格拉姆Ｇ施密特过程在线性方程组求解、特征值计算、最小二乘问题中应用广。本书深入讨论矩阵误差分析的思想和理论,主要内容包括误差分析基础知识、传统和改进的格拉姆Ｇ施密特算法、重正交技术、极小残差法、分块算法等, 证明过程用到的相关算法也都在有限精度下进行了分析。

非参数统计是统计学和数据科学的重要分支领域。本书作为该领域的基础教材，其特点体现在以下几方面：
1．针对性强。本书针对数据分析专业的特点和需要，阐述非参数统计的基本概念、理论、方法和编程，重点从非受控观察数据对参数推断知识的需要角度出发，将统计推断知识、理论和方法与反事实复杂场景因果关系的解读与判断问题相结合，应用于稳健估计、局部模式、严格证据的信息提取任务中。
2．通用性强。适用于Python技术数据管理人才培养。增加Python技术的应用内容，编写了Pytho

本书为机械工程、电气工程、能源与动力工程、工业工程、核工程与核技术、新能源技术等有关专业感兴趣的师生、从事控制工作的工程技术人员提供参考。本书涉及的内容比较广泛，既包括现代控制理论的基础知识，也包括LQR控制原理与应用。书中以状态空间变量的概念为基础，利用现代数学方法来分析、解决复杂系统的控制问题，适用于多输入、多输出线性系统。本书不但使用线性代数和矩阵理论等数学工具论证现代控制中的基础理论，也增加了倒立摆和 “防摇”控制系统的实例，并给出了较为完整的解决过程，使学生既能掌握现代控制理论的基本原

本书主要聚焦于大规模整数规划模型的求解方法和策略，深入浅出地阐明了求解大规模整数规划模型主流方法的基本思想、原理、执行步骤以及在实际问题中的应用，共分为引言、整数规划建模、线性规划、精确离散优化方法、割平面法、列生成算法、拉格朗日松弛算法、Benders分解算法和启发式算法九章。每种算法和分析都注重结合问题实际，加入众多现实案例，并配有相应习题。书中还附有相关阅读材料，以便有兴趣的读者进一步钻研探索。

本书共11章，内容包括运筹学思想与运筹学建模、基本概念和基本理论、线性规划、*优化搜索算法的结构与一维搜索、无约束*优化方法、约束*优化方法、目标规划、整数规划、网络计划、层次分析法及智能优化计算简介。这些内容是管理类、经济类专业研究生应具备的知识。作为教材，本书着重阐述基本思想、理论和方法，力求做到深入浅出，通俗易懂。每一章章末配有适当的习题，便于读者理解、消化书中的内容。本书可作为管理类、经济类及大多数工科类专业硕士研究生的教材，也可作为应用数学、计算数学及管理科学与工程专业本科高年级学生的

本书是在第四版的基础上修订而成的，吸收了广大读者的意见，做了局部调整和修改。除原有线性规划、整数规划、非线性规划、动态规划、图与网络分析、排队论、存储论、对策论、决策论、目标规划和多目标决策以外，删除了启发式方法一章。 本书着重介绍运筹学的基本原理和方法，注重结合经济管理专业实际，具有一定的深度和广度。书中每章后附有习题，便于自学。有些部分的后面增补了注记，便于读者了解运筹学各分支的发展趋势。 本书可作为高等院校理工科各专业的教材，亦可作为考研究生的参考书。

本书为新商科一流本科专业群建设十四五规划教材之一，运筹学是上海市*本科重点课程以及上海商学院一流专业建设点核心课程。全书共分九章，主要内容有线性规划模型、对偶理论、运输问题、整数规划、图与网络分析、计划评审方法、关键路线法、存储论以及决策分析，全部内容都与经济管理有关。全书的编写避免复杂的推导，证明尽量浅显易懂，旨在帮助学生从案例中理解运筹学的模型与方法。

　　数值分析原理及MATLAB实验依据数值分析的基本原理，从MATLAB程序设计的角度出发，较系统地阐述了数值分析的理论与算法。全书共9章，包括绪论、非线性方程求解、线性方程组的解法、非线性方程组的解法、插值法、函数逼近与曲线拟合、数值积分与数值微分、常微分方程求解、矩阵特征值计算。本书着重于算法设计与编程实现，强调通过理论联系实际提高动手编程能力。　　本书可作为数学、计算机、物理、工程类专业的本科生与研究生教材，也可供从事科学与工程计算的科技工作者参考。

本书主要针对高职院校理工类专业编写，较好地体现了高等数学的应用性，可供大一理工类学生使用。本书内容主要包括函数、极限与连续，导数与微分，微分中值定理与导数的应用，不定积分，定积分及其应用，常微分方程和数学实验 7 个章节，书中加“*”号的内容为选学内容，供任课老师酌情选用。每章按节配置了由易到难的习题，书后附有答案，扫码可以查看答案详解。同时，每章最后有本章复习题和在线测试题。为了便于学生学习，书末附录还给出了常用数学公式和积分表。本书内容突出数学与理工类专业及生活实践的密切联系，在案例选取上，

本书主要介绍概率论与数理统计的实验内容。全书可分为三部分：第一部分是概率论部分的实验，包括抛硬币实验、掷骰子实验、蒲丰投针实验、全概率公式和贝叶斯公式、常见离散型分布、常见连续型分布、数学期望、中心极限定理等；第二部分是数理统计部分的实验，包括参数估计、假设检验、方差分析与回归分析等，其中部分内容采用随机模拟的方法进行模拟和求解；第三部分是综合性实验，包括极限分布之间关系的动态演示、密度函数和分布函数的工具箱的制作。本书将Python作为编程语言。本书可作为高等理工科院校学生学习概率论与数理统计