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。