前言：致读者

你正在翻开这本书，说明你做了一个很好的决定。无论你是想转行进入技术行业、为研究生考试做准备，还是单纯地被数学之美所吸引——这本书都是为你写的。

本书的假设是：你已经很久没有碰过数学了。你可能记得"加减乘除"和一些模糊的"方程"概念，但大部分知识已经还给了老师。没关系。这本书从最基础的地方开始，但不会像中学课本那样啰嗦——我们用成年人的理解力来重新建立这些概念。

本书的结构分为四个部分。第一篇是"基础衔接"，帮你用最短的时间重新建立起学习高等数学所需要的基础工具。第二篇是"微积分核心"，这是整个高等数学的基石，也是中国大学"高等数学"课程的核心内容。第三篇覆盖数学专业大二、大三的必修课程。第四篇是高年级选修专题。

每一章都遵循相同的节奏：先告诉你为什么需要这个概念（直觉），然后给出精确的定义，接着用例题来巩固理解，最后用定理来展示数学的力量。练习的答案可以点击展开。

准备好就开始吧。

符号与术语速查表

这一页是你阅读全书时随时可以翻回来查的"字典"。数学书里充满了符号，第一次看到会觉得像天书——但每个符号其实只是一个很短的名字。下面把它们按类别列出来，每个都附上大白话解释。

一、数集符号（数的"家族徽章"）

数学家用特殊的空心粗体字母来表示一整类数，你在全书各处都会看到它们。

符号	读法	意思（大白话）
$\mathbb{N}$	N（Natural）	自然数：$0, 1, 2, 3, \ldots$ 就是你数数用的那些数。有的书从 $1$ 开始，本书从 $0$ 开始。
$\mathbb{N}^+$ 或 $\mathbb{N}^*$	N正	正整数：$1, 2, 3, \ldots$ 不含 $0$ 的自然数。
$\mathbb{Z}$	Z（Zahl，德语"数"）	整数：$\ldots, -2, -1, 0, 1, 2, \ldots$ 自然数加上负整数。
$\mathbb{Q}$	Q（Quotient，"商"）	有理数：所有能写成分数 $\frac{p}{q}$ 的数，包括整数（$3 = \frac{3}{1}$）、有限小数（$0.5$）和循环小数（$0.333\ldots$）。
$\mathbb{R}$	R（Real）	实数：数轴上每一个点都对应一个实数。包括有理数和无理数（如 $\sqrt{2}, \pi, e$）。你日常用到的数基本都是实数。
$\mathbb{R}^+$	R正	正实数：大于 $0$ 的实数。
$\mathbb{C}$	C（Complex）	复数：形如 $a + bi$（$a, b$ 是实数，$i^2 = -1$）的数。第13章会详细讲。

二、逻辑符号（数学的"语法词"）

这些符号是数学证明的"连接词"，就像中文里的"因为""所以""如果"。

符号	名称	意思（大白话）
$\forall$	全称量词（"对于所有"）	"对每一个都成立"。例如 $\forall x \in \mathbb{R}$ 就是"对每一个实数 $x$"。
$\exists$	存在量词（"存在"）	"至少有一个"。例如 $\exists x > 0$ 就是"存在某个大于 $0$ 的 $x$"。
$\exists!$	唯一存在	"有且仅有一个"。
$\neg$ 或 $\sim$	否定	"不"、"非"。$\neg P$ 就是"$P$ 不成立"。
$\land$	逻辑与（AND）	"并且"。$P \land Q$ 表示 $P$ 和 $Q$ 都成立。
$\lor$	逻辑或（OR）	"或者"。$P \lor Q$ 表示 $P$ 和 $Q$ 至少一个成立。
$\Rightarrow$ 或 $\implies$	蕴含（推出）	"如果…那么…"。$P \Rightarrow Q$ 表示"如果 $P$ 成立，则 $Q$ 也成立"。
$\Leftrightarrow$ 或 $\iff$	等价（当且仅当）	"当且仅当"、"充要条件"。$P \Leftrightarrow Q$ 表示 $P$ 和 $Q$ 同时成立或同时不成立。
$\mapsto$	映射到	表示一个对应规则。$x \mapsto x^2$ 意思是"把 $x$ 对应到 $x^2$"。
$\therefore$	所以	"因此"。用在推导结论前。
$\because$	因为	"由于"。用在给出理由前。

三、集合运算符号

集合就是"一堆东西的清单"，这些符号描述集合之间的关系和操作。

符号	名称	意思（大白话）
$a \in A$	属于	"$a$ 是集合 $A$ 的成员"。如 $3 \in \mathbb{Z}$（$3$ 是整数）。
$a \notin A$	不属于	"$a$ 不是集合 $A$ 的成员"。如 $\sqrt{2} \notin \mathbb{Q}$。
$A \subset B$	真子集	"$A$ 的东西全在 $B$ 里，且 $A \neq B$"。$\mathbb{Z} \subset \mathbb{R}$（整数是实数的一部分）。
$A \subseteq B$	子集	"$A$ 的东西全在 $B$ 里"，允许 $A = B$。
$A \cup B$	并集	"$A$ 和 $B$ 所有的东西合在一起"。$\{1,2\} \cup \{2,3\} = \{1,2,3\}$。
$A \cap B$	交集	"$A$ 和 $B$ 共有的东西"。$\{1,2\} \cap \{2,3\} = \{2\}$。
$A \setminus B$ 或 $A - B$	差集	"在 $A$ 里但不在 $B$ 里的东西"。$\{1,2,3\} \setminus \{2\} = \{1,3\}$。
$A^c$ 或 $\overline{A}$	补集	"不在 $A$ 里的所有东西"（需要事先约定一个全集）。
$\varnothing$ 或 $\emptyset$	空集	"什么都没有的集合"。如 $\{x \in \mathbb{R} \mid x^2 < 0\} = \varnothing$。
$|A|$ 或 $\#A$	集合的基数/元素个数	"$A$ 里有几个元素"。$|\{1,3,5\}| = 3$。
$A \times B$	笛卡尔积	"从 $A$ 取一个、$B$ 取一个，所有配对"。$\{1,2\} \times \{a,b\} = \{(1,a),(1,b),(2,a),(2,b)\}$。
$\{x \mid P(x)\}$	集合构造	"满足条件 $P$ 的所有 $x$ 组成的集合"。$\{x \in \mathbb{R} \mid x > 0\}$ 就是所有正实数。

四、比较与关系符号

符号	名称	意思（大白话）
$=$	等于	两边完全相同。
$\neq$	不等于	两边不相同。
$\approx$	约等于	两边近似相等。$\pi \approx 3.14$。
$\equiv$	恒等于/定义为	"永远等于"或"定义为"。$\sin^2 x + \cos^2 x \equiv 1$（对所有 $x$ 都成立）。
$\sim$	等价于（渐近）	"趋于相同时"。$\sin x \sim x$（$x \to 0$ 时二者比值趋向 $1$）。
$\propto$	正比于	"与…成正比"。$F \propto a$ 表示力与加速度成正比。
$<$，$>$	小于，大于	严格大小关系。
$\leq$，$\geq$	小于等于，大于等于	允许相等的大小关系。
$\ll$，$\gg$	远小于，远大于	"比…小/大得多"。$0.001 \ll 1$。

五、运算与分析符号

这些是你做微积分时会天天见面的符号。

符号	名称	意思（大白话）
$\pm$	正负号	"加或减"。$x = 2 \pm 1$ 表示 $x = 3$ 或 $x = 1$。
$\mp$	负正号	和 $\pm$ 反着用。$a \pm b \mp c$ 表示 $(a+b-c)$ 或 $(a-b+c)$。
$|x|$	绝对值	$x$ 到 $0$ 的距离，永远非负。$|-3| = 3$。
$\sqrt{x}$	平方根	"哪个数的平方等于 $x$"。$\sqrt{9} = 3$。
$\sqrt[n]{x}$	$n$ 次方根	"哪个数的 $n$ 次方等于 $x$"。$\sqrt[3]{8} = 2$。
$x^n$	幂	"$x$ 的 $n$ 次方"。$2^3 = 8$。
$n!$	阶乘	"$1 \times 2 \times 3 \times \cdots \times n$"。$4! = 24$。规定 $0! = 1$。
$\displaystyle\sum_{i=1}^{n}$	求和（Sigma）	"把 $i$ 从 $1$ 到 $n$ 代入，全部加起来"。$\sum_{i=1}^{3} i = 1+2+3 = 6$。
$\displaystyle\prod_{i=1}^{n}$	求积（Pi）	"把 $i$ 从 $1$ 到 $n$ 代入，全部乘起来"。$\prod_{i=1}^{3} i = 1 \times 2 \times 3 = 6$。
$\displaystyle\lim_{x \to a}$	极限	"当 $x$ 无限接近 $a$ 时，表达式的值趋向什么"。第5章核心概念。
$f'(x)$ 或 $\frac{df}{dx}$	导数	"函数 $f$ 在 $x$ 处的变化率"（切线斜率）。第6章核心概念。
$\frac{\partial f}{\partial x}$	偏导数	多元函数对一个变量求导，其余变量当常数看。第9章。
$\displaystyle\int$	积分	"曲线下面的面积"，求导的逆运算。第7章。
$\displaystyle\int_a^b$	定积分	"从 $a$ 到 $b$ 这段曲线下方的面积"。
$\partial$	偏微分符号	读作"偏"（partial），用在多元函数的导数中。
$\nabla$	Nabla / 梯度算子	读作"纳不拉"。一个"向量化的导数"，指向函数增长最快的方向。
$\circ$	复合	"函数套函数"。$(f \circ g)(x) = f(g(x))$。

六、希腊字母表

数学里大量使用希腊字母，每个字母在不同场景有不同含义。下面列出最常用的。

大写	小写	英文名	数学中常见含义
$\mathrm{A}$	$\alpha$	alpha	角度、系数、显著性水平（统计）
$\mathrm{B}$	$\beta$	beta	角度、回归系数
$\Gamma$	$\gamma$	gamma	Gamma 函数（阶乘的推广）、欧拉常数
$\Delta$	$\delta$	delta	$\Delta$：变化量（$\Delta x = x_2 - x_1$）。$\delta$：微小量、极限定义中的误差容限
$\mathrm{E}$	$\varepsilon$ 或 $\epsilon$	epsilon	极小的正数，极限和连续定义中的精度（"任意给定的小量"）
$\mathrm{Z}$	$\zeta$	zeta	Riemann zeta 函数 $\zeta(s)$
$\mathrm{H}$	$\eta$	eta	效率、粘度
$\Theta$	$\theta$	theta	角度（最常用！）、极坐标中的角
$\Lambda$	$\lambda$	lambda	特征值（线性代数）、波长、拉格朗日乘子
$\mathrm{M}$	$\mu$	mu	均值（统计）、摩擦系数
$\Xi$	$\xi$	xi	随机变量、中间变量
$\Pi$	$\pi$	pi	$\pi \approx 3.14159\ldots$（圆周率）。$\Pi$ 表示连乘
$\Sigma$	$\sigma$	sigma	$\Sigma$：求和。$\sigma$：标准差（统计）、应力
$\mathrm{T}$	$\tau$	tau	时间参数、力矩
$\Phi$	$\varphi$ 或 $\phi$	phi	角度、黄金比 $\phi \approx 1.618$、正态分布的累积函数 $\Phi$
$\Psi$	$\psi$	psi	波函数（量子力学）、角度
$\Omega$	$\omega$	omega	$\Omega$：样本空间（概率）。$\omega$：角速度、复数中的三次单位根

七、常用缩写与术语

数学书和论文中有一些英文缩写，虽然用中文教材不一定总碰到，但了解一下很有帮助。

缩写	全称	意思（大白话）
iff	if and only if	"当且仅当"——充要条件。$A$ iff $B$ 表示 $A$ 和 $B$ 等价。
s.t.	such that	"使得"、"满足"。$\exists x \in \mathbb{R}$ s.t. $x^2 = 2$。
w.r.t.	with respect to	"关于"、"对…求导"。"对 $x$ 求导"就是 differentiate w.r.t. $x$。
w.l.o.g.	without loss of generality	"不失一般性"——只证一种情况，其余类似。
Q.E.D.	quod erat demonstrandum	"证毕"——证明结束了。现在常用 $\blacksquare$（黑方块）代替。
i.e.	id est	"也就是说"、"即"。
e.g.	exempli gratia	"例如"。
etc.	et cetera	"等等"、"以此类推"。
vs.	versus	"对比"、"与…相对"。

八、核心中文术语解释

下面把全书反复出现的重要概念用大白话解释一遍，方便你随时回查。

术语	大白话解释
函数	一个"加工机器"：输入一个数（自变量），按固定规则加工，输出一个数（因变量）。记为 $f(x)$，$x$ 是输入，$f(x)$ 是输出。
定义域	函数"能接受"的所有输入值的范围。比如 $f(x) = \frac{1}{x}$ 的定义域不包括 $0$（因为除以 $0$ 没意义）。
值域	函数所有可能的输出值的集合。
极限	当输入值无限接近某个数时，输出值趋向的目标。"差一点点就到了"——那个"到了"的值就是极限。
连续	函数图像"一笔画成、不用抬笔"。严格定义用极限：$\lim_{x \to a} f(x) = f(a)$。
导数	函数在某一点的"瞬时变化率"，几何上就是切线的斜率。速度是位移的导数，加速度是速度的导数。
微分	导数的"近亲"。$dy = f'(x)\,dx$，表示函数值的微小变化量。在近似计算中非常有用。
积分	求导的逆运算。几何意义是曲线下的面积。"把无穷多个无穷小的量加起来"。
原函数	如果 $F'(x) = f(x)$，那 $F$ 就是 $f$ 的一个原函数。就像"除法是乘法的逆运算"一样，积分是求导的逆运算。
级数	无穷多个数加起来：$a_1 + a_2 + a_3 + \cdots$。关键问题是"加起来能不能得到一个有限的数"（收敛 vs 发散）。
收敛	一个过程最终趋向一个确定的有限值。比如 $\frac{1}{2} + \frac{1}{4} + \frac{1}{8} + \cdots = 1$，这个级数收敛。
发散	收敛的反面：加起来趋向无穷或不停震荡，没有一个确定的"最终值"。$1 + 2 + 3 + \cdots$ 发散。
向量	有大小又有方向的量。用箭头表示：$\vec{v} = (3, 4)$ 表示"向右 $3$，向上 $4$"。速度、力都是向量。
矩阵	排列成矩形阵列的数。可以理解为"对向量的变换操作"——矩阵乘向量 = 把向量旋转/拉伸。
行列式	方阵的一个数值，反映矩阵"变换"对面积的缩放倍数。行列式为 $0$ 意味着矩阵把空间"压扁"了。
特征值/特征向量	矩阵作用在某些特殊向量上只是拉伸（不改变方向），拉伸倍数就是特征值，那些向量就是特征向量。
微分方程	含有未知函数及其导数的方程。解微分方程就是找出那个未知函数。物理定律几乎都是微分方程。
概率	某件事发生的可能性大小，用 $0$ 到 $1$ 之间的数表示。$0$ = 不可能，$1$ = 必然。
期望（均值）	随机变量"平均而言"的值。掷骰子的期望是 $3.5$（虽然你永远掷不出 $3.5$）。
方差	数据"散开"的程度。方差小 = 数据扎堆在均值附近；方差大 = 数据很分散。
映射	从一个集合到另一个集合的对应规则。函数是映射的特殊情况。$f: A \to B$ 表示"从集合 $A$ 映射到集合 $B$"。
同构	两个看似不同的数学结构之间存在完美的对应关系——它们在本质上"长得一样"。
定理	经过严格证明的数学命题。是数学的"硬知识"。
引理	为了证明大定理而先证的"小定理"，是铺垫用的工具。
推论	从定理直接推导出的结果，通常比定理本身更容易应用。

第1章 数、运算与方程

1.1 数的家族

数学的故事，从"数数"开始。人类最早认识的是自然数：$1, 2, 3, \ldots$。后来为了表示"没有"，引入了 $0$；为了做减法，引入了负整数。自然数加上负整数，就构成了整数集 $\mathbb{Z}$。

但整数不够用。把一个苹果分给两个人，每人得到多少？这就引出了有理数——所有能写成 $\frac{p}{q}$（其中 $p, q$ 是整数，$q \neq 0$）的数。有理数集记为 $\mathbb{Q}$。

古希腊人发现了一件令人震惊的事：$\sqrt{2}$（边长为 $1$ 的正方形的对角线长度）无法写成任何分数。这类数叫做无理数。有理数和无理数合在一起，填满了整条数轴，构成实数集 $\mathbb{R}$。

数集	符号	包含	例子
自然数	$\mathbb{N}$	$0, 1, 2, 3, \ldots$	$0, 5, 100$
整数	$\mathbb{Z}$	自然数 + 负整数	$-3, 0, 7$
有理数	$\mathbb{Q}$	所有分数 $\frac{p}{q}$	$\frac{1}{2}, -\frac{3}{4}, 5$
实数	$\mathbb{R}$	有理数 + 无理数	$\sqrt{2}, \pi, e$
复数	$\mathbb{C}$	$a + bi$（$i^2 = -1$）	$3+4i, -i, 2$

1.2 运算律

实数上的加减乘除遵循一些基本规律，这些规律简单到你每天都在使用，但明确地写出来有助于后续推导：

• 交换律：$a + b = b + a$，$a \cdot b = b \cdot a$
• 结合律：$(a+b)+c = a+(b+c)$，$(ab)c = a(bc)$
• 分配律：$a(b+c) = ab + ac$ — 这是展开和因式分解的基础
• 单位元：$a+0 = a$，$a \cdot 1 = a$
• 逆元：$a + (-a) = 0$，$a \cdot \frac{1}{a} = 1$（$a \neq 0$）

1.3 方程与不等式

方程就是含有未知数的等式，解方程就是找到使等式成立的未知数值。

一元一次方程

形如 $ax + b = 0$（$a \neq 0$），解为 $x = -\frac{b}{a}$。

一元二次方程

形如 $ax^2 + bx + c = 0$（$a \neq 0$）。它的求根公式是你必须牢记的：

其中 $\Delta = b^2 - 4ac$ 称为判别式：当 $\Delta > 0$ 时有两个不等实根；$\Delta = 0$ 时有两个相等实根（一个重根）；$\Delta < 0$ 时无实根（在复数域内有两个共轭复根）。

因式分解

因式分解是把多项式写成几个因式之积的过程，它是解方程和化简表达式的利器。最常用的公式：

• $a^2 - b^2 = (a+b)(a-b)$（平方差）
• $a^2 + 2ab + b^2 = (a+b)^2$（完全平方）
• $a^3 + b^3 = (a+b)(a^2 - ab + b^2)$（立方和）
• $a^3 - b^3 = (a-b)(a^2 + ab + b^2)$（立方差）

不等式

不等式表达的是"大小关系"。最基本的性质：

• 若 $a > b$，则 $a + c > b + c$（两边加同一个数，方向不变）
• 若 $a > b$ 且 $c > 0$，则 $ac > bc$（乘以正数，方向不变）
• 若 $a > b$ 且 $c < 0$，则 $ac < bc$（乘以负数，方向反转）

绝对值 $|x|$ 表示 $x$ 到原点的距离：

最重要的不等式之一是三角不等式：$|a + b| \leq |a| + |b|$。直觉上，它说的就是"两点之间直线最短"。

第2章 函数家族

2.1 什么是函数？

函数是数学中最核心的概念之一。直觉上，函数就像一台"机器"：你放进去一个数（输入/自变量），它按照某个规则给你一个唯一的数（输出/因变量）。

2.2 几类基本函数

幂函数 $f(x) = x^n$

当 $n=1$ 时是直线 $y=x$；$n=2$ 是开口向上的抛物线 $y=x^2$；$n=-1$ 是反比例函数 $y = \frac{1}{x}$。不同的 $n$ 给出形态迥异的曲线，但它们都过点 $(1,1)$。

指数函数 $f(x) = a^x$（$a > 0, a \neq 1$）

指数函数描述的是"成倍增长"或"指数衰减"的现象。最重要的底数是自然常数 $e \approx 2.71828$，函数 $f(x) = e^x$ 是整个微积分的明星——它的导数就是它自己。

对数函数 $f(x) = \log_a x$

对数函数是指数函数的反函数。$\ln x = \log_e x$ 称为自然对数。对数把"乘法"变成"加法"：$\ln(ab) = \ln a + \ln b$，这个性质在微积分中极为重要。

多项式函数

$f(x) = a_n x^n + a_{n-1} x^{n-1} + \cdots + a_1 x + a_0$。多项式是最好对付的函数——处处连续、处处可导，是微积分入门的最佳练习对象。

有理函数

两个多项式之比：$f(x) = \frac{P(x)}{Q(x)}$。当分母为零时函数无定义，图像上可能出现渐近线（函数值趋向无穷）。

2.3 函数的性质

奇偶性

如果对所有 $x$ 都有 $f(-x) = f(x)$，则 $f$ 是偶函数（图像关于 $y$ 轴对称）。如果 $f(-x) = -f(x)$，则 $f$ 是奇函数（图像关于原点对称）。

单调性

如果在某个区间内，$x_1 < x_2$ 总能推出 $f(x_1) < f(x_2)$，则 $f$ 在该区间上单调递增。类似可定义单调递减。将来学了导数之后，你会知道：$f'(x) > 0 \implies f$ 递增。

周期性

如果存在 $T > 0$ 使得 $f(x + T) = f(x)$ 对所有 $x$ 成立，则 $f$ 是周期函数，最小的这样的 $T$ 称为基本周期。三角函数是典型的周期函数。

反函数

如果 $f$ 是一一对应的（不同的 $x$ 给出不同的 $y$），则存在反函数 $f^{-1}$，满足 $f^{-1}(f(x)) = x$。图像上，$f$ 和 $f^{-1}$ 关于直线 $y = x$ 对称。

2.4 复合函数

把一个函数的输出作为另一个函数的输入：$(f \circ g)(x) = f(g(x))$。例如，$h(x) = \sin(x^2)$ 可以看作 $g(x) = x^2$ 和 $f(u) = \sin u$ 的复合。复合函数的求导法则是微积分中的核心技术（链式法则，第6章）。

第3章 三角学基础

3.1 角度的两种度量

日常生活中我们用"度"（°）来量角度，一圈 $360°$。但在高等数学中，标准单位是弧度（radian）。定义：一个角所对的弧长等于半径时，这个角就是 $1$ 弧度。因为圆的周长是 $2\pi r$，所以一圈等于 $2\pi$ 弧度。

3.2 三角函数的定义

在单位圆（半径为 $1$ 的圆）上，角 $\theta$ 对应的点坐标为 $(\cos\theta, \sin\theta)$。这就是三角函数的几何定义：

其余三角函数由此派生：

3.3 必须记住的公式

勾股关系

和角公式

二倍角公式

半角公式（降幂公式）

由二倍角公式反推，得到在积分中极其常用的降幂公式：

3.4 三角函数的图像

$\sin x$ 和 $\cos x$ 都是周期为 $2\pi$ 的波形曲线，值域为 $[-1, 1]$。$\cos x$ 就是 $\sin x$ 向左平移 $\frac{\pi}{2}$。$\tan x$ 的周期为 $\pi$，在 $x = \frac{\pi}{2} + k\pi$ 处有垂直渐近线。

3.5 特殊角的值

$\theta$	$0$	$\frac{\pi}{6}$	$\frac{\pi}{4}$	$\frac{\pi}{3}$	$\frac{\pi}{2}$
$\sin\theta$	$0$	$\frac{1}{2}$	$\frac{\sqrt{2}}{2}$	$\frac{\sqrt{3}}{2}$	$1$
$\cos\theta$	$1$	$\frac{\sqrt{3}}{2}$	$\frac{\sqrt{2}}{2}$	$\frac{1}{2}$	$0$
$\tan\theta$	$0$	$\frac{\sqrt{3}}{3}$	$1$	$\sqrt{3}$	不存在

第4章 几何与向量初步

4.1 坐标几何

笛卡尔的伟大发明——用数字来描述几何。在平面直角坐标系中，每个点由一对数 $(x, y)$ 确定。两点 $A(x_1, y_1)$ 和 $B(x_2, y_2)$ 之间的距离由勾股定理给出：

4.2 直线与圆

直线方程最常用的形式：斜截式 $y = kx + b$（$k$ 为斜率，$b$ 为截距），以及一般式 $Ax + By + C = 0$。

圆的方程：圆心 $(a, b)$，半径 $r$ 的圆为 $(x-a)^2 + (y-b)^2 = r^2$。

4.3 向量

向量是既有大小又有方向的量。在平面上，向量可以写为 $\vec{v} = (v_1, v_2)$。三维空间中则是 $\vec{v} = (v_1, v_2, v_3)$。

向量的基本运算

• 加法：$\vec{u} + \vec{v} = (u_1 + v_1, u_2 + v_2)$（平行四边形法则）
• 数乘：$c\vec{v} = (cv_1, cv_2)$（缩放向量）
• 点积（内积）：$\vec{u} \cdot \vec{v} = u_1v_1 + u_2v_2 = |\vec{u}||\vec{v}|\cos\theta$
• 模（长度）：$|\vec{v}| = \sqrt{v_1^2 + v_2^2}$

叉积（仅三维）

三维向量的叉积 $\vec{u} \times \vec{v}$ 给出一个与 $\vec{u}$、$\vec{v}$ 都垂直的新向量，其模等于 $|\vec{u}||\vec{v}|\sin\theta$，几何意义是以 $\vec{u}$、$\vec{v}$ 为边的平行四边形的面积。

第5章 极限与连续

5.1 为什么需要极限？

在初等数学中，你处理的都是"确定的值"。但微积分关心的是"趋势"——当某个量越来越接近某个值时，另一个量会怎样？

5.2 极限的直观定义

5.3 极限的严格定义（$\varepsilon$-$\delta$ 语言）

这是整个微积分中最重要的定义之一。它把"无限接近"这个模糊的说法变成了精确的数学语言。

5.4 极限的运算法则

如果 $\lim f(x) = L$，$\lim g(x) = M$，则：

• $\lim [f(x) \pm g(x)] = L \pm M$
• $\lim [f(x) \cdot g(x)] = L \cdot M$
• $\lim \frac{f(x)}{g(x)} = \frac{L}{M}$（$M \neq 0$）
• $\lim [f(x)]^n = L^n$

5.5 两个重要极限

5.6 无穷小与无穷大

无穷小：极限为 $0$ 的量。例如当 $x \to 0$ 时，$x$, $x^2$, $\sin x$ 都是无穷小。

无穷大：绝对值无限增大的量。记为 $x \to \infty$ 或 $f(x) \to \infty$。

等价无穷小（极其实用）

当 $x \to 0$ 时：

在求极限时，分子中的无穷小可以用其等价形式替换，大大简化计算。

5.7 连续函数

5.8 更多生活实例

📋 第5章 考题专区

以下题目模拟大学期末考试风格，由易到难。建议先自己做，再看答案。

一、基础题（送分题，必须拿下）

二、提高题（中等难度，考试常考）

三、挑战题（拔高，考研/竞赛水平）

第6章 导数与微分

6.1 导数的概念

如果说极限是微积分的地基，那么导数就是建在地基上的第一座大厦。

6.2 基本导数公式表

以下公式必须烂熟于心，它们是求导的"乘法表"：

函数 $f(x)$	导数 $f'(x)$
$c$（常数）	$0$
$x^n$	$nx^{n-1}$
$\sin x$	$\cos x$
$\cos x$	$-\sin x$
$\tan x$	$\sec^2 x$
$e^x$	$e^x$
$a^x$	$a^x \ln a$
$\ln x$	$\frac{1}{x}$
$\log_a x$	$\frac{1}{x \ln a}$
$\arcsin x$	$\frac{1}{\sqrt{1-x^2}}$
$\arctan x$	$\frac{1}{1+x^2}$

6.3 求导法则

四则运算

链式法则（最重要的求导法则）

6.4 隐函数求导与参数方程求导

有时 $y$ 不是显式地写成 $x$ 的函数，而是由方程 $F(x, y) = 0$ 隐式定义。此时对方程两边同时对 $x$ 求导，把 $y$ 当作 $x$ 的函数（用到链式法则），然后解出 $y'$。

6.5 高阶导数

对 $f'(x)$ 再求导得到 $f''(x)$（二阶导数），以此类推。$f''(x)$ 描述的是"变化率的变化率"——物理上就是加速度。记号：$f'', f''', f^{(4)}, \ldots, f^{(n)}$ 或 $\frac{d^2y}{dx^2}, \frac{d^3y}{dx^3}, \ldots$

6.6 导数的应用

函数的单调性

$f'(x) > 0 \implies f$ 在该区间递增；$f'(x) < 0 \implies f$ 递减。

极值

极值点（局部最大/最小值点）一定是 $f'(x_0) = 0$ 或 $f'$ 不存在的点（临界点）。判断方法：一阶导数变号，或二阶导数 $f''(x_0) \neq 0$（$f'' < 0$ 为极大，$f'' > 0$ 为极小）。

凹凸性与拐点

$f''(x) > 0$ 时图像凹（下凸），$f''(x) < 0$ 时图像凸（上凸）。凹凸性改变的点叫拐点。

洛必达法则

泰勒公式

6.7 导数在生活中的例子

📋 第6章 考题专区

导数是考试的重中之重，几乎每道题都会用到。务必熟练掌握。

一、基础题（求导计算，必须满分）

二、提高题（应用与综合）

三、挑战题（考研水平）

第7章 积分学

7.1 不定积分——导数的逆运算

7.2 基本积分公式

$\int f(x)\,dx$	$= F(x) + C$
$\int x^n\,dx \quad (n \neq -1)$	$\frac{x^{n+1}}{n+1} + C$
$\int \frac{1}{x}\,dx$	$\ln|x| + C$
$\int e^x\,dx$	$e^x + C$
$\int a^x\,dx$	$\frac{a^x}{\ln a} + C$
$\int \sin x\,dx$	$-\cos x + C$
$\int \cos x\,dx$	$\sin x + C$
$\int \sec^2 x\,dx$	$\tan x + C$
$\int \frac{1}{1+x^2}\,dx$	$\arctan x + C$
$\int \frac{1}{\sqrt{1-x^2}}\,dx$	$\arcsin x + C$

7.3 换元积分法

7.4 分部积分法

7.5 定积分与微积分基本定理

7.6 定积分的应用

• 面积：两曲线 $y = f(x)$ 和 $y = g(x)$ 之间的面积 $= \int_a^b |f(x) - g(x)|\,dx$
• 旋转体体积：$y = f(x)$ 绕 $x$ 轴旋转所得立体的体积 $= \pi \int_a^b [f(x)]^2\,dx$
• 弧长：曲线 $y = f(x)$ 在 $[a,b]$ 上的弧长 $= \int_a^b \sqrt{1 + [f'(x)]^2}\,dx$

7.7 反常积分

当积分区间无限（如 $\int_1^{\infty}$）或被积函数在某点趋向无穷时，需要用极限来定义：

7.8 积分在生活中的例子

📋 第7章 考题专区

积分计算量大、技巧多。换元法和分部积分必须练到条件反射。

一、基础题（基本积分计算）

二、提高题（换元法、分部积分、定积分应用）

三、挑战题（考研/竞赛水平）

第8章 无穷级数

8.1 为什么要研究无穷级数？

无穷级数让我们用"无穷多个简单的项"来表示"复杂的函数"。比如，$e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \cdots$。这不只是一个漂亮的公式——它让计算机能够计算 $e^x$（计算机只会做加减乘除），也让微分方程有了实用的解法。

8.2 数项级数的收敛性

8.3 正项级数的审敛法

比较判别法

如果 $0 \leq a_n \leq b_n$，且 $\sum b_n$ 收敛，则 $\sum a_n$ 收敛；如果 $\sum a_n$ 发散，则 $\sum b_n$ 发散。

比值判别法（达朗贝尔判别法）

$p$-级数

$\sum \frac{1}{n^p}$ 在 $p > 1$ 时收敛，$p \leq 1$ 时发散。

8.4 幂级数

8.5 常用函数的幂级数展开

8.6 傅里叶级数

任何满足条件的周期函数都可以展开为三角级数：

其中 $a_n = \frac{1}{\pi}\int_{-\pi}^{\pi} f(x)\cos nx\,dx$，$b_n = \frac{1}{\pi}\int_{-\pi}^{\pi} f(x)\sin nx\,dx$。

傅里叶级数是信号处理、量子力学、热传导等领域的基石。

第9章 多元微积分

9.1 从一元到多元

真实世界是三维的，大多数现象依赖于多个变量。温度取决于位置 $(x, y, z)$ 和时间 $t$；经济模型取决于价格、利率、就业率……。多元微积分就是把一元的工具推广到多变量的情形。

9.2 多元函数的极限与连续

二元函数 $z = f(x, y)$ 的极限要求 $(x, y)$ 从任何方向趋近 $(x_0, y_0)$ 时，$f$ 都趋向同一个值。如果沿不同路径得到不同的极限，则极限不存在。这比一元情况复杂得多。

9.3 偏导数

9.4 全微分与链式法则

全微分：$df = \frac{\partial f}{\partial x}dx + \frac{\partial f}{\partial y}dy$。它是一元微分 $dy = f'(x)dx$ 的多元推广，给出函数值的"总变化量"。

多元链式法则：如果 $z = f(x, y)$，$x = x(t)$，$y = y(t)$，则 $\frac{dz}{dt} = \frac{\partial f}{\partial x}\frac{dx}{dt} + \frac{\partial f}{\partial y}\frac{dy}{dt}$。

9.5 梯度、方向导数

9.6 多元函数的极值

在驻点（$\nabla f = 0$）处，用黑塞矩阵（Hessian）$H = \begin{pmatrix} f_{xx} & f_{xy} \\ f_{xy} & f_{yy} \end{pmatrix}$ 判断：$\det H > 0, f_{xx} > 0$ 为极小值；$\det H > 0, f_{xx} < 0$ 为极大值；$\det H < 0$ 为鞍点。

拉格朗日乘数法：在约束条件 $g(x,y) = 0$ 下求 $f$ 的极值，解方程组 $\nabla f = \lambda \nabla g$，$g = 0$。

9.7 重积分

二重积分 $\iint_D f(x,y)\,dA$ 计算的是曲面 $z = f(x,y)$ 在区域 $D$ 上方的"体积"。计算方法是化为累次积分：

极坐标：当区域是圆形或扇形时，用 $x = r\cos\theta$, $y = r\sin\theta$ 变换，面积元 $dA = r\,dr\,d\theta$。

9.8 曲线积分与曲面积分

这是多元微积分的终极形态，也是物理学（电磁学、流体力学）的核心工具。

更高维的推广包括高斯公式（曲面积分 $\leftrightarrow$ 体积分）和斯托克斯公式（曲面上的曲线积分 $\leftrightarrow$ 曲面积分）。它们统一在一个框架下：广义斯托克斯定理。

第10章 线性代数

10.1 线性方程组与矩阵

线性代数的起源非常实际——解线性方程组。一个含有 $m$ 个方程、$n$ 个未知数的线性方程组可以写成：

用矩阵记号，这可以紧凑地写为 $A\mathbf{x} = \mathbf{b}$，其中 $A$ 是 $m \times n$ 的系数矩阵。

10.2 行列式

$n \times n$ 方阵 $A$ 对应一个数 $\det A$（或 $|A|$），称为行列式。它有一个深刻的几何意义：$|\det A|$ 等于 $A$ 将单位立方体变换后的"体积"的缩放因子。

行列式的关键应用：$\det A \neq 0 \iff A$ 可逆 $\iff A\mathbf{x} = \mathbf{b}$ 有唯一解 $\iff A$ 的列向量线性无关。

10.3 向量空间

10.4 线性变换

线性变换 $T: V \to W$ 是保持加法和数乘的映射：$T(\mathbf{u} + \mathbf{v}) = T(\mathbf{u}) + T(\mathbf{v})$，$T(c\mathbf{u}) = cT(\mathbf{u})$。旋转、缩放、投影都是线性变换。

每一个从 $\mathbb{R}^n$ 到 $\mathbb{R}^m$ 的线性变换都可以用一个 $m \times n$ 矩阵来表示。这就是矩阵乘法的几何意义——矩阵就是线性变换。

10.5 特征值与特征向量

特征值由特征方程 $\det(A - \lambda I) = 0$ 求出。这是一个关于 $\lambda$ 的 $n$ 次多项式方程。

10.6 对角化与二次型

如果 $A$ 有 $n$ 个线性无关的特征向量，则 $A$ 可以对角化：$A = PDP^{-1}$，其中 $D$ 是对角矩阵（对角线是特征值），$P$ 的列是特征向量。对角化让矩阵幂运算变得简单：$A^k = PD^kP^{-1}$。

二次型 $Q(\mathbf{x}) = \mathbf{x}^T A \mathbf{x}$ 在优化、统计学中非常重要。通过正交变换可以化为标准形，其正定性由特征值的符号决定。

第11章 常微分方程

11.1 什么是微分方程？

微分方程是含有未知函数及其导数的方程。它描述的是"变化规律"而非"静态关系"。牛顿第二定律 $F = ma = m\frac{d^2x}{dt^2}$ 就是一个微分方程——给定力的规律，求物体的运动轨迹。

11.2 一阶常微分方程

可分离变量方程

形如 $\frac{dy}{dx} = f(x)g(y)$。分离变量后积分：$\int \frac{dy}{g(y)} = \int f(x)\,dx$。

一阶线性方程

$y' + P(x)y = Q(x)$。使用积分因子 $\mu(x) = e^{\int P(x)\,dx}$ 乘以方程两边：

11.3 二阶线性常微分方程

最重要的形式是常系数二阶线性方程：

解法：设 $y = e^{rx}$，代入得到特征方程 $ar^2 + br + c = 0$。

判别式	特征根	通解
$b^2 - 4ac > 0$	$r_1 \neq r_2$（两个不等实根）	$y = C_1 e^{r_1 x} + C_2 e^{r_2 x}$
$b^2 - 4ac = 0$	$r_1 = r_2 = r$（重根）	$y = (C_1 + C_2 x)e^{rx}$
$b^2 - 4ac < 0$	$r = \alpha \pm \beta i$（共轭复根）	$y = e^{\alpha x}(C_1\cos\beta x + C_2\sin\beta x)$

11.4 线性方程组与矩阵方法

一阶线性方程组 $\mathbf{x}' = A\mathbf{x}$ 的解可以用矩阵指数表示：$\mathbf{x}(t) = e^{At}\mathbf{x}_0$。当 $A$ 可对角化时，$e^{At} = Pe^{Dt}P^{-1}$，其中 $e^{Dt}$ 是对角线上 $e^{\lambda_i t}$ 的对角矩阵。

11.5 存在唯一性定理

第12章 概率论与数理统计

12.1 概率空间

12.2 条件概率与贝叶斯公式

条件概率：已知事件 $B$ 发生的条件下，$A$ 发生的概率：

12.3 随机变量与分布

随机变量 $X$ 是从样本空间到实数的映射。分布函数 $F(x) = P(X \leq x)$。连续型随机变量有概率密度函数 $f(x)$，$P(a \leq X \leq b) = \int_a^b f(x)\,dx$。

常见分布

分布	密度/概率函数	均值	方差
二项分布 $B(n,p)$	$\binom{n}{k}p^k(1-p)^{n-k}$	$np$	$np(1-p)$
泊松分布 $\text{Poi}(\lambda)$	$\frac{\lambda^k e^{-\lambda}}{k!}$	$\lambda$	$\lambda$
均匀分布 $U(a,b)$	$\frac{1}{b-a}$，$x \in [a,b]$	$\frac{a+b}{2}$	$\frac{(b-a)^2}{12}$
正态分布 $N(\mu,\sigma^2)$	$\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}$	$\mu$	$\sigma^2$
指数分布 $\text{Exp}(\lambda)$	$\lambda e^{-\lambda x}$，$x \geq 0$	$\frac{1}{\lambda}$	$\frac{1}{\lambda^2}$

12.4 数学期望与方差

期望（均值）：$E(X) = \int x f(x)\,dx$（连续型）或 $\sum x_k p_k$（离散型）。它是随机变量的"中心位置"。

方差：$\text{Var}(X) = E[(X - E(X))^2] = E(X^2) - [E(X)]^2$。它衡量"偏离中心的程度"。

12.5 大数定律与中心极限定理

12.6 数理统计基础

参数估计：用样本数据估计总体参数。矩估计和最大似然估计是两种基本方法。

假设检验：在两个相互矛盾的命题之间做出统计判断。核心思想是"小概率反证法"：假设 $H_0$ 成立，如果在这个假设下观察到的结果概率极小（$p$-值 $< \alpha$），则拒绝 $H_0$。

第13章 复变函数

13.1 复数与复平面

复数 $z = x + iy$（$i^2 = -1$）可以看作平面上的点 $(x, y)$。极坐标形式：$z = r(\cos\theta + i\sin\theta) = re^{i\theta}$（欧拉公式）。这使得复数的乘除变得简单：$z_1 z_2 = r_1 r_2 e^{i(\theta_1 + \theta_2)}$——模相乘，角相加。

13.2 解析函数

13.3 复积分与柯西定理

13.4 留数定理

孤立奇点分为三类：可去奇点、极点、本性奇点。在极点处，函数可以展开为洛朗级数（含负幂次的级数），其中 $\frac{1}{z-z_0}$ 的系数称为留数 $\text{Res}(f, z_0)$。

13.5 共形映射

解析函数在其导数非零的点是保角的（保持角度不变）。这种映射叫做共形映射。它在流体力学、电磁学和地图投影中有重要应用。著名的黎曼映射定理说：任何单连通区域（除全平面外）都可以共形映射到单位圆盘。

第14章 实分析与数学分析

14.1 从微积分到分析

微积分告诉你"怎么算"，数学分析告诉你"为什么可以这样算"。分析学是对微积分的严格化——每一个直觉上"显然"的结论，都需要精确的证明。

14.2 实数系的构造

实数可以从有理数出发，通过戴德金分割或柯西列来严格构造。戴德金分割的思想：每一个实数就是有理数集的一个"切口"——把 $\mathbb{Q}$ 分成左右两半的那个分界点。无理数就是那些"切口"恰好不对应任何有理数的位置。

实数的完备性公理有多种等价表述：上确界原理、单调有界定理、区间套定理、聚点定理、柯西收敛准则。它们本质上都在说同一件事——实数没有"洞"。

14.3 点集拓扑初步（在 $\mathbb{R}^n$ 中）

开集：集合中每个点都有一个邻域完全包含在集合中。闭集：包含所有极限点（聚点）的集合。紧集：在 $\mathbb{R}^n$ 中，紧集 = 有界闭集（海涅-博雷尔定理）。紧集是分析中最重要的概念之一——连续函数在紧集上一定有最值。

14.4 一致收敛

14.5 黎曼积分的局限与勒贝格积分

黎曼积分对"好的"函数工作得很好，但它有两个缺陷：(1) 不是所有有界函数都黎曼可积；(2) 极限与积分交换的条件很苛刻。

勒贝格积分通过"按函数值分区"而非"按自变量分区"来定义积分，极大地扩展了可积函数的范围。它还提供了强大的收敛定理（单调收敛定理、控制收敛定理），使得极限与积分的交换变得容易判断。勒贝格积分是现代概率论、泛函分析和调和分析的基础。

14.6 度量空间

完备度量空间（每个柯西列都收敛的空间）是分析的舞台。巴拿赫空间（完备赋范空间）和希尔伯特空间（完备内积空间）是其中最重要的两类，它们分别是泛函分析和量子力学的数学基础。

第15章 抽象代数

15.1 从具体到抽象

初等代数研究的是具体的数和方程。抽象代数研究的是代数结构——带有运算的集合，以及这些运算满足的公理。通过抽象出运算的本质规律，我们可以一次性证明对"所有满足这些公理的结构"都成立的定理。

15.2 群

15.3 子群与拉格朗日定理

子群 $H \leq G$ 是 $G$ 的子集，且自身在同样运算下构成群。拉格朗日定理：有限群 $G$ 的子群 $H$ 的阶整除 $G$ 的阶：$|H| \mid |G|$。

15.4 环与域

15.5 伽罗瓦理论简介

伽罗瓦理论是抽象代数的皇冠。它回答了"为什么五次及以上方程没有根式解"这个困扰数学家三百年的问题。核心思想：方程的可解性等价于其伽罗瓦群（根的置换群）的结构。当伽罗瓦群是"可解群"时方程有根式解，而 $S_5$（$n \geq 5$ 的对称群）不是可解群。

伽罗瓦本人在 21 岁因决斗去世前夜写下了这些思想——数学史上最悲壮的故事之一。

第16章 点集拓扑

16.1 什么是拓扑？

拓扑学研究的是"连续变形下不变的性质"。一个咖啡杯和一个甜甜圈在拓扑学看来是一样的——它们都只有一个洞。拓扑不关心距离和角度，只关心"连接方式"和"洞的个数"。

16.2 连续映射

在拓扑空间中，映射 $f: X \to Y$ 连续当且仅当开集的原像是开集。这是微积分中 $\varepsilon$-$\delta$ 连续性的纯粹拓扑推广。

16.3 紧致性

16.4 连通性

空间 $X$ 是连通的，如果它不能分解为两个不相交的非空开集之并。道路连通更强：任意两点都能用一条连续曲线连接。

16.5 基本群简介

在空间 $X$ 中固定一点 $x_0$，所有从 $x_0$ 出发回到 $x_0$ 的环路（在同伦等价下）构成一个群，称为基本群 $\pi_1(X, x_0)$。圆的基本群是 $\mathbb{Z}$（环路绕了几圈），球面的基本群是平凡群（任何环路都能收缩到一点）。基本群是区分拓扑空间的有力工具。

第17章 偏微分方程

17.1 什么是偏微分方程？

偏微分方程（PDE）是含有未知多元函数及其偏导数的方程。物理世界的几乎所有基本定律都由 PDE 描述：热传导、波动、电磁场、量子力学、流体动力学……

17.2 三类经典 PDE

热方程（抛物型）

描述热量在杆中的扩散。解法：分离变量 $u(x,t) = X(x)T(t)$，得到两个常微分方程。

波动方程（双曲型）

描述弦的振动、声波、光波。达朗贝尔解：$u(x,t) = f(x-ct) + g(x+ct)$——两个行波的叠加。

拉普拉斯方程（椭圆型）

描述稳态温度场、静电势等。满足拉普拉斯方程的函数叫调和函数，具有均值性质（在任意球面上的平均值等于球心处的值）。

17.3 求解方法概述

• 分离变量法：假设解可以写成各变量函数的乘积，将 PDE 化为 ODE
• 傅里叶方法：将解展开为傅里叶级数
• 特征线法：沿特征曲线将 PDE 化为 ODE（适合一阶 PDE）
• 格林函数法：构造"点源"响应，通过叠加得到一般解
• 有限元/有限差分：数值方法，是现代工程计算的核心

17.4 索伯列夫空间简介

现代 PDE 理论在索伯列夫空间（Sobolev space）中研究弱解。这些空间不仅控制函数本身的大小，还控制其导数的大小。嵌入定理（如索伯列夫嵌入）告诉我们：足够多的导数存在且可积，可以推出函数本身的连续性和光滑性。

附录 A 数学简史

古代：数学的黎明

数学的历史与文明的历史一样久远。古埃及人用几何学建造金字塔，巴比伦人在泥板上记录勾股数组（比毕达哥拉斯早了一千多年）。古希腊人将数学从实用技术提升为理性思辨——欧几里得的《几何原本》是人类历史上第一本公理化著作，它的方法论影响了两千年的科学思维。

17 世纪：微积分的诞生

牛顿和莱布尼茨各自独立发明了微积分。牛顿用它来描述天体运动，莱布尼茨则发展了优美的符号系统（我们今天用的 $\int$, $d$, $\frac{dy}{dx}$ 都来自莱布尼茨）。同一时期，笛卡尔发明了解析几何，费马和帕斯卡奠定了概率论的基础。

18-19 世纪：分析的黄金时代

欧拉是数学史上最多产的数学家，他在分析、数论、图论、力学等领域都有开创性贡献。高斯被誉为"数学王子"，在数论、代数、几何、分析、天文学和物理学等领域都有深刻工作。柯西和魏尔斯特拉斯将微积分严格化，黎曼开创了黎曼几何（后来成为广义相对论的数学语言），伽罗瓦用群论解决了方程可解性问题。

20 世纪：抽象与统一

希尔伯特提出 23 个问题引领了 20 世纪的数学研究。哥德尔的不完备定理揭示了数学的根本局限——任何足够强的公理系统都包含不可证明的命题。庞加莱猜想的证明（佩雷尔曼，2006）、费马大定理的证明（怀尔斯，1995）成为世纪之交的里程碑。范畴论的出现为数学提供了统一的"元语言"。

21 世纪：数学的新前沿

今天的数学正经历深刻变革。朗兰兹纲领试图统一数论、几何和表示论。人工智能正在改变数学发现的方式——定理证明助手（Lean, Coq）和机器学习在数学研究中的应用方兴未艾。数学与其他学科的交叉（生物数学、金融数学、数据科学）不断产生新的分支。

附录 B 学习路线图

以下是从零基础到数学本科毕业水平的推荐学习路径。每个阶段都标注了本书对应的章节和预估学习时间。

第一阶段：基础重建（1-2 个月）

学习本书第1-4章。目标是重新掌握初高中数学的核心工具。不要在这一阶段停留太久——这些知识会在后续学习中反复用到，自然会被巩固。每天 1-2 小时即可。

第二阶段：微积分核心（3-4 个月）

学习本书第5-9章。这是最重要的阶段。极限、导数、积分——这三个概念是现代数学的基石。建议做大量练习题，并尝试用 Python（sympy 库）验证你的计算结果。

第三阶段：进阶必修（4-6 个月）

学习本书第10-13章。线性代数和微分方程几乎同等重要，建议并行学习。概率论需要微积分的基础。复变函数需要实分析的严格化（可以先学一个概览，等学了分析再回来深入）。

第四阶段：高年级选修（6-12 个月）

根据你的兴趣和目标选择方向：

• 应用数学方向：偏微分方程 + 数值分析 + 概率论深入
• 纯粹数学方向：实分析 + 抽象代数 + 拓扑
• 统计/数据科学方向：概率论深入 + 数理统计 + 随机过程
• 计算机科学方向：离散数学 + 抽象代数 + 组合数学

学习建议

不要害怕看不懂——数学书籍本来就不是"看一遍就懂"的。对于每个新概念，建议你：(1) 先读直觉解释；(2) 再读严格定义；(3) 动手做例题，先自己做，再看解答；(4) 尝试向别人（或向自己）解释这个概念。如果你能清楚地解释它，你就真的懂了。

附录 C 推荐教材与资源

微积分 / 高等数学

• 同济版《高等数学》（第七版）—— 中国大学通用教材，例题丰富
• James Stewart《Calculus: Early Transcendentals》—— 英文微积分经典，解释清晰，图表精美
• 《托马斯微积分》（Thomas' Calculus）—— 另一个优秀的英文教材
• 3Blue1Brown《微积分的本质》（YouTube/B站）—— 直觉解释极佳的视频系列

线性代数

• 同济版《线性代数》—— 标准中文教材
• Strang《Introduction to Linear Algebra》—— MIT 经典，配有免费公开课
• Axler《Linear Algebra Done Right》—— 不用行列式的现代方法，适合进阶
• 3Blue1Brown《线性代数的本质》—— 可视化讲解，强烈推荐

数学分析

• 华东师大版《数学分析》—— 国内最常用的分析教材
• Rudin《Principles of Mathematical Analysis》（"Baby Rudin"）—— 英文分析入门经典，以精炼著称
• Zorich《Mathematical Analysis》—— 俄罗斯学派的分析教材，物理直觉丰富

抽象代数

• 聂灵沼、丁石孙《代数学引论》—— 经典中文教材
• Dummit & Foote《Abstract Algebra》—— 英文代数百科全书
• Artin《Algebra》—— 直觉好、例子多

概率论与统计

• 茆诗松《概率论与数理统计教程》—— 中文经典
• Ross《A First Course in Probability》—— 英文概率论入门
• Casella & Berger《Statistical Inference》—— 统计推断的研究生标准教材

复变函数

• 西安交大版《复变函数》—— 国内工科标准教材
• Ahlfors《Complex Analysis》—— 复分析经典中的经典
• Needham《Visual Complex Analysis》—— 以几何直觉著称的复分析教材

在线资源

• MIT OpenCourseWare (ocw.mit.edu) —— 免费获取 MIT 全部课程材料
• Khan Academy (khanacademy.org) —— 从小学到大学的免费数学课程
• Paul's Online Math Notes (tutorial.math.lamar.edu) —— 极好的微积分/ODE参考
• B站 —— 宋浩老师的高数课程，适合零基础
• Lean / Coq —— 用计算机验证数学证明，适合喜欢编程的读者