一、微积分：变化与累积
微积分研究连续变化。导数刻画局部变化率，积分刻画整体累积。它是力学、电磁学、概率密度、机器学习优化的基础。
- 极限：微积分的根基，定义“趋近”而不是“等于”。
- 导数：函数在某点的局部线性近似，几何上是切线斜率。
- 积分：无限小量的累加，几何上是面积，物理上常是总量。
- 泰勒展开：用多项式局部逼近复杂函数，是近似计算和理论分析的核心工具。
- 多元微积分：梯度、散度、旋度、重积分、曲线积分、曲面积分。
难点在于把“直观无穷小”转化为严格的极限语言。
二、线性代数：空间、变换与特征结构
线性代数研究向量空间和线性变换。它看似是矩阵计算，本质上是研究空间结构如何被变换。
- 向量空间：抽象空间，只要满足加法和数乘规则即可。
- 基与维数：基是描述空间的坐标系统，维数是自由度数量。
- 矩阵：线性变换在某组基下的表示。
- 特征值与特征向量：在线性变换下方向不变的特殊向量，是稳定模式、主成分、量子能级的数学基础。
- 内积空间：引入长度、角度、正交投影，为傅里叶分析和机器学习提供基础。
高阶重点包括谱定理、奇异值分解、Jordan 标准形、二次型、张量与外代数。
三、实分析：把微积分变严格
实分析研究实数、极限、连续、可微、可积、函数列和测度。它回答微积分中最根本的问题：什么条件下极限可以交换？什么函数可以积分？连续和可微到底意味着什么？
- ε-δ 语言：用精确不等式定义极限和连续。
- 完备性：实数轴没有“洞”，这是许多定理成立的根本。
- 一致收敛：比逐点收敛更强，能保证连续性、积分、微分等性质的传递。
- 测度论：给“长度、面积、概率”建立统一严格基础。
- Lebesgue 积分：比 Riemann 积分更强，现代概率和泛函分析都依赖它。
实分析是数学成熟度的分水岭：从“会算”进入“会证明”。
四、复分析：复数世界的刚性与美感
复分析研究复变量函数。一个复函数只要在区域内可导，就会拥有非常强的性质：无限可导、可展开成幂级数、积分路径受到强约束。
- 解析函数：复可导函数，性质远强于实可导函数。
- Cauchy 积分定理：解析函数沿闭合路径积分为零。
- 留数定理：把复杂积分转化为奇点处的局部信息，是计算实积分的强大工具。
- 共形映射：保持角度的映射，在流体、电磁、几何中都有应用。
复分析经典且优雅，难点在于理解“局部解析性为什么决定全局行为”。
五、抽象代数：结构与对称性
抽象代数研究群、环、域、模等代数结构。它不关心具体数字怎么计算，而关心运算规则形成什么结构。
- 群：描述对称性的语言，旋转、置换、矩阵变换都可形成群。
- 环：有加法和乘法的结构，例如整数、多项式、矩阵。
- 域：可以加减乘除的结构，例如有理数、实数、复数、有限域。
- 同态与同构：研究结构之间的保持关系。
- Galois 理论：把多项式方程可解性与群结构联系起来，是经典高难度主题。
抽象代数的力量在于：它能把看似不同的问题统一为“结构问题”。
六、拓扑学：连续变形下不变的性质
拓扑学研究空间在连续变形下保持不变的性质。它不关心长度和角度，而关心连通性、洞、边界、紧性等更深层结构。
- 开集与闭集：拓扑空间的基本语言。
- 连续映射：用开集逆像定义，比微积分中的连续更抽象。
- 紧性：有限覆盖性质，是极值定理等结果的抽象根源。
- 连通性：描述空间是否能被分成不相交部分。
- 基本群：用环路研究空间中的洞，是代数拓扑的入口。
拓扑难在高度抽象，但它是现代几何、动力系统、量子场论和数据分析的重要工具。
七、微分几何：弯曲空间的数学
微分几何用微积分研究曲线、曲面和流形。广义相对论的数学语言就是微分几何。
- 流形：局部像欧氏空间、整体可能弯曲复杂的空间。
- 切空间：在流形每一点定义局部线性近似。
- 度量：定义长度、角度、距离。
- 联络：定义如何沿曲线比较不同点的向量。
- 曲率：描述空间偏离平直的程度。
难点在于把几何直觉翻译成坐标无关的张量语言。
八、概率论：不确定性的严格语言
概率论研究随机事件和随机变量。现代概率建立在测度论基础上，是统计、金融、机器学习、量子测量和信息论的重要支柱。
- 随机变量：本质是从样本空间到数值空间的函数。
- 期望：随机变量的积分，不只是平均值。
- 大数定律：样本均值趋向期望。
- 中心极限定理：大量独立随机因素的和趋向正态分布。
- 马尔可夫链：未来只依赖当前状态的随机过程。
- 鞅：公平游戏的数学抽象，是现代随机分析核心。
九、数论：整数中的深层结构
数论研究整数、素数、同余、方程和算术结构。它看似朴素，但包含许多极深问题。
- 素数：整数的基本构件，唯一分解定理是数论基石。
- 同余：模运算研究余数结构，是密码学基础。
- 二次互反律：经典数论核心定理之一。
- Diophantine 方程：研究整数解或有理数解。
- 椭圆曲线：连接数论、代数几何和密码学。
- 黎曼猜想：关于素数分布最著名的未解难题之一。
十、微分方程：规律的动态表达
微分方程描述变化规律，是物理、工程、生物、经济和 AI 动态系统的基础。
- 常微分方程：未知函数只依赖一个变量，例如牛顿运动方程。
- 偏微分方程：未知函数依赖多个变量，例如热方程、波方程、Laplace 方程、Schrödinger 方程。
- 稳定性：研究系统受扰动后是否回到平衡。
- 边值问题：由区域边界条件决定内部解。
- 非线性：可能出现混沌、孤立子、分岔等复杂现象。
十一、优化与凸分析：寻找最优解
优化研究如何在约束下寻找最大值或最小值。机器学习训练模型，本质上就是优化损失函数。
- 梯度下降：沿函数下降最快方向迭代。
- 凸集与凸函数：凸问题没有坏的局部极小值，是优化理论中的理想情况。
- 拉格朗日乘子：处理约束优化的基本工具。
- KKT 条件：非线性约束优化的重要必要条件。
- 对偶理论：从另一个问题角度研究原问题，为算法和证明提供强工具。
十二、逻辑与证明：数学可靠性的根基
高级数学最重要的能力不是计算，而是证明。证明是从公理和已知命题出发，使用逻辑规则推出结论。
- 直接证明：从条件一步步推出结论。
- 反证法：假设结论不成立，推出矛盾。
- 归纳法：证明自然数相关命题。
- 构造法：直接构造满足条件的对象。
- 存在性证明：有时只证明对象存在，不给出具体形式。
- 不完备性：Gödel 不完备定理说明足够强的形式系统无法同时完备且自洽。
数学的难度，最终会从“算不出来”变成“如何定义、如何抽象、如何证明”。