1. 确定近似函数的类型 （1）根据数据点的分布规律 （2）根据问题的实际背景 2. 确定近似函数的标准，实验数据有误差, 不能要求

在实际应用中，往往不仅需要计数，而且要把各种情况都枚举出来。 一、 字 典序排 列/lexicographic ordering for permutation 定义:

发展历史 应用 插值问题的提出 插值问题所需研究的问题 ❖插值多项式的存在唯一性 ❖拉格朗日插值多项式 ❖截断误差 ❖数值实例 ❖拉格朗日插值多项式的优缺点

1 常用定常迭代方法 2 应用：Poisson 方程求解 3 收敛性分析 4 加速方法 5 交替方向与 HSS 算法

在实际应用中,有些随机变量往往是两个或两个以上随机变量的函数例如,考虑全 国年龄在40岁以上的人群,用X和Y分别表示一个人的年龄和体重,Z表示这个人的血 压,并且已知Z与X,Y的函数关系式 Z=8(X,), 现希望通过(X,Y)的分布来确定Z的分布.此类问题就是我们将要讨论的两个随机向量函 数的分布问题 在本节中,我们重点讨论两种特殊的函数关系:

分布函数能完整地描述随机变量的统 计特性,但实际应用中,有时并不需要知道 分布函数而只需知道随机变量的某些特征 例如: 判断棉花质量时,既看纤维的平均长度 又要看纤维长度与平均长度的偏离程度 平均长度越长,偏离程度越小,质量就越好;

定义1如果两个矩阵A=[ai]和B=[b]的行数和列数分别相等,且各对应元素也相等,即a=b (i=1,2m;j=1,n),就称A和B相等,记作 A=B

§5.0概述 §5.1高斯消去法 §5.2矩阵分解及其在解方程组中的应用 §5.3矩阵的条件数和方程组的性质

分布函数能完整地描述r.v的统计特性,但实际应用中并不都需要知 道分布函数,而只需知道rv的某些特征. 例如: 判断棉花质量时,既看纤维的平均长度又要看纤维长度与平均长度的偏离程度平均长度越长,偏离程度越小,质量就越好;

1.基础知识 2.作为一门新的编程语言 3.图形处理(二维、三维及其参数方程的形式) 4.极限、微分与积分 5.求解方程(组)、微分方程(组) 6.在线形代数方面的应用 7.数值处理 8.文件及其它高级操作