大学数学不好,或许是数学教材的锅?

2017 年 8 月 1 日 算法与数学之美 ​阿木


高数就不行了,我努力多时也没法把那些公式定理形象化理解,貌似只能死记硬背。所以直接导致大学物理、电磁场电磁波等科目成绩也相当一般。
是不是我的脑子学到高中就是极限了?直说也无妨,因为我发现我现在干的这活其实学到初中就能做了,赚的貌似也还可以。。。囧。。。








----------------------------------------上了大学,为什么看不懂大学数学-------------------------------

 

因为教材太差?

 

一个国家的教学水平,一定程度可以体现在教材的水平上;一个大学的教学水平,更似乎反应在教材水平上。我国绝大多数学校的数学课程都是直接从苏联数学继承过来的,三十多年来,变革的速度还是比较慢的。如果你看过美国的教材,或许可以从不同角度理解国内考研学生数学平均分的不及格,可能是题目太难,也可能是教材太差,真的太差。如果数学教材存在一个鄙视链,那可以说国内985211好了一点点,但是常青藤系列比国内985好了一个几何量。

 

例如,同济版《高数》、浙大《概率统计》、同济《线代》这三套经典教材其实存在着巨大不足。他们表面听起来很高大,实际上继承了苏联空洞抽象的模式,以至于内容设置非常不合理,如果是属于应用型的《微积分》,国内的《高数》明显偏难,而且联系实际的题目太少;但是如果属于分析型的《微积分》,那内容又略显得简单和臃肿。以至于绝大部分学生毕业后基本完全忘记《高数》到底是什么,我不是说学生不认真学习或者老师差,而是教材的因素,教材,教材,真的太差了。因为《微积分》是学习《概率统计》和《线性代数》的必备条件,因此直接导致整体考研数学成绩非常差,而实际上目前考研的数学题目都是非常基础的,是教材上例题的加强版,合理的学习安排下,应该能考到120分左右。但因为教材的巨大诱导性,让学生产生了严重的恐惧心理和不满情绪,这又反作用了对数学的害怕和反感,真是一件很悲哀的事情。

 

 

--------------------------------------对《同济高数》的意见-------------------------------

 

实际上,《同济高数》是非常抽象的,而且脱离实际的。从目录来看,似乎完整的覆盖了整个《CALCULUS》体系,但是在几乎所有的关键点上,同济的编者并没有用心处理,或者说,至少没有从学生的角度去思考。可以说一切知识都是:点到为止,泛而不精。全书语言都过于机械数字化,当然内容都是正确的,也没有明显错误,但正是这种中庸精神,少了一份灵气,少了一份让学生加深理解的辅助材料。要复制公式谁不会,我可以用几页A4纸把所有公式都写出来,难道这样就代表整个《微积分》了吗?往往是在公式之外的地方,在书本留白的边缘,在最细节的地方,最难的地方,最抽象的地方,最需要descriptive statement 的地方才能看出一个作者的功力是否深厚,学问是否到家。举重若轻,是对一个学者的最高的赞誉和评价,可惜国内教材和教授们在这个方面,还有很长的路要走呢。

 

《同济高数》用很准确的语言把极限“D-E”定义摆出来,但是没有说明这个定义的来龙去脉,因此很多学生都看不懂,甚至相当一部分学生都无法准确发音 delta -epislon,更别说理解到为什么要用D-E来代表极限?不能用其他符号吗?而实际上 D-E 在古希腊字母中仅仅表示字母表的第四个和第五个字母,没有任何特殊的含义,主要是ABC 都被欧几里得霸占在几何学里,没办法用了,被迫无奈采用了 D-E

 

而在美国教材中,原作者用了一大段很简单的语言和几幅图片,将极限进行了解释“Limit is an active approachingprocess, it is not a still real-valued number nor variable, no matter how closeyou are, you will never reach that target ”。极限这个概念在牛顿---莱布尼茨的时代还没有出现,因为极限涉及到的数学原理其实很复杂,仅仅是连续性光滑性这两个看起来很简单的名词,就让整整一个世纪的数学家废寝忘食,夜以继日,才得出结论。

 

而至于我们今天看到的D-E定义,更是牛顿死后近两百年才被德国数学家威尔斯特拉斯提出,因此美版教材普遍都不要求证明,只要求了解极限的意识形态。《同济高数》对于一元微积分几乎完全没有实例,而对于极端重要的sinhxcoshx,更是只有寥寥几页纸,并且还带了一个星号,给人一种欲练此功,必先自宫的恐惧,sinhx,coshx 就是由 E^X 跟它的反函数E^(-X)进行线性组合得到的,简单吧?但是同济直接忽略了 y=e^x 的教学,实际上 y=e^x 是微积分中最简单,也是最重要的函数族。正因为这个特点,对它们的求导/求积就非常简单,特别是后期学习无穷级数,泰勒展开式,向量微积分,开普勒三大定理,概率的MGF,都时时刻刻体现出 y=e^x 的巨大威力。

 

更严重的问题是,同济和浙大的编者,都用了反人类的思维方法来开展教学。比如对y=x^n的求导教学,同济是直接拿定义出来,先把它证明了,再举例告诉学生这个定理可以直接使用。台下的学生一脸问好……

 

难道大家不会觉得这是跟正常思维相反吗?美版教材就是先带领我们学会y=1的求导,然后y=x的求导,然后y=x^2的求导,然后y=x^3的求导,然后作者Stewart循循善诱地问同学说"nowdo you see any pattern among these process ? Can you GUESS what maybe thederivative of y=x^5 ? And what about y=x^n?"最后他才会摆出严密的定义,并证明。此时,学生也在过程之中学会了由特殊到一般,再由一般到特殊这样一个非常重要的数学思维。相对应的求积也一样,先计算y=1的积分,然后y=x的积分,然后y=x^2的积分,然后y=x^3的积分,最后再问学生"now do you see any pattern among these process ?Can you GUESS what maybe the antiderivative of y=x^8, and what abouty=x^n?"  Stewart从来不会直接甩出一堆晦涩的证明,而是先从几个简单的例子,引导学生去 GUESS 这样的结论是否具有一般性,并且证明自己的GUESS 是对的还是错的。Stewart 所用的例子都很简单,并没有太多的技巧和套路,但是这样的效果却非常好,由浅入深的帮助学生"explore the unknown",这才是一名优秀的老师所应有的态度和水平。

 

多年后,或许你会忘记多元积分的公式,你也会忘记Laplace FourierTaylor的公式,但只要你还记得推理的方法,你就很容易在几分钟内完成这一个过程。李开复曾经说到忘掉你所学的一切公式和定理,如果你还能利用自己的理解去推理出来,那就说明你的学问已经到家了。对这句话,本人无比赞同。

 

美版教材同时附带了大量的一元微积分习题,只列举简单的入门习题:

 

1)固定的鱼塘里放入一定数量的鱼苗,在足够营养下,鱼苗不会无限增长,而是指数增长,利用微积分知识,就可以求的相应的增长数量。     

2)博尔特在一次110米栏比赛中,总用时12秒,那么问你,他在4.5秒的时候,具体的瞬间速度是多少?同样前提条件下,博尔特在8.5秒的时候,已经总共跑了多少米?最后就会问,有什么方式把上面两个不相干的问题联系起来?        

3)某降血压的药物,给高血压病人吃了后,检测得血压下降的速度与药物浓度有直接关系,利用微积分就可以求得,吃多少的药物,才是有效的安全范围。        

4)化学反应中,某元素反应时间跟元素浓度呈正比关系,但是明显不是普通的线性关系,利用微积分,就可以求的某时间的浓度,或者完全反应所需的时间。      

5)发射地球同步卫星,需要多少做功,某瞬间需要多大的速度,如何确定速度跟做功之间的关系,在简易条件下如何检验相对论的正确性。      

6)水面的波浪从中心点向外扩张,呈 sinhx 的轨迹;而悬链线的受力情况,却是呈coshx的轨迹,试用微积分知识进行简单说明。      

7)流体通过某管道时,其靠近管壁的流体速度会因为阻力二减慢,中心部分由于阻力较小而速度加快,试用微积分知识来解释为什么。

 

当然还有大量的变速的位移,变力做工,经济学的边际效应,价格弹性,资产定价模型(CAPM, WACC),旋转体的体积,等等都是《同济高数》所缺少的实际应用。正是因为这些栩栩如生的例子,学生才能深刻理解到微积分对于现代生活的巨大改变和意义。

 

否则,假如仅仅是把纯粹的数字翻来翻去,求导/求积,学生都会了,那然后呢?难道学了微积分就是来做一个人工计算器吗?国内教材总是直接叫学生套用某某公式解题目,而忽略了公式之外的逻辑理解和推到能力,美版教材就基本相反,很强调对基本公式的推到和归纳能力,而降低对公式本身的依耐性。这是两种截然不同教育理念的冲突。

 

国内教材就像(授人与鱼),给你一堆公式和定理,让你照着用。美版教材就像(授人与渔)给你一种发现公式和定理的思维,让你学会自己归纳总结。它首先就会告诉我们:《微分学》研究“instantaneous,incremental and related changes” 的问题;而《积分学》研究“outputfrom irregular input ”的问题。《微积分》的本质就是研究"activevariable"的问题,教材特别多次强调“thesignificant difference between calculus and algebra and geometry is thatcalculus is dealing with ACTIVE/MOVING variable and algebra/geometry is workingon still variable”.

 

 

----------------------------对同济《线性代数》,浙大《概率统计》的意见-----------------

 

这两套教材也是被国人视为瑰宝,敬而远之,但是相当大量的学生反映:《概率统计》由于比较具体,还勉强看得懂。但是《现代》实在太抽象,所以很多学生反应无法理解。因为这两套教材也十分抽象和理论化,缺少很重要的PREFACE,让学生在学习之前能对本学科有一个 FRAMEWORK 上的把握和掌控,基本上看完了也不知所云。

 

美版教材无论如何都会有这些东西,并且开篇就告诉你《线代》研究的对象是“vector, especially COLUMN vector”,并不是所谓的“matrix”或者“determinant”或者“eigenvalue”,并在一开始就对向量进行了细致的教学,从加法、减法,二维图示,三维图示,到dotproduct,到cross product,到matrix,到determinant,最后才是水到渠成地引入matrix as linear transformation。非理工科的学生,学到这里就差不多了,后面vector space orthogonallity ,比较抽象,难度也大,可以有选择地放弃。

 

至于最重要的rank , nuliity , dimension ,同济并没有说清楚。如果是一维的,那就是两个向量共线;二维的,那就是两个向量形成一个四边形;三维的,那就是三个向量形成一个体积;四维以上的,照样是体积,但是一般不讨论。而所有的行列式矩阵通解特解特征向量特征值,等等名词,都是rref 后围绕COLUMNvector 展开的运算而已。但是由于《同济线代》根本没有这些基础知识做铺垫,导致学生基本看不懂教材的内容。就相当于:让学生去建造一栋摩天大楼,但是不让你打地基,直接就在平地施工建造第一层。实际上非理工类本科阶段的《线性代数》是非常简单的,是最基础的加减乘而已,但是(很多)学生却说不清楚 columnspace   row space 的区别,这就直接导致后期学习捉襟见肘,举步维艰。

 

浙大的《概率统计》相对来说比同济优秀太多了,但还是存在非常致命的缺点。首先,是体系太混乱,竟然对于discrete/continuous RV 的最基础术语(pmf, pdf,cdf)都欠缺完整。其次,是教学太浅显,所有的实例都是一笔带过,对于大名鼎鼎的Poisson),和Exponential () 甚至都没有说明白之间的微妙关系,简直不如维基百科。

 

美版的《概率与统计》对一维的变量分布进行了非常细致的教学,五种discrete/continuous RV ,及其相关的meanvariancemedian, skewness。每一种分布都配了至少五道例题,每到例题都有详细的解答思路和完整的mathmatical induction,几乎占据了一半的教材内容,并附带有非常丰富的课后练习。而对于更加复杂的二维变量,及其meancor-varianceco-relation,教材反而用了较少的版面,因为二维不过是两个一维变量围成的一个面积而已,其他并无明显差异,只要先扎扎实实学好一维的,二维的问题就变得很简单。美版教材特别说明了几个问题“Poissondistribution looks very complicated at first, but it is actually the discreteversion of Exponential distribution, which is very easy to calculate. ButExponential distribution, together with its brother Erlang distribution, isalso a simplified version of Gamma distribution. But the most interestingfinding is that the Chi-squared distribution is a special case of Gammadistribution as well as a special case of Norma distribution, which means tosome extent, all the important distributions can be related to Normaldistribution ! ” 其实越是学到后面,越会发现向量的重要性,它即出现在《线代》,也出现在《概率》,更出现在《高等微积分》中,可以说向量,是连接可感知世界不可感知世界的桥梁,是数学的核武器

 

看完美国教材只有一个感受:真正好的教育是将复杂的东西简化,强化基础概念和实际应用,弱化具体计算和逻辑证明,最终让普通学生也可掌握相对深奥的理论知识,并迅速转入实际应用。国内的教育正好相反:强化具体计算和逻辑证明,却弱化了基础概念和实际应用,最终生产了许多解题高手,但他们完全不懂这些数学有什么用?

 

 

----------------------------------------教材推荐------------------------------------------

 

以下教材是全英文的,对英语有较高的要求。当然,优秀的教材有很多,我只列举自己看过,并且给予好评的三本基础教材。他们难度适中,编写合理,循循渐进,很适合基础较差的经管类、或者理工科的大学生。

如果是初学者,请一定按照微积分---概率论---线性代数的流程来学习,因为求导/求积的运算是后期概率运算的基础。但是在《概率统计》和《线代》中,后面几章难度大,并且跟其他学科联系较少,所以一般学生看看即可,不需深入。由于《微积分》彻底催化了物理学和化学,因此顺带推荐三套优秀的理科教材。如果把《微积分》学好,再去学物理学或者化学,那几乎是摧枯拉朽、风卷残云一般的容易。我是人大毕业的,看到母校引进并且出版了如此优秀的数学基础教材,感到非常高兴和自豪。可见,不仅仅是我一个人,而是更多专家学者,都深深感到了中美高等教育的巨大差距。感谢母校提供的双语教材,高瞻远瞩,可谓居功至伟。

 

《微积分》  

《概率论与数理统计》

《线性代数

《基础物理学》  

《大学物理》  

《基础化学》

《大学化学》

《基础生物学》

《大学生物学》

 

同时推荐一套相对来说比较偏门的书,是因为这些书虽然对考试没用,但是对于理解本学科,具有巨大的意义。对于特别重要的核心内容有深刻的解释,从时间轨迹来说明科学家是如何把生活中的现象,高度提炼成为具体的公式,并用这些公式来改变了整个世界。推荐给有志于深入学习的学生看一看,虽然数字论证比较晦涩,但是可以不看数学证明,仅看发展过程,当作小说读一遍也会受益匪浅。

 

《数学史》

《化学简史》

《物理学史》

《科学史》

《科学发现者:物理原理与问题》

《科学发现者:化学概念与应用》

《科学发现者:生物生命的动力》

《科学发现者:地理环境与宇宙》


 

----------------------------------------------结语--------------------------------------------


由于能力有限,小生不可能几句话就总结大学数学,不可能告诉别人如何短期内成为学霸,因为《大学数学》作为一门高度完整严谨的学科,终究要靠埋头苦读和日夜刷题才能学到真功夫。小生衷心地希望这篇短文能改变你们对数学的偏见和仇恨,为你们提供一个可以前进的方向,让高数不再那么高不可攀,让所有人都感受到数学之艺术和威力。

 

倘若将学习比作练武的话,那么教材就是练功秘籍,老师就是练功师傅。优秀的秘籍和师傅能让你事半功倍、文武双全,而劣质的秘籍和师傅则让你走火入魔、身败名裂。好了,写到这也差不多了。秘籍已经给你们提供在上面,但路始终在自己脚下,最终修炼成为丐帮帮主,亦或星宿老仙,就看各位自己了。

 

我在毕业后的工作里,大学数学并没有太多直接发挥的途径。几乎所有的计算和设计,都交给了计算机处理。但是在学习数学的过程中所得到的严密的推理精确的结构顽强的意志,这三样东西将会在你们的职业生涯发挥巨大的无形价值,无论你的职业,专业,性别,年纪,当你以后遇到困难和挫折,静下来想一想,当年数学都可以掌握,难道还会惧怕眼前的苟且吗?

 

说到底,数学给你带来的,其实是众神之上的信心


英雄们,再会!


高质量延伸阅读

☞  第一个被认为“科学家”的人:泰勒斯

☞  数学思维比数学运算更重要

☞  二十世纪的十大科学骗局

☞  瞎扯现代数学的基础

☞  x背后的轶闻趣事

☞  主宰这个世界的10大算法

☞  16个让你烧脑让你晕的悖论

☞  机器学习中距离和相似性度量方法

☞  传说中的快排是怎样的

☞  玻璃秘史:一个人 改变了全世界

☞  程序人生的四个象限和两条主线

☞  比特币的原理及运作机制

☞  概率论公式,你值得拥有

☞  分类算法之朴素贝叶斯算法

☞  采样定理:有限个点构建出整个函数


登录查看更多
15

相关内容

【斯坦福】凸优化圣经- Convex Optimization (附730pdf下载)
专知会员服务
211+阅读 · 2020年6月5日
【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
123+阅读 · 2020年5月26日
干货书《数据科学数学系基础》2020最新版,266页pdf
专知会员服务
314+阅读 · 2020年3月23日
 第八届中国科技大学《计算机图形学》暑期课程课件
专知会员服务
54+阅读 · 2020年3月4日
【经典书】精通机器学习特征工程,中文版,178页pdf
专知会员服务
347+阅读 · 2020年2月15日
机器学习入门 | 刷新你三观的高数和线代教程
大数据技术
21+阅读 · 2019年3月22日
做机器学习和AI必备的42个数学知识点
AI前线
8+阅读 · 2018年12月6日
学界 | 终结吧!机器学习的数学焦虑
大数据文摘
9+阅读 · 2018年9月14日
数学不好能搞人工智能吗?
算法与数学之美
3+阅读 · 2017年11月27日
搞人工智能必备“数学库”
机器学习算法与Python学习
5+阅读 · 2017年11月20日
图解高等数学|线性代数
遇见数学
39+阅读 · 2017年10月18日
PCA的基本数学原理
算法与数学之美
11+阅读 · 2017年8月8日
【基础数学】- 01
遇见数学
19+阅读 · 2017年7月25日
Arxiv
9+阅读 · 2020年2月15日
Relational Deep Reinforcement Learning
Arxiv
10+阅读 · 2018年6月28日
Arxiv
10+阅读 · 2017年12月29日
VIP会员
相关资讯
机器学习入门 | 刷新你三观的高数和线代教程
大数据技术
21+阅读 · 2019年3月22日
做机器学习和AI必备的42个数学知识点
AI前线
8+阅读 · 2018年12月6日
学界 | 终结吧!机器学习的数学焦虑
大数据文摘
9+阅读 · 2018年9月14日
数学不好能搞人工智能吗?
算法与数学之美
3+阅读 · 2017年11月27日
搞人工智能必备“数学库”
机器学习算法与Python学习
5+阅读 · 2017年11月20日
图解高等数学|线性代数
遇见数学
39+阅读 · 2017年10月18日
PCA的基本数学原理
算法与数学之美
11+阅读 · 2017年8月8日
【基础数学】- 01
遇见数学
19+阅读 · 2017年7月25日
Top
微信扫码咨询专知VIP会员