精选观看路线 · 10 个视频
用 10 个可视化视频建立数学直觉
先看图，再看公式。路线从向量和变化率起步，经过复数、曲线与频域，最后把概率和信息编码接进来。每一段都在为下一段准备直觉。
适合谁
适合写代码、做设计、学习机器学习或靠自学补数学的人。重点不是刷题，而是弄清这些概念在空间、运动、信号和信息中究竟表示什么。
开始前
不要求学过数学证明。建议边看边画图，遇到关键动画时暂停复述。部分视频来自系列课程，这里把它们作为概念入口，不替代完整教材。
这条数学直觉路线怎么选
顺序按概念依赖排列：向量和微积分提供几何语言，复数与曲线把它用于旋转和形状；接着用三个视频逐步进入傅里叶分析，最后用贝叶斯推断和汉明码连接概率与信息。
本站根据主题相关性、学习顺序、长期有效性和 Hacker News 正向推荐记录，对 2026年10月31日的数据快照做了独立整理。视频标题、摘要、难度和标签来自公开数据，部分内容由模型生成，可能有误。这里给出的是源数据的编辑顺序，不代表本站逐部完整审看。完整口径见数据来源与限制；发现不符或视频失效，可到联系页反馈。
这条路线要串起什么
向量、变化率、频率、概率和信息在这里都会回到图像与实际问题。公式仍然重要，但不再是唯一入口。
建议怎么学
- 遇到动画时先暂停，自己画出对象和变化方向；能复述图在表达什么，再继续看公式。
- 傅里叶部分按三集顺序观看。概率和纠错码可以另做笔记，不必一次把整条路线看完。
10 个视频，按概念依赖来学
-
↗系列课程 · 入门
Vectors | Chapter 1, Essence of linear algebra
先把向量当成空间中的方向和位移，而不是一列数字；这是后面理解线性代数和图形的共同语言。
17 位 HN 用户给出正向推荐，分布在 18 个不同月份
-
↗
-
↗系列课程 · 入门
Imaginary Numbers Are Real [Part 1: Introduction]
把虚数放进复平面，理解它为何是数系的自然扩展，也为旋转与频域表示做准备。
7 位 HN 用户给出正向推荐，分布在 7 个不同月份
-
↗讲解 · 入门
The Beauty of Bézier Curves
看到向量和插值如何变成 Bézier 曲线，并落到字体、动画和计算机图形这些具体场景。
16 位 HN 用户给出正向推荐，分布在 13 个不同月份
-
↗讲解 · 中级
The Continuity of Splines
沿着 Bézier 曲线继续讨论导数、连续性和样条，理解“平滑”究竟需要满足哪些条件。
10 位 HN 用户给出正向推荐，分布在 11 个不同月份
-
↗讲解 · 入门
But what is a Fourier series? From heat flow to drawing with circles | DE4
从热传导和旋转圆出发，看函数如何被拆成不同频率的波，建立傅里叶级数的第一层直觉。
4 位 HN 用户给出正向推荐，分布在 4 个不同月份
-
↗讲解 · 入门
But what is the Fourier Transform? A visual introduction.
把傅里叶级数推广到一般信号，读懂时域与频域之间的对应关系。
16 位 HN 用户给出正向推荐，分布在 15 个不同月份
-
↗讲解 · 中级
The Fast Fourier Transform (FFT): Most Ingenious Algorithm Ever?
再看 FFT 如何利用结构减少计算量，并连接卷积、多项式乘法与实际算法。
7 位 HN 用户给出正向推荐，分布在 8 个不同月份
-
↗讲解 · 入门
The medical test paradox, and redesigning Bayes' rule
用医学检测中的基础率陷阱理解贝叶斯更新，修正常见的概率直觉偏差。
4 位 HN 用户给出正向推荐，分布在 4 个不同月份
-
↗讲解 · 入门
But what are Hamming codes? The origin of error correction
从奇偶校验一步步走到汉明码，看冗余信息怎样帮助系统发现并纠正错误。
4 位 HN 用户给出正向推荐，分布在 4 个不同月份
学完后，自己试一次
画图验算：向量如何变换
从向量一节出发，结合 3Blue1Brown 的线性变换讲义做一次纸笔练习。需要会算二维坐标的加法和数乘。
- 设 T(x, y) = (x + 2y, y)。先画出基向量 (1, 0)、(0, 1) 变换后的位置，再据此预测向量 (2, −1) 的结果。另设 S(x, y) = (x + 1, y)，它是否也是线性变换？先看原点会被送到哪里。
- 不看下面的答案，先把推导过程写下来。
展开答案与检查方法
两个基向量分别变成 (1, 0) 和 (2, 1)，所以 T(2, −1) = 2(1, 0) − (2, 1) = (0, −1)。T 保持向量加法与数乘。S 则把原点移到 (1, 0)，因此不是线性变换。能画出这两种变化，再继续看矩阵表示。
回到向量视频 · 阅读 3Blue1Brown 的线性变换讲义 ↗
本站编写的学习练习，依据所链文档核对；不是讲者原题或逐段审看笔记。核验于 。