第一章 矩阵及其应用 第二章 行列式 第三章 矩阵的秩与线性方程组 第4章 向量空间 第5章 相似矩阵 第6章 二次型

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

第一讲 线性代数基础 第二讲 线性方程组直接方法 第三讲 线性最小二乘问题 第四讲 非对称特征值问题 第五讲 对称特征值问题 第六讲 线性方程组定常迭代法 第七讲 Krylov子空间迭代法 第八讲 特征值问题的迭代解法 附录A IEEE浮点运算标准 附录B 数值计算中的误差 附录C 高性能计算 – 科学计算软件介绍

准对角矩阵称为 Jordan形矩阵,而主对角线上的小块方阵J称为 Jordan块 定理设A是数域K上的n维线性空间V上的线性变换.如果A的特征值全属于K, 则A在V的某组基下的矩阵为 Jordan形,并且在不计 Jordan块的意义下 Jordan形是唯 一的. 证明:对n作数学归纳法

9.1 平面上线性变换的几何意义 9.2 二维矩阵特征值的几何意义 9.3 空间线性变换的几何意义 9.4 基变换与坐标变换 9.5 对称矩阵与二次型主轴 9.6.1 人口迁徙模型 9.6.2 产品成本的计算 9.6.3 情报检索模型

7-1幂零线性变换的 Jordan标准型 A是数域K上n维线性空间V上的线性变换,如果存在正整数m,使A=0,则称A是一个 幂零线性变换. 对数域K上n阶方阵A,如果存在正整数m,使Am=0,则称A为幂零矩阵 命题幂零线性变换的特征值等于0 证明设是V上幂零线性变换A的特征值,则存在V中非零向量a,使得 Aa= 假设A=0

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

3.1n维向量 3.2 向量组的线性相关性 3.3 线性相关性的判别定理 3.4 向量组的秩 3.5 向量空间

1向量的定义 定义n个有次序的数a1,a2,…,an所组成的 数组称为n维向量这n个数称为该向量的分量 第i个数a称为第i个分量 分量全为实数的向量称为实向量 分量全为复数的向量称为复向量

提出了一种基于相重构和主流形识别的非线性时间序列降噪方法.带噪的时间序列在高维的相空间中其本质特征隐含在一个低维的主流形中,利用局部切空间变换方法提取其主流形,再根据主流形对时间序列进行重构,就可以达到降噪的目的.与现有的非线性时间序列消噪算法不同,基于主流形的消噪算法更强调时间序列的整体结构.数值仿真分析的结果验证了该降噪方法能有效地消除非线性时间序列中的高斯白噪声