一、从一份“结果全部对上”的数值实验开始

我第一次觉得数学不是把数算对，是在西安一个工程仿真项目的方案评审会上。那天我交上去一份改了六版的报告，收敛曲线画得漂亮，误差阶也标得清清楚楚，和文献的对照表做得比谁都体面。带我的老师看完只问了三句：你这个“二阶收敛”是在哪个网格尺度区间里拟合出来的——渐近区还没到就拟合，斜率再好看也是假的；你现在用的这个范数，是L²还是H¹——换一种范数，你这个“误差下降一个量级”还成立吗？你今天这三组对比是同一个初值、同一个边界、同一个停机准则算出来的——你把重复性当成鲁棒性了，换一个右端项、把网格歪一下，你还有这个把握吗？

我一个都答不上来。回去翻《数学分析》和《数值分析》才明白，问题不在曲线好不好看，而在范数口径、渐近区间、验证方案这三个东西没有对齐。同一个算法，换一种对误差的定义，换一组测试问题，结论本来就不该一样。从那天起我不再只追“算出来”这三个字，我开始问自己：这个结论是在什么空间、什么范数、什么假设下成立的，前提写出来了吗。

决定考研并不戏剧化。本科读了几年数学或信计，越读越觉得自己的理解是散的：定理证明背得熟练，却说不出同一个结论换个拓扑条件为什么就不成立；代码写得顺手，却讲不清少一次稳定性分析会偏到哪里去。实习时每天跑程序、出图、写报告、做汇报PPT，工作不苦，心里却空了一块——我在经手很多张图和很多个数字，没有一件是从定义出发走到严格证明再走到数值验证真正闭环的。于是我回到书桌前，把《数学分析》《高等代数》《解析几何》重新摊开，从最慢的地方开始推。

最难的不是累，是反复的自我怀疑。ε-δ绕了三遍还是串不上线，换一个收敛性判据全图就乱，英语阅读错得让人想撕卷子。有段时间我每天算进度，越算越慌。后来我不算了，只给自己定一件很小的事：今天把“为什么一致连续比连续强”用自己的话讲清楚，明天把秩的几个等价刻画不看书画一遍，后天把级数收敛的几个判别法不看书写一遍。日子就是这样一天天过出来的。十二月走进考场时我已经不太紧张，该错的早就错完了，剩下的只是把会写的写完。

二、这个名字，最容易搞混的一类

“数学”是理学门类下的一级学科，代码070100，在长安大学它由理学院招生培养。 这正是它最容易让人买错书的地方——它下面挂着好几个听起来像独立专业的二级学科方向，旁边还并着名字很像的其他学科。请先花半天把下面几件事查清楚。

• 学硕路径（本篇主线）：数学（070100），学术型硕士，由理学院招生培养；学科涵盖基础数学、计算数学、应用数学、概率论与数理统计、运筹学与控制论等方向，实际研究方向常落在非线性分析与偏微分方程、代数编码与密码、稀疏优化与动力系统、偏微分方程数值解与高性能计算、统计建模与数据挖掘、交通与地学数据的统计方法等；具体方向设置、导师归属与拟招人数以当年目录为准；该院另有力学（080100）一级学科硕士点、统计学相关学位点，以及土木工程下的计算结构力学博士点等；

• 最容易混淆的四条路：①统计学（071400）——理学门类下独立一级学科，初试科目可能与数学不同（个别年份由其他学院招生），别想当然地借资料；②应用统计（025200）专硕——走经济与管理路线，考统计学综合，和070100完全是两套体系；③信息与通信工程、计算机科学与技术、控制科学与工程、软件工程、人工智能（081000/081200/081100/083500/085410等）——都大量用数学，但门类不同、初试科目各走各的路；④力学（080100）、交通运输工程、土木水利里的计算力学与数值模拟方向——研究内容高度重叠，专业课却是材料力学、理论力学或信号与系统。名字都沾“数”沾“算”，初试科目完全不同；

• 不考数学三，但考的是真正的数学专业基础课：初试业务课为609数学分析与842高等代数（各150分），外加101思想政治理论和201英语一（部分年份允许选考202俄语或203日语，以当年目录为准）。这两门课题量大、覆盖面广，跨考生和工科背景考生最容易在这里吃亏；

• 分数线与录取逻辑自成体系：数学执行理学国家线附近的自划线，近年复试线大致在三百一十几到三百二十几分区间波动（如2026年为311分），单科执行A区国家线，专业课另有校内合格线；历年最低录取分、报录比对其他专业基本没有参考价值，别拿工科的分数去估数学。

所以这一版我不列死板的清单。请直接去长安大学研究生院官网下载当年的招生简章、专业目录、考试大纲和复试细则，逐字核对专业代码、初试科目代码（609/842是否仍沿用）、参考书版次、学习方式、拟招人数与所在学院（理学院）。我见过最可惜的情况是：有人按工科经验复习了半年高数和线代，结果目标年份考的是数学专业水平的数学分析与高等代数；也有人冲着“数据”报了人工智能或应用统计，复习到十月才发现专业课完全不同；还有人没看清是070100还是071400还是085400，等到资格审查才发现不对。

另外要提醒一点：长安大学数学的底色在理学院，议题常与交通运输建模、地质与遥感数据分析、结构损伤识别、图像处理与高性能计算、传染病动力学与复杂系统、稀疏优化与机器学习等交织，并且和学校公路交通、国土资源、城乡建设的行业背景有真实交集。如果你心里想的是纯数论与代数几何、纯金融数学、纯算法工程或纯大模型开发，一定要提前去看导师近三年的论文和课题，并想清楚自己要的是证明、是算法还是建模。

三、公共课：这一行英语和政治都是命门

因为两门专业课已经拉满难度，英语和政治往往是决定你能不能过线的关键。 而且政治对复试和专业思维也有隐性加分，别浪费。

英语一我做得很笨（若允许选考俄语、日语请按当年目录准备）。单词从三月背到考前，一天不落。阅读每天精读一篇，每篇都要能复述作者的论证链条。我专门记数学与计算类文章里反复出现的词：convergence、stability、existence、uniqueness、asymptotic、estimate、approximation、algorithm、complexity、robustness。写作不背模板，自己搭框架，改到看不出痕迹。外文文献读多了，对阅读和专业课是双向加分——而且复试大概率会被问到英文文献，尤其是你读过的那几篇论文的术语和记号。

政治我从春天开始看，每天一小时。我把每个专题往专业上靠：讲到新质生产力与高质量发展，就去想算力、算法与数据要素背后的数学瓶颈、为什么产业升级的难点常在基础软件与数值内核；讲到统筹发展和安全，就去琢磨密码与编码理论的数学基础、风险模型的尾部估计与不确定性量化；讲到数字中国，就想大数据治理中的统计推断、隐私保护与数据共享的边界、算力对大规模科学计算的支撑；讲到双碳与生态文明，就去想气候与水文模型的参数反演、优化与调度在能源系统中的应用；讲到西部大开发与交通强国，就想路网流量建模、时空数据统计、基础设施寿命预测的不确定性。选择题靠回顾错题，大题靠动手写结构。这些思考在复试面试里很管用。

四、专业课：三种能力，缺哪种补哪种

第一种是“定义—定理—条件”的定位能力。 我给每一个结论固化成五要素：在哪个空间里、用什么范数或拓扑、需要什么假设（有界、紧、凸、光滑、可积）、结论的强度是什么（存在/唯一/稳定/收敛速率）、哪个条件去掉会反例。平庸的答案是“该格式收敛”；有分的答案是“该格式在解充分光滑且时间步长与空间步长满足给定稳定性条件时，于L²范数下具有一阶时间精度与二阶空间精度；若解仅有低正则性或区域非凸，则需改用弱形式与适配网格，否则理论阶无法在数值上体现，故必须同时给出正则性假设、CFL型条件与网格收敛性验证”。我在笔记本上给每个定理都配了一个“边界档案”：它解决了什么旧问题、牺牲了什么现实细节、实务中最容易被滥用的环节在哪。

第二种是推导与计算的执行能力。 这是数学和工科最大的不同：光“知道方法”不够，必须能把证明链条完整复现，还能算得准、算得快。我把每一块固化成一套动作：数学分析先定确界与极限再谈连续、可导、可积、一致收敛，且每一步都要能举出反例说明条件不可省；高等代数先定线性相关与秩再谈方程组结构、特征值与相似、二次型与正定、欧氏空间与正交化，且必须分清“定义—性质—判定”三层；解析几何要把坐标变换与不变量串起来；概率统计要把模型、估计量、无偏性与一致性、置信区间与假设检验串起来，且必须交代适用条件。我每天练两小时手写输出，限时，要求符号、下标、量纲全部对齐，证明不留跳步。专门练两道：“为什么这个定理的条件一条都不能省”“为什么理论上收敛的算法，上机后发散”。

第三种是把现场问题翻译成数学语言的能力。 这是我的对照表：收敛对应范数与速率，而非只看曲线往下掉；稳定对应扰动可控，而非只看一次跑通；最优对应目标函数与约束的明确界定，而非只看某个数更小；拟合对应残差结构与过拟合风险，而非只看R²；模型对应假设检验与适用范围，而非只看公式漂亮；数据对应采样机制与偏差来源，而非只看样本量；算法对应复杂度与数值稳定性，而非只看跑得动。每一条我都要求自己写出：依据在哪、有没有排除替代解释、结论对哪个参数最敏感、什么条件下反转。这样练下来，考场上任何新材料都能接住。

有几个地方是真的白丢分，值得再说一遍：跳步导致逻辑断裂、把必要条件当充分条件、把特例当一般、把数值现象当理论结论，是最常见的毛病；证明只有思路没有细节、只有细节没有条件交代、只有条件没有反例意识，三类缺陷必丢一类分；符号前后不一致、下标越界、极限与积分交换次序不验证一致收敛、矩阵乘法不可交换却照搬数的运算律、行列式与矩阵混写、除以可能为零的量不讨论、量纲与单位混乱、图上坐标轴无单位、算出的概率大于1或范数为负却不警觉，都必须当场警觉。每题最后留一行做合理性检验，这一行救过我至少十分。

五、复试也要提前准备

数学方向的复试通常含专业课笔试与综合面试，笔试科目和参考教材以当年复试细则为准（往年曾考查概率论与计算方法/数值分析相关内容，满分100分；面试环节另含专业综合能力测试与外国语测试）。面试常见流程是自我介绍＋中文专业提问＋英文问答，老师往往会顺着你的自我介绍、课程成绩和阅读经历往下追问——所以写在简历上的每一门课、每一个你声称熟悉的定理、每一段你做过的项目，都必须能展开讲十分钟并能接住反驳（尤其要准备好“你最熟悉的一个定理，它的条件能不能减弱”，这个问题最容易暴露你是真懂还是只会背）。英文问答提前打磨几段完整表达，流畅度优先。建议准备一段自己推导过的内容（一个定理或一个算法的完整论证），做到有前提、有步骤、有边界。

六、要不要报班

没有标准答案，只有适不适合。适合自学的画像很清楚：本科数学与应用数学、信息与计算科学、统计学对口，数理基础扎实，能自己去官网核对清楚目录大纲与版次，坐得住冷板凳啃证明，手里有过一段真实的推导或编程经历。不适合的画像也很清楚：跨专业、二战、在职，或者到现在还没确认自己报的是070100还是071400还是085400、在哪个学院招生、两门业务课今年叫什么名字和代码、参考书换了第几版、今年大纲有没有微调。后者硬扛的成本往往是一整年时间，而这个方向的大纲和书目近年确实在调整。

我当年在新祥旭考研报的是全科定制辅导，对我最值的部分是前期定方向和核信息。老师帮我把几条路径的差异、初试科目、参考书版次、导师分支逐条对齐，再排双线复习表和三轮模考表，全程有人盯着节奏，不会让我在数学分析上耗掉全部精力而把高等代数拖到十一月。现在我自己也在新祥旭考研担任理科方向的专业课辅导老师，带的是一对一辅导。我会先看你的基础和可用时间，帮你把目标院校和专业定准，再把计划拆到每周每天，陪你推公式、改方案、模拟面试。备考长安大学数学，或同校的力学、统计学、信息与通信工程、计算机科学与技术、控制科学与工程、软件工程、人工智能的同学，都可以来找我聊聊。我能给的只是一条少走弯路的路。

文中涉及的专业代码、研究方向、初试科目与代码、考试大纲、参考书目版次、招生计划、复试办法与权重、历年分数线等，请以长安大学研究生院及理学院当年公布的官方文件为准；本文提及的方向与师资情况仅供参考，可能存在变动。