下载本文档
版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领
文档简介
第4章线性代数基础
教案
课程名称：大数据数学基础（Python语言描述）
课程类别：必修
适用专业：大数据技术类相关专业
总学时：80学时（其中理论58学时，实验22学时）
总学分：5.0学分
本章学时：12学时
一、材料清单
（1）《大数据数学基础（Python语言描述）》教材。
（2）配套PPT。
（3）引导性提问。
（4）探究性问题。
（5）拓展性问题。
二、教学目标与基本要求
1.教学目标
通过矩阵的定义，了解矩阵的运算：通过引入二阶行列式和三阶行列式，了解克拉默法
则，行列式的6个性质和按行（列）展开；掌握逆矩阵和矩阵的秩，以及矩阵的特征分解、
矩阵的对角化和矩阵的奇异值分解等应用和计算。
2.基本要求
（1）掌握矩阵的运算。
（2）掌握运用行列式的性质进行计算的方法。
（3）掌握特征分解、奇异值分解的应用。
三、问题
1.引导性提问
引导性提问需要教师根据教材内容和学生实际水平、提出问题，启发引导学生去解决问
题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。
（1）线性代数的知识主要有哪些？
（2）线性代数与大数据有哪些联系？
2.探究性问题
探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的
基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课
文中又是重要的问题加以设问。
（1）行列式与矩阵有什么联系？
（2）向量与矩阵有什么联系？
3.拓展性问题
拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提
出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问
题c
（1）除本章的知识点外，特征分解在大数据方面的具体应用有哪些？
（2）除本章的知识点外，奇异值分解在大数据方面的具体应用有哪些？
四、主要知识点、重点与难点
1.主要知识点
（1）矩阵的定义和特殊矩阵。
（2）矩阵的运算。
（3）行列式的概念和定义。
（4）行列式性质。
（5）代数余子式定义及定理。
（6）求逆矩阵、矩阵的秩。
（7）矩阵的对角化，
（8）特征分解与奇异值分解的定义。
（9）特征分解的方法。
（10）奇异值分解的方法。
2.重点
（1）矩阵的运算。
（2）行列式性质。
（3）求逆矩阵、矩阵的秩的方法。
（4）矩阵的对角化。
（5）特征分解的方法。
（6）奇异值分解的方法。
3.难点
（1）矩阵的对角化。
（2）特征分解的方法。
（3）奇异值分解的方法。
五、教学过程设计
1.理论教学过程
（1）了解矩阵的定义、特殊矩阵。
（2）掌握矩阵的运算。
（3）掌握行列式的概念和定义。
（4）掌握行列式性质。
（5）掌握代数余子式定义及定理。
（6）了解特征分解与奇异值分解的定义。
（7）掌握特征分解的方法。
（8）掌握奇异值分解的方法。
2.实验教学过程
（1）掌握创建各种矩阵的方法。
（2）掌握矩阵的计算。
（3）求解矩阵的逆。
（4）求解矩阵的秩。
（5）利用行列式;求解方程组。
温馨提示
- 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
评论
0/150
提交评论