附录A MATLAB矩阵代数和作图初步 附录B 本书应用例题索引 附录C 线性代数在工程中的应用举例

4.1 向量的类型 4.2 向量及其线性组合 4.3 向量组的线性相关性 4.4 从向量空间看线性方程组的解 4.5 用MATLAB解线性方程组综述 4.6.1 减肥配方的实现 4.6.2 三维空间中的平面方程 4.6.3 价格平衡模型 4.6.4 混凝土配料中的应用

5.1 二维数据曲线图 5.2 其他二维图形 5.3 隐函数绘图 5.4 三维图形 5.5 图形修饰处理 5.6 图像处理与动画制作

本书对在我国延承了几十年的传统的线性代数教材作了重大的改革。主要是强调了把它的工程应用 放在首位,本书的取名“工程线性代数”目的就在于此。所以能做到这点,关键是采用了20世纪末的最 新科技成就,把科学计算软件MATLAB用于线性代数教学。它与传统教材的差别体现在以下几个方面

6.1 数据统计处理 6.2 数据插值 6.3 曲线拟合 6.4 离散傅立叶变换 6.5 多项式计算

7.1 线性方程组求解 7.2 非线性方程数值求解 7.3 常微分方程初值问题的数值解法 7.4 函数极值

第9章 MATLABSimulink环境下的仿真软件 9.1 Simulink的基本操作 9.2 Simulink的几类基本模块 9.3仿真模型参数的设置 9.4子系统的建立与封装 9.5在命令窗口中创建模型 9.6S-函数的设计和应用 9.7仿真系统的线性化分析

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 深度学习 第八节 支持向量机 第九节 MATLAB的应用实例