第一章 导读: 拓扑学简介 1 1.1 什么是拓扑学？1 1.2 拓扑学的历史发源 1 1.3 拓扑学的分类 2 第二章 点集拓扑 (I): 拓扑空间 3 2.1 拓扑空间与开集3 2.2 闭集 5 2.3 拓扑空间的构造方法 7 2.3.1 方法一: 拓扑基7 2.3.2 方法二: 序拓扑 9 2.3.3 方法三: 积拓扑 11 2.3.4 方法四: 子空间拓扑12 2.3.5 方法五: 度量拓扑 14 本章习题19 第三章 点集拓扑 (II): 拓扑的基本性质 20 3.1 闭包与聚点 20 3.2 Hausdorff 性质 24 3.3 连通性 28 3.4 紧致性 34 3.5 极限点紧与序列紧 40 3.6 连续映射43 3.6.1 连续映射与同胚43 3.6.2 连续映射的构造48 3.6.3 连续映射与连通性52 3.6.4 连续映射与紧性55 3.6.5 连续映射与度量57 第四章 点集拓扑 (III): 深入技巧 60 4.1 可数性公理 60 4.2 分离性公理 63 4.3 Urysohn 引理与 Tietze 扩张定理66 4.4 Urysohn 度量化定理 67 4.5 Tychonoff 定理67

第一章 集合与映射 第二章 准备工作 第三章 抽象Lebesgue积分 第四章 Lebesgue 测度 第五章 LP空间 第六章 微分 第七章 R1上函数的微分 第八章 习题解答

《高等代数》课程教学课件（讲稿）chapter five polynomials

《高等代数》课程教学课件（讲稿）chapter two matrices

《高等代数》课程教学课件（讲稿）chapter one determinant

《概率论与数理统计》课程教学资源（讲义）Introduction to Nonparametric Analysis in Time Series Econometrics

第一章 古典概型和概率空间 第二章 随机变量和概率分布 第三章 随机向量及其分布 第四章 数学期望和方差 第五章 多元正态分布和极限定理 第六章 描述性统计 第七章 参数估计 第八章 假设检验 第九章 线性回归分析

对称矩阵和正定矩阵 (Symmetric Matrices and Positive Definite Matrices) 对称矩阵 正定矩阵 特征空间、代数重数以及几何重数 线性变换 (Linear Transformation) 线性变换的概念 线性变换的矩阵形式 线性变换的像和核 对偶性 (Duality) 奇异值分解 (Singular Value Decomposition) SVD 基础 用线来拟合数据 用 k 维子空间拟合数据 再看Ax = b的近似解

正交和投影 (Orthogonality and Projection) 正交性 投影 投影到一条直线 投影到一个子空间 最小二乘，标准正交基 (Least Square Approximations, Orthonormal Bases) 最小二乘法 标准正交基和 Gram-Schmidt 正交化 行列式 (Determinants) 什么是行列式 行列式的性质 行列式的计算 行列式更多的性质 行列式的正式定义 行列式的展开 特征值与特征向量 (Eigenvalues and Eigenvectors) 特征值介绍 对角化矩阵

向量空间 (Vector Space) 向量空间的基本概念 子空间 相关性、基和维度 (Independence, Basis and Dimension) 线性相关性 向量空间的基和维度 矩阵的列秩与行秩 (Column Rank and Row Rank of Matrices) 列空间的秩与行空间的秩 通过 Gauss−Jordan 消元法来求 A−1 解线性方程组 (II)(Solving Linear Equations(II)) 矩阵的秩 Ax = 0 的解 Ax = b 的解