内容选讲 第四章幂级数 数学分析中的级数理论很容易推广到复函数上来,并得到某些系统的结论。不仅如此,级数可作为研究解析函数的一个重要工具,将解析函数表示为幂级数

本章主要内容： · 单纯形方法的基本数学原理。 · 基本单纯形：双因素基本单纯形、直角单纯形、双水平单纯形优化推进方法。 · 改进单纯形、加权形心法、控制加强形心法。 · 灵活运用各种单纯形的改进方法

1.3.1 绝对误差和绝对误差限 1.3.2 相对误差和相对误差限 1.3.3 有效数字 1.3.4 误差估计的基本方法 1.3.5 问题的适定性和算法的稳定性 1.3.6 减小误差危害

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

3.5.1 正规方程 3.5.2 Cholesky 分解法 3.5.3 QR 分解法 3.5.4 SVD 分解法

回归分析是研究随机现象中变量之间关系的一种数理统计方法。它 的主要内容是:从一组数据出发,确定这些变量间的关系式,对这些关 系式的可信程度进行统计检验,从影响一个量的许多变量中,判断哪些 变量的影响是显著的,哪些是不显著的,寻找具有较好统计性质的回归 设计,利用所求得的关系式进行预报和控制

3.3.1 QR 分解的存在性与唯一性 3.3.2 基于 MGS 的 QR 分解 3.3.3 基于 Householder 分解的 QR 分解 3.3.4 基于 Givens 变换的 QR 分解 3.3.5 QR 分解的稳定性

3.1 问题介绍 3.2 Householder 变换和 Givens 变换 3.3 QR 分解 3.4 奇异值分解 3.5 线性最小二乘问题的求解方法

一、图及其分类 本章研究的图与平面几何中的图不同，我们只关心图中有多少个点， 点与点之间有无线连接，至于连线的方式是直线还是曲线，点与点的相对 位置如何，都是无关紧要的。下面介绍有关图的基本概念

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