围绕数学自学路线、资源选择和核心概念整理的原创指南，帮助你把资源转化为稳定的学习进展。
入门到中级
一条适合高中后到大学初学者的微积分学习路线，强调概念、计算和应用的顺序。
微积分不是从求导公式开始，而是从函数、图像、变化率和极限语言开始。学习前应能熟练理解一次函数、二次函数、指数函数、对数函数和三角函数的图像。
建议先用 Desmos 观察函数变换：平移、伸缩、复合和反函数。这一步能降低后面理解导数和积分时的抽象成本。
极限解决“靠近”的语言，导数解决瞬时变化，积分解决累积，级数解决用无限过程近似函数。
每学一个计算规则，都要配一个图像解释和一个实际例子，例如速度、面积、边际成本或概率密度。
不要只刷机械题。每个主题至少做三类题：概念判断、标准计算、应用建模。
如果题目做错，记录错误属于代数变形、概念误解还是符号使用问题，这比单纯增加题量更有效。
大学基础
从向量、矩阵到线性变换，帮助学习者把计算步骤和几何意义连接起来。
线性代数的关键不是记住行列式公式，而是理解矩阵如何移动、拉伸、旋转或压缩空间。
学习矩阵乘法时，可以把每个矩阵理解成一次线性变换，矩阵相乘就是连续做两次变换。
建议按向量与线性组合、矩阵乘法、线性方程组、基与维数、行列式、特征值与特征向量的顺序学习。
每个概念都应同时掌握三种视角：代数计算、几何解释、应用场景。
不要把行列式只当成公式，它描述面积或体积的缩放比例。
不要把特征值只当成解方程，它描述某些方向在变换后仍保持方向不变。
所有阶段
给自学者的资源选择框架，避免在大量数学资源中反复切换却没有稳定进展。
同一个数学主题可以服务于考试、科研、工程应用或兴趣探索。目标不同，资源选择也不同。
考试目标更需要体系化教材和题目反馈；兴趣探索可以先看可视化视频；工程应用则要尽快结合工具和项目。
建议采用“教材或课程 50%，练习 30%，可视化和工具 20%”的比例。
视频适合理解动机和图像，教材适合建立严谨结构，练习用于暴露漏洞，工具用于验证猜想。
好的资源会解释概念为什么成立，而不只是列出步骤。
如果一个资源没有例题、练习、前置知识说明或错误纠正路径，它更适合作为补充材料，而不是主线课程。