1.2.1 线性空间基本概念 1.2.2 矩阵特征值与谱半径 1.2.3 对称正定矩阵 1.2.4 向量范数与矩阵范数 1.2.5 内积与内积空间 1.2.6 矩阵标准型

2.1 Gauss 消去法 2.1.1 Gauss 消去过程 (算法描述) 2.1.2 运算量统计 (计算复杂度) 2.2 矩阵分解法 2.2.1 矩阵 LU 分解 2.2.2 列主元 Gauss 消去法与 PLU 分解 2.2.3 Cholesky 分解与平方根法 2.2.4 三对角线性方程组 2.2.5 带状线性方程组

数值模拟了吸附时间、吸附压力、进气量、吸附床高度等工艺参数对微型氧氮分离过程的影响,分析了氧含量沿吸附床的演变过程,结果表明:微型氧氮分离过程为一种短周期的变压吸附循环;吸附压力越高,吸附阶段结束时氧气浓度波锋面穿透吸附床的距离越长:进气量越大,要求吸附床高度越大:吸附床长度缩短会导致吸附阶段氧气浓度锋面穿透吸附床;从开始到循环达到稳定状态需要大约15个循环:要想获得较高纯度的产品气,必须保证氧气浓度波锋面前沿不移出吸附床;传质阻力对过程的影响非常大,不能近似认为是瞬时平衡过程

第一节 向量的内积、正交 第二节 方阵的特征值与特征向量 第三节 相似矩阵 第四节 对称矩阵的对角化 第五节 二次型及其标准形 第六节 配方法化标准形 第七节 正定二次型

通过测量大庆地区区域土壤的理化性质以及碳钢的短期腐蚀数据,分析土壤传质过程的逻辑关系,构建了碳钢短期土壤腐蚀预测模型.通过用该模型在BP人工神经网络中进行学习、训练及模拟,并与现场碳钢埋片腐蚀实验结果对比,进一步验证了腐蚀模型的合理性.结果表明:含水量、空气容量、pH、Cl-含量、SO42-含量和可溶盐总量六种土壤环境参数为影响区域土壤中碳钢腐蚀的主要因素;运用基于Matlab平台的人工神经网络,通过不断地积累土壤腐蚀信息,多次训练后可以建立起稳定性好、泛化能力强的土壤腐蚀预测模型,能较好地预测了大庆地区碳钢在土壤中的腐蚀速率

1 线性空间与内积空间 2 向量范数与矩阵范数 3 矩阵特征值 4 矩阵标准型 5 几类特殊矩阵

2 特殊方程组的求解 2.1 对称正定线性方程组 2.2 对称不定线性方程组 ∗ 2.3 三对角线性方程组 2.4 带状线性方程组 ∗ 3 扰动分析 ∗ 3.1 δx 与 xˆ 的关系 3.2 δx 与 x∗ 的关系 3.3 δx 与残量的关系 4 解的改进 ∗ 4.1 高精度运算 4.2 矩阵元素缩放 (Scaling) 4.3 迭代改进法

4 奇异值分解 4.1 奇异值，奇异向量和奇异值分解 4.2 奇异值基本性质 4.3 奇异值更多性质 ∗ 5 线性最小二乘问题的求解方法 5.1 正规方程法 5.2 QR 分解法 5.3 奇异值分解法 6 最小二乘问题的推广及其应用 ∗ 6.1 正则化与加权正则化 6.2 约束最小二乘 6.3 多项式数据拟合 6.4 线性预测 6.5 信号恢复 6.6 SVD：图像压缩 — 截断 SVD 6.7 SVD：图像配准 Rigid Alignment / Shape Registration

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

9.1 分类数据与X2统计量 9.2 拟合优度 检验 9.3 列联分析：独立性检验 9.4 列联表中的相关度量 9.5 列联分析中应注意的问题