向量组的线性相关性 向量组的秩与矩阵的秩 线性方程组解的结构 向量空间 向量组及其线性组合

4.1 向量组及其线性组合 4.2 向量组的线性相关性 4.3 向量组的秩 4.4 线性方程组的解的结构 4.5 向量空间

1. 行秩、列秩、矩阵的秩 把矩阵的每一行看成一个向量，则矩阵可被认为由这些行向量组成， 把矩阵的每一列看成一个向量，则矩阵可被认为由这些列向量组成。 定义1：矩阵的行向量的秩，就称为矩阵的行秩; 矩阵的列向量的秩，就称为矩阵的列秩

4.1 向量及其线性组合 4.2 向量组的线性相关性 4.3 向量组的秩 4.4 矩阵的秩 4.5 向量空间 4.6 线性方程组解的结构

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

研究半监督支持向量机分类优化模型的非光滑问题.建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分.构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型.分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性.数值实验显示新模型有较好的分类效果

第一节 向量组及其线性组合 第二节 向量组的线性相关性 第三节 向量组的秩 第四节 线性方程组解的结构 第五节 向量空间

应用光滑函数改进支持向量机模型,得到无约束条件、可微的二次规划问题,从而可以采用快速的最优化算法求解光滑支持向量机模型.提出了一种广义三弯矩方法,用这个方法构造出新的五次样条光滑函数和七次样条光滑函数.证明了上述两个样条光滑函数的逼近精度均高于已有的各种光滑函数;基于上述两个样条函数的光滑支持向量机模型的收敛精度也高于已有的各种光滑支持向量机模型

使学生掌握向量的概念；向量组的线性相关性及判定线性相关性的定理、性质；向量组的秩及与秩相关的定理和求秩的方法；线性方程组解的结构理论、向量空间

一、最大线性无关向量组 二、矩阵与向量组秩的关系 三、向量组秩的重要结论 四、小结思考题