一、多元函数的极值及最大值、最小值 二、条件极值拉格朗日乘数法

一.多元函数的极值 二多元函数的最大值和最小值 三条件极值与拉格朗日乘数法

一.多元函数的极值 二.多元函数的最大值和最小值 三.条件极值与拉格朗日乘数法

第一章 矩阵的相似变换 §1．1特征值与特征向量 §1．2相似对角化 §1．3 Jordan标准形介绍 §1．4 Hamilton-Cayley定理 §1．5向量的内积 §1．6西相似下的标准形 习题一 第二章 范数理论 §2．1向量范数 §2．2矩阵范数 一、方阵的范数 二、与向量范数的相容性 三、从属范数 四、长方阵的范数 §2．3范数应用举例 一、矩阵的谱半径 二、矩阵的条件数 习题二 第三章 矩阵分析 §3．1矩阵序列 §3．2矩阵级数 §3．3矩阵函数 一、矩阵函数的定义 二、矩阵函数值的计算 三、常用矩阵函数的性质 §3．4矩阵的微分和积分 一、函数矩阵的微分和积分 二、数量函数对矩阵变量的导数 三、矩阵值函数对矩阵变量的导数 §3．5矩阵分析应用举例 一、求解一阶线性常系数微分方程组 二、求解矩阵方程 三、最小二乘问题 习题三 第四章 矩阵分解 §4．1矩阵的三角分解 一、三角分解及其存在惟一性问题 二、三角分解的紧凑计算格式 §4．2矩阵的QR分解 一、Householder矩阵与Givens矩阵 二、矩阵的QR分解 三、矩阵酉相似于Hessenberg矩阵 §4．3矩阵的满秩分解 一、Hermite标准形 二、矩阵的满秩分解 §4．4矩阵的奇异值分解 习题四 第五章 特征值的估计与表示 §5．1特征值界的估计 §5．2特征值的包含区域 一、Gerschgorin定理 二、特征值的隔离 三、Ostrowski定理 §5．3 Hermite矩阵特征值的表示 §5．4广义特征值问题 一、广义特征值问题 二、广义特征值的表示 习题五 第六章 广义逆矩阵 §6．1广义逆矩阵的概念 §6．2 {1}-逆及其应用 一、{1}-逆的计算及有关性质 二、{1}-逆的应用 三、由{1}-逆构造其他的广义逆矩阵 §6．3 Moore-Penrose逆A+ 一、A+的计算及有关性质 二、A+在解线性方程组中的应用 习题六 第七章 矩阵的直积 §7．1直积的定义和性质 §7．2直积的应用 一、矩阵的拉直及其与直积的关系 二、线性矩阵方程的可解性及其求解 习题七 习题答案与提示

§1 插值方法 §2 曲线拟合的线性最小二乘法 §3 最小二乘优化 §4 曲线拟合与函数逼近 §5 黄河小浪底调水调沙问题

多元线性回归模型与假定条件 最小二乘法（OLS） 最小二乘估计量的特性 可决系数 显著性检验与置信区间 预测 预测的评价指标 建模过程中应注意的问题

3.1 概述 3.2 线性差分方程模型 3.3 线性差分方程模型的最小二乘法 3.4 递推最小二乘估计 3.5 慢时变参数的实时递推估计

§1 逼近的概念 §2 最佳平方逼近 §3 正交多项式及性质 §4 数据拟合与最小二乘法 §5 超定线性方程组的最小二乘解

一、了解(最低要求): 二、线性单方程计量经济学模型的基本理论与方法; 三、了解普通最小二乘法有关的参数估计过程和结论; 四、能够进行线性单方程模型的普通最小二乘估计; 五、独立完成建立线性单方程计量经济学模型的全过程工作

建模方法是时间序列分析的核心问题之一。本文给出了两种基于最小二乘法的自回归模型（AR模型）的建模方法。采取预留少量数据递补进入计算的办法,使矩阵XTX可以用分块矩阵求逆公式递推求逆,或者用矩阵的Crout分解法递推求解。同时引入了Winograd向量内积快速算法,充分利用各向量和各矩阵之间的关系来减少计算工作量。使计算量比一般最小二乘建模方法大幅度减少,达到与Marple算法和Burg的最大熵谱法可比的程度