6.1 n维空间的线性变换 6.2 方阵的特征值和特征向量 6.3 相似矩阵与矩阵的对角化 6.4 实对称矩阵的对角化 6.5 二次型及其标准形 6.6 奇异值分解简介 6.7 应用实例 6.8 习题

定义9欧氏空间V的线性变换A叫做一个正交变换如果它保持向量的内积 不变,即对任意的,都有a,B∈V,都有 (Aa, AB)=(a, B)

设V是复线性空间.V×V上的一个函数,如果满足 (i)(·,·)对第一个变量是线性的 (i)(a,B)=(B (ii1)ya∈V,(a,a)≥0,且(a,a)=0分a=0 则称(a,B)为向量a,B的内积,具有内积的复线性空间称为酉空间(欧氏空间在复线性 空间上的推广)

定义3V是数域P上一个线性空间,f(a,B)是上一个二元函数,即对V 中任意两个向量a,B,根据f都唯一地对应于P中一个数f(a,B)如果f(a,) 有下列性质:

13.5.1基线向量网平差的数学模型 13.5.2GPS网与地面网在三维空间坐标系中联合平差

本书为上册.数值分析部分内容由解线性代数方程组的直接法和迭代法、矩阵特征值和特征向量的计算、非线性方程的数值解法、插值与逼近、数值积分、常微分方程初值问题的数值解法等基本内容组成.矩阵部分内容由矩阵基础知识、线性空间与内积空间、线性变换、矩阵的标准型、矩阵函数、广义逆等基本内容组成.书中内容力求精简，系统性强，循序渐进，易于教学

第一章 古典概型和概率空间 第二章 随机变量和概率分布 第三章 随机向量及其分布 第四章 数学期望和方差 第五章 多元正态分布和极限定理 第六章 描述性统计 第七章 参数估计 第八章 假设检验 第九章 线性回归分析

提出了一种独立分量分析和BP神经网络相结合的人耳识别新方法(ICABP法).首先采用快速独立分量分析方法提取人耳图像的独立基图像和投影向量,然后采用改进的三层BP神经网络进行分类识别.该方法将ICA的空间局部特征提取功能和BP神经网络的自适应功能有机地结合起来,增强了系统的鲁棒性.实验表明,ICABP法取得了很高的识别率

• 掌握概率论和数理统计的基本数学知识。 • 训练用概率论和数理统计方法对实际问题进行数学建模的能力。 • 学会解决常见的统计分析问题。 • 是应用型很强的学科。 第一章 古典概型和概率空间 第二章 随机变量和概率分布 第三章 随机向量及其分布 第四章 数学期望和方差 第五章 多元正态分布和极限定理 第六章 描述性统计 第七章 参数估计 第八章 假设检验 第九章 线性回归分析

特征值的代数重数 若A∈F是A∈F\\的重特征值,则称的代数重数为k 特征值的几何重数 (Ⅰ-A)x=0的解空间称为A的属于特征值λ的特征子空间,记 为V2