Mathematics for Computer Science — 计算机科学中的数学（MIT 6.042 教材）

来源：mcs.pdf，作者 Eric Lehman, F. Thomson Leighton, Albert R. Meyer（MIT 6.042 课程教材）。 说明：原书 1048 页 > 40 页，按规则仅做结构化解读，不发布原文全文。

结构化解读

书籍概况

《Mathematics for Computer Science》是 MIT 经典课程 6.042（计算机科学中的数学） 的官方教材，作者为 Eric Lehman、F. Thomson Leighton 与 Albert R. Meyer。它系统讲授计算机科学所需的离散数学与证明方法，是无数工程师/研究生的数学基石。

内容结构（目录）

从原书目录可见其完整脉络（节选）：

1. What is a Proof?（什么是证明）
2. The Well Ordering Principle（良序原理）
3. Logical Formulas（逻辑公式）
4. Mathematical Data Types（数学数据类型）
5. Induction（归纳法）
6. State Machines（状态机）
7. Recursive Data Types（递归数据类型）
8. Infinite Sets（无穷集）
9. Number Theory（数论）
10. Directed graphs & Partial Orders（有向图与偏序）
11. Communication Networks（通信网络）
12. Simple Graphs（简单图）
13. Planar Graphs（平面图）
14. Sums and Asymptotics（求和与渐近）
15. Cardinality Rules（基数规则）
16. Generating Functions（生成函数）
17. Events and Probability Spaces（事件与概率空间）
18. Conditional Probability（条件概率）
19. Random Variables（随机变量）
20. Deviation from the Mean（偏离均值）
21. Random Walks（随机游走）
22. Recurrences（递推式）

核心主题与看点

• 证明是第一课：开篇即讲「什么是证明」「良序原理」「归纳法」，训练严格推理。
• 从离散到概率：数据类型、图论、数论打底，再进入概率空间、条件概率、随机变量、集中不等式（偏离均值）与随机游走。
• 面向 CS 而非纯数学：状态机、通信网络、递推式等内容直接服务算法与系统。

适合谁读

• 计算机/电子/AI 方向的学生（6.042 是 MIT 必修课）；
• 需要补强离散数学与概率基础的工程师；
• 准备算法/理论面试的人。

与本站连接

• 与本站 AI / 算法 / 系统 主线的基础层相关：概率（条件概率、随机变量、集中不等式）是现代机器学习与通信系统的语言；图论与递推是算法分析的工具。
• 其「通信网络」「状态机」章节，可与本站 CPO/光互联、系统性能等硬件讨论在方法论上呼应。

获取方式

课程教材 PDF 免费下载：https://courses.csail.mit.edu/6.042/spring18/mcs.pdf