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