本书参考高等学校理工科“高等数学”“线性代数”“概率论与数理统计”“运筹学”等课程教学大纲，使用Python语言实现相关计算、图形展示及模型求解，内容包含Python编程语言入门、极限的运算、函数的求导及积分、微分方程求解、级数、行列式计算、线性方程组求解、随机变量及其分布、随机变量的数字特征、参数估计、假设检验、方差分析与回归、线性规划、非线性规划、动态规划、图与网络计划及排队论等。本书内容翔实，文字精练，例题丰富，注重本科数学理论与科学计算的密切结合。 本书可以作为高等学校理工科在校本科生的学习实验用书，也可以作为对Python科学计算感兴趣的人员的参考用书。

搭建编程与高等数学的桥梁，融合计算思维与数学思想；全面提高科学计算能力，数学加编程，其乐无穷！

前言 在大学阶段，我们获得知识的一般途径是通过对教材的理论学习及相应的实验验证。具体到教材的每一节（章），大体上是先提出某个已被确定的理论，然后由简入繁组织一些模式相似的例子，用于练习或验证先前提出的理论，这种学习方法实际上就是对模型（model）的学习。在学习数学的过程中，如果能逐步自我训练，把每一节的学习当作一个模型去对待，理解这个模型的理论基础，它能解决什么样的问题以及如何解决，这种训练无疑比陷入题海或过分专注于一些技巧要好得多。积累的模型多了，在解决实际问题时才会更快地定位到正确或接近正确的解决模式上，也才有可能得到这个问题的确切解或近似解（解决方案），但如果用错误的模型去匹配一个未知问题，结果很可能大幅偏离正解，甚至南辕北辙。 科学计算是对已知理论或假设，运用特定算法或程序，并对这一理论（假设）进行验证或进一步探索的试验过程，是手工计算在机器上的延伸与拓展，同时也是科技人员必须具备的一项技能。由此，我和我的同事编写了和“高等数学”（含“线性代数”）、“概率论与数理统计”和“运筹学”几门基础课程配套的科学计算辅导用书，我们希望科学计算从这几门基础课开始生根。 Python是当下开发语言的第一选项，原因在于以下两方面：①就科学计算来说，基于Python的库是相对完备且开放的，使用人群的基数也决定着学习资源的品质与多样性； ②相对于C、C++、Java等编程语言，Python对于非计算机类专业来讲有着更为合适的生长土壤，我们不太可能用C语言来求解诸如热处理问题、资源配置问题或实验中某些因素的交互作用问题等。 数学为我们提供了丰富多彩的素材用以学习编程...