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

问题1：什么是集合、集合论？ 问题2：集合的基本概念有哪些？ 问题3：如何进行集合运算与集合公式证明？

问题1：什么是命题？什么是逻辑？什么是命题逻辑？ 问题2：如何判断命题表达式的真假？ 问题3：如何判定命题可满足？

在人们的生产实践中,经常会遇到如何利用现有资源来安排生产,以取得最大经济 效益的问题。此类问题构成了运筹学的一个重要分支一数学规划,而线性规划( Linear Programming简记LP)则是数学规划的一个重要分支。自从1947年G.B. Dantzig提出 求解线性规划的单纯形方法以来,线性规划在理论上趋向成熟,在实用中日益广泛与深 入。特别是在计算机能处理成千上万个约束条件和决策变量的线性规划问题之后,线性 规划的适用领域更为广泛了,已成为现代管理中经常采用的基本方法之一

实际中,很多问题的数学模型都是微分方程。我们可以研究它们的一些 性质。但是,只有极少数特殊的方程有解析解。对于绝大部分的微分方程是 没有解析解的。 常微分方程作为微分方程的基本类型之一,在自然界与工程界有很广泛 的应用。很多问题的数学表述都可以归结为常微分方程的定解问题

本章叙述中为了区别图中的顶点和解空间树中的顶点，凡是在解 空间树中出线队顶点一律称为结点。 分支限界法同回溯法类似，它也是在解空间中搜索问题的可行解 或最优解，但搜索的方式不同。回溯法采用深度优先的方式，朝纵深 方向搜索，直至达到问题的一个可行解，或经判断沿此路径不会达到 问题的可行解或最优解时，停止向前搜索，并沿原路返回到该路径上 最后一个还可扩展的结点

§7.1 无约束问题的极值问题 §7.2 约束极值问题的最优性条件

运输、指派和转运问题，实际上都可以用 L.P. 模型加以描述，所以可以认为它们是 L.P. 的特例 单列一章的原因在于：应用面极广，实践性 很强，而特有的数学结构使得人们设计出了 特别有效的方法对此类模型进行求解 本章的重点在：掌握表格化方法求解运输、 指派、转运问题的模型

本书开始介绍线性代数的空间理论，主要包括一般域上的线性空间、线性变换和内积理论，空间的维数不作限制．线性空间理论是对向量和矩阵知识的抽象和扩充．有限维线性空间上的线性代数问题，可以转化为矩阵问题加以研究．面对无限维线性空间上的线性代数问题时，有限维线性空间中成立的结论在无限维线性空间中有可能不成立，矩阵方法无法替代空间理论．线性代数的矩阵理论和空间理论是两套不同的数学语言，分别具有代数属性和几何属性，它们是线性代数的一体两面，各有所长．综合掌握这两套数学语言，有利于从多个角度深入思考具体问题

第一章 线性方程组的直接解法 第二章 线性方程组的敏度分析与消去法的舍入误差分析 第三章 最小二乘问题的解法 第四章 线性方程组的古典迭代解法 第五章 共轭梯度法 第六章 非对称特征值问题的计算方法 第七章 对称特征值问题的计算方法