本书汇总了数据科学中经常使用的数学知识，包括矩阵基础、微积分、概率论和优化等，以矩阵和向量形式统一了几个内容的符号体系，系统全面地介绍了数据科学的数学基础。全书共7章，内容包括线性代数、向量空间、内积空间、矩阵分解、向量微积分、概率与分布和优化方法。本书兼顾数学表达的严谨性和知识描述的直观性，减少了枯燥的证明过程，增加了易懂的几何绘图和运用示例，有助于读者快速理解数据科学中必要的数学知识。
本书适用于从事数据科学学术和应用研究，以及工程建设的教师、研究生和科技人员教学、自学或进修之用。

第1章线性代数
1.1矩阵及运算
1.1.1矩阵的运算
1.1.2行列式与迹
1.1.3矩阵的逆
1.1.4矩阵分块
1.2线性方程组
1.2.1初等变换
1.2.2线性方程组求解
习题1
第2章向量空间
2.1向量空间和向量子空间
2.1.1向量空间
2.1.2向量子空间
2.2向量子空间的基
2.2.1线性组合与线性独立
2.2.2基
2.3线性映射
2.3.1线性映射
2.3.2变换矩阵
……