比浏览器更快的访问！
25 关系: 奇异值分解，工程学，信号处理，图像处理，BLAS，矩阵，算法，线性代数，结构生物学，生物信息学，特征值和特征向量，詹姆斯·哈迪·威尔金森，高斯消去法，计算科学，金融工程学，電子計算機，LAPACK，LU分解，QR分解，材料科学，有限差分法，有限元分析，流體動力學，数值分析，数据挖掘。
奇异值分解
奇异值分解（singular value decomposition）是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。奇异值分解在某些方面与对称矩阵或厄米矩陣基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。对称阵特征向量分解的基础是谱分析，而奇异值分解则是谱分析理论在任意矩阵上的推广。.
新！!: 数值线性代数和奇异值分解 · 查看更多 »
工程学
工程学、工程科学或工学，是通过研究与实践应用数学、自然科学、社会学等基础学科的知识，来达到改良各行业中现有建筑、机械、仪器、系统、材料、化學和加工步骤的设计和应用方式一门学科。实践与研究工程学的人叫做工程师。 在高等学府中，将自然科学原理应用至工业、农业、服务业等各个生产部门所形成的诸多工程学科也称为工科和工学。.
新！!: 数值线性代数和工程学 · 查看更多 »
信号处理
在计算机科学、药物分析、电子学等学科中，信号处理（signal processing）是指对信号表示、变换、运算等进行处理的过程。 信号处理可以用于沟通人类之间，或人与机器之间的联系；用以探测我们周围的环境，并揭示出那些不易观察到的状态和构造细节，以及用来控制和利用能源与信息．例如，我们可能希望分开两个或多个多少有些混在一起的信号，或者想增强信号模型中的某些成分或参数。 几十年来，信号处理在诸如语音与資料通訊、生物医学工程、声学、声呐、雷达、地震、石油勘探、仪器仪表、机器人、日用电子产品以及其它很多的这样一些广泛的领域内起着关键的作用。.
新！!: 数值线性代数和信号处理 · 查看更多 »
图像处理
图像处理是指对图像进行分析、加工、和处理，使其满足视觉、心理或其他要求的技术。图像处理是信号处理在图像领域上的一个应用。目前大多数的图像均是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。 图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。 传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。.
新！!: 数值线性代数和图像处理 · 查看更多 »
BLAS
BLAS（Basic Linear Algebra Subprograms，基础线性代数程序集）是一个应用程序接口（API）标准，用以规范发布基础线性代数操作的数值库（如矢量或矩阵乘法）。该程序集最初发布于1979年，并用于建立更大的数值程序包（如LAPACK）。在高性能计算领域，BLAS被广泛使用。例如，LINPACK的运算成绩则很大程度上取决于BLAS中子程序DGEMM的表现。 为提高性能，各軟硬件厂商则针对其產品对BLAS接口实现进行高度最佳化。.
新！!: 数值线性代数和BLAS · 查看更多 »
矩阵
數學上，一個的矩陣是一个由--（row）--（column）元素排列成的矩形阵列。矩陣--的元素可以是数字、符号或数学式。以下是一个由6个数字元素构成的2--3--的矩阵： 大小相同（行数列数都相同）的矩阵之间可以相互加减，具体是对每个位置上的元素做加减法。矩阵的乘法则较为复杂。两个矩阵可以相乘，当且仅当第一个矩阵的--数等于第二个矩阵的--数。矩阵的乘法满足结合律和分配律，但不满足交换律。 矩阵的一个重要用途是解线性方程组。线性方程组中未知量的系数可以排成一个矩阵，加上常数项，则称为增广矩阵。另一个重要用途是表示线性变换，即是诸如.
算法
-- 算法（algorithm），在數學（算學）和電腦科學之中，為任何良定义的具體計算步驟的一个序列，常用於計算、和自動推理。精確而言，算法是一個表示爲有限長列表的。算法應包含清晰定義的指令用於計算函數。 算法中的指令描述的是一個計算，當其時能從一個初始狀態和初始輸入（可能爲空）開始，經過一系列有限而清晰定義的狀態最終產生輸出並停止於一個終態。一個狀態到另一個狀態的轉移不一定是確定的。隨機化算法在内的一些算法，包含了一些隨機輸入。 形式化算法的概念部分源自尝试解决希尔伯特提出的判定问题，並在其后尝试定义或者中成形。这些尝试包括库尔特·哥德尔、雅克·埃尔布朗和斯蒂芬·科尔·克莱尼分别于1930年、1934年和1935年提出的遞歸函數，阿隆佐·邱奇於1936年提出的λ演算，1936年的Formulation 1和艾倫·圖靈1937年提出的圖靈機。即使在當前，依然常有直覺想法難以定義爲形式化算法的情況。.
线性代数
线性代数是关于向量空间和线性映射的一个数学分支。它包括对线、面和子空间的研究，同时也涉及到所有的向量空间的一般性质。 坐标满足线性方程的点集形成n维空间中的一个超平面。n个超平面相交于一点的条件是线性代数研究的一个重要焦点。此项研究源于包含多个未知数的线性方程组。这样的方程组可以很自然地表示为矩阵和向量的形式。 线性代数既是纯数学也是应用数学的核心。例如，放宽向量空间的公理就产生抽象代数，也就出现若干推广。泛函分析研究无穷维情形的向量空间理论。线性代数与微积分结合，使得微分方程线性系统的求解更加便利。线性代数的理论已被泛化为。 线性代数的方法还用在解析几何、工程、物理、自然科学、計算機科學、计算机动画和社会科学（尤其是经济学）中。由于线性代数是一套完善的理论，非线性数学模型通常可以被近似为线性模型。.
新！!: 数值线性代数和线性代数 · 查看更多 »
结构生物学
结构生物学是一门以分子生物学生物化学和生物物理学的分支，关心的生物大分子（如蛋白质分子和核酸分子）的分子三维结构（Tertiary structure）（包括构架和形态），它们是如何获得它们的结构，并研究改变它们的结构与影响其功能的关系的学科。由于结构生物学能够解释生物大分子的构象和相互作用的方式，而所有的生命活动都是通过各种生物大分子的相互作用来实现；因此，对于生物学家们来说，这是一个非常有吸引力的领域。.
新！!: 数值线性代数和结构生物学 · 查看更多 »
生物信息学
生物信息學（bioinformatics）利用应用数学、信息学、统计学和计算机科学的方法研究生物学的问题。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。目前主要的研究方向有：序列比对、序列組裝、基因识别、基因重组、蛋白质结构预测、基因表达、蛋白质反应的预测，以及建立进化模型。 生物学技术往往生成大量的嘈杂数据。与数据挖掘类似，生物信息学利用数学工具从大量数据中提取有用的生物学信息。生物信息学所要处理的典型问题包括：重新組裝在霰弹枪定序法测序过程中被打散的DNA序列，从蛋白质的氨基酸序列预测蛋白质结构，利用mRNA微阵列或质谱仪的数据检验基因调控的假说。 某些人将计算生物学作为生物信息学的同义词处理；但是另外一些人认为计算生物学和生物信息学应当被当作不同的条目处理，因为生物信息学更侧重於生物学领域中计算方法的使用和发展，而计算生物学强调应用信息学技术对生物学领域中的假说进行检验，并尝试发展新的理论。 生物信息学可以定义为对分子生物学中两类信息流的研究：.
新！!: 数值线性代数和生物信息学 · 查看更多 »
特征值和特征向量
在数学上，特别是线性代数中，对于一个给定的矩阵A，它的特征向量（eigenvector，也譯固有向量或本征向量）v 经过这个线性变换之后，得到的新向量仍然与原来的v 保持在同一條直線上，但其长度或方向也许會改变。即 \lambda為純量，即特征向量的长度在该线性变换下缩放的比例，称\lambda 为其特征值（本征值）。如果特徵值為正，则表示v 在经过线性变换的作用后方向也不变；如果特徵值為負，说明方向会反转；如果特征值为0，则是表示缩回零点。但无论怎样，仍在同一条直线上。图1给出了一个以著名油画《蒙娜丽莎》为题材的例子。在一定条件下（如其矩阵形式为实对称矩阵的线性变换），一个变换可以由其特征值和特征向量完全表述，也就是說：所有的特徵向量組成了這向量空間的一組基底。一个特征空间(eigenspace)是具有相同特征值的特征向量与一个同维数的零向量的集合，可以证明该集合是一个线性子空间，比如\textstyle E_\lambda.
新！!: 数值线性代数和特征值和特征向量 · 查看更多 »
詹姆斯·哈迪·威尔金森
詹姆斯·哈迪·威尔金森，FRS（英文：James Hardy Wilkinson ）是英国数学家和计算机学家，在数值分析领域具有杰出贡献。数值分析是应用数学与计算机科学的交叉学科，特别在工程和物理学上具有显著的应用。.
新！!: 数值线性代数和詹姆斯·哈迪·威尔金森 · 查看更多 »
高斯消去法
数学上，高斯消去法（Gaussian Elimination），是线性代数中的一个算法，可用來為線性方程組求解，求出矩陣的秩，以及求出可逆方陣的逆矩陣。当用于一个矩陣时，高斯消去法會产生出一個行梯陣式。.
新！!: 数值线性代数和高斯消去法 · 查看更多 »
计算科学
计算科学，又称科学计算，是一个与数学模型构建、定量分析方法以及利用计算机来分析和解决科学问题相关的研究领域。在实际应用中，计算科学主要应用於：对各个科学学科中的问题，进行计算机模拟和其他形式的计算。 这一领域不同於计算机科学（对於计算、计算机以及信息处理的研究），同时也异於科学和工程学的传统形式——理论与实验。科学计算技术要想获得理解，主要需要通过在计算机上实现的数学模型进行分析。 科学家和工程师发展了计算机程序和应用软件，来为被研究的系统建立模型，並以多種輸入參數運行這些程序。一般来说，这些模型需要大量的计算（通常为浮点计算），常在超级计算机或分布式计算平台上执行。 数值分析是计算科学中使用的技法的重要基础。.
新！!: 数值线性代数和计算科学 · 查看更多 »
金融工程学
金融工程学侧重于衍生金融产品的定价和实际运用，它最关心的是如何利用创新金融工具，来更有效地分配和再分配个体所面临的形形色色的经济风险，以优化它们的风险-收益特征。较为具体而言，金融工程是在风险中性的假设条件下，将某种金融证券资产的期望收益率拟合于无风险收益率；从而是趋向于一种风险厌恶型的投资型。 Category:金融数学 Category:数学科学职业.
新！!: 数值线性代数和金融工程学 · 查看更多 »
電子計算機
--，亦稱--，计算机是一种利用数字电子技术，根据一系列指令指示其自动执行任意算术或逻辑操作序列的设备。计算机遵循被称为“程序”的一般操作集的能力使他们能够执行极其广泛的任务。 计算机被用作各种工业和消费设备的控制系统。这包括简单的特定用途设备（如微波炉和遥控器）、工业设备（如工业机器人和计算机辅助设计），以及通用设备（如个人电脑和智能手机之类的移动设备）等。尽管计算机种类繁多，但根据图灵机理论，一部具有最基本功能的计算机，应当能够完成任何其它计算机能做的事情。因此，理论上从智能手机到超级计算机都应该可以完成同样的作业（不考虑时间和存储因素）。由于科技的飞速进步，下一代计算机总是在性能上能够显著地超过其前一代，这一现象有时被称作“摩尔定律”。通过互联网，计算机互相连接，极大地提高了信息交换速度，反过来推动了科技的发展。在21世纪的现在，计算机的应用已经涉及到方方面面，各行各业了。 自古以来，简单的手动设备——就像算盘——帮助人们进行计算。在工业革命初期，各式各样的机械的出现，其初衷都是为了自动完成冗长而乏味的任务，例如织机的编织图案。更复杂的机器在20世纪初出现，通过模拟电路进行复杂特定的计算。第一台数字电子计算机出现于二战期间。自那时以来，电脑的速度，功耗和多功能性不断增加。在现代，机械计算--机的应用已经完全被电子计算机所取代。 计算机在组成上形式不一，早期计算机的体积足有一间房屋的大小，而今天某些嵌入式计算机可能比一副扑克牌还小。当然，即使在今天依然有大量体积庞大的巨型计算机为特别的科学计算或面向大型组织的事务处理需求服务。比较小的，为个人应用而设计的称为微型计算机（Personal Computer，PC），在中國地區简称為「微机」。我們今天在日常使用“计算机”一词时通常也是指此，不过现在计算机最为普遍的应用形式却是嵌入式，嵌入式计算机通常相对简单、体积小，并被用来控制其它设备——无论是飞机、工业机器人还是数码相机。 同计算机相关的技术研究叫计算--机科学，而「计算机技术」指的是将计算--机科学的成果应用于工程实践所派生的诸多技术性和经验性成果的总合。「计算机技术」与「计算机科学」是两个相关而又不同的概念，它们的不同在于前者偏重于实践而后者偏重于理论。至於由数据为核心的研究則称為信息技术。 传统上，现代计算机包括至少一个处理单元（通常是中央处理器（CPU））和某种形式的存储器。处理元件执行算术和逻辑运算，并且排序和控制单元可以响应于存储的信息改变操作的顺序。外围设备包括输入设备（键盘，鼠标，操纵杆等）、输出设备（显示器屏幕，打印机等）以及执行两种功能（例如触摸屏）的输入/输出设备。外围设备允许从外部来源检索信息，并使操作结果得以保存和检索。.
新！!: 数值线性代数和電子計算機 · 查看更多 »
LAPACK
LAPACK，其名為Linear Algebra PACKage的縮寫，是一以Fortran程式語言寫的，用於數值計算的函式集。 LAPACK提供了豐富的工具函式，可用於諸如解多元線性方程式、線性系統方程組的最小平方解、計算特徵向量、用於計算矩陣QR分解的Householder轉換、以及奇異值分解等問題。 在亦提供了API經簡化的Fortran 95版本的LAPACK95。LAPACK以BSD授權的方法釋出。.
新！!: 数值线性代数和LAPACK · 查看更多 »
LU分解
在线性代数中，LU分解是矩阵分解的一种，可以将一个矩阵分解为一个下三角矩阵和一个上三角矩阵的乘积（有时是它们和一个置换矩阵的乘积）。LU分解主要应用在数值分析中，用来解线性方程、求反矩陣或计算行列式。.
新！!: 数值线性代数和LU分解 · 查看更多 »
QR分解
QR分解法是三種将矩阵分解的方式之一。這種方式，把矩阵分解成一个半正交矩阵与一个上三角矩阵的积。QR分解经常用来解线性最小二乘法问题。QR分解也是特定特征值算法即QR算法的基础。.
新！!: 数值线性代数和QR分解 · 查看更多 »
材料科学
-- 材料科学，又名為材料工程，涉及物质的性质及其在各个科学和工程學领域的整合应用，是一个研究材料的制备或加工工艺、材料的微观结构与材料宏观性能三者之间的相互关系的跨领域學科。涉及的理论包括固体物理学，材料化学，应用物理和化学，以及化学工程，机械工程，土木工程和电机工程。与电子工程结合，则衍生出电子材料，与机械结合则衍生出结构材料，与生物学结合则衍生出生物材料等等。随着近年来媒体将注意力大量集中在纳米科学上，材料科学在科學與工程學領域越來越廣為人知。它也是鑑識科學和破壞分析中的一个重要组成部分，以後者為例，它是分析各種飛航意外的關鍵。今日許多科技上的問題受限於材料能夠容許的極限，也因此，在此領域的突破在未來科技具有指標性的影響。材料科学有着广泛的应用前景，。.
新！!: 数值线性代数和材料科学 · 查看更多 »
有限差分法
在数学中，有限差分法（finite-difference methods，簡稱FDM），是一种微分方程数值方法，是通过有限差分來近似导數，从而寻求微分方程的近似解。.
新！!: 数值线性代数和有限差分法 · 查看更多 »
有限元分析
有限元分析，即有限元方法（冯康首次发现时称为基于变分原理的差分方法），是一种用于求解微分方程组或积分方程组数值解的数值技术。这一解法基于完全消除微分方程，即将微分方程转化为代数方程组（稳定情形）；或将偏微分方程（组）改写为常微分方程（组）的逼近，这样可以用标准的数值技术（例如欧拉法，龙格－库塔法等）求解。 在解偏微分方程的过程中，主要的难点是如何构造一个方程来逼近原本研究的方程，并且该过程还需要保持数值稳定性。目前有许多处理的方法，他们各有利弊。当区域改变时（就像一个边界可变的固体），当需要的精确度在整个区域上变化，或者当解缺少光滑性时，有限元方法是在复杂区域（像汽车、船体结构、输油管道）上解偏微分方程的一个很好的选择。例如，在正面碰撞仿真时，有可能在"重要"区域（例如汽车的前部）增加预先设定的精确度并在车辆的末尾减少精度（如此可以减少仿真所需消耗）;另一个例子是模拟地球的气候模式，预先设定陆地部分的精确度高于广阔海洋部分的精确度是非常重要的。.
新！!: 数值线性代数和有限元分析 · 查看更多 »
流體動力學
流體動力學（Fluid dynamics）是流體力學的一門子學科。流體動力學研究的對象是運動中的流體（含液體和氣體）的狀態與規律。流體動力學底下的子學科包括有空氣動力學和液體動力學。 解決一個典型的流體動力學問題，需要計算流體的多項特性，主要包括速度、壓力、密度、溫度。 流體動力學有很大的應用，比如在預測天氣，計算飛機所受的力和力矩，輸油管線中石油的流率等方面上。其中的的一些原理甚至運用在交通工程，因交通運輸本身可被視為一連續流體运动。.
新！!: 数值线性代数和流體動力學 · 查看更多 »
数值分析
数值分析（numerical analysis），是指在数学分析（区别于离散数学）问题中，对使用数值近似（相对于一般化的符号运算）算法的研究。 巴比伦泥板YBC 7289是关于数值分析的最早数学作品之一，它给出了 \sqrt 在六十进制下的一个数值逼近，\sqrt是一個邊長為1的正方形的對角線，在西元前1800年巴比倫人也已在巴比倫泥板上計算勾股數（畢氏三元數）（3, 4, 5），即直角三角形的三邊長比。 数值分析延續了實務上數學計算的傳統。巴比倫人利用巴比伦泥板計算\sqrt的近似值，而不是精確值。在許多實務的問題中，精確值往往無法求得，或是無法用有理數表示（如\sqrt）。数值分析的目的不在求出正確的答案，而是在其誤差在一合理範圍的條件下找到近似解。 在所有工程及科學的領域中都會用到数值分析。像天體力學研究中會用到常微分方程，最優化會用在资产组合管理中，數值線性代數是資料分析中重要的一部份，而隨機微分方程及馬可夫鏈是在醫藥或生物學中生物細胞模擬的基礎。 在電腦發明之前，数值分析主要是依靠大型的函數表及人工的內插法，但在二十世紀中被電腦的計算所取代。不過電腦的內插演算法仍然是数值分析軟體中重要的一部份。.
新！!: 数值线性代数和数值分析 · 查看更多 »
数据挖掘
数据挖掘（data mining）是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的中发现模式的计算过程。数据挖掘过程的总体目标是从一个数据集中提取信息，并将其转换成可理解的结构，以进一步使用。除了原始分析步骤，它还涉及到数据库和数据管理方面、、模型与推断方面考量、兴趣度度量、复杂度的考虑，以及发现结构、可视化及在线更新等后处理。数据挖掘是“資料庫知識發現”（KDD）的分析步骤。数据挖掘：实用机器学习技术及Java实现》一书大部分是机器学习的内容。这本书最初只叫做“实用机器学习”，“数据挖掘”一词是后来为了营销才加入的。通常情况下，使用更为正式的术语，（大规模）数据分析和分析学，或者指出实际的研究方法（例如人工智能和机器学习）会更准确一些。 数据挖掘的实际工作是对大规模数据进行自动或半自动的分析，以提取过去未知的有价值的潜在信息，例如数据的分组（通过聚类分析）、数据的异常记录（通过异常检测）和数据之间的关系（通过关联式规则挖掘）。这通常涉及到数据库技术，例如。这些潜在信息可通过对输入数据处理之后的总结来呈现，之后可以用于进一步分析，比如机器学习和预测分析。举个例子，进行数据挖掘操作时可能要把数据分成多组，然后可以使用决策支持系统以获得更加精确的预测结果。不过数据收集、数据预处理、结果解释和撰写报告都不算数据挖掘的步骤，但是它们确实属于“資料庫知識發現”（KDD）过程，只不过是一些额外的环节。 类似词语“”、“数据捕鱼”和“数据探测”指用数据挖掘方法来采样（可能）过小以致无法可靠地统计推断出所发现任何模式的有效性的更大总体数据集的部分。不过这些方法可以建立新的假设来检验更大数据总体。.
新！!: 数值线性代数和数据挖掘 · 查看更多 »
