《高職數(shù)學(xué)整編教程》(作者嵇金山、陳業(yè)勤)整合了高職類工科數(shù)學(xué)和經(jīng)濟(jì)數(shù)學(xué)的主要內(nèi)容編寫而成，《高職數(shù)學(xué)整編教程》為一冊(cè)。內(nèi)容包括：函數(shù)及其圖像、一元函數(shù)微積分、二元函數(shù)微積分概要、級(jí)數(shù)、微分方程簡(jiǎn)介、線性代數(shù)初步、概率與統(tǒng)計(jì)初步。其中，本書在一元函數(shù)微積分和二元函數(shù)微積分的內(nèi)容安排上進(jìn)行了串聯(lián)式整合，并且降低了二元函數(shù)微積分的要求，使之更為簡(jiǎn)潔易懂。
本書知識(shí)面廣泛，便于學(xué)生拓展性自學(xué)，也便于教師教學(xué)中根據(jù)需要選取適當(dāng)內(nèi)容。本書每節(jié)附有習(xí)題及部分答案。本書可作為高職類各專業(yè)數(shù)學(xué)教學(xué)或自學(xué)用書。
為了適應(yīng)高職教育階段性的發(fā)展現(xiàn)狀，特別是教學(xué)需求多樣化的擴(kuò)張，編者結(jié)合多年的教學(xué)經(jīng)驗(yàn)和教學(xué)改革實(shí)踐，編寫了本書。
《高職數(shù)學(xué)整編教程》(作者嵇金山、陳業(yè)勤)的編寫宗旨是力求教學(xué)內(nèi)容的廣度，適當(dāng)處理教學(xué)內(nèi)容的深度；其次是整合了一元函數(shù)微積分和多元函數(shù)微積分的內(nèi)容，并納入了經(jīng)濟(jì)數(shù)學(xué)的教學(xué)內(nèi)容，以便教學(xué)的取舍或自學(xué)；第三是每章的篇目突出了本章的核心概念、方法或思想，以強(qiáng)化學(xué)生的思維脈絡(luò)；第四是注重?cái)?shù)形結(jié)合，實(shí)例引入，以提高學(xué)生的形象思維和應(yīng)用意識(shí)。
本書適合高職高專類師生教學(xué)使用。
1 函數(shù)與圖像
1．1 一元函數(shù)及其圖像
1．1．1 基本初等函數(shù)及其圖像
1．1．2 復(fù)合函數(shù)與初等函數(shù)
1．1．3 分段函數(shù)及常用經(jīng)濟(jì)函數(shù)
1．1．4 隱函數(shù)
習(xí)題1．1
1．2 二元函數(shù)及其圖像
1．2．1 二元函數(shù)的概念
1．2．2 空間直角坐標(biāo)系
1．2．3 二元函數(shù)的圖像
習(xí)題1．2
2 無(wú)限與極限
2．1 極限的概念
2．1．1 無(wú)限
2．1．2 數(shù)列的極限
2．1．3 函數(shù)的極限
2．1．4 二元函數(shù)的極限
習(xí)題2．1
2．2 極限的運(yùn)算和無(wú)窮大量、無(wú)窮小量
2．2．1 極限的四則運(yùn)算法則
2．2．2 無(wú)窮小量和無(wú)窮大量
習(xí)題2．2
2．3 兩個(gè)重要極限
2．3．1 □
2．3．2 □
習(xí)題2．3
3 數(shù)列與級(jí)數(shù)
3．1 數(shù)列
3．1．1 數(shù)列的概念
3．1．2 等差數(shù)列
3．1．3 等比數(shù)列
習(xí)題3．1
3．2 數(shù)項(xiàng)級(jí)數(shù)
3．2．1 引例
3．2．2 數(shù)項(xiàng)級(jí)數(shù)的概念
3．2．3 級(jí)數(shù)的性質(zhì)
習(xí)題3．2．
3．3 數(shù)項(xiàng)級(jí)數(shù)的審斂法
3．3．1 正項(xiàng)級(jí)數(shù)
3．3．2 正項(xiàng)級(jí)數(shù)的審斂法
3．3．3 交錯(cuò)級(jí)數(shù)及其審斂法
3．3．4 絕對(duì)收斂與條件收斂
習(xí)題3．3
4 增量與導(dǎo)數(shù)
4．1 增量與連續(xù)
4．1．1 增量
4．1．2 連續(xù)的概念
4．1．3 初等函數(shù)的連續(xù)性
4．1．4 閉區(qū)間上連續(xù)函數(shù)的性質(zhì)
習(xí)題4．1
4．2 導(dǎo)數(shù)的概念及基本公式
4．2．1 導(dǎo)數(shù)的概念
4．2．2 導(dǎo)數(shù)的幾何意義
4．2．3 可導(dǎo)與連續(xù)的關(guān)系
4．2．4 基本初等函數(shù)的求導(dǎo)公式
習(xí)題4．2
4．3 導(dǎo)數(shù)的運(yùn)算
4．3．1 導(dǎo)數(shù)的四則運(yùn)算法則
4．3．2 復(fù)合函數(shù)的求導(dǎo)法則
4．3．3 隱函數(shù)的求導(dǎo)法
4．3．4 參數(shù)方程的求導(dǎo)法
4．3．5 高階導(dǎo)數(shù)
習(xí)題4．3
4．4 偏導(dǎo)數(shù)
4．4．1 二元函數(shù)的偏導(dǎo)數(shù)
4．4．2 高階偏導(dǎo)數(shù)
習(xí)題4．4
4．5 線性主部和微分
4．5．1 微分的概念
4．5．2 微分的幾何意義
4．5．3 微分的運(yùn)算法則與公式
4．5．4 微分的應(yīng)用
習(xí)題4．5
4．6 導(dǎo)數(shù)的應(yīng)用
4．6．1 “□”型和“□”型的洛必達(dá)法則
4．6．2 函數(shù)的單調(diào)性
4．6．3 曲線的凹凸性及其判別法
4．6．4 函數(shù)的極值
習(xí)題4．6
5 原函數(shù)與不定積分
5．1 不定積分的概念
5．1．1 問(wèn)題的引入
5．1．2 原函數(shù)與不定積分的概念
5．1．3 不定積分的幾何意義
習(xí)題5．1
5．2 積分的基本公式和法則直接積分法
5．2．1 積分的基本公式
5．2．2 積分的基本運(yùn)算法則
5．2．3 直接積分法
習(xí)題5．2
5．3 換元積分法
5．3．1 第一類換元積分法(湊微分法)
習(xí)題5．3
5．4 第二類換元積分法
習(xí)題5．4
5．5 分部積分法
習(xí)題5．5
5．6 微分方程的簡(jiǎn)介
5．6．1 常微分方程的基本概念
5．6．2 可分離變量的微分方程
5．6．3 齊次型的微分方程
習(xí)題5．6
6 定積分及其應(yīng)用
6．1 定積分的概念和性質(zhì)
6．1．1 兩個(gè)實(shí)例
6．1．2 定積分的表示
6．1．3 定積分的性質(zhì)
習(xí)題6．1
6．2 微積分基本定理
6．2．1 牛頓一萊布尼茲公式
習(xí)題6．2
6．3 定積分的計(jì)算
6．3．1 定積分的第一換元積分法
6．3．2 定積分的第二換元積分法
6．3．3 定積分的分部積分法
習(xí)題6．3
6．4 廣義積分
習(xí)題6．4
6．5 定積分的應(yīng)用
6．5．1 定積分的微元法
6．5．2 平面圖形的面積
習(xí)題6．5
6．6 二重積分
6．6．1 重積分的概念和性質(zhì)
6．6．2 二重積分的計(jì)算(□型區(qū)域，□型區(qū)域)
習(xí)題6．6
7 線性代數(shù)初步
7．1 矩陣的概念
7．1．1 矩陣的概念
7．1．2 特殊矩陣
習(xí)題7．1
7．2 矩陣的基本運(yùn)算
7．2．1 矩陣的加法
7．2．2 數(shù)與矩陣的乘法
7．2．3 矩陣的乘法
7．2．4 矩陣的轉(zhuǎn)置
7．2．5 方陣的行列式
習(xí)題7．2
7．3 矩陣的初等行變換與矩陣的秩
7．3．1 矩陣的初等行變換
7．3．2 矩陣的秩
7．3．3 用矩陣的初等行變換求矩陣的秩
7．3．4 用矩陣的初等行變換求矩陣的逆
習(xí)題7．3
7．4 線性方程組的解
7．4．1 線性方程組的概念
7．4．2 非齊次線性方程組的解
7．4．3 齊次線性方程組的解
習(xí)題7．4
8 概率初步
8．1 隨機(jī)事件與概率
8．1．1 隨機(jī)事件及其運(yùn)算
8．1．2 隨機(jī)事件的概率
8．1．3 概率的加法和乘法公式
8．1．4 全概率公式與貝葉斯公式
8．1．5 事件的獨(dú)立性
習(xí)題8．1
8．2 隨機(jī)變量及其分布
8．2．1 隨機(jī)變量的概念
8．2．2 離散型隨機(jī)變量及其分布律
8．2．3 連續(xù)型隨機(jī)變量及其分布
習(xí)題8．2
8．3 隨機(jī)變量的期望和方差
8．3．1 隨機(jī)變量的數(shù)學(xué)期望
8．3．2 隨機(jī)變量的方差
8．3．3 幾種常見(jiàn)隨機(jī)變量分布的數(shù)學(xué)期望與方差
習(xí)題8．3
9 統(tǒng)計(jì)初步
9．1 總體、樣本和統(tǒng)計(jì)量
9．1．1 總體與個(gè)體
9．1．2 統(tǒng)計(jì)量
9．1．3 常用的統(tǒng)計(jì)分布
習(xí)題9．1
9．2 參數(shù)估計(jì)
9．2．1 矩法估計(jì)
9．2．2 區(qū)間估計(jì)
習(xí)題9．2
9．3 假設(shè)檢驗(yàn)
9．3．1 假設(shè)檢驗(yàn)的基本思想
9．3．2 正態(tài)總體的參數(shù)假設(shè)檢驗(yàn)
習(xí)題9．3
習(xí)題答案
書單推薦
