数学资源合集!!!从高中水平过渡到研究生/研究级内容都有覆盖

Awesome Math是由Cyrille Rossant维护的一个高质量、精心整理的数学资源合集仓库。旨在为学习者、教师和研究者提供从入门到高级的数学资源导航。

Awesome Math强调免费资源优先（除少数用💲标记的付费内容外），涵盖在线课程、书籍、讲义、视频、工具、百科和社区资源等。项目目前拥有约1.4万星标（stars）和1.3k+ forks，维护活跃。

仓库整体结构

仓库主要分为两大板块：

1. General Resources（通用资源）
2. Branches of Mathematics（数学分支）

此外还有学生讲义、相关Awesome列表等补充部分。

1. General Resources（通用资源）

这一部分适合所有水平的数学爱好者，提供学习入口和实用工具。

• Learning Platforms（学习平台）
  ：Khan Academy、Coursera、MIT OpenCourseWare、Brilliant.org、Mathigon等互动式平台。
• Learn to Learn
  ：帮助理解数学思维方式的资源，例如“How to Learn Mathematics”相关仓库。
• YouTube Series（视频系列）
  ：经典频道包括 3Blue1Brown（可视化数学神作）、Numberphile、Professor Leonard的微积分系列等。这些视频以直观动画和讲解闻名，非常适合自学者。
• Tools（工具）
  ：在线计算器如Desmos（函数绘图神器）、Symbolab、Wolfram Alpha；开源软件如SymPy（Python符号计算）、SageMath、GeoGebra；还有Maxima等。
• Questions & Answers
  ：Mathematics Stack Exchange（数学栈交换）、MathOverflow（研究级问答）。
• Encyclopedia（百科）
  ：Wolfram MathWorld、Encyclopedia of Mathematics、OEIS（整数序列在线百科）。
• Books（书籍）
  ：免费开源教材，如Wikibooks、Paul’s Online Math Notes等。
• Magazines & Blogs（杂志与博客）
  ：Quanta Magazine（科普佳作）、3Blue1Brown博客、BetterExplained等。
• Meetings & Misc
  ：数学会议、竞赛相关，以及混杂资源如凸优化书籍。

这些通用资源是入门和日常学习的“工具箱”，特别推荐3Blue1Brown和Desmos作为可视化学习的起点。

2. Branches of Mathematics（数学分支）

这是仓库的核心，按数学领域细分，每个子领域通常标注资源类型（📖书籍、🎥视频、📝讲义/幻灯片），并优先列出高质量免费或开源材料。

主要分支包括：

• Foundations of Mathematics（数学基础）

• 证明入门（Transition to Pure Math）：经典如《Book of Proof》（Hammack）、《How to Prove It》（Velleman）。
• 集合论、逻辑、范畴论（Category Theory，如Awodey的入门书）、类型论、HoTT（同伦类型论）等。这部分帮助从“计算数学”转向“严谨证明数学”。

• Number Theory（数论）包括一般数论、代数数论、解析数论。推荐资源有William Stein的计算数论、Milne的讲义等。

• Algebra（代数）抽象代数、群论、线性代数（强烈推荐Gilbert Strang的课程或Axler的《Linear Algebra Done Right》）、环论、Galois理论、李代数等。线性代数是许多分支的基础，仓库列出了多本优秀开源教材。

• Combinatorics（组合数学）一般组合、图论（Graph Theory，如Reinhard Diestel的图论教材，有免费电子版）。

• Geometry and Topology（几何与拓扑）微分几何、代数几何（Vakil的《Foundations of Algebraic Geometry》）、拓扑、代数拓扑（Hatcher的经典教材）。还包括应用拓扑等新兴交叉领域。

• Analysis（分析）实分析、复分析、调和分析、泛函分析、测度论、常微分/偏微分方程（ODE/PDE）、混沌理论等。Terence Tao的测度论讲义等是高质量选择。

• Probability and Statistics（概率与统计）概率论、统计学习（《Introduction to Statistical Learning》ISL和《Elements of Statistical Learning》ESL，被广泛用于数据科学）、随机过程等。

• 其他应用分支：数值分析（Numerical Analysis）、信号处理、计算机科学中的数学（离散数学、信息论）、数学生物学、数学物理等。

仓库还专门收集了学生讲义（Student Lecture Notes），例如Evan Chen（MIT/Olympiad背景）和Dexter Chua（Harvard）的详细笔记，这些往往比正式教材更易读且包含习题解答思路。

为什么这个仓库特别有价值？

• 全面性
  ：从高中水平过渡到研究生/研究级内容都有覆盖。
• 实用性
  ：优先免费资源，并明确标注付费内容；链接多为直接可访问的PDF、在线书籍或视频。
• 社区驱动
  ：通过Pull Requests持续更新，最近还添加了通用拓扑相关内容。
• 学习路径友好
  ：你可以根据自己的水平和兴趣，从General Resources开始，再深入具体分支。

推荐使用方式：

1. 新手：先看3Blue1Brown视频 + Khan Academy + Desmos练习。
2. 想学严谨数学：从《How to Prove It》或《Book of Proof》开始，进入证明世界。
3. 特定领域：直接跳到对应分支，优先看开源讲义（如Milne系列在代数/数论领域很受欢迎）。
4. 工具党：SymPy + SageMath + Wolfram Alpha组合拳。

仓库地址：https://github.com/rossant/awesome-math