一、矩阵的定义 二、几种特殊矩阵 三、同型矩阵与矩阵相等的概念 四、小结

1.4对换 一、对换的定义 二、对换与排列的奇偶性的关系 三、小结

本章由线性方程组的解法入手,引出行列 式的概念,再利用行列式的知识解决方程 组的相关问题。 主要内容:n阶行列式的定义、性质及其计 算方法。 §1.1二阶与三阶行列式 • 一、二阶行列式的引入 • 二、三阶行列式 • 三、小结 §1.2全排列及其逆序数 • 一、概念的引入 • 二、全排列及其逆序数 • 三、小结 §1.3 n阶行列式的定义 • 一、概念的引入 • 二、n阶行列式的定义 • 三、小结

n(元)维随机变量(向量) 称同一个样本空间Ω上的n个随机变量 X1,2,…,Xn构成的n维向量(X1,2,Xn) 为Ω上的n维随机变量(向量) 注:一维随机变量即为上一节介绍的随机变量, 二维及二维以上的随机变量称为多维随机变量

第一章 集合与函数 第一节 集合与映射 第二节 函数的概念与基本性质 第三节 基本初等函数与初等函数 第四节 双曲函数与反双曲函数 第二章 函数的极限和连续性 数列的极限 x→∞时函数的极限 x→x0时函数的极限 第四节 无穷大量与无穷小量 第三章 一元函数的导数与微分 导数的概念 求导法则 函数的微分 高阶导数与高阶微分 第五节 微分中值定理 第六节 泰勒公式 第七节 罗必达法则

在数学期望一讲中,我们已经介绍了 矩和中心矩的概念。 这里再给出混合矩、混合中心矩的概念

任意两个随机变量X和Y的协方差,记为Cov(X,,定义为

上一讲我们介绍了随机变量的数学期 望,它体现了随机变量取值的平均水平, 是随机变量的一个重要的数字特征. 但是在一些场合,仅仅知道平均值是 不够的

在前面的课程中,我们讨论了随机变量及 其分布,如果知道了随机变量X的概率分布, 那么X的全部概率特征也就知道了。 然而,在实际问题中,概率分布一般是较 难确定的.而在一些实际应用中,人们并不需 要知道随机变量的一切概率性质,只要知道它 的某些数字特征就够了

8.1GM(1,1)模型 定义8.1.1称 为灰色微分型方程. 定义8.1.2若灰色微分型方程满足下列条件: