4.1 正交矩阵 4.1.1 维向量的内积 4.1.2 维向量的长度 4.1.3 维向量的夹角 4.1.4 正交向量组与施密特（Schmidt）正交化方法 4.1.5 正交矩阵

5.1 n维向量 5.2 向量组的线性相关性 5.3 矩阵的秩与向量组的秩 5.4 向量空间 5.5 基、维数与坐标 5.6 线性方程组解的结构 5.7 超定方程的解——最小二乘问题 5.8 应用实例 5.9 习题

一、空间直角坐标系 二、向量及其线性运算 三、向量的分解与向量的坐标

一、向量的概念 二、向量的加减法 三、向量与数的乘法 四、小结思考题

4.4向量空间 1.向量空间:设V是具有某些共同性质的n维向量的集合,若 对任意的a,B∈V,有a+B∈V;(加法封闭) 对任意的a∈V,k∈R,有ka∈V.(数乘封闭) 称集合为向量空间

提出了一种基于支持向量机的露天转地下开采边坡变形模型,有效表达了地下开采扰动引起露天矿边坡变形的非线性变化关系.采用RBF核函数学习现场监测数据,利用交叉验证选择模型参数,通过学习捕捉支持向量,建立模型预测未来变化趋势.将该模型应用于露天转地下开采的杏山铁矿.结果表明,支持向量机对学习样本的拟合精度极高,其预测精度也很高.采用捕捉的支持向量进行预测,便捷快速且有较强泛化能力

1. 行秩、列秩、矩阵的秩 把矩阵的每一行看成一个向量，则矩阵可被认为由这些行向量组成， 把矩阵的每一列看成一个向量，则矩阵可被认为由这些列向量组成。 定义1：矩阵的行向量的秩，就称为矩阵的行秩; 矩阵的列向量的秩，就称为矩阵的列秩

一、最大线性无关向量组 二、矩阵与向量组秩的关系 三、向量组秩的重要结论 四、小结思考题

研究半监督支持向量机分类优化模型的非光滑问题.建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分.构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型.分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性.数值实验显示新模型有较好的分类效果

北京大学：《高等代数》课程教学资源（讲义）第二章 向量空间与矩阵 2.1 m 维向量空间 2.1.4 向量组的线性等价和集合上的等价关系 2.1.5 向量组的极大线性无关部分组和向量组的秩