建立一个新的高阶数学教授模式,知其然,知其用,知其之所以然,知其所以然

1. 传统常用的模式

概念,性质,定理,定理证明,定理应用;

这个学习模式挺好的,但是定理证明过程往往很冗长,而且不易记忆,也就是说,即使推导了定理,初学者也记不住这个推导过程和思路;

当然不是说推导不重要,而是很重要;但是,耗费精力太大,会减缓初学者建立知识体系的速度;

2. 新的讲授模式

一个可以尝试的数学讲授模式:

第一章:

概念1.1,性质,定理1.1是什么,为什么要引入这个定理,如何应用这个定理;

概念1.2,性质,定理1.2是什么,为什么要引入这个定理,如何应用这个定理;

...

概念1.n,性质,定理1.3是什么,为什么要引入这个定理,如何应用这个定理;

定理1.1的证明;

定理1.2的证明;

...

定理1.n的证明;


第二章:

概念2.1,性质,定理2.1是什么,为什么要引入这个定理,如何应用这个定理;

概念2.2,性质,定理2.2是什么,为什么要引入这个定理,如何应用这个定理;

...

概念2.n,性质,定理2.3是什么,为什么要引入这个定理,如何应用这个定理;

定理2.1的证明;

定理2.2的证明;

...

定理2.n的证明;


或者先把整本书的应用讲完,再讲定理证明

这样的好处在于入门容易,建立体系容易,并且勾起对定理成立与否的好奇,然后待时机成熟时,再开展证明。

传统方式的弊端:在定理本身是什么的冲击下,一般同学不会对其为何成立产生好奇,而对于是什么,能做什么的掌握将占据主要精力。等应用后,熟悉到一个程度时,对其真理性才会产生好奇,也具有足够的心理准备和查看证明过程的意愿;

3. 示例

相关推荐
忧郁奔向冷的天1 天前
泊松分布与指数分布以及一道贝叶斯推断例题
概率论
EniacCheng2 天前
贝叶斯定理
人工智能·机器学习·概率论
EniacCheng3 天前
二项分布和泊松分布
概率论·泊松分布·二项分布
byzh_rc3 天前
[模式识别-从入门到入土] 组合分类器
人工智能·算法·机器学习·支持向量机·概率论
牧歌悠悠5 天前
【Random Matrices】第一章-随机矩阵入门
线性代数·数学·概率论·随机矩阵·高维概率
缘友一世7 天前
现代密码学【3】之密码学形式化分析与可证明安全基础
安全·密码学·概率论
byzh_rc7 天前
[模式识别-从入门到入土] 拓展-EM算法
算法·机器学习·概率论
无水先生8 天前
随机变量在代数运算中的误差传播(2/2)
概率论·统计学
图像生成小菜鸟8 天前
Score Based diffusion model 数学推导
算法·机器学习·概率论
*星星之火*9 天前
【大白话 AI 答疑】 第7篇熵、交叉熵与交叉熵损失的概念梳理及计算示例
人工智能·机器学习·概率论