大学数学新生入门学习数学方法导引 by Ph.D.王小龙
大学数学新生入门学习数学方法导引 by Ph.D.王小龙
我想大家都有这样的体会：小学的时候你根本不知道初中数学是什么样，高中的时候你也根本想不到大学数学是什么样。而大学生，如果你不专注于数学，恐怕也不知道现代数学是什么模样。下面将分别从学数学的动机、数学不同学科的分类以及如何切实可行培养数学能力等几个方面阐述如何学习数学。
进入正题，如何学好数学
一、认清你的需要
为什么需要学习数学，这是你首先需要想清楚的问题。数学学科子分类多、每一本数学书中都有许多定理和结论，需要花大量时间研究。而人的时间是宝贵的、有限的，所以你需要大体有一个目标和计划，合理安排时间。
1.1你的目标是精通数学、钻研数学，以数学谋生，你可能立志掌握代数几何，或者想精通前沿物理。那么你需要打下坚实的现代代数、几何以及分析基础，你需要准备大量时间和精力，拥有坚定不移的决心。（要求：精通全部三级高等数学）
1.2 你的目标是能够熟练运用高等数学，解决问题，掌握探索新应用领域的武器，你可能立志进入计算机视觉领域、经济学领域或数据挖掘领域。那么，你需要打下坚实的矩阵论、微积分以及概率统计基础。（要求：精通第一级高等数学）
1.3 你的目标是想了解数学的乐趣，把学数学作为人生一大业余爱好。那么，你需要打下坚实的线性代数、数学分析、拓扑学以及概率统计基础，对你来说，体会学数学的乐趣是一个更重要的目标。（精通第一级高等数学，在第二级高等数学中畅游，尝试接触第三级高等数学）
二、给自己足够的动力
学数学需要智力，更需要时间和精力。下面的几个事实相大家都深有体会：
1. 凡是没有用的东西，或者虽然有用，但是你用不到的东西，学得快忘得也快。不信你回忆一下你大一或者初一的基础课，你还记的清楚吗？
2. 凡是你不感兴趣（或者感觉不到乐趣）的东西，你很难坚持完成它。很多人都有这样的经历，一本书，前三章看的很仔细，后面就囫囵吞枣，越看越快，反正既没意思也没用。
3. 小学数学是中学数学的基础，中学数学是高中数学的基础，高中数学是大学数学的基础（你可以以此类推）。
因此，无论你的目标是什么，搞数学、用数学、还是体会数学的乐趣、满足自己从少年时就有的梦想。学有所乐、学有所用，永远是维持你动力不衰退的两个最主要的因素。
三、高等数学学什么？
好了，来看看标准大学数学的科技树：
一级：
线性代数（矩阵论），数学分析，近世代数（群环域），分别囊括了了几何、分析和代数的基础理论。别忘了还有概率论（建立在分析之上的一门基础学科）。
二级：
有了这些基础，接着是基础的基础、抽象和推广：测度论（积分的基础，当然也是概率论的基础），拓扑学（有关集合、空间、几何的一门极度重要的基础学科），泛函分析（线性代数的推广），复变函数（分析的推广），常微分方程与偏微分方程（分析的推广），数理统计和随机过程（概率论的推广），微分几何（分析和几何的结合）。
然后是一些小清新和应用学科：数值分析（算法），密码学，图形学，信息论，时间序列，图论等等。
三级：
再往上是研究生课题，往往是代数、几何和分析要一起上：微分流形、代数几何、随机动力学等等。
这个科技树的三级，和小学、初中、高中数学很相似，一层学不精通，下一层看天书。
四、如何学习
4.1 适量做题
千万千万千万不要狂做题。玩过战略对抗游戏的同学都知道，低级兵造几个就行了，要攒钱出高级兵才能在后期取胜，低级兵不仅攻击力低，还没有好玩的魔法，它们存在的意义在于让你有能力熬到后期。上面列举了那么多课程，你先花5年做完吉米诺维奇六本数学分析习题集，你就30岁了，后面的二级课程还没开始学呢。因此，做一些课后习题，帮助你复习、思考、维持大脑运转就行，要不断地向后学。如果完全学不懂了，返回来做习题帮自己理清头绪。
4.2 了解思想
数学的精髓不是做题的数量，而是掌握思想。每一个数学分支都有自己的主线思想和方法论，不同分支也有相互可供对比和借鉴的思维方式。留意它，模仿它，琐碎的知识就串成了一条项链，你也就掌握了一门课。思想并不是读一本教材就能轻易了解的，你要读好几本书，了解一些应用才能体会。举两个例子：
微积分的主线有这么几条：认识到微观和宏观是有联系的，微分用来刻画事物如何变化，它把细节放大给你看，而积分用来刻画事物的整体性质；微分和积分有时是描述一个现象的不同方式，这一点你在数学分析书中可能不容易发现，但是如果学点物理，就会发现麦克斯韦方程组同时有等价的微分形式和积分形式；积分变换能够建立不同空间之间的的联系，建立空间和空间边界的联系，这就是Stokes定理： 这个公式最迟要在微分流形中你才能一窥全貌。
矩阵是空间中线性变换的抽象，线性代数这门课的全部意义在于研究如何表达、化简、分类空间线性变换算子；SVD分解不仅在应用学科用有极为广泛的亮相，也是你理解矩阵的有力工具；矩阵是有限维空间上的线性算子，对"空间"的理解不仅能让你重新认识矩阵，更为泛函分析的学习开了个好头。
4.3 渐进式迂回式学习，对比学习
很多时候，只读一本书，可能由于作者在某处思维跳跃了一下，以后你就再也跟不上了。学习数学的一个诀窍，就是你同时拿到好几本国际知名教材，相互对比着看，或者看完一本然后再看同一主题的另一本书，已经熟悉的内容跳过去，如果看不懂了，停下来思考或者做做习题，还是不懂则往后退一退，从能看懂的部分向前推进，当你看的多了，就会发现一个东西出现在很多地方，对它的理解就加深了。举两个例子：
外微分这个东西，国内有的数学分析书里可能不介绍，我第一次遇到是在彭家贵的《微分几何》里，觉得这是个方便巧妙的工具；后来读卓里奇的《数学分析》和Rudin的《数学分析原理》，都讲了这个东西，可见在西方外微分是一个基础知识。你要读懂它，可能要首先理解矩阵，明白行列式恰好是空间体积在矩阵的变换下拉伸的倍数，它是一种线性形式。最后，当你读微分流形后，将发现外微分是获得流形上的Stokes定理的工具。
点集拓扑学这个东西，搞应用用不到。但是但凡你想往深处学，这一门学科就必须要掌握，因为它提供对诸如开集、紧集、连续、完备等数学基本概念的精准刻画。往后学泛函分析、微分流形，没有这些概念你将寸步难行。首先你要读芒克里斯的旷世名著《拓扑学》，接着在读其他外国人写的书时，或多或少都会接触一些相关概念，你的理解就加深了，比如读Rudin的《泛函分析》，开始就是介绍线性拓扑空间，前面的知识你就能用上了。
4.4 建立不同学科的联系
看到一个东西在很多地方用，你对它的理解就加深了，慢慢也就能体会到这个东西的精妙，最后你会发现所有的基础学科相互交织，又在后续应用中相互帮助，切实体会到它们真的很基础，很有用。这是一种体会数学乐趣的途径。
4.5 关注应用学科
没有什么比应用更能激发你对新知识、新工具的渴望。找一些感兴趣的应用学科教材，读一读，开阔眼界，为自己的未来积累资源。以下结合自己的专业（计算机视觉）和爱好说说一些优秀的专业书籍：
学了微积分，就可以无压力阅读《费恩曼物理学讲义第一卷》，了解力、热、光、时空的奥秘；学了偏微分方程，就可以无压力阅读《费恩曼物理学讲义第二卷》，了解电的奥秘；学了矩阵论，可以买一本《计算机视觉中的多视图几何》，了解成像的奥秘，编程进行图像序列的三维重建；学了概率论的同学应该会听说过贝叶斯学派和频率学派，这两个学派的人把战场拉到了机器学习领域，成就了两本经典著作《Pattern Recognition And Machine Learning》和《TheElements of Statistical Learning》，读了它们，我被基础数学为机器学习领域提供的丰硕成果和深刻见解深深折服；读了《Ray Tracing from the Ground Up》，自己写了一个光线追踪器渲染真实场景，它的基础就是一点点微积分和矩阵......
高等数学的应用实在是太多了，如果你喜欢编程，自动化、机器人、计算机视觉、模式识别、数据挖掘、图形图像、信息论和密码学......到处都有大量模型供你玩耍，而且只需要一点点高等数学。在这些领域，你可能能发现比数学书更有趣，也更容易找到工作的目标。
4.6 找有趣的书看
数学家写的书有时是比较死板的，但是总有一些教材，它们的作者有强烈的欲望想向你展示"这个东西其实很有趣"，"这个东西完全不是你想的那个样子"等等，他们成功了；还有些作者，他们喜欢把一个东西在不同领域的应用，和不同东西在某一领域的应用集中展示给你看。这样的书会提供给你充足的乐趣读下去。典型代表就是国内出版的一套《图灵数学统计学丛书》，这一套书实在是太棒了，比如《线性代数应该这样学》《复分析：可视化方法》《微分方程、动力系统与混沌导论》，个人认为都是学数学必读的经典教材，非常非常有趣。
五、多读书，读好书
如果只有一句话概括如何培养数学能力，那么就是这一句：多读书，读好书。因此这一步我想单独拿出来多说两句。
想必大家都十分精通并能熟练应用小学数学。想读懂代数几何，或者退一步，想读懂信息论基础，你就要挑几本好的基础教材，最好是外国人写的，像掌握小学数学那样掌握它。不要只看一本，找三本不同作者的书，对比着看，逐行逐字看。有的地方肯定看不懂，记下来，说不定在另一本书的某个地方就从另一个角度说到了这个东西。
如果你以后还要往后学，现在看到的每一个基础定理，以后还会用到。
每一本基础书，你今天放弃，明天还要乖乖重头再来。
要像读经文一样，交叉阅读对比不同教材内容的异同。
5.1. 推荐教材（其实就是我读过的觉得好的书）：
第一级：
《线性代数应该这样学》
卓里奇《数学分析（两册）》（读英文版吧，不难。有网友说这个还是不太简单，那你可以先看个国内教材，然后回过头来再看这个）
复旦大学《概率论》
第二级：
芒克里斯《拓扑学》
图灵丛书的一些分册
柯斯特利金《代数学引论》
Vapnik《统计学习理论的本质》
Rudin《数学分析原理》
Rudin《泛函分析》
Gamelin《复分析》
彭家贵《微分几何》
Cover《信息论基础》
第三级：
《微分流行与黎曼几何》
《现代几何学，方法与应用》三卷
5.2. 阅读一些科普教材
《数学是什么》
《高观点下的初等数学》
《巴赫、埃舍尔、哥德尔》
《e的故事》
5.3. 阅读各个领域最有趣、最活泼、最让你长知识、最重视应用、文笔最易懂的教材和书籍
《费恩曼物理学讲义》三册
《混沌与分形：科学的新疆界》
《微分方程、动力系统与混沌导论》
《复分析：可视化方法》
最后想说，数学是一个无底洞，会消耗掉你宝贵的青春。一无所知的你可能励志搞懂现代数学，但是多会半途却步，同时剩下的时间又不够精通另一门科学。而且即使你精通纯数学，没有几篇好文章也并不容易找工作。
我的建议是在阅读数学的过程中开拓眼界，纯数学和应用数学学科都看看，找到感兴趣、应用广泛、工作好找（来钱）的方向再一猛扎下去成为你的事业。比如数学扎实，编程能力也强的人就很有前途。
另外推荐
数学（数学分析、高等代数、高等几何）有什么用处？看完后恍然大悟！
学习漫谈（9）：给理工科学人开一个数学学习科目清单
已有 14367 次阅读 2010-10-20 07:25|个人分类:寄语学子|系统分类:科研笔记|关键词:学习 数学课程 基础训练
大学数学新生入门学习数学方法导引 by Ph.D.王小龙相关推荐
- 计算机数学课程标准,学习数学课程标准心得体会
新课程标准下数学教学过程对学校管理,对教师和学生都提出了新的要求.下面是学习啦小编为大家整理的学习数学课程标准心得体会,供你参考! 学习数学课程标准心得体会篇1 通过对<新课程标准>学习, ...
- 【数学建模入门】数学建模基本知识｜如何准备如何备战
文章目录 数学建模各模块备战 数学建模备战应该准备什么 数学建模各模块备战 题目备战:掌握固定格式即可 基于____模型的____研究与分析 摘要备战:总结归纳能力,通过看高水平或优秀论文掌握 问题重 ...
- 电脑入门学习最佳方法
看到不少刚入门的电脑刚入门者找不到适合自己的学习方法,到处碰壁,不但没了信心和兴趣,而且也耽误了不少宝贵的时间和金钱,做了许多无用功,到头来毫无收获. 因此我总结了一下我个人的一些学习方法与心得(当然 ...
- 电脑入门学习最佳方法介绍
看到不少刚入门的电脑刚入门者找不到适合自己的学习方法,到处碰壁,不但没了信心和兴趣,而且也耽误了不少宝贵的时间和金钱,做了许多无用功,到头来毫无收获. 因此我总结了一下我个人的一些学习方法与心得(当然 ...
- knex入门学习使用方法
文章目录 创建knex对象 构建简单的SQL语句 查询语句 简单的单表查询 按表字段进行查询① 按表字段进行查询② 按表字段进行查询③ distinct where语句 单条件查询① 单条件查询② 单 ...
- 数学建模入门 方法及代码
数学建模入门 数学模型 (1)原型与模型 模型是原型的替代物.(对原型提炼构造.) 模型不是原型,既简单于原型又高于原型. 模型的分类 数学模型是对特定对象,特定目的,根据特有的内在规律,做出一些必要 ...
- 【MATLAB】数学建模入门方法综述
数学建模入门方法综述
- 2022电大国家开放大学网上形考任务-数学思想与方法非免费（非答案）
数学思想与方法形考作业第一关答案 "巴比伦人是最早将数学应用于( )的.在现有的泥板中有复利问题及指数方程. : 运输 ; 工程 ; 商业 ; 农业" "<九 ...
- 强化学习数学入门教程
来源:专知 本文为教程介绍,建议阅读5分钟 本文旨在使听众对RL有足够的基本概念. 我向实验室成员提供了一份关于强化学习的数学深入教程.这是为了帮助成员学习RL方法并将其应用于各自的问题领域,也为了我 ...
- 如何在学习机器学习时学习数学？
摘要: 机器学习到底需要怎么样的数学基础?高段位机器学习如何练成?来瞧瞧. 到目前为止,我们都还不完全清楚开始机器学习需要什么样的数学水平,特别是那些没有在学校学习数学或统计学的人. 在这篇文章中,我 ...
最新文章
- 鼠标按键获取感兴趣区域
- 如何在 Linux 上永久挂载一个 Windows 共享
- word打出来的字体总是变宋体
- activity 生命周期_死磕Android_App 启动过程（含 Activity 启动过程）
- Docker源码分析（五）：Docker Server的创建
- 服务器端如何开启GZIP压缩功能
- java学习（121）：treeset排序集合
- Python使用exec自动生成代码并执行,同时得到返回的变量
- JSP页面之前传输 中文乱码
- pytorch显卡内存随训练过程而增加_PyTorch重大更新：将支持自动混合精度训练！...
- UMeditor上传图片无反应
- python编程100例-Python3经典100例（①）
- 不知道这些，你的世界杯就白看了！
- 线性代数、微积分学习与回顾
- “区块链+供应链”的应用案例
- zabbix监控系统介绍
- 部署asp.net mvc_在ASP.NET 2.0上部署ASP.NET MVC
- [Algorithm]Bubble_冒泡算法代码实现
- matlab把横版变成竖版,请教高人如何将纵向排列的数据转为横向排列
- Python爬虫爬取纵横中文网小说