Quase todo modelo quantitativo é um problema de matrizes disfarçado: uma carteira é um vetor, uma covariância é uma matriz, uma regressão é uma projeção. Esta habilidade constrói as ideias com verificações curtas (matrizes que você preenche, números que calcula, expressões que digita) e exemplos financeiros, e depois as transforma em algoritmos: LU, QR e Cholesky. Termina com um laboratório de código que ajusta uma regressão sobre retornos reais de ações usando apenas o seu solucionador e a compara com o NumPy.
