# Math **Repository Path**: easy-math/Math ## Basic Information - **Project Name**: Math - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2020-11-07 - **Last Updated**: 2025-01-05 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # Math ## 先挖个坑 市面上的高数课程大都面向考研，应试和算术技巧偏多。 由于本人的工作关系，于是打算结合自己的学习心得，写个适合前端入门的高数系列。想学明白机器学习或者大数据相关领域，高数是必须迈过的坎，而数学又是个环环相扣的知识体系，需要打扎实每一步基础。 本系列打算先由 JavaScript 的 Math 库展开，先讲一下上面所有方法和常量实现，然后是 JS 里没有 Python 里有的比如复数。再逐步引出线性代数、集合论、解析几何、概率统计这几个在机器学习、动画应用较多的分支。受群友建议，计划再补一点牛顿经典力学。 由于 JS 语言的擅长方向并不是数学研究，为了便于演示，我会使用 Python 的专业数学库 [SymPy](https://www.sympy.org/) 来成文。不过不用担心，这里不会使用 Python 里深奥的语法，且都尽量附上 JS 的实现。比起更复杂的高数，学习 Python 并不会占用你半天以上的精力。 本系列最希望讲清的是数学的定义和推导过程。不会着重算法工程优化和 V8 具体实现，这方面可以去看专业的计算机数值计算相关书籍或 V8 源码。 由于个人水平非常有限，说错的地方请多多指教并提 issue 和 PR。由于坑实在挖得太大，也非常希望有兴趣的朋友一起加入协作，欢迎投稿或 PR，并将以[CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/deed.zh) 署名协议进行发布。 ## 使用 * 如果你仅仅是阅读，可以直接在线阅读 * 如果你有使用过 Python，应该会了解 [Jupyter](https://jupyter.org/)，可以 [clone](https://github.com/haozi/Math) 并使用 `jupyter lab docs` 启动本文档 * 如果你不想折腾 Python 环境，可以直接使用 `npm run docker` 命令，启动已经封装好的环境（首次启动将拉取镜像） ## 常量 * Math.E [自然常数 e](https://math.haozi.me/E.html) * Math.PI [圆周率 π](https://math.haozi.me/PI.html) * Math.LN10 [自然对数，$\log_e10$](https://math.haozi.me/log.html) * Math.LN2 [自然对数，$\log_e2$](https://math.haozi.me/log.html) * Math.LOG10E [以 10 为底的 E 的对数, $\log_{10}e$](https://math.haozi.me/log.html) * Math.LOG2E [以 2 为底的 E 的对数, $\log_2e$](https://math.haozi.me/log.html) * Math.SQRT1_2 二分之一 ½ 的平方根，同时也是 2 的平方根的倒数 * Math.SQRT2 根号2 ## 函数 * 指数 * Math.pow() [指数(幂运算)](https://math.haozi.me/pow.html) * Math.exp() [$e^x$](https://math.haozi.me/pow.html) * Math.expm1()[$e^x - 1$](https://math.haozi.me/pow.html) * 开方 * Math.sqrt() [开方运算](https://math.haozi.me/sqrt.html) * Math.abs() [绝对值](https://math.haozi.me/abs.html) * 对数 * Math.log10() [以 10 为底的对数 $\log_{10}x$](https://math.haozi.me/log.html) * Math.log2() [以 2 为底的对数 $\log_2x$](https://math.haozi.me/log.html) * Math.log() [以 e 为底的对数 $\log_ex$](https://math.haozi.me/log.html) * Math.log1p() [以 e 为底，$x + 1$ 的值 $\log_e{(x + 1)}$](https://math.haozi.me/log.html) * Math.random() [伪随机](https://math.haozi.me/random.html) * 取整 * Math.floor() [下取整，也叫高斯函数](https://math.haozi.me/floor.html) * Math.ceil() [上取整](https://math.haozi.me/floor.html) * Math.round() [中文翻译成四舍五入，但其实不准确](https://math.haozi.me/round.html) * Math.trunc() [截尾取整](https://math.haozi.me/trunc.html) * Math.acos() * Math.acosh() * Math.asin() * Math.asinh() * Math.atan() * Math.atan2() * Math.atanh() * Math.cbrt() * Math.clz32() * Math.cos() * Math.cosh() * Math.fround() * Math.hypot() * Math.imul() * Math.max() * Math.min() * Math.sign() * Math.sin() * Math.sinh() * Math.sqrt() * Math.tan() * Math.tanh() ## 线性代数 ### 行列式 * 二阶与三阶行列式 * 全排列和对换 * n阶行列式的定义 * 行列式的性质 * 行列式按行（列）展开 ### 矩阵及其运算 * 线性方程组和矩阵 * 矩阵的运算 * 逆矩阵 * 克拉默法则 * 矩阵分块法 ### 矩阵的初等变换和线性方程组 * 矩阵的初等变换 * 矩阵的秩 * 线性方程组的解 ### 向量组的线性相关性 * 向量组及其线性组合 * 向量组的线性相关性 * 向量组的秩 * 线性方程组的解的结构 * 向量空间 ### 相似矩阵及二次型 * 向量的内积、长度及正交性 * 方阵的特征值与特征向量 * 相似矩阵 * 对称矩阵的对角化 * 二次型及其标准型 * 用配方法化二次型成标准型 * 正定二次型 ### 线性空间与线性变换 * 线性空间的定义与性质 * 维数、基与坐标 * 基变换与坐标变换 * 线性变换 * 线性变换的矩阵表达式 ## 概率论 ### 随机事件及其概率 * 随机事件 * 随机事件的概率 * 古典概型与几何概型 * 条件概率 * 事件的独立性 ### 随机变量及其分布 * 随机变量 * 离散型随机变量及其概率分布 * 随机变量的分布函数 * 连续型随机变量及其概率密度 * 随机变量函数的分布 ### 多维随机变量及其分布 * 二维随机变量及其分布 * 条件分布与随机变量的独立性 * 二维随机变量函数的分布 ### 随机变量的数字特征 * 数学期望 * 方差 * 协方差与相关系数 * 大数定理与中心极限定理 ### 数理统计的基础知识 * 数理统计的基本概念 * 常用统计分布 * 抽样分布 ### 参数估计 * 点估计问题概述 * 点估计的常用方法 * 置信区间 * 正态总体的置信区间 ### 假设检验 * 假设检验的基本概念 * 单正态总体的假设检验 * 双正态总体的假设检验 * 关于一般总体数学期望的假设检验 * 分布拟合检验 ### 方差分析与回归分析 * 单因素假设检验的方差分析 * 双因素假设检验的方差分析 * 一元线性回归 ## 解析几何 // TODO ## 牛顿精典力学 // TODO ## 联系我们 ![](https://raw.githubusercontent.com/haozi/Math/master/scripts/.vuepress/public/wechat.jpg) (如果二维码扫不开，可加微信 _ha0z1，并注明来意)