特征值 一、基本要求 1.理解矩阵的特征值、特征向量的概念并掌握其求法; 2.了解相似矩阵的概念、性质及矩阵对角化的充要条件,会化矩阵为相似对角形 二、内容提要 1.特征值与特征向量 设A为n阶方阵,a为n维非零列向量,为一个数,使得则称为A的一个特征值,a为A对应于的一个特征向量 2.特征向量的性质 (1)对应于不同特征值的特征向量是线性无关的 (2)同一特征值的特征向量a1,a2,…,am的任意非零线性组合

第一章误差l*Error*1 1误差的背景介绍*Introduction* 1.来源与分类l*Source& Classification*1 从实际问题中抽象出数学模型 模型误差l*Modeling Error*1 通过测量得到模型中参数的值 观测误差l*Measurement Error*1米 求近似解—方法误差(截断误差 Truncation Error*1)米 机器字长有限舍入误差*Roundoff Error*1

3.1 问题介绍 3.2 Householder 变换和 Givens 变换 3.3 QR 分解 3.4 奇异值分解 3.5 线性最小二乘问题的求解方法

3.4二维r.v.函数的分布 一、问题已知r.v(X,Y)的概率分布,g(x,y)为已知的二元函数, 求Z=g(X,Y)的概率分布 二、方法转化为(X,Y)的事件

„ 变换群 „ 变换群的定义 „ 变换群的实例 „ n元置换群 „ 置换的表示 „ 置换的乘法和求逆运算 „ 置换群中元素的阶与子群 „ 置换群的实例 „ 陪集及其性质 „ Lagrange定理 „ Lagrange定理的应用 „ 共轭关系与共轭类 „ 群的分类方程

一般的抽象系统都包含有许多影响因素多种因素共同作用的结果 决定了系统的发展态势。我们希望从众多的因素中判断出,哪些是 主要因素、哪些是次要因素。这些属于系统分析的内容,数理统计 中的回归分析、方差分析、主成分分析等都可以用来进行系统分析 这些方法的不足之处是:

若首项系数an≠0的n次多项式 0n(x),满足 ≠k (0,9)=p(x),(x)(x)dx 2k=0,12…) 就称多项式序列9,1,…n,在 [a,b上带权p(x)正交,并称o,(x) 是[a,b上带权(x)的n次正交多项 式。 构造正交多项式的格拉姆一施密 特( Gram-Schmidt)方法 定理:按以下方式定义的多

若将一组数 代替未知量 n c ,c , ,c 1 2 L n x , x , , x 1 2 L ，使方程组中的m个等式都成立，就 说 是方程组的一个解．方程组的全体 解称为方程组的解集．解集相同的方程组称为同解方 程组．

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

教学目的:了解事件的概念及概率的三种定义(主观概率,古典概率及几何概率),重点掌握古典概率的 计算方法,掌握事件之间的几种常见关系,加法定理,全概率公式及贝叶斯公式,贝努利试验。 教学方法:课堂讲授。用引言的方式介绍确定性现象与不确定性现象,并指出不确定性现象是概率论的研 究对象