一、教学目标 1.熟练掌握向量的内积,夹角,长度,距离概念; 2.掌握 Schwarz不等式及应用; 3.理解标准正交基的概念,求法及应用,了解子空间正交

1.在R中引进内积运算,建立n维欧氏空间概念; 2.讨论欧氏空间的正交基的概念及求法; 3.讨论三维欧氏空间R3中向量积,直线及平面方程等内容 4.建立一般内积空间的概念

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

层次分析(AHP)方法的一般介绍； 层次结构与比较矩阵构造方法； 权向量的确定方法； 比较矩阵的一致性检验方法； 案例分析：合理分配住房问题

曲面及其方程 一、曲面方程的概念 曲面的实例:水桶的表面、台灯的罩子面等. 曲面在空间解析几何中被看成是点的几何轨迹. 曲面方程的定义: 如果曲面S与三元方程F(x,y,)=0有下述关系: (1)曲面S上任一点的坐标都满足方程; (2)不在曲面S上的点的坐标都不满足方程;那么,方程F(x,y,)=0就叫做曲面S的方程,而曲面S就叫做方程的图形

标量函数场的梯度公式:若某一标量场的函数关系已经确定,为=T(x,y,z), 那么如何确定标量场在域中任意点的梯度(假设该点坐标为P(x,y,z)) 在P(x,y,z)点附近任意点P(x,y,z2)的标量场为V(x,y,),则两点标量场值差 可由泰勒展开为:

2.5.2可逆矩阵,方阵的逆矩阵 1、可逆矩阵,方阵的逆矩阵的定义 定义设A是属于K上的一个n阶方阵,如果存在属于K上的n阶方阵B,使

2.6.1分块矩阵的乘法,准对角阵的乘积和秩 1、矩阵的分块和分块矩阵的乘法 设A是属于K上的m×n矩阵,B是K上n×k矩阵,将A的行分割r段,每段分别包含m,m2,,m,个行,又将A的列分割为s段,每段包含nn2,n个列。于是A可用小块矩阵表示如下:

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

命题正交矩阵的特征多项式的根的绝对值等于1 证明设入∈C是正交矩阵A的特征多项式的根,则≠0.齐次线性方程组(e-a)X=0 在C内有非零解向量