第一章 矩阵的相似变换 §1．1特征值与特征向量 §1．2相似对角化 §1．3 Jordan标准形介绍 §1．4 Hamilton-Cayley定理 §1．5向量的内积 §1．6西相似下的标准形 习题一 第二章 范数理论 §2．1向量范数 §2．2矩阵范数 一、方阵的范数 二、与向量范数的相容性 三、从属范数 四、长方阵的范数 §2．3范数应用举例 一、矩阵的谱半径 二、矩阵的条件数 习题二 第三章 矩阵分析 §3．1矩阵序列 §3．2矩阵级数 §3．3矩阵函数 一、矩阵函数的定义 二、矩阵函数值的计算 三、常用矩阵函数的性质 §3．4矩阵的微分和积分 一、函数矩阵的微分和积分 二、数量函数对矩阵变量的导数 三、矩阵值函数对矩阵变量的导数 §3．5矩阵分析应用举例 一、求解一阶线性常系数微分方程组 二、求解矩阵方程 三、最小二乘问题 习题三 第四章 矩阵分解 §4．1矩阵的三角分解 一、三角分解及其存在惟一性问题 二、三角分解的紧凑计算格式 §4．2矩阵的QR分解 一、Householder矩阵与Givens矩阵 二、矩阵的QR分解 三、矩阵酉相似于Hessenberg矩阵 §4．3矩阵的满秩分解 一、Hermite标准形 二、矩阵的满秩分解 §4．4矩阵的奇异值分解 习题四 第五章 特征值的估计与表示 §5．1特征值界的估计 §5．2特征值的包含区域 一、Gerschgorin定理 二、特征值的隔离 三、Ostrowski定理 §5．3 Hermite矩阵特征值的表示 §5．4广义特征值问题 一、广义特征值问题 二、广义特征值的表示 习题五 第六章 广义逆矩阵 §6．1广义逆矩阵的概念 §6．2 {1}-逆及其应用 一、{1}-逆的计算及有关性质 二、{1}-逆的应用 三、由{1}-逆构造其他的广义逆矩阵 §6．3 Moore-Penrose逆A+ 一、A+的计算及有关性质 二、A+在解线性方程组中的应用 习题六 第七章 矩阵的直积 §7．1直积的定义和性质 §7．2直积的应用 一、矩阵的拉直及其与直积的关系 二、线性矩阵方程的可解性及其求解 习题七 习题答案与提示

6.1 认识Python的函数 6.2 函数的定义和调用 6.3 函数的参数和返回值 6.4 递归函数 6.5 匿名函数 6.6 变量的作用域 6.7 Python的内置函数 6.8 实验

 函数概述  函数的定义  函数的返回值  函数的调用  数组作为函数参数  函数的嵌套调用和递归调用  变量的作用域和生存期

1．掌握函数的定义及一般调用形式。 2．掌握函数的嵌套调用和递归调用方法。 3．掌握数组作为函数参数的应用。 4．掌握函数中变量存储类别及作用域。 5．掌握内部函数与外部函数的区别

函数的定义和调用 函数间的参数传递 内联函数 带默认形参值的函数 函数重载 C++系统函数 深度探索

 函数的定义和调用  函数间的参数传递  内联函数  带默认形参值的函数  函数重载  C++系统函数  深度探索

一元函数导数与微分 多元函数导数与微分 隐函数的求导法则 多元函数微分学的几何应用 多元函数的极值及其求法 全微分在近似计算中的应用

2.3初等解析函数 一,对数函数 定义(指数函数的反函数) 满足方程e=z的一切w(复数) 称为z的对数,记作Lnz

• 离散数学和计算机科学的关系 – 离散数学的特点、与计算机科学的关系 • 基本知识 – 偏序集合、最小上界、完全偏序集合、函数序、函数的单调性和连续性 • 递归函数的定义式的求解 – 函数的不动点、递归函数定义、递归函数定义的解、不动点算子、最小不动点定理 • 编程语言递归函数的数学语义

第六节 逻辑函数的卡诺图化简法 逻辑函数的化简有公式法和图形法等。公式法是利用逻辑代数的公式、定理和规则来对逻辑函数化简，这种方法适用于各种复杂的逻辑函数，但需要熟练地运用公式和定理，且具有一定的运算技巧。图形法就是利用函数的卡诺图来对逻辑函数化简，这种方法简单直观，容易掌握，但变量太多时卡诺图太复杂，图形法已不适用。在对逻辑函数化简时，充分利用随意项可以得到十分简单的结果