英国大学预科数学学什么？——深度解析预科数学内容、逻辑结构与学习策略

函数：从输入-输出到变换视角

函数（Functions）是预科数学的核心枢纽，贯穿微积分、线性代数等后续模块。教学重点有三层次：

1. 基础操作：f(x) = 3x²−2x+1，求f(a+1)、f(x+h)−f(x)
2. 图像变换：y = f(x) → y = −f(x−2) + 3 的变换步骤
3. 复合与反函数：验证f(g(x))=x是否等价于g=f⁻¹

极限与连续性

极限（Limits）是微积分的基石，但预科阶段不涉及ε−δ定义，而是聚焦直观理解：

• 从数值表观察趋势：x→2⁻时，f(x)=1/(x−2)的值如何变化？
• 左右极限不等 ⇒ 极限不存在（如分段函数在断点处）
• 用图像判断连续性：y=⌊x⌋在整数点不连续

老师常会设计“极限迷宫”练习：给一张Venn图，要求学生从左侧输入不同x值，判断右侧极限是否存在、是否等于函数值。

微积分：导数与积分的几何意义优先

导数（Differentiation）的教学路径是：

1. 从割线斜率出发 → 极限定义 f′(x)=limₕ→₀ [f(x+h)−f(x)]/h
2. 推导基本公式：d/dx(xⁿ)=nxⁿ⁻¹
3. 应用：切线方程、极值点、变化率建模（如体积随时间变化率）

积分（Integration）则强调“面积累积”概念：

• 定积分 ∫ₐᵇ f(x)dx 表示曲线与x轴围成的有向面积
• 微积分基本定理：∫ₐᵇ f′(x)dx = f(b)−f(a)
• 应用：求曲线下的面积、平均值、简单物理量（如位移=∫v(t)dt）

注意：预科阶段积分仅涉及幂函数、常数倍、加减法，不涉及分部积分或三角代换。

概率基础：从实验到理论

预科概率教学采用“实验先行”策略。第一周常安排掷骰子、抽卡片等课堂实验，记录频率分布，再引出理论概率模型。

• 样本空间（Sample Space）：如掷两枚硬币的Ω={HH,HT,TH,TT}
• 事件概率：P(A)=n(A)/n(Ω)，强调古典概型前提
• 独立事件 vs 互斥事件：P(A∩B)=P(A)P(B) ⇔ 独立；A∩B=∅ ⇔ 互斥

概率分布：离散与连续

重点学习两种分布：

• 二项分布Bin(n,p)：n次独立伯努利试验成功k次的概率
• 正态分布N(μ,σ²)：通过标准化Z=(X−μ)/σ查表计算概率

教学强调“分布选择依据”：

• 固定试验次数 + 成功概率恒定 → 二项分布
• 测量误差、身高体重等自然现象 → 正态分布

统计推断：从数据到结论

预科统计不涉及假设检验，但强调：

• 相关系数r：衡量线性相关强度（|r|接近1为强相关）
• 回归直线：y=a+bx中斜率b的单位解释（如“每增加1cm身高，体重平均增加0.8kg”）
• 数据偏态识别：箱线图中中位数位置判断分布形态

重点训练“用数据讲故事”能力：不是计算r=0.78，而是“身高与体重存在中度正相关，说明身高可作为体重预测的合理变量之一”。

矩阵运算：从操作到意义

预科线性代数聚焦基础操作，但强调几何意义：

• 矩阵加法/数乘：对应元素运算，对应向量空间中的平移与缩放
• 矩阵乘法：行×列，对应线性变换的复合（如旋转后再反射）
• 行列式：|A|≠0 ⇔ 可逆 ⇔ 变换不压缩空间（面积/体积缩放因子）

线性方程组求解

用矩阵方法解方程组：

• 高斯消元法（Gaussian Elimination）：化为行阶梯形
• 逆矩阵法：若AX=B且A可逆，则X=A⁻¹B
• 克拉默法则（Cramer’s Rule）：仅适用于n×n可逆系统

教学重点在于“解读解的结构”：

• 唯一解：系数矩阵满秩
• 无解：增广矩阵秩 > 系数矩阵秩
• 无穷多解：秩 < 变量数，存在自由变量

向量与线性变换

向量（Vectors）被赋予物理意义：

• 位移向量：从A到B的有向线段
• 点积（a·b=|a||b|cosθ）：计算夹角、投影
• 叉积（仅三维）：生成垂直于两向量的向量，模长=平行四边形面积

线性变换（Linear Transformations）是重点：

• 旋转矩阵：R_θ=[cosθ −sinθ; sinθ cosθ]
• 反射矩阵：关于x轴→[1 0; 0 −1]
• 投影矩阵：如投影到y=x线→[0.5 0.5; 0.5 0.5]

迭代法求方程近似解

预科引入两种核心数值方法：

• 牛顿-拉夫森法（Newton-Raphson）：xₙ₊₁ = xₙ − f(xₙ)/f′(xₙ)
• 二分法（Bisection Method）：利用介值定理逐步缩小区间

数值积分：梯形法则与辛普森法则

当∫f(x)dx无解析解时，用数值方法近似：

• 梯形法则：∫ₐᵇ f(x)dx ≈ (b−a)/2 [f(a)+f(b)]
• 复合梯形法则：分割区间，每段用梯形

教学强调误差分析：

• 梯形法则误差与(b−a)³成正比
• 函数曲率越大，误差越大

数据拟合与预测

用最小二乘法拟合直线y=a+bx：

• 斜率b = [nΣxy − ΣxΣy] / [nΣx² − (Σx)²]
• 截距a = [Σy − bΣx]/n

强调“拟合≠因果”：即使r=0.95，也不能说x导致y，需结合领域知识判断。