数学
-
数值计算方法罗贤兵本书主要内容包括线性方程组的数值解法、非线性方程求根、多项式插值、**逼近、数值积分与微分、常微分方程初边值问题的数值方法、矩阵特征值问题的数值方法.除了以上基本内容,本书还介绍了当前广泛应用于实际问题的快速傅里叶变换、神经网络方法和随机模拟方法.读者通过对本书的学习和讨论,可以掌握设计数值算法的基本方法,为在计算机上解决科学问题打好基础. -
概率论与数理统计王磊,欧阳异能,马志辉本书根据 高等学校大学数学课程教学指导委员会制定的“大学数学课程教学基本要求”及 考试中心制定的“全国硕士研究生招生考试数学考试大纲”编写而成。全书共八章,其中前五章为概率论部分,后三章为数理统计部分。每节配有习题,每章结束对知识结构梳理,并配有综合练习题和习题参考答案,部分章含往届研究生招生考试试题。知识结构梳理和习题参考答案均以二维码的形式呈现。本书可作为高等院校理工类、经管类、农林类专业本科生的教材,也可作为研究生招生考试的参考书。 -
高等数学李燕,李佳教材分 册和第二册,本书为第二册,主要内容包括:常微分方程、多元函数微积分简介、级数、矩阵与线性方程组、数学建模等五个部分。每个部分为相对独立的一章。节后配有随堂练习与习题,随堂练习用于学生课堂练习,让学生多角度理解概念和前后知识的关联,习题用于学生课外作业。章后的“总结·拓展”是对本章的总结与典型习题的拓展,复习题用于学生对本章所学内容查漏补缺。 -
线性代数杜洪艳,张馨元本书是根据高等教育本科“线性代数”课程的教学基本要求,结合编者多年的教学经验编写而成的。全书共7章,主要内容包括行列式、矩阵及其运算、矩阵的初等变换与线性方程组、向量的线性关系、矩阵的特征值、二次型、线性空间与线性变换等。各章均配有典型例题及习题,书末附有习题参考答案。本书注重渗透数学思想方法,适当降低理论推导难度,在内容选择上突出精选够用,在语言表达上力求通俗易懂、深入浅出。本书可作为普通高等院校非数学专业“线性代数”课程的教材,也可作为科技工作者的参考书。 -
数值分析周爱辉本书介绍一些典型的数值方法及其数学机理,内容包括:逼近论基础、数值积分、常微分方程数值解、线性系统与非线性系统的迭代法、矩阵特征值问题的数值方法等。同时,本书还介绍了一些典型数值方法的 发展和数值分析的 成果。本书可作为数学学科及计算科学与工程专业的教科书或参考书。 -
离散数学解题指导贲可荣,袁景凌,谢茜本书是根据高等学校计算机教育系列教材《离散数学(第3版)》(主教材)编写的配套指导用书。全书分为10章,每章包含内容提要、例题精选、应用案例、习题解答、编程答案5部分。内容提要简述本章的主要定义、定理和重要公式等;例题精选包括一些典型题目及其详细的分析解答;应用案例阐明相应章节的知识可以解决什么样的典型应用问题;习题解答包含与主教材配套的章后习题及答案;编程答案是第3版新增的内容。本书既可以作为主教材的配套教学用书,也可以单独使用,为学习离散数学的读者在解题能力和技巧训练方面提供有益帮助。 -
课本中的数学家王震学,刘钰莎 著,王震学,刘钰莎 编本书选取了毕达哥拉斯、欧几里得、塔尔塔利亚、韦达、纳皮尔等19位数学家,讲述他们的生平经历、主要贡献(学说)以及对他的学说对后世的影响等,旨在丰富学生视界,拓宽知识面,将抽象的学说具象化、生动化,激发学习兴趣,提升学习能力。 -
新的、更新的、最新的不等式蒂图安德雷斯库本书研究了不等式理论中约束优化的强大方法和推广,点介绍了- 些经典的和新的不等式 ,包括证明不等式的简单技巧、AbeI不等式、数学归纳法、Newton不等式和Maclaurin不等式、 Blundon不等式、 混合变量法、强混合变量法、Lagrange乘数法等相关内容。 本书还专门讨论了所提出的问题,问题分为初级问题和高级问题,并给出了初级问题的解答和高级问题的解答,其中每个问题至少给出一种完整的解法,有的问题还给出了多种解答。本书适合大众师生及数学爱好者参考使用。 -
金融优化方法Gérard Cornuéjols优化方法在金融建模中发挥着核心作用。本书致力于介绍如何应用当前最先进的优化理论、算法和软件来有效地解决金融中的实际问题,讨论了一些经典的金融优化模型,如均值方差投资组合模型,同时也增添了诸如最佳交易执行模型、带交易成本和税费的动态投资组合模型等一些该领域更前沿的成果。本书的各章节交替地讨论优化理论以及如何将这些理论应用在一些金融核心问题的建模和求解中。对于具有数学、运筹学或金融工程背景的学生和从业者,本书力图兼顾实用性与趣味性。第二版还添加了很多全新的范例和习题,以及对均值方差优化、多阶段模型等相关主题的更详细的讨论。 -
数据科学中的数学方法任景莉,王海燕数据科学是建立在数学之上的。在本书中,我们将涵盖数据科学中广泛使用的数学工具,包括微积分、线性代数、优化、网络分析、概率和微分方程。特别地,本书介绍了一种基于网络分析的新方法,将大数据集成到常微分方程和偏微分方程的框架中进行数据分析和预测。本书中,我们把数学与数据科学中出现的示例和问题相结合,并展示高等数学,特别是数据驱动的微分方程在数据科学中的应用。
