 先验信念 × 证据的支持度
数学式：P(A|B) = P(B|A)·P(A) / P(B)。不用背公式，记住流程：先有一个"先验"（原来怎么想），来了证据（B），按证据调整成"后验"（现在怎么想）。
某变电站某类断路器平均故障率 2%（先验）。现在出现"保护动作"信号（证据 B）——它也可能是误动。把"保护动作时确实是故障"的概率（P(B|故障)，灵敏度）和"无故障时保护也会动"的概率（P(B|无故障)，误动率）代入，得到更新后的"这次大概率就是故障"（后验）。
你平时做"信号甄别"就是在做贝叶斯更新，只是没叫这个名字。
AI 为什么用它：三个地方。① 模型输出本来就是概率分布（softmax 之后每个词一个概率）；② 朴素贝叶斯分类器直接用它；③ 现代大模型的"思维"里，本质上也在做"按上下文更新每种解释的概率"。记住一句话：概率 = 模型表达"不确定"的语言，softmax = 把一堆分数变成概率的机器。
A.4 导数与梯度：变化率 + 下山方向
A.4.1 导数：瞬间的变化率
导数 = 曲线上某点的斜率 = "自变量动一点点，因变量变多少"。f'(x) 大 → 这里变化剧烈；f'(x)=0 → 这里是平顶/谷底/拐点。
光伏出力曲线 6 点斜率很陡（太阳升起，出力猛涨），正午斜率≈0（出力到顶），傍晚斜率转负（出力下降）。斜率就是"此刻变化有多快、往哪个方向变"——你在监控里盯的"出力突变率"，就是导数。
A.4.2 偏导与梯度：多变量时怎么走
模型参数有几千亿个，损失 L 是几千亿个变量的函数。偏导数 = 只让其中一个变量动一点点，看损失变多少（其他变量不动）。把每个参数的偏导数排成一串，就得到梯度 ∇L——一个指向"损失上升最快方向"的向量。
梯度下降（第 2 章主角）：沿着梯度的反方向（下降方向）迈一步，重复上万次，就到损失谷底。学习率 = 步子大小。你可能忘了所有求导技巧，没关系——PyTorch 等框架会自动求梯度（自动微分），你要懂的是"梯度指方向、学习率定步长、迭代到谷底"这个直觉。
每到一个位置，用脚感受哪边最陡（梯度方向），往最陡方向迈一步（学习率），再感受再走。走到一个四周都比自己高、都比自己矮的"盆地底部"（局部最小）就停——这就是训练收敛。山沟可能不是全球最低（局部最优），但大模型参数多到一定程度后，实践中"差不多好的谷底"遍地都是，这个担忧没有想象中严重。
AI 为什么用它：训练的全部过程 = 反复计算损失对每个参数的梯度 + 沿反方向更新。附录 B.3、B.4 给出公式推导；正文只需记住：梯度是"下山的指南针"，学习率是"步长"，框架自动算指南针。
A.5 一页总结：四块数学 ↔ AI 的对应
| 数学 | 你的电力记忆锚点 | AI 里的角色 |
|---|---|---|
| 向量 | 相量（幅值+相位） | 词向量：每个词一个坐标点 |
| 点积 | P = UI·cosφ | 注意力匹配度：Q·K 大 = 相关 |
| 矩阵 | 导纳矩阵 Y：I = YU | 权重矩阵：批量变换；QKᵀ = 全员匹配 |
| 概率/条件概率 | 故障率、保护误动率 | softmax 输出概率；贝叶斯式更新 |
| 导数/斜率 | 出力曲线斜率 | 损失变化率，决定参数往哪调 |
| 梯度 | 山坡最陡方向 | 训练指南针；框架自动算 |
当年补考过的数学，不是白学的——你缺的只是"把名字和用途接上"。现在接上了：你大学学过的每一个概念，都在这张表里找到了在 AI 中的座位。剩下的交给教材正文，卡住再回来。