小麦杂种优势利用是提高小麦产量的一条重要途径。目前人们已经创制了40余种 不同细胞质雄性不育类型,但实际用于小麦杂种优势利用的不育胞质并不多。其中被公 认为有利用前景的是具有粘果山羊草( Ae kotschyi)、易变山羊草(Ae. variabilis)、偏凸 山羊草(Ae. ventricosa)和二角山羊草( Ae. biconis)细胞质的粘类小麦雄性不育系,并 且不少学者对其细胞质效应

定义.设a,B是自变量同一变化过程中的无穷小, 若lim=0,则称β是比a高阶的无穷小,记作 B=o(a) 若lim=∞,则称B是比a低阶的无穷小; 若lim=C≠0,则称B是a的同阶无穷小;

采用热模拟和显微组织分析方法,研究了冷却速率、变形温度、变形量等轧制工艺参数对一种X70级微合金管线钢组织及马氏体/奥氏体(M/A)小岛的影响.结果表明:增大冷速、降低变形温度均可使组织细化,组织中多边形铁素体减少,针状铁素体增多;同时,在不同的控轧条件下,会形成一定的M/A小岛,变形温度对M/A小岛影响不大,而适当提高冷速和增大变形量将减少小岛相对量,并使其细小而弥散分布于基体;合理控制形变参数及冷速可获得较理想的显微组织与M/A小岛的配合,提高材料性能

小麦秆锈病是世界范围的小麦病害,在种植小麦的国家和地区均有发生,主要分布于北 美、澳洲及非洲等地。我国主要在华东沿海、长江流域和福建、广东、广西的冬麦区及东北 内蒙古、西北等春麦区发生流行,给小麦生产造成严重损失

第一节 小麦蚜虫（掌握） 第二节 小麦害螨 （掌握） 第三节 小麦吸浆虫（掌握） 第四节 麦叶蜂 （选学） 第五节 麦杆蝇 （选学） 第六节 麦鞘毛眼水蝇 （选学） 第七节 小麦害虫综合防治（自学了解）

第一节 方阵的特征值与特征向量 一、特征值与特征向量的概念 三、特征值与特征向量的性质 二、特征值与特征向量的求法 四、小节、思考题 第二节 相似矩阵 一、相似矩阵与相似变换的概念 二、相似矩阵与相似变换的性质 三、利用相似变换将方阵对角化 四、小结、思考题 第三节 实对称矩阵的对角化 一、实对称矩阵的性质 对角化的方法 二、利用正交矩阵将实对称矩阵 三、小结、思考题 第四节 二次型及其标准形 一、二次型及其标准形的概念 二、二次型的表示方法 三、二次型的矩阵及秩 四、化二次型为标准形的正交变换法 六、小结、思考题 五、化二次型为标准形的配方法 第五节 正定二次型与正定矩阵 一、惯性定理 二、正（负）定二次型的概念 三、正（负）定二次型的判别 四、小节、思考题

第一节 向量组的线性相关与线性无关 一、向量、向量组与矩阵 二、线性相关性的概念 三、线性相关性的判定 六、小节、思考题 四、向量组的线性相关性质 五、线性表示、线性相关以及 线性无关三者的关系 第二节 向量组的秩 一、最大无关向量组的概念 二、矩阵与向量组秩的关系 三、向量组秩的重要结论 四、小节、思考题 第三节 向量空间 一、向量空间的概念 二、子空间 三、向量空间的基和维数 四、小节、思考题 第四节 线性方程组解的结构 一、齐次线性方程组解的性质 二、基础解系及其求法 三、非齐次线性方程组解的性质 四、小节、思考题 第五节 向量的内积 一、内积的定义与性质 二、向量的长度与性质 三、正交向量组的概念及求法 四、正交矩阵与正交变换 五、小节、思考题

第一节 二阶、三阶行列式 一、二阶行列式的引入 二、三阶行列式 三、小节、思考题 第二节 n 阶行列式 一、余子式和代数余子式 二、行列式按行（列）的展开法则 三、小节、思考题 第三节 行列式的性质 一、行列式的性质 二、应用举例 三、小节、思考题 第四节 行列式的计算 一、行列式计算的几种常见方法 二、小节、思考题 第五节 行列式的应用 一、伴随矩阵及逆矩阵公式 二、克拉默法则及其应用 四、小结、思考题 的方程组的重要定理 三、关于未知数个数等于方程个数

第一节 矩阵 一、 矩阵概念的引入 二、 矩阵的定义 三、 小节、思考题 第二节 矩阵的运算 一、矩阵的加法 二、数乘矩阵 三、矩阵与矩阵相乘 四、矩阵的转置运算 五、小结、思考题 第三节 逆矩阵 一、概念的引入 二、逆矩阵的概念和性质 三、逆矩阵的求法 四、小结、思考题 第四节 分块矩阵 一、矩阵的分块 二、分块矩阵的运算法则 三、小节、思考题 第五节 初等变换和初等矩阵 一、初等变换的引入− −方程组的同解变换 二、矩阵的初等变换 三、初等矩阵的概念 四、初等矩阵的应用 五、小结、思考题

基于提升方法(lifting scheme)的小波变换 提升法被称为第二代小波,可见其重要性。 下面先举一个arr小波的例子。 在一序列中有相邻数据a,b我们计算出其低频1=(a+b)/2高频h=b-a 如果不引入新数据,仅对a,b更新,可写作b-=a,a+=b/2 这样我们发现其可在自身位置上完成小波变换,而且还大大简化了计算过程(在复杂的变换中更明显)