这里将围绕 JavaScript 里的标准内置对象 Math 上的常量和方法展开，介绍其数学推导和实现方式。

为了便于展示，我会使用 Python 的数学库 SymPy 来成文。不用担心，这里不会使用 Python 里深奥的语法，且都会附上 JavaScript 的实现。比起更复杂的高数，学习 Python 并会不占用你半天以上的精力。

• 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，可以使用 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）

• Math.E 自然常数 e
• Math.PI 圆周率 π
• Math.LN10 自然对数
• Math.LN2 自然对数
• Math.LOG10E 以 10 为底的 E 的对数
• Math.LOG2E 以 2 为底的 E 的对数
• 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 2的平方根

• Math.abs()
• Math.acos()
• Math.acosh()
• Math.asin()
• Math.asinh()
• Math.atan()
• Math.atan2()
• Math.atanh()
• Math.cbrt()
• Math.ceil()
• Math.clz32()
• Math.cos()
• Math.cosh()
• Math.exp()
• Math.expm1()
• Math.floor()
• Math.fround()
• Math.hypot()
• Math.imul()
• Math.log()
• Math.log10()
• Math.log1p()
• Math.log2()
• Math.max()
• Math.min()
• Math.pow() 指数(幂运算)
• Math.random()
• Math.round()
• Math.sign()
• Math.sin()
• Math.sinh()
• Math.sqrt()
• Math.tan()
• Math.tanh()
• Math.trunc()

• 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

• 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
• 矩阵的秩
• 线性方程组的解

• 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

• 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

• 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
• 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

• 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

• 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

• 数理统计的基本概念
• 常用统计分布
• 抽样分布

• 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

• 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