【数学杂谈】陶哲轩对数学学习工作的建议：大学篇

来源链接：https://www.bilibili.com/video/BV1Py4y1F7AQ?spm_id_from=333.788.videopod.sections&vd_source=c38eb08b57cbfb609282dfbe69642d25

目录

• 引言与背景
• 回顾高中篇与选大学建议
• 本科篇：如何更擅长解决数学问题
• 问“蠢问题”的力量
• AI 总结

引言与背景 *Content-[00:00]

• 本期视频继续探讨 Terry Tao（陶哲轩）对数学学习与工作的建议，进入大学篇（本科篇）。
• 相比小学篇（针对天才儿童）和高中篇（针对 IMO 竞赛选手），本科篇、研究生篇及博士/博士后篇是 Tao 职业建议的重点，内容更具体、更具操作性（本科篇7篇，研究生篇13篇，博士/博士后篇十几篇）。
• 本科篇适用于所有数学院校的本科生，以及专业中需要大量使用数学的学生。

回顾高中篇与选大学建议 *Content-[01:11]

• 高中篇核心回顾：
  • 探讨了 IMO 竞赛的优势与缺点（引用肖文强教授文章）。
  • 人们喜欢数学的核心在于 Eureka moment（顿悟时刻，如阿基米德的 Eureka）。
  • 产生自我驱动与成就感需要：在充分理解基础上，用自己擅长的工具富有创造性地解决有挑战性的问题。这也是部分人在高中喜欢数学，大学后失去兴趣的原因。
• 推荐书籍：
  • Terry Tao 本科时所著 Solving Mathematical Problems（《陶哲轩教你学数学》）。
  • 适合学习数学专业英语，虽不含高阶定理工具，但传授思考方式与解题策略的道理。
  • 实例：是否存在 $2^n$，其十进制重排后仍是 $2^m$（如 $2^8=256$ 重排为 265, 562, 652, 625 等）？
  • 策略道理：不要深入细节规律（极其困难），可创造指标 $k_n$（每位数之和模9）来判断。当细节难以研究时，创造指标是有效策略。
• 选大学建议：
  • Tao 经历：本科在家乡澳大利亚 Flinders University，研究生/博士在 Princeton，博士后及工作在 UCLA。
  • 不要仅关注学校整体声誉/综合实力，应关注特定优势（研究优势、教学计划、学术文化、地点、经济援助）。
  • 考虑时不要过于狭窄，不要未上大学就定下10-20年人生道路；本科期间兴趣可能变化（如从数学转向计算机或物理）。
  • 建议在不同地方学习，走出舒适圈（如 Tao 从澳大利亚去 Princeton）。

本科篇：如何更擅长解决数学问题 *Content-[05:51]

• 做数学题的重要性：
  • 数学具有可操作性，而非空谈。
  • 题目能显示你的弱项，帮助弥补不足。
• "Play with"（玩弄）已解决的问题：
  • 对已解决的问题提出更多要求：减弱条件、加强结论、换用其他工具。
  • 比较工具优劣与适用范围：为何 A 方法奏效而 B 方法不奏效？为何 C 方法看似可用却无用？比较不同方法的效率。
  • 建立自己的工具箱，并对工具非常熟悉（优势、劣势、适用性范围），如同锋利宝剑需试炼至顺手。
• 做题的两面性：
  • 避免极端：不能只看书不做题，也不能疯狂做题只为追求技巧登峰造极。
  • 知道如何解决问题是短期目标，增加对主题的了解才是长期目标。盲目堆积技巧而不加深理解是无益的。
• 比喻：数学的可操作性：
  • 艾尔登法环比喻：只看手册记属性、技能、Boss 数据而不上手操作，毫无乐趣；数学若不操作则无法理解概念与技术。
  • 音乐家比喻：只背乐谱不弹乐器，不可能成为音乐家。
• 实例：含参数积分极限比较工具：
  • 问题：求 $\lim_{n \to \infty} \int_0^{\pi/2} \sin^n x dx$
  • 方法1：求出积分（转化为 Beta 函数与 Gamma 函数），利用 Stirling 公式求极限。
  • 方法2：视为 Approximation to identity（与另一函数卷积），证明其为 good kernel 直接得出答案。
  • 方法3：控制收敛定理 (Dominated convergence theorem)。
  • 方法4：Laplace 方法（积分渐近）。
  • 比较与反思：
    • Laplace 方法是否要求函数具有特定形式及可微性质？不可微时怎么办？
    • 控制收敛定理中控制函数不好找时如何弥补？找不到则方法失效。
    • Good kernel 有时不易证明。
    • 直接求积分有时不现实，需斟酌哪些能求哪些不能求。

问“蠢问题”的力量 *Content-[13:23]

• 核心建议：问自己“蠢问题”，并想尽一切办法回答（查书、问人、找资料），此过程能不断加深对主题的理解，使读书变得更容易。
• Paul Halmos 的观点：
  • I Want to Be a Mathematician 中“勇者斗恶龙”图（恶龙代表数学形式，勇者代表学习者）。
  • 经典名言：“不要只是阅读，要与它斗争；提出自己的问题，寻找自己的例子，发现自己的证明。假设是有必要的吗？反之是否成立？在经典的特殊情况下会发生什么？退化的情况又是什么？证明用到了哪些假设？”
• 实例：Weierstrass 逼近定理的蠢问题：
  • 定理：闭区间 $[a, b]$ 上到实数的连续函数，存在同区间上的多项式函数列一致收敛逼近它。
  • 蠢问题列举：
    • 为什么非得是多项式？多项式有什么特别？其他类型函数列能否一致逼近任意连续函数？
    • 为什么必须是一致收敛？逐点收敛行不行？
    • 为什么必须是闭区间？开区间 $(a, b)$ 行不行？
    • 实数集到实数集的连续函数能否被多项式逼近？（去掉紧集条件）
    • 多项式具体怎么构造？（引出 Bernstein 多项式）
    • 证明中的技巧能否用于其他问题？（如 Bernstein 逼近技巧在概率论、实分析中的用处）
  • 通过提问并解答，理解更深刻，且会涉猎更多参考书、讲义或请教他人，知识更丰富。

AI 总结

本期视频探讨了 Terry Tao 对大学阶段数学学习的建议，核心在于数学的可操作性与深度理解。强调通过 "Play with" 已解决的问题来建立和熟悉个人工具箱，比较不同工具的优劣与适用范围；避免盲目刷题，应以增加主题理解为长期目标。同时，大力推崇问“蠢问题”的方法，通过质疑定理的假设、条件与构造，并想方设法解答，从而与知识“斗争”，深化理解，拓展视野。