本课程以工程应用为导向,服务于学生后续电路分析、自动控制、工程计算、质量管理、数据处理等专业课程学习,课程分为线性代数与概率统计两大板块,线性代数侧重培养学生矩阵、线性方程组及线性关系的处理能力,概率统计侧重培养学生对随机事件、随机变量、常用概率分布与数字特征的理解、分析及运算能力。课程明确六大学习目标:学生需要熟练完成二阶、三阶及常见高阶行列式的化简与求解,掌握矩阵各类基础运算、逆矩阵与矩阵秩的计算,理解初等变换的应用原理;能够借助高斯消元法求解线性方程组,依托矩阵秩判定方程组解的情况;可以准确识别样本空间、随机事件与古典概型,灵活运用条件概率、全概率、贝叶斯公式求解概率问题;熟练描述离散型、连续型随机变量分布,掌握 0-1、二项、泊松、均匀、指数、正态等经典分布模型;会计算数学期望、方差、协方差、相关系数,并能结合工程场景解读各数字特征的数据意义。课程共计六大教学模块,其中模块一行列式安排 8 学时,要求学生掌握低阶行列式计算、n 阶行列式定义、行列式性质与降阶展开计算;模块二矩阵安排 10 学时,训练学生矩阵四则运算、逆矩阵求解、初等变换与矩阵秩的求取;模块三线性方程组求解安排 10 学时,聚焦高斯消元法、方程组解的判定规则与齐次、非齐次方程组通解求解;模块四随机事件与概率安排 8 学时,围绕随机试验、古典概型、三大概率核心公式与事件独立性开展教学;模块五一维随机变量及其分布安排 10 学时,讲解分布函数与六大常用概率分布的原理及概率运算;模块六随机变量的数字特征安排 8 学时,重点落实期望、方差、协方差、相关系数的计算与工程统计含义解读。本课程具备四大特色,整体依托六大模块整合线性代数、概率统计核心知识点,规避碎片化教学;教学任务兼顾基础计算训练与工程实际应用,引导学生挖掘工程场景下的线性结构与随机规律;配套标准化多题型章节作业,可批量导入线上教学平台,实现过程性考核;满分制期末综合作业兼顾概念、计算、综合应用三类题型,能够全面检验课程整体学习效果。为保障学习成效,建议学生先吃透概念内涵与公式适用范围再开展习题训练,梳理行列式、矩阵、线性方程组的内在关联,厘清概率知识各核心概念的层级逻辑,完成作业后按错误类型分类复盘错题;课程推荐采用章节作业、期末综合作业、课堂互动相结合的多元考核模式,依托线上作业落实单元学情检测,借助期末作业综合评定专业能力,结合微课自学、随堂练习、工程案例研讨完成课堂过程性评价。
Overview
Google, IBM & Meta Certificates – 40% Off
One plan covers every Professional Certificate on Coursera.
Unlock All Certificates
Syllabus
- 模块一:行列式
- n阶行列式定义
- 行列式的性质
- 行列式按行(列)展开
- 模块二:矩阵
- 矩阵的定义
- 矩阵的线性运算
- 矩阵的乘法
- 矩阵的逆
- 矩阵的初等变换
- 矩阵的秩
- 模块三:线性方程组求解
- 线性方程组的初等变换
- 线性方程组有解的判别定理
- 齐次线性方程组解的结构
- 非齐次线性方程组解的结构
- 模块四:随机事件与概率
- 样本空间与随机事件
- 概率
- 古典概型
- 条件概率
- 全概率公式
- 模块五:一维随机变量及其分布
- 随机变量、分布函数
- 离散型随机变量及其分布
- 泊松分布
- 连续型随机变量及其分布
- 均匀分布
- 模块六:随机变量的数字特征
- 方差
- 协方差与相关系数
Taught by
jinbo fu, wenqing liu, qingwang chen, danping gui, and yanyu xie