数学学习2 分钟阅读2026-08-01
【数学自学指南】要不要做题 如何高效做题 可不可以不做题
---
目录
数学自学指南:做题策略与高效学习法
目录
- 引言:关于“刷题”的误区
- 数学书籍的错误读法
- 正确的数学学习原则:Fight it
- 为什么要拒绝“刷题”?
- 做题的真正目的与价值评估
- 如何高效做题:记录与总结
- 除了做题,还有其他学习方法吗?
- 科学的学习进度标注方法
- AI 总结
1. 引言:关于“刷题”的误区 Content-[00:00]
Screenshot-[00:00] 视频开篇即抛出核心观点:不要刷题。 “刷题”这个词在数学初学者中非常流行,但它带有错误的暗示。本视频将探讨如何正确对待教科书后的习题,如何高效做题,以及做题的根本目的是什么。
2. 数学书籍的错误读法 Content-[00:54]
Screenshot-[01:00] 在讨论正确方法前,先明确两种针对初学者的错误读法(注:这里的初学者指特定领域的初学者,如几何学得差的人学几何时):
错误一:以页码标注进度
- 现象:制定计划时按页数计算,例如“今天看 10 页”,或用
370/90表示读了 90 页。 - 危害:
- 产生自我欺骗:翻页是简单的动作,容易让人误以为“翻过即学会”。
- 错误认知:认为读完 600 页的微积分书就等于学会了全部微积分。
- 缺乏验证:人类倾向于相信自己理解了,但缺乏客观检验(如考试、论文)。
错误二:像读小说一样读数学书
- 现象:被动接受信息,只要看懂词汇(如“拓扑群”)、理解定义语句,就认为自己学会了。
- 危害:
- 误将“接受理论正确性”等同于“掌握知识”。
- 例如:觉得高斯消元法(Gaussian Elimination)的逻辑通顺,就认为自己掌握了该方法,实际上并未具备解题能力。
3. 正确的数学学习原则:Fight it Content-[05:28]
Screenshot-[06:05]
核心原则
你无法仅通过阅读、听讲或看网课学会数学。 数学学习必须包含主动操作和高强度互动。
类比说明
- 打游戏:读一本 700 页的《LOL 指南》而不实际操作,永远学不会玩游戏(如 PUBG, LOL)。
- 学车/游泳:背诵驾驶手册或游泳教程无法让你真正学会开车或游泳。必须上手操作,并在操作中回看手册才能理解。
Paul Halmos 的名言
"Don't just read it; fight it." (不要只是读它,要和它战斗。)
Screenshot-[09:00] 如何“战斗”(互动方式):
- Ask your own questions:提出自己的问题。
- 为什么要定义集合 ?
- 为什么 必须具备这些性质?如果不具备会怎样?
- 如果是非交换群(Non-abelian group),不交换会怎么样?
- Look for your own examples:寻找自己的例子。
- 书上用 举例无理数,你可以尝试 或 。
- Discover your own proofs:尝试给出不同的证明(高阶要求)。
- 例如在看懂素数定理(Prime Number Theorem)的证明后,尝试自己推导。
目标是与作者跨越时空进行灵魂交流,达到“我懂你”的境界。
4. 为什么要拒绝“刷题”? Content-[11:18]
Screenshot-[11:30]
“刷”字的错误暗示
- 暗示速度与数量:“刷”意味着要快、要多。
- 导致质量下降:追求数量往往意味着少思考、多重复。
- 人类 vs AI 的优势差异:
- AI/计算机:依靠海量数据(100 万个例子)涌现智慧,算力强,速度快。
- 人类:优势在于举一反三。只需 2-3 个典型例子就能洞察一类问题的本质。
- 结论:用人类的劣势(处理大数据量)去比拼 AI 的优势是错误的策略。
正确的做题观
- 目标:掌握问题的类型(Type),而非问题的数量(Count)。
- 等价类思维:一个等价类中有无限个元素,只需找到一个代表元(Representative Element),搞清其性质,即可解决该类所有问题。
- 无效重复:
- 做了 50 个一元二次方程 的求根问题,本质上只解决了一个问题。
- 如果做了 10 万个同类题仍不懂本质,那是浪费时间。
- 进阶要求:从解决一类问题抽象出解题策略或**思考方式》,从而解决多类问题。
5. 做题的真正目的与价值评估 Content-[17:32]
Screenshot-[17:40]
做题的目的
- 不是为了得到答案:除非是研究 Open Problem(如黎曼猜想 Riemann Hypothesis)或悬赏问题。
- 教科书习题的本质:大多是历史上已解决的问题。
- 真实目的:
- 服务于自己:增进对特定主题的理解。
- 自我检测:验证对该主题的掌握程度。
价值评估标准
- 错误标准:算出答案并与参考答案一致(如 )。这容易陷入“刷题”陷阱,只做机械重复。
- 正确标准:解决这个问题是否增进了理解?
- 如果花大量时间查阅资料、构造例子解决了一个难题,使理解上了一个台阶(Level up),那么这一个题胜过 100 个简单题。
- 如果只是机械地做口算题,即使做了 200 道,理解度未提升,价值也为零。
6. 如何高效做题:记录与总结 Content-[22:06]
Screenshot-[22:15] 提升效率的关键在于:记录解答并总结理解。
具体操作方法
建立一个数学笔记系统,记录以下内容:
- 代表性问题:记录解决过的典型问题(作为类型的代表)。
- 核心方法与工具:解决这个问题用到了什么原理(如抽屉原理 Pigeonhole Principle)?
- 个人理解与洞察:
- 这个问题的本质是什么?
- 这个方法能否推广?(Generalization)
- 是否存在一般性原则?(如:几何问题代数化、避开难点转化为易点)。
- 知识连接:这个问题与其他领域(如线性代数与微分几何)有何联系?
- 示例:看似是微分几何的问题,本质可能是估计线性算子的范数(Norm),从而转化为线性代数问题。
效果
- 归纳能力:深刻的理解能让你将看似不同类的问题(Problem A)归类到已掌握的类别(Problem B)中。
- 效率提升:未来遇到新问题时,能迅速识别其本质,直接调用已有的策略。
7. 除了做题,还有其他学习方法吗? Content-[27:00]
Screenshot-[27:05] 做题并非唯一方法,甚至不是最高效的方法。
- 替代方案:
- 构思自己的例子(Construct examples)。
- 尝试写作(Writing),阐述自己的领悟。
- 寻找反例(Counter-examples)。
- 自提问题并查阅资料解答。
- 局限性:上述方法通常需要有人指导。
- 现实情况:在孤立自学、缺乏资源的环境下,做题是目前困境下的最优解(无奈之举)。
终极高效路径
- 专家一对一互动:如果有条件,与该领域专家长期交流是学习最快的方式。
- 案例:Atiyah 与 Singer 的合作,互相学习对方擅长的领域(拓扑/代数几何 vs 分析/微分几何),远快于独自啃 GTM 系列教材。
- 效率对比:自学一本 GTM 可能需要半年至一年;与专家互动可能只需一个月入门,三个月学会。
- 隐性知识:许多数学精髓难以写在书中,存在于口头交流和数学家载体中。
8. 科学的学习进度标注方法 Content-[31:44]
Screenshot-[31:50] 放弃以“页码”或“背诵定理”作为进度指标,推荐以下两种科学方法:
方法一:以“解决的题目数/类型数”标注
- 做法:在书封面上标记已解决的题目数量(如 Stein 的复分析书标记 "42")。
- 优势:
- 比页码更真实:做完 42 题意味着掌握了具体的知识点(如解析延拓、Zeta 函数性质等)。
- 避免自我欺骗:有具体的产出证明。
- 不必做完所有题:重点在于覆盖的知识类型。
方法二:以“原创笔记/写作量”标注
- 做法:统计自己写出的、非照搬书本的笔记篇数。
- 检验标准:
- 去除书中原本的定义和定理后,你还能写出多少东西?
- 内容应包括:个人的理解、自举的例子、对证明的分析、方法的抽象总结。
- 意义:
- 如果能写出 20 篇高质量的原创笔记,说明真正内化了这些知识。
- 如果去除书本原文后一无所获,说明之前的阅读是无效的(死记硬背)。
AI 总结
本视频深入剖析了数学自学中的核心矛盾:被动输入(阅读/听课)与主动输出(做题/互动)的关系。
- 核心理念:数学不能靠“读”会,必须靠“做”和“斗”(Fight it)。单纯的阅读容易产生“我懂了”的错觉,只有通过解题、提问、举例等高强度互动,才能真正掌握。
- 反对刷题:强烈建议摒弃“刷题”思维。人类的优势在于通过少量典型例题洞察本质(举一反三),而非像 AI 那样依赖海量数据的重复。应追求解决问题的类型多样性,而非数量。
- 重新定义做题目的:做题不是为了得出标准答案,而是为了验证并深化理解。一道能提升认知层级的难题,价值远超一百道机械重复的简单题。
- 高效策略:建立解题笔记,记录解题思路、方法推广及跨领域联系。通过“写作”来倒逼思考,确保知识内化。
- 进度管理:拒绝以页码衡量进度,改用“已解决的典型问题数”或“原创理解笔记数”作为科学的进度指标。
- 终极建议:虽然做题是自学者在资源匮乏时的最优解,但若有机会,与领域专家的一对一交流才是掌握数学精髓的最快途径。