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
努力努力再努力wz7 小时前
【机器学习入门系列】从随机事件到正态分布:一文梳理概率论的核心知识
人工智能·机器学习·概率论
没有钱的钱仔2 天前
最大似然估计(MLE)通俗理解
算法·机器学习·概率论
FPGA信号处理3 天前
【信号检测与估计】第一次作业:无偏性、均方误差与最小方差无偏估计
人工智能·机器学习·概率论
for_ever_love__7 天前
概率与统计——分布、期望与贝叶斯,语言模型的建模基础
python·机器学习·大模型·概率论
lisw058 天前
概率论:事件之间的关系与运算!
数据分析·概率论
lisw059 天前
论数学期望与概率的关系及其应用!
概率论
Ruannn(努力版)10 天前
statistics
概率论
FPGA信号处理14 天前
《随机信号分析与处理》第1章 随机变量基础:习题解答
人工智能·机器学习·概率论
金色光环15 天前
概率论笔记:连续型随机变量函数的分布与尺度变换 连续型随机变量函数的分布:定义法与公式法推导
笔记·概率论
tigershang24 天前
从工具到结构:工科数学的升阶之路
神经网络·机器学习·概率论