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

第二章3线性方程组的理论课题 3.1.1齐次线性方程组的基础解系 对于齐次线性方程组 ax1+a12x2+…+anxn=0 Ja12x1+a22x2++ =0, ……… amx+am2x2+…+=0 令 (a1)(a1 a22 a1= a2,a2= ,…,an= am2/ amn 则上述方程组即为

第二章非线性方程求根 l* Solutions of Nonlinear Equations* 求f(x)=0的根 1多项式基础* Polynomials*(自习) 2二分法l* Bisection Method*1 原理:若f∈C[a,b,且f(a)f(b)<0,则f在(a,b)上必有一根

在多元泡沫复合驱油实验研究的基础上,通过对渗流机理、渗流规律的分析,根据质量传输流体力学、化学动力学、物质平衡原理和对泡沫上浮运动等机理的深入研究,建立了多元泡沫化学剂复合驱油渗流数学模型.结合对泡沫流动机理和物理化学性质的实验研究,给出了相应的数学描述模型方程.数值模拟结果表明,该模型能较好地反映了渗流物理实质

本书由二十七篇论文组成,内容分为两个部分:理论部分、应用及软件部分。理论部分包括了蒙特卡罗方法基础、伪随机数的产生、已知分布抽样;应用及软件部分覆盖了蒙特卡罗方法的主要应用领域。本书基本上反映了自1993年西安会议以来我国在蒙特卡罗方法研究和应用方西的水平愿本书能成为蒙特卡罗方法研究和应用的最重要参考书之一

一、齐次线性方程组 例1设A为n阶矩阵,证明 R(A)=R(). 证明由于若Ax=0,有AAx=0,这说明凡是 Ax=0的解必为AAx=0的解。 另一方面,若AAx=0,我们记Ax=y,则有 yy=x'a'ax=x(a'Ax)=0,则y=0,亦 即Ax=0.这说明凡是AAx=0的解必为Ax=0的 解。故A'Ax=0与Ax=0的同解。当两齐次线性 方程组同解,意味着它们的基础解系包含的向 量个数相等,亦即有: n-R(A)=n-R(A'A) 所以R(A)=R(A'a)

1.3概率模型与公理化结构 一、可测空间 柯氏公理体系是现代概率论的基石从古典概率、几何概率等共有基本属性出发,抽象并建立概率论的基础理论. 回顾古典概率、几何概率的定义,有如下问题:

5.1数组基本概念 5.2数组元素的下标 5.3数组初始化 5.4数组的大小和越界数组 5.5字符数组 5.6向函数传递数组 5.7多维数组

1从空集到有理数 实数是在有理数基础上定义的,有理数又是在整数的基础上定义的,而整数又是在自 然数的基础上定义的,那么自然数如何定义呢? 有两个集合A和B,我们称它们为等价的,如果存在一个从A到B的映射∫,它是1-1 的,又是满的。这时我们说A和B具有相同的势。我们首先承认空集φ是存在的,考虑 个集合{},它不是空集,凡与{φ}等价的集合都有相同的势,我们把{φ}简写为1。再考 虑集合{,{},它与1={φ}是不等价的,我们把它简写为2

◼ 1、概述 ◼ 1.1、机器学习的应用 ◼ 1.2 、什么是机器学习 ◼ 1.3、机器学习的发展 ◼ 1.4、机器学习的分类 ◼ 1.5 机器学习的资源 ◼ 2、机器学习的数学基础 ◼ 3、机器学习的术语 ◼ 4、基于案例的机器学习流程简介 ◼ 5、机器学习算法简介 ◼ 6、机器学习实例演示