4.1数值微积分 4.1.1 近似数值极限及导数 4.1.2 数值求和与近似数值积分 4.1.3 计算精度可控的数值积分 4.1.4 函数极值的数值求解 4.1.5 常微分方程的数值解 4.2矩阵和代数方程 4.2.1 矩阵运算和特征参数 4.2.2 矩阵的变换和特征值分解 4.2.3 线性方程的解 4.2.4 一般代数方程的解 4.3 概率分布和统计分析 4.3.1 概率函数、分布函数、逆分布函数和随机数的发生 4.3.2 随机数发生器和统计分析指令 4.4 多项式运算和卷积 • 4.4.1 多项式的运算函数 • 4.4.2 多项式拟合和最小二乘法 • 4.4.3 两个有限长序列的卷积

第一讲 带余除法.1 第二讲 不可约多项式.5 第三讲 互素与不可约、分解.9 第四讲 多项式的根.13 第五讲 典型行列式.17 第六讲 循环行列式.21 第七讲 特殊行列式方法.26 第八讲 解线性方程组.31 第九讲 分块矩阵与求秩.36 第十讲 矩阵的分解与求逆.40 第十一讲 广义逆与特殊矩阵对关系.45 第十二讲 特征值、对角线与最小多项式.51 第十三讲 向量的线性相关与自由度.56 第十四讲 双线性型与正定二次型.61 第十五讲 线性空间及其几何背景.66 第十六讲 欧氏空间和正交变换的意义.71 第十七讲 线性变换的核与象.76 第十八讲 线性变换的特征与不变子空间.81

第一学期第二十八次课 命题如果n维空间V上的线性变换A的矩阵相似于对角矩阵,则A在任一不变子空 间M上(的限制)的矩阵相似于对角矩阵。 证明若V上的线性变换A的矩阵相似于对角矩阵,则V可以分解为特征子空间的直 和。记A的所有特征值为,2,2,则V=V4V,取M=nV, 断言M=M1M2⊕M,首先要证明M=M1+M2+…M “2”显然:“”a∈M,则存在a1∈V,使a=a1+a2+…+a,两边 同时用A(j=1,2,…,t-1)作用,得到表达式

第一章 行列式 §1.1 行列式的概念 §1.2 行列式的性质 §1.3 行列式的展开计算 §1.4 Cramer 法则 第二章 矩阵运算 §2.1 矩阵的概念 §2.2 矩阵的线性运算及乘法运算 §2.3 转置矩阵及方阵的行列式 §2.4 方阵的逆矩阵 §2.5 分块矩阵 第三章 初等变换与线性方程组 §3.1 初等变换化简矩阵 §3.2 初等矩阵 §3.3 矩阵的秩 §3.4 求解线性方程组——Gauss 消元法 第四章 向量组的线性相关性 §4.1 向量组的线性相关性 §4.2 向量组的极大线性无关组及秩 §4.3 向量空间介绍 §4.4 线性方程组的解的结构 第五章 特征问题及二次型 §5.1 方矩阵的特征值与特征向量 §5.2 方阵 A 相似于对角矩阵 §5.3 二次型的标准形 §5.4 正交变换化二次型为标准形 §5.5 二次型正定性

第一章 初等数学 第二章 解析几何 第三章 线性代数 第四章 微分学 第五章 积分学 第六章 向量与场论初步 第七章 级数 第八章 复变函数 第九章 积分变换 第十章 特殊函数 第十一章 常微分方程 第十二章 偏微分方程 第十三章 积分方程 第十四章 概率论 第十五章 数理统计方法 第十六章 随机过程 第十七章 统计计算方法 第十八章 误分析插值法曲线拟合 第十九章 数值微分·数值积分·积分方程数值解 第二十章 线性方程组的解法·矩阵求逆 第二十一章 方程解法、非线性方程组解法 第二十二章 矩障特征值的计算 第二十三章 常微分方程数值解法 第二十四章 偏微分方程的有限差分方法 第二十五章 偏微分方程的有限元方法及其他方法 第二十六章 离散数学 第二十七章 模糊数学 第二十八章 组合数学 第二十九章 现代控制论 第三十章 信息论 第三十一章 系统工程

第六章6-2欧氏空间中特殊的线性变换(续) 命题正交矩阵的特征多项式的根的绝对值等于1 证明设入∈C是正交矩阵A的特征多项式的根,则≠0.齐次线性方程组(e-a)X=0 在C内有非零解向量 ( a:a 显然Aa=a=a'a'=a'a'a==a'aa=aa=aa=1从而 入|=1 推论正交矩阵的特征值只能是±1 命题设A是n维欧氏空间V上的正交变换,若A的特征多项式有一个根=e

第四章4-4线性变换的特征值与特征向量 4.4.1线性变换的特征值与特征向量的定义 定义若存在非零向量ξ∈V,使得对于某个∈K,有A5=5,则称ξ是A的属 于特征值λ的特征向量。 命题线性空间V中属于确定的特征值λ的特征向量(添加上零向量)构成子空间。 证明设51,52是属于的特征向量,Vk,∈K,则 A(k5+2)=k()+a(2)=k+2=(k5+152), 证毕。 定义线性空间V中属于确定的特征值λ的特征向量(添加上零向量)构成子空间称 为属于特征值的特征子空间,记为V 4.4.2特征值和特征子空间的计算、特征多项式

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

4.4.2关于特征向量与特征子空间的一些性质 命题线性变换的属于不同特征值的特征向量线性无关。 证明设A为VK上的线性变换,,2,是两两不同的特征值,(1≤i≤t)是 属于特征子空间V的特征向量,设k,k2,k,∈K,使得k5+k252+…+k5=0,两 边用A作用(i=1,2,…,-1),于是得到方程组

针对人耳的生物特征提出了一种人耳的形状特征和结构特征相结合的识别方法．首先提取外耳最长轴,即外耳轮廓边缘点的最长连线．利用外耳长轴把外耳曲线分成两部分,用最小二乘法对这两段曲线分别进行多项式曲线拟合,拟合多项式函数的系数作为外耳特征向量．同时长轴与内耳曲线的交点作为内耳特征点,特征点之间连线的长度与长轴长度的比值作为内耳特征向量．长轴的相对不变性保证了特征向量具有缩放、平移和旋转不变性．实验结果表明此方法在噪声情况下具有较强的鲁棒性．