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
人机与认知实验室4 天前
频率主义 vs 贝叶斯主义中的态、势、感、知
人工智能·机器学习·概率论
Echo_NGC22374 天前
【贝叶斯公式】从先验到后验的概率推演
人工智能·贝叶斯·概率论·扩散模型
DeepModel6 天前
【概率分布】指数分布(Exponential Distribution)原理、推导与实战
python·算法·概率论
DeepModel6 天前
【概率分布】正态分布(高斯分布)原理、可视化与机器学习实战
python·算法·概率论
DeepModel8 天前
【概率分布】卡方分布的原理、推导与实战应用
python·算法·概率论
DeepModel8 天前
【概率分布】均匀分布的原理、推导与Python实现
python·算法·概率论
MoRanzhi12038 天前
一维概率分布可视化实践:基于 Python 的理论曲线与样本图对照
python·概率论·matplotlib·seaborn·scipy·统计学·概率分布可视化
DeepModel9 天前
【概率分布】泊松分布的原理、推导与实战应用
python·算法·概率论
DeepModel11 天前
【概率分布】几何分布超详细解析
算法·概率论
DeepModel11 天前
【概率分布】多项分布详解
算法·概率论