AI 数学基础 03：坐标系、函数图像与解析几何

坐标系把“位置”变成数，把“图形”变成方程。解析几何则进一步用代数方法研究几何关系，使点、线、圆、曲线都可以通过数和式来描述。

在人工智能相关数学基础中，坐标思想非常重要。数据样本可以看成坐标点，多个特征可以看成多个坐标分量，模型中的直线、平面、曲线和边界，常常可以用方程、函数或几何关系表示。理解坐标系与解析几何，是后面学习向量空间、线性变换、距离度量和可视化的重要基础。

一、平面直角坐标系

1、坐标轴

平面直角坐标系（Cartesian Coordinate System）由两条互相垂直的数轴组成。

水平的数轴称为x 轴，竖直的数轴称为y 轴。两条坐标轴的交点称为原点，通常记作 O。

原点的坐标是：

x 轴表示水平方向的位置，y 轴表示竖直方向的位置。通过这两条坐标轴，平面上的点就可以用两个数来确定。

图 1：平面直角坐标系中的坐标轴、原点与象限

2、点的坐标

平面上的一个点可以用有序数对表示：

其中，x 表示点在水平方向上的位置，y 表示点在竖直方向上的位置。

例如：

表示从原点出发，先向右移动 3 个单位，再向上移动 2 个单位。

如果点为：

则表示从原点出发，先向左移动 2 个单位，再向上移动 1 个单位。

坐标的顺序不能颠倒。点 (3,2) 和点 (2,3) 通常表示两个不同位置。

3、象限

x 轴和 y 轴把平面分成四个区域，称为四个象限（Quadrants）。

第一象限：x > 0，y > 0；

第二象限：x < 0，y > 0；

第三象限：x < 0，y < 0；

第四象限：x > 0，y < 0。

例如：

(2, 3) 位于第一象限；

(-2, 1) 位于第二象限；

(-2, -3) 位于第三象限；

(2, -3) 位于第四象限。

如果一个点在坐标轴上，它不属于任何象限。例如，点 (0,3) 在 y 轴上，点 (2,0) 在 x 轴上。

4、点与数对的对应关系

在平面直角坐标系中，每个点都对应唯一一个有序数对，每个有序数对也对应唯一一个点。

这种对应关系可以写成：

这使几何问题可以转化为代数问题。

例如，“点 P 在哪里”可以转化为“P 的坐标是多少”；“两个点有多远”可以转化为“两个数对之间如何计算距离”。

坐标系的意义正在这里：它把图形位置变成可计算的数。

二、直线与斜率

1、直线方程

在坐标平面中，直线可以用方程描述。

最常见的直线方程是斜截式：

其中，k 是斜率（Slope），b 是截距（Intercept）。这个形式可以表示非竖直直线；竖直线通常写成 x = c。

例如 y = 2x + 1 表示一条直线。当 x 取不同值时，可以计算出对应的 y，再把这些点画在坐标系中，就得到这条直线。

这些点都在直线 y = 2x + 1 上。

图 2：直线 y = kx + b 中斜率与截距的含义

2、斜率的含义

斜率表示直线的倾斜程度。

在直线 y = kx + b 中，k 就是斜率。

如果 k > 0，直线从左到右上升；

如果 k < 0，直线从左到右下降；

如果 k = 0，直线是水平的。

例如：

中，斜率为 2。它表示：x 每增加 1，y 增加 2。

因此，斜率不仅表示“斜不斜”，还表示 y 随 x 变化的快慢。

3、斜率公式与平均变化率

如果一条直线经过两个点：

并且 x₁ ≠ x₂，则斜率可以写成：

其中，y₂ - y₁ 表示纵向变化量，x₂ - x₁ 表示横向变化量。

例如，两点为：

则斜率为：

这个值也可以理解为平均变化率（Average Rate of Change）：当 x 从 1 变到 2 时，x 增加 1 个单位，y 增加 2 个单位。

4、截距的含义

在直线方程 y = kx + b 中，b 称为y 轴截距（y-intercept）。它表示直线与 y 轴相交的位置。

因为 y 轴上的点满足 x = 0，所以：

也就是说，直线与 y 轴的交点是 (0, b)。

例如：

的截距是 1，直线经过点 (0, 1)。

5、两点确定一条直线

在平面中，如果两个点不同，并且给定它们的位置，就可以确定唯一一条直线。如果两个点完全重合，就不能由这两个点确定唯一直线。

假设两点为：

需要分两种情况讨论。

如果 x₁ ≠ x₂，直线不是竖直线，可以先用斜率公式求出 k：

求出斜率后，可以使用点斜式：

点斜式的意思是：一条直线如果经过点 (x₁, y₁)，并且斜率为 k，那么这条直线上任意一点 (x, y) 都要满足“纵向变化量”和“横向变化量”的比例等于 k。

也就是说，对于直线上另一个横坐标不同于 x₁ 的点，可以写成：

把它整理一下，就得到：

例如，过点 (1,3) 和 (2,5) 的直线斜率为：

代入点 (1,3)：

如果 x₁ = x₂，则两个点的横坐标相同，直线是竖直线，不能用斜率公式求 k。此时直线方程可以直接写成：

例如，过点 (2,1) 和 (2,5) 的直线是竖直线，方程为：

这说明几何中的“过两点作直线”，可以用代数公式精确表达；但在使用斜率公式和点斜式前，要先判断这条直线是否为竖直线。

三、距离与中点

1、两点之间的距离

在坐标系中，两个点之间的距离可以通过坐标计算。

设两点为：

它们之间的距离为：

例如，点 A = (1,2)，点 B = (4,6)，则：

图 3：两点之间的距离与直角三角形关系

2、距离公式的几何来源

距离公式来自勾股定理。

两点 P₁ 和 P₂ 的横向差为：

纵向差为：

这两个差值可以构成一个直角三角形的两条直角边。两点之间的距离就是斜边。

根据勾股定理：

因此：

3、中点坐标

中点（Midpoint）是连接两个点的线段正中间的点。

设两点为：

它们的中点 M 为：

例如，点 A = (1,2)，点 B = (5,8)，则中点为：

中点坐标的含义很直观：分别取两个 x 坐标的平均值，再取两个 y 坐标的平均值。

4、几何关系的代数表达

坐标系让几何关系可以转化为代数表达。

例如：

• 两个点之间的距离，可以写成距离公式

• 一条线段的中点，可以写成坐标平均值

• 一条直线的倾斜程度，可以写成斜率

• 一个点是否在直线上，可以通过代入方程判断

例如，要判断点 (2,5) 是否在直线 y = 2x + 1 上，只需代入 x = 2：

结果与 y 坐标相同，因此点 (2,5) 在这条直线上。

这就是解析几何的基本思想：用代数计算处理几何问题。

四、圆与曲线

1、圆的方程

圆可以用方程表示。

如果圆心是原点 O = (0,0)，半径为 r，则圆的方程是：

例如，半径为 3 的圆可以写成：

这个方程表示：所有到原点距离等于 3 的点组成的集合。

2、圆心与半径

如果圆心是：

半径为 r，则圆的方程是：

其中，(a, b) 决定圆的位置，r 决定圆的大小。

图 4：圆心、半径与圆的方程

例如，圆心为 (2,1)，半径为 3 的圆为：

这个方程表示：所有到点 (2,1) 距离等于 3 的点。

3、曲线作为点的集合

在解析几何中，曲线可以看成满足某个方程的点的集合。

例如：

表示所有满足 y = x² 的点组成的曲线。当 x 取不同值时，可以得到不同点：

这些点连接起来，就形成抛物线。

4、几何条件与方程的对应

许多几何条件都可以写成方程。

“到原点的距离等于 r”对应：

“到点 (a, b) 的距离等于 r”对应：

“y 是 x 的平方”对应：

解析几何的美感就在于：图形、条件和方程可以互相翻译。

五、从二维平面到高维空间

1、二维坐标

二维坐标用两个数表示一个点：

它适合表示平面中的位置。

例如：

可以表示平面上一个点，也可以表示一个样本的两个特征。

例如，在数据分析中，x 可以表示学习时间，y 可以表示测试成绩。

2、三维坐标

三维坐标用三个数表示一个点：

其中，x、y、z 分别表示三个方向上的位置。

例如：

可以表示三维空间中的一个点，也可以表示一个样本的三个特征。

三维坐标比二维坐标多了一个方向，因此可以表示更丰富的位置关系。

3、高维坐标与多维数据表示的直觉

在二维坐标中，一个点用两个数表示 (x, y)，在三维坐标中，一个点用三个数表示 (x, y, z)，如果继续增加坐标分量，就可以得到更高维的表示。

例如，一个四维点可以写成：

更一般地，一个 n 维点可以写成：

这里的每一个坐标分量，都可以表示一个维度上的数值。

在几何中，维度可以理解为空间方向；在数据分析和人工智能中，维度更常被理解为特征（Feature）。

例如，一个学生样本可以由多个特征描述：

学 习 时 间 作 业 完 成 率 测 验 成 绩 出 勤 率

如果把这些特征写成数值，就可能得到：

这个有序数组可以看成高维空间中的一个点。

再如，一个房屋样本可以表示为：

面 积 房 龄 楼 层 到 地 铁 站 距 离

对应的数值可能是：

这里，每一个样本都是一个点，每一个特征都是一个坐标方向。

图 5：从二维坐标到高维特征空间

当样本有两个特征时，可以画在二维平面中；当样本有三个特征时，可以想象为三维空间中的点；当样本有几十个、几百个甚至更多特征时，就进入高维空间。

高维空间虽然难以直接画出来，但它的基本思想与二维坐标一致：一个对象由多个数描述，每个数表示一个维度上的取值。

4、解析几何与向量空间的联系

坐标点可以进一步看成向量（Vector）。

例如，二维点：

也可以看成从原点指向该点的向量。

高维坐标：

也可以看成 n 维向量。

在人工智能中，图像、文本、音频和用户行为等数据，往往都会被转化为高维数值表示。

例如，一张图片可以被展开成大量像素值；一段文本可以被表示成词向量或嵌入向量；一个用户可以被表示成兴趣、点击、购买、停留时间等多个特征组成的向量。

解析几何与向量空间有天然联系。坐标系帮助我们描述点和图形，向量空间进一步帮助我们研究方向、长度、投影、线性组合和空间变换。

六、Python 示例：绘制点、直线、圆与曲线

1、绘制坐标点

下面用 Python 绘制几个坐标点。

这段代码展示了数对如何对应到坐标平面上的点。

2、绘制直线

下面绘制直线：

这段代码体现了直线方程与函数图像之间的关系：给定 x，计算 y，再把点连接起来。

3、绘制圆

方程：

它表示圆心在原点、半径为 3 的圆。

这里用参数 t 生成圆上的点。虽然圆的方程是 x² + y² = 9，但在程序中常用参数形式来绘图。

4、观察方程和图像的关系

下面绘制曲线：

改变方程，就会改变图像。解析几何正是通过这种方式，把代数表达和几何形状联系起来。

七、概念辨析

1、认为坐标只是定位工具

坐标当然可以表示位置，但它的意义不止于定位。

坐标还可以表示数据特征、向量分量、模型输入和空间结构。在机器学习中，一个样本常常就可以看成高维空间中的一个点。

因此，坐标系不仅是画图工具，也是数学建模的重要语言。

2、不理解图形可以由方程描述

很多人一开始觉得图形是画出来的，方程是算出来的。

解析几何把二者连接起来：满足同一个方程的点，会形成某种图形。例如：

不是一串抽象符号，而是一个圆。

理解“图形是满足方程的点的集合”，是学习解析几何的关键。

3、把距离公式当成孤立公式记忆

距离公式来自勾股定理。

两点之间的横向差和纵向差构成直角三角形的两条直角边，两点距离就是斜边。理解这一点，距离公式就会自然得出。

4、难以从二维平面过渡到高维空间直觉

二维和三维可以画出来，高维空间很难直接画出。

但高维坐标的基本思想并不神秘：一个点由多个数描述，每个数表示一个方向或一个特征上的取值。

从这个角度看，二维点、三维点和高维数据样本，本质上都是由坐标分量组成的对象。

小结

坐标系把点变成数对，解析几何把图形变成方程。直线、斜率、距离、中点、圆和曲线都可以用代数表达；二维、三维和高维坐标则进一步帮助我们理解数据样本、向量空间和模型几何。

“点赞有美意，赞赏是鼓励”