学习路径
Learning paths
路径是一种建议顺序，不是必须一次读完的课程。先完成一个小例子，再回到定义与证明；遇到陌生符号可查希腊字母发音表。
入门 先用比例、图形和数据建模
会基础算术就可以开始：先分清整体与基准，再理解量怎样一起变化，最后用概率和残差检查模型。每篇都有展开的例题和可尝试的变式，分支路线见代数与统计建模入门。
比与比例 → 百分比与百分点 → 正比例与反比例 → 斜率与平均变化率 → 二次函数模型与分段函数；数据的测量尺度 → 方差与标准差 → 散点图 → 最小二乘法 → 残差分析01 准确表达与证明
先用具体元素区分空集、子集与幂集，再看“关系”如何把元素分组或排序。整数部分从公约数与贝祖等式走到模逆元，检查每次约分的互素条件。
集合 → 空集 → 子集与真子集 → 幂集 → 笛卡尔积 → 等价关系与偏序关系；整数整除 → 最大公约数 → 贝祖等式 → 模逆元 → 中国剩余定理01a 从猜想走到证明
先用奇偶数和几何图形练习下定义、写命题；再辨认哪一步是观察、哪一步是有效推导。直接、逆否、反证与归纳各处理不同的证明障碍，反例用来检查遗漏的条件。
数学推理与证明 → 数学概念与定义 → 数学命题 → 经典逻辑的三条基本律 → 演绎推理与三段论 → 归纳推理与类比推理 → 直接证明与逆否证明与反证法 → 反例与命题的边界 → 公理化方法02 理解变化与演化
从误差控制到连续、局部变化与累积；先学导数，再看闭区间上的最值怎样帮助证明中值定理。定理、证明和积分方法见微积分专题。
函数 → 极限 → 函数的连续性 → 导数与微分 → 闭区间连续函数的最值定理 → 罗尔定理 → 拉格朗日中值定理 → 积分 → 微积分基本定理 → 定积分的应用 → 二元函数 → 二元函数的极限与连续性 → 偏导数 → 多元函数的极值03 认识线性与对称
先消去联立方程，再问哪些方向能生成空间、哪些方向被映成零。沿空间向量还可从位移走到投影、面积与体积，再用行列式判别三元方程是否有唯一解。
矩阵 → 线性方程组与高斯消元 → 三元线性方程组的解集 → 向量空间 → 空间向量的线性运算 → 向量的内积 → 向量的外积 → 向量混合积与体积 → 行列式 → 克拉默法则 → 正交矩阵 → 正交投影 → 实对称矩阵谱定理04 从形状到空间
先辨认三角形中哪些量确定形状，再用面积和辅助线证明角平分线定理。圆周角、内心与外心把角、弦和等距条件连接起来；空间方向另从开集与紧致性继续。
欧氏几何 → 三角形全等 → 三角形相似 → 三角形的面积公式 → 角平分线定理 → 内切圆与内心与外接圆与外心 → 圆周角定理 → 正弦定理；开集与闭集 → 聚点 → 紧致性04a 沿圆的定理学习证明
在图上逐步添加圆心、弦中点、半径和切点；先用直角三角形处理弦长，再用同弧圆周角比较角，最后从相似三角形推到线段积。全部 37 个原命题可从几何原本第三卷：圆的几何逐条查找。
垂径定理 → 弦长与圆心距 → 圆周角定理 → 切线与半径垂直 → 相交弦定理 → 割线切线定理05 面对不确定性
先把样本空间缩到已知事件，再用随机变量记录结果。联合分布保留变量间的关系；抽样分布刻画同一统计量在重复取样时怎样变动。
组合数学 → 条件概率 → 全概率公式 → 贝叶斯定理 → 随机变量 → 累积分布函数 → 联合分布 → 样本均值 → 抽样分布 → 中心极限定理06 从网络到决策
从每个顶点有几条边开始，区分树、欧拉路径与着色的不同约束，再选择搜索或优化算法。证明是否可行与算法如何找到它，是两个独立问题。
图论 → 图的度数 → 树与生成树 → 欧拉路径与图着色 → 广度优先搜索与深度优先搜索 → 最短路径 → 优化07 把方程变成可靠计算
求根、插值与积分的目标不同，但都要区分近似值、截断误差和输入敏感性；不能只因结果有很多小数位就认为精确。
二分法 → 牛顿法 → 牛顿插值与拉格朗日插值 → 数值误差 → 条件数 → 数值积分与蒙特卡洛积分09 把数据看清楚
从一行记录的含义出发，先选择合适的典型值，再按比较、构成、分布、关系和变化选择图形；重算图中数值。
数据的测量尺度 → 加权平均数与综合评价与稳健平均数 → 统计图 → 条形图与扇形统计图 → 直方图与箱线图 → 散点图与折线图 → 统计推断 → Logistic回归09a 从问卷走到总体估计
用同一份虚构的高中生课外活动调查，先固定总体、名单和测量口径，再比较四种随机抽样的估计与方差。最后读一份能复算的结果表，并分清抽样波动和名单遗漏。
社会调查方法 → 调查方案设计 → 问卷设计 → 简单随机抽样 → 分层随机抽样；对照等距抽样与二阶段抽样 → 调查中的覆盖与无回答误差 → 社会调查数据分析 → 社会调查报告10 给随机现象建立分布模型
先分清单点质量、密度面积和累计概率。计数可沿二项到泊松学习，等待可比较几何、指数与均匀，测量及均值推断可比较正态与 t。
概率 → 概率分布 → 二项分布与几何分布 → 泊松分布与指数分布 → 均匀分布与正态分布 → 学生t分布 → 统计推断11 从一步更新到相互作用
先手算水量的逐月变化，用平衡点和误差递推判断长期行为；再进入连续方程，比较时间曲线、相图与局部线性化。分支路线见动态系统建模。
差分方程模型 → 二阶线性差分方程 → 平衡点与稳定性 → 微分方程 → 相平面 → 线性化与雅可比矩阵 → 捕食者-猎物模型12 从有限对象练习证明
从后继和归纳建立自然数的规则，用余数分类寻找必然重复，再用非负平方证明向量内积的界。逐次指出归纳、计数和取最小值各自解决了哪一步。
逻辑 → 皮亚诺公理 → 组合数学 → 抽屉原理 → 向量空间 → 柯西不等式13 用方程解释反馈与传播
从受力和人群转移推导连续模型，检查守恒与峰值；再分清参数改变、历史反馈和数值步长各会引入什么变化。
弹簧振子模型 → SIR模型 → 微分方程数值解 → 分岔与洛吉斯蒂映射 → 时滞微分方程15 从一次分布到整条随机轨迹
用机器运行与维修理解状态转移，用随机游走连接到布朗运动，最后分别计算连续随机反馈的均值、方差和数值误差。
概率 → 概率分布 → 随机过程 → 马尔可夫链 → 布朗运动 → 随机微分方程16 从订单理解价格与收益
先区分供需计划和成交量，再用边际量与面积解释生产选择和交易；分支路线见管理与生活中的数学。
供需模型 → 成本收益与利润 → 需求价格弹性 → 消费者剩余与生产者剩余 → 洛伦兹曲线与基尼系数16a 从部门表走到经济模型
先读清行、列和增加值，再分别建立投入需求、短期支出反馈与企业生产关系。
投入产出表与直接消耗系数 → 列昂惕夫投入产出模型；国内生产总值与经济增长 → 凯恩斯模型与财政乘数；柯布-道格拉斯生产函数17 沿时间轴合并现金流
每笔款项先明确发生时点，再用递推、有限和与积分互相核对；变化率相乘时再认识几何平均。期初、期末和连续发生分别计算。
指数增长与衰减 → 复利与贴现 → 几何平均数与调和平均数 → 年金 → 贷款摊还 → 连续现金流18 从资源约束到可行的最优方案
先画出可行域，检查目标函数的凸性；梯度法产生候选解，对偶下界与 KKT 条件帮助核验何时达到全局最优。
优化 → 凸集 → 凸函数 → 梯度下降 → 拉格朗日对偶 → KKT条件；线性规划与单纯形法给出离散顶点上的另一条路线。19 在有限步骤中查找、排序与选择
从有序数组和文本中的查找入手，再比较“排好全部”与“只选一个名次”；最后把重复的小问题存成表，选出容量约束下的物品。
算法与复杂度 → 二分查找与KMP字符串匹配 → 归并排序与快速排序 → 快速选择 → 动态规划 → 0-1背包问题20 把无限过程变成可控的和
先由实数完备性保证极限存在，再看正项、交错项各怎样判别。变量进入级数后，还要检查误差能否用同一个下标在整段定义域内控制。
上确界原理 → 区间套定理 → 数列的极限 → 无穷级数 → 交错级数与正项级数比较判别法 → 绝对收敛与条件收敛 → 函数项级数 → 函数列的一致收敛21 从运动到能量与场
先在一个固定参考系里把位移、速度和加速度分开，再画受力图。相互作用力与摩擦力说明研究对象和接触条件；抛体、圆轨道与简谐振动分别检验运动方程。进入电磁、波和热学后，始终标明方向、能量收支和理想化条件。
参考系与位移 → 速度与加速度 → 匀变速直线运动 → 牛顿第二定律 → 牛顿第三定律与摩擦力 → 抛体运动 → 圆周运动与向心力 → 万有引力定律；机械能守恒定律与动量守恒定律 → 简谐运动；电场与电势 → 洛伦兹力 → 法拉第电磁感应定律；波的干涉与光的折射与全反射；热力学第一定律 → 热力学第二定律；光电效应 → 放射性衰变与半衰期带着同一个问题往下学
在入门路线中，比与比例先把同一配方写成等份、表格和直线；正比例与反比例继续追问保持不变的是比值还是乘积。换到水箱，斜率与平均变化率计算一段时间的进水速度，分段函数解释泵速改变后怎样把前段的终点接到后段。几何方向可走 相似与比例尺 → 幂函数与尺度律，再到十二平均律比较相同频率比与不同频率差。
在“变化与演化”这条路上，可以始终追问一杯热水怎样冷却。导数描述某一时刻的降温速度；微分方程把速度与温差联系起来；一阶线性微分方程求出随时间变化的温度；数值积分则说明，在没有简单原函数时如何计算累积量。每向前一步，写下新增的假设和已经会求的量。
在“无穷过程”这条路上，可以一直追问：每次补上剩余线段的一半，最终能否填满单位线段？数列的极限给出误差 ，无穷级数把同一过程写成部分和；到幂级数，把每一步的一半换成变量 ，问题就变成哪些 允许求和。这样再读泰勒定理，便知道有限多项式的误差与无穷级数的收敛是两次不同的检查。
在“线性与模型”这条路上，先在矩阵中认识一组数怎样把输入变成输出，再到向量空间与线性代数理解哪些输出能达到。最小二乘法把这个问题改为：观测值达不到时，怎样找到最接近的输出？它与数学建模使用同一组水位数据；后者再用未参与拟合的数据检验模型。
在“不确定性”这条路上，从十次硬币投掷出发。组合数学数出各种次序，概率给这些结果分配权重，期望描述重复试验的平均结果。读到统计推断，再反过来问：只有投掷结果时，对未知概率能作出多强的判断？用交互图分别改变样本量和真实概率，检查自己的判断是否混淆了数据与假设。
在“形状与空间”这条路上，先用环面的粘边图追踪一条线越过边界后去了哪里，再在三维模型上找到同一条环路。接着读拓扑空间与连续映射，解释哪些变化保留连接方式、哪些结论仍需要证明。转动模型能帮助观察，不能替代对所有路径或所有开集的论证。 在“把数据看清楚”这条路上，先用统计图中的四十名参加者，比较“哪类人多”与“各类占多少”的区别。再记录每人的用时，思考直方图如何保留分布形状、箱线图又省略了哪些细节。需要研究路程与用时的关系时，先保留每个人的成对数据，再读散点图；观测同一对象随时间的变化时则读折线图。不要把类别、数值区间与时间顺序混为一谈。
在“分布模型”这条路上，先固定五次发送，计算成功次数，再改为一直发送到首次成功，观察变量为何从二项分布改成几何分布。对稳定到达的请求，同一个过程可用泊松分布描述次数，用指数分布描述等待。最后转向测量：正态分布中的总体标准差与学生t分布中用样本估计的标准差各承担什么角色？每次换模型，都把对象、单位和条件重新写一遍。
在“线性与模型”这条路的后半段，线性模型继续使用相同水位数据，区分平均响应的置信区间和新读数的预测区间。正态分布解释独立高斯误差怎样连接到平方误差，贝叶斯定理则用后验密度说明数据如何改变对未知参数的判断。先辨认自己要估计的是哪一个量，再决定怎样解释图与区间。
在“变化与分布”的应用路线中，指数增长与衰减解释相对增长率与倍增时间，贡珀茨模型继续比较增长如何放缓；二项分布的正态近似则把离散计数转换成面积，并用精确概率检查近似误差。
阅读时怎样检查自己理解了
能用自己的话解释定义，并说明一个正例与反例；能重算一个完整算例，指出每一步用了什么前提；能区分定义、定理、模型假设与历史事实。遇到生疏符号可沿先修链接补充知识，再回到例题尝试独立完成下一步。
想了解本站如何展开和核验文章，可读帮助:词条写作标准。
用历年赛题认识完整问题
数学建模竞赛按年份整理国赛、美赛题目与附件。读完基础路线后，可以先选一份题目，辨认它提供了哪些数据、要求回答什么、有哪些限制，再回到所需的知识词条。目录目前保留原题和资料入口，暂不加入赛题解答。