數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ)

第1章　線性代數(shù)基礎(chǔ)\t1
1．1　行列式　1
1．1．1　行列式的概念　1
1．1．2　行列式的性質(zhì)　4
1．1．3　行列式的計算　5
1．1．4　克拉默法則　6
1．2　矩陣　9
1．2．1　矩陣的概念　9
1．2．2　矩陣的運算　11
1．2．3　逆矩陣　17
1．2．4　矩陣分塊　20
1．2．5　矩陣的初等變換　23
1．2．6　矩陣的秩　28
1．3　線性方程組　29
1．3．1　高斯消元法　30
1．3．2　向量組的線性相關(guān)性　33
1．3．3　向量組的秩　37
1．3．4　向量空間　40
1．3．5　線性方程組解的結(jié)構(gòu)　42
1．4　相似矩陣與二次型　45
1．4．1　正交矩陣　45
1．4．2　矩陣的特征值與特征向量　48
1．4．3　相似矩陣　51
1．4．4　二次型　52
1．5　應(yīng)用實例　61
1．5．1　Python簡介　61
1．5．2　背景與問題　64
1．5．3　模型與求解　65
1．5．4　Python實現(xiàn)　67
習(xí)題1　71
第2章　線性空間與線性變換　72
2．1　線性空間　72
2．1．1　線性空間的概念　72
2．1．2　線性空間的基、維數(shù)及向量的坐標(biāo)　74
2．1．3　基變換與坐標(biāo)變換　78
2．2　線性子空間　80
2．2．1　子空間的概念　80
2．2．2　子空間的交、和與直和　82
2．3　線性變換　85
2．3．1　線性變換的概念及其性質(zhì)　86
2．3．2　線性變換的運算　88
2．3．3　線性變換的矩陣　89
2．3．4　線性變換的對角化　91
2．3．5　線性變換的不變子空間　94
2．3．6　線性變換的若當(dāng)標(biāo)準(zhǔn)型　96
2．4　內(nèi)積空間　101
2．4．1　內(nèi)積空間的概念　102
2．4．2　向量的度量　103
2．4．3　標(biāo)準(zhǔn)正交基　104
2．4．4　子空間的正交補(bǔ)空間　107
2．5　應(yīng)用實例　108
2．5．1　背景與問題　108
2．5．2　模型與求解　109
2．5．3　Python實現(xiàn)　110
習(xí)題2　111
第3章　向量與矩陣范數(shù)　112
3．1　向量范數(shù)　112
3．1．1　向量范數(shù)的概念　112
3．1．2　向量范數(shù)的連續(xù)性和等價性　114
3．1．3　向量序列的收斂性　115
3．2　矩陣范數(shù)　116
3．2．1　矩陣范數(shù)的概念　116
3．2．2　矩陣的誘導(dǎo)范數(shù)　117
3．2．3　矩陣序列的收斂性　120
3．3　矩陣的譜半徑　122
3．4　應(yīng)用實例　125
3．4．1　向量范數(shù)的計算　125
3．4．2　矩陣范數(shù)的計算　126
習(xí)題3　127
第4章　矩陣分解　128
4．1　矩陣的滿秩分解　128
4．2　矩陣的LU分解　129
4．3　矩陣的舒爾分解　138
4．4　正規(guī)矩陣及其譜分解　140
4．5　矩陣的奇異值分解　145
4．5．1　求矛盾線性方程組的最小二乘解　149
4．5．2　求矩陣的值空間和零空間　151
4．6　應(yīng)用實例　152
4．6．1　背景與問題　152
4．6．2　模型與求解　152
4．6．3　Python實現(xiàn)　153
習(xí)題4　157
第5章　概率統(tǒng)計基礎(chǔ)　158
5．1　隨機(jī)事件和概率　158
5．1．1　隨機(jī)事件的概念　158
5．1．2　隨機(jī)事件的概率　160
5．1．3　條件概率　164
5．1．4　全概率公式和貝葉斯公式　165
5．1．5　事件的獨立性　166
5．2　隨機(jī)變量及其分布　168
5．2．1　隨機(jī)變量及其分布函數(shù)　168
5．2．2　離散型隨機(jī)變量及其分布律　169
5．2．3　連續(xù)型隨機(jī)變量及其概率密度　170
5．2．4　隨機(jī)變量的函數(shù)的分布　170
5．2．5　常用的隨機(jī)變量　171
5．3　多維隨機(jī)變量及其分布　173
5．3．1　n維隨機(jī)變量及其聯(lián)合分布　173
5．3．2　邊緣分布　175
5．3．3　條件分布　178
5．3．4　隨機(jī)變量的獨立性　179
5．3．5　n維隨機(jī)變量的函數(shù)的分布　180
5．4　隨機(jī)變量的數(shù)字特征　182
5．4．1　數(shù)學(xué)期望　182
5．4．2　方差　183
5．4．3　協(xié)方差與相關(guān)系數(shù)　184
5．4．4　矩和協(xié)方差矩陣　185
5．5　大數(shù)定律和中心極限定理　186
5．5．1　大數(shù)定律　186
5．5．2　中心極限定理　187
5．6　統(tǒng)計量與參數(shù)的點估計　188
5．6．1　統(tǒng)計量的概念　188
5．6．2　統(tǒng)計量的分布　190
5．6．3　參數(shù)的矩估計法　192
5．6．4　參數(shù)的最大似然估計法　193
5．6．5　估計量的評選標(biāo)準(zhǔn)　196
5．7　應(yīng)用實例　197
5．7．1　背景與問題　197
5．7．2　模型與求解　197
5．7．3　Python實現(xiàn)　199
習(xí)題5　202
第6章　隨機(jī)過程　203
6．1　隨機(jī)過程的概念　203
6．1．1　隨機(jī)過程的定義　203
6．1．2　隨機(jī)過程的分類　204
6．2　隨機(jī)過程的統(tǒng)計描述　205
6．2．1　隨機(jī)過程的分布函數(shù)族　205
6．2．2　隨機(jī)過程的數(shù)字特征　207
*6．2．3　多維隨機(jī)過程的聯(lián)合
分布和數(shù)字特征　210
6．3　泊松過程和維納過程　212
6．3．1　獨立增量過程　212
6．3．2　泊松過程　213
6．3．3　維納過程　215
6．4　馬爾可夫過程　216
6．4．1　馬爾可夫過程的概念　216
6．4．2　多步轉(zhuǎn)移概率的確定　221
6．4．3　遍歷性與極限分布　224
6．5　應(yīng)用實例　227
6．5．1　背景與問題　227
6．5．2　模型與求解　227
6．5．3　Python實現(xiàn)　228
習(xí)題6　229
第7章　最優(yōu)化基礎(chǔ)　230
7．1　多元函數(shù)分析　230
7．1．1　開集、閉集　230
7．1．2　梯度　231
7．1．3　方向?qū)?shù)　235
7．1．4　泰勒展開式　238
7．1．5　微積分中的最優(yōu)化方法　239
7．2　最優(yōu)化問題的基本概念　242
7．2．1　最優(yōu)化問題的數(shù)學(xué)模型　242
7．2．2　最優(yōu)化問題的解　242
7．2．3　最優(yōu)化問題的分類　243
7．3　最優(yōu)化問題的下降算法　244
7．3．1　可行點列的產(chǎn)生　244
7．3．2　算法的迭代步驟　245
7．3．3　算法的終止準(zhǔn)則　245
7．3．4　算法的收斂性　245
7．4　凸集與凸函數(shù)　246
7．4．1　凸集　246
7．4．2　凸函數(shù)　249
7．5　凸規(guī)劃　253
7．6　應(yīng)用實例　255
7．6．1　背景與問題　255
7．6．2　模型與求解　255
7．6．3　Python實現(xiàn)　256
習(xí)題7　257
第8章　線性規(guī)劃　258
8．1　線性規(guī)劃的基本概念和定理　258
8．1．1　線性規(guī)劃問題的標(biāo)準(zhǔn)形式　258
8．1．2　線性規(guī)劃問題的解　260
8．1．3　線性規(guī)劃的基本定理　262
8．2　線性規(guī)劃的單純形法　265
8．2．1　單純形法的基本思想　265
8．2．2　單純形表　273
8．2．3　大M法和兩階段法　277
8．3　線性規(guī)劃的對偶問題與
對偶單純形法　281
8．3．1　對偶問題的概念和關(guān)系　281
8．3．2　對偶理論　284
8．3．3　線性規(guī)劃的對偶單純形法　286
*8．4　靈敏度分析　289
8．4．1　價值系數(shù)的變化　289
8．4．2　資源限制系數(shù)的變化　291
8．5　應(yīng)用實例　292
8．5．1　背景與問題　292
8．5．2　模型與求解　292
8．5．3　Python實現(xiàn)　293
習(xí)題8　294
第9章　常用無約束最優(yōu)化方法　296
9．1　一維搜索的最優(yōu)化方法　296
9．1．1　最優(yōu)步長的確定　296
9．1．2　搜索區(qū)間的確定　297
9．1．3　黃金分割法　299
9．1．4　拋物線插值法　301
9．1．5　對分法　304
9．2　最速下降法　305
9．2．1　最速下降法的基本原理　305
9．2．2　最速下降法的迭代步驟　306
9．3　牛頓法　308
9．3．1　牛頓法的基本原理　308
9．3．2　牛頓法的迭代步驟　309
9．3．3　修正牛頓法　310
9．3．4　擬牛頓法　310
9．4　共軛梯度法　315
9．4．1　共軛方向法　315
9．4．2　共軛梯度法　317
9．5　最小二乘法　319
9．5．1　線性最小二乘問題　319
9．5．2　非線性最小二乘問題　320
9．6　應(yīng)用實例　322
9．6．1　背景與問題　322
9．6．2　模型與求解　323
9．6．3　Python實現(xiàn)　324
習(xí)題9　326
第10章　常用約束最優(yōu)化方法　327
10．1　約束最優(yōu)化問題的最優(yōu)性條件　327
10．1．1　等式約束最優(yōu)化問題的
最優(yōu)性條件　328
10．1．2　一般約束最優(yōu)化問題的
最優(yōu)性條件　328
10．2　罰函數(shù)法與乘子法　331
10．2．1　外點罰函數(shù)法　331
10．2．2　內(nèi)點罰函數(shù)法　334
10．2．3　乘子法　336
10．3　應(yīng)用實例　342
10．3．1　背景與問題　342
10．3．2　模型與求解　342
10．3．3　Python實現(xiàn)　343
習(xí)題10　345
第11章　綜合案例　347
11．1　基于HMM的中文分詞　347
11．1．1　背景與問題　347
11．1．2　模型與求解　347
11．1．3　Python實現(xiàn)　351
11．2　協(xié)同過濾　357
11．2．1　背景與問題　357
11．2．2　模型與求解　357
11．2．3　Python實現(xiàn)　358
參考文獻(xiàn)　368