拟合与插值的区别
第一、数学史可以帮助我们了解先遇到了怎样的问题，他们是怎样解决的，他们解决这些问题是怎样想到的，就为我们开拓了思路，提供了办法。
第二、从数学史的角度来看，中国近代数学落后的原因在于数学思想方法的落后，没能跟上数学发展的最前沿。
方已把极限、无穷小等概念烂熟之时，我们还只沉醉在一些算术的小技巧上。
第三、每一次的数学危机都是一次数学的革命，为我们带来了新的数学思想、方法。
根本性的改变了我们对数学、以及对整个世看法。
与其他知识部门相比，数学是门历史性或者说累积性很强的科学。
重大的数学理论总是在继承和发展原有理论的基础上建立起来的，它们不仅不会推翻原有的理论，而且总是包容原理论。
人们也常常把现代数学比喻成一株茂密的大树，它包含着并且正在继续生长出越来越多的分支。
数学史不仅是单纯的数学成就的编年记录。
数学的发展决不是一帆风顺的，在更多的情况充满忧郁、徘徊，要经历艰难曲折，甚至会面临危机。
数学史也是数学家们克服困难和战胜危机的斗争记录。
对这种记录的了解可使我们从前人的探索与奋斗中汲取教益，获得鼓舞和增强信心。
因此，可以说不了解数学史就能全面了解数学科学。
学习数学建模需要哪些书籍及软件
我也要参加今月份的数学建模比以下是我们老师给我们的几议，希望对你有些。
赛前学习内容1建模基础知识、常用工具软件的使用一、掌握建模必备的数学基础知识（如初等数学、高等数学等），数学建模中常用的但尚未学过的方法，如图论方法、优化中若干方法、概率统计以及运筹学等方法。
二、，针对建模特点，结合典型的建模题型，重点学习一些实用数学软件（如 Mathematica 、Matlab、Lindo 、Lingo、SPSS）的使用及一般性开发,尤其注意同一数学模型可以用多个软件求解的问题。
例如, 贷款买房问题: 某人贷款8 万元买房，每月还贷款880.87 元，月利率1％。
（1）已经还贷整6 年。
还贷6 年后，某人想知道自己还欠银行多少钱，请你告诉他。
（2）此人忘记这笔贷款期限是多少年，请你告诉他。
这问题我们可以用 Mathematica 、Matlab、Lindo 、Lingo 等多个不同软件包编程求解2 建模的过程、方法数学建模是一项非常具有创造性和挑战性的活动，不可能用一些条条框框规定出各种模型如何具体建立。
但一般来说，建模主要涉及两个方面：第一，将实际问题转化为理论模型；第二，对理论模型进行计算和分析。
简而言之，就是建立数学模型来解决各种实际问题的过程。
这个过程可以用如下图1来表示。
3常用算法的设计 建模与计算是数学模型的两大核心，当模型建立后，计算就成为解决问题的关键要素了，而算法好坏将直接影响运算速度的快慢答案的优劣。
根据竞赛题型特点及前参赛获奖选手的心得体会，建议大家多用数学软件（Mathematica,Matlab,Maple,Lindo,Lingo,SPSS 等）设计算法，这里列举常用的几种数学建模算法.（1）蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法，通常使用Mathematica、Matlab 软件实现）。
（2）数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具）。
（3）线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件实现）。
（4）图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备，通常使用Mathematica、Maple 作为工具）。
（5）动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中，通常使用Lingo 软件实现）。
（6）图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）。
（7）最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用，通常使用Lingo、 Matlab、SPSS 软件实现）。
4 论文结构，写作特点和要求答卷（论文）是竞赛活动成绩结晶的书面形式，是评定竞赛活动的成绩好坏、高低，获奖级别的唯一依据。
因此，写好数学建模论文在竞赛活动中显得尤其重要，这也是参赛学生必须掌握的。
为了使学生较好地掌握竞赛论文的撰写要领，（1）要求同学们认真学习和掌握全国大学生数学建模竞赛组委会最新制定的论文格式要求且多阅读科技文献。
（2）通过对历届建模竞赛的优秀论文（如以中国人民解放军信息工程学院李开锋、赵玉磊、黄玉慧2004 年获全国一等奖论文：奥运场馆周边的MS 网络设计方案为范例）进行剖析，总结出建模论文的一般结构及写作要点，去学习体会和摸索。
参加全国大学生数学建模竞赛应注意的问题一、心里要有“底” 首先，赛题来自于哪个实际领地的确难以预料，但绝不会过于“专”，它毕竟是经过简化、加工的。
大部分赛题仅凭意识便能理解题意，少数赛题的实际背景可能生疏，只需要查阅一些资料，便可以理解题意。
其次，所有的赛题当然要用到数学知识，但一定不会过于高深。
用得较多的有运筹学、概率与统计、计算方法、离散数学、微分方程等方面的一部分理论和方法，这些内容在赛前培训要学过一些，真的用到了，总知道在哪些资料中查找。
二、当断即断 在两个赛题中选择做哪一个不能久议不决，因为你们只有三天时间，一旦选定了，就不要再犹豫，更不要反复。
选定了赛题之后，在讨论建模思路和求解方法时会有争论，但不能无休止地 争论，而应学会妥协。
方案定下来后，全队要齐心协力地去做。
三、对困难要有足够的心理准备 “拿到题目就有思路，做起来一帆风顺”，哪有如此轻松的事
参加竞赛可以说是“自讨苦吃，以苦为乐”，竞赛三天中所经受的磨炼一定会终生难忘，并成为自己的一份精神财富。
好多同学赛后说：“参赛会后悔三天，而不参赛则遗憾一生。
”做“撞到枪口上”的赛题，不一定比“外行”强。
如学机械的队员做机械方面的赛题，学投资的队员做投资方面的赛题，学统计的队员做统计方面的赛题，都有可能“聪明反被聪明误”，这些情况在全国赛区都曾发生过。
这就需要大家多方面涉猎知识尽全能做到全面 关于数模竞赛的几本好书▲ 姜启源，《数学模型（第二版）》，高等教育出版社▲ 姜启源、谢金星、叶俊《数学建模（第三版）》，高等教育出版社▲ 萧树铁等，《数学实验》，高等教育出版社▲ 朱道元，《数学建模案例精选》，科学出版社▲ 雷功炎，《数学模型讲义》，北京大学出版社▲ 叶其孝等，《大学生数学建模竞赛辅导教材（一）~（四）》，湖南教育出版社▲ 江裕钊、辛培清，《数学模型与计算机模拟》，电子科技大学出版社▲ 杨启帆、边馥萍，《数学模型》，浙江大学出版社▲ 赵静等，《数学建模与数学实验》，高等教育出版社，施普林格出版社▲ 韩中庚， 《数学建模方法与应用》，高等教育出版社▲杨启帆，《数学建模案例集》，高等教育出版社.需要了解的基础学科1．数学分析（高等数学） 2．高等代数 （线性代数）3．概率与数理统计4．最优化理论 （规划理论）5．图论 6．组合数学7．微分方程稳定性分析 8．排队论
我想参加九月份的数学建模大赛，可是我连门都没进。
。
。
来得及吗
来的及。
我当年也是大二的时候第一次参加的数学建模，当时由于数学基础比较好，老师推荐去参加的，后来获得了上海市二等奖，没有进入全国奖评定。
之后又参加了两次，都是全国二等奖，没有拿到一等奖是个遗憾。
现在准备是来得及的，主要是对于数学建模的理解和一些常用软件的实用技巧。
转载一下我觉得比较好的内容供你参考：赛前学习内容1建模基础知识、常用工具软件的使用一、掌握建模必备的数学基础知识（如初等数学、高等数学等），数学建模中常用的但尚未学过的方法，如图论方法、优化中若干方法、概率统计以及运筹学等方法。
二、，针对建模特点，结合典型的建模题型，重点学习一些实用数学软件（如 Mathematica 、Matlab、Lindo 、Lingo、SPSS）的使用及一般性开发,尤其注意同一数学模型可以用多个软件求解的问题。
例如, 贷款买房问题: 某人贷款8 万元买房，每月还贷款880.87 元，月利率1％。
（1）已经还贷整6 年。
还贷6 年后，某人想知道自己还欠银行多少钱，请你告诉他。
（2）此人忘记这笔贷款期限是多少年，请你告诉他。
这问题我们可以用 Mathematica 、Matlab、Lindo 、Lingo 等多个不同软件包编程求解2 建模的过程、方法数学建模是一项非常具有创造性和挑战性的活动，不可能用一些条条框框规定出各种模型如何具体建立。
但一般来说，建模主要涉及两个方面：第一，将实际问题转化为理论模型；第二，对理论模型进行计算和分析。
简而言之，就是建立数学模型来解决各种实际问题的过程。
这个过程可以用如下图1来表示。
3常用算法的设计 建模与计算是数学模型的两大核心，当模型建立后，计算就成为解决问题的关键要素了，而算法好坏将直接影响运算速度的快慢答案的优劣。
根据竞赛题型特点及前参赛获奖选手的心得体会，建议大家多用数学软件（Mathematica,Matlab,Maple,Lindo,Lingo,SPSS 等）设计算法，这里列举常用的几种数学建模算法.（1）蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法，通常使用Mathematica、Matlab 软件实现）。
（2）数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具）。
（3）线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件实现）。
（4）图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备，通常使用Mathematica、Maple 作为工具）。
（5）动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中，通常使用Lingo 软件实现）。
（6）图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）。
（7）最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用，通常使用Lingo、 Matlab、SPSS 软件实现）。
4 论文结构，写作特点和要求答卷（论文）是竞赛活动成绩结晶的书面形式，是评定竞赛活动的成绩好坏、高低，获奖级别的唯一依据。
因此，写好数学建模论文在竞赛活动中显得尤其重要，这也是参赛学生必须掌握的。
为了使学生较好地掌握竞赛论文的撰写要领，（1）要求同学们认真学习和掌握全国大学生数学建模竞赛组委会最新制定的论文格式要求且多阅读科技文献。
（2）通过对历届建模竞赛的优秀论文（如以中国人民解放军信息工程学院李开锋、赵玉磊、黄玉慧2004 年获全国一等奖论文：奥运场馆周边的MS 网络设计方案为范例）进行剖析，总结出建模论文的一般结构及写作要点，去学习体会和摸索。
参加全国大学生数学建模竞赛应注意的问题一、心里要有“底” 首先，赛题来自于哪个实际领地的确难以预料，但绝不会过于“专”，它毕竟是经过简化、加工的。
大部分赛题仅凭意识便能理解题意，少数赛题的实际背景可能生疏，只需要查阅一些资料，便可以理解题意。
其次，所有的赛题当然要用到数学知识，但一定不会过于高深。
用得较多的有运筹学、概率与统计、计算方法、离散数学、微分方程等方面的一部分理论和方法，这些内容在赛前培训要学过一些，真的用到了，总知道在哪些资料中查找。
二、当断即断 在两个赛题中选择做哪一个不能久议不决，因为你们只有三天时间，一旦选定了，就不要再犹豫，更不要反复。
选定了赛题之后，在讨论建模思路和求解方法时会有争论，但不能无休止地 争论，而应学会妥协。
方案定下来后，全队要齐心协力地去做。
三、对困难要有足够的心理准备 “拿到题目就有思路，做起来一帆风顺”，哪有如此轻松的事
参加竞赛可以说是“自讨苦吃，以苦为乐”，竞赛三天中所经受的磨炼一定会终生难忘，并成为自己的一份精神财富。
好多同学赛后说：“参赛会后悔三天，而不参赛则遗憾一生。
”做“撞到枪口上”的赛题，不一定比“外行”强。
如学机械的队员做机械方面的赛题，学投资的队员做投资方面的赛题，学统计的队员做统计方面的赛题，都有可能“聪明反被聪明误”，这些情况在全国赛区都曾发生过。
这就需要大家多方面涉猎知识尽全能做到全面 关于数模竞赛的几本好书▲ 姜启源，《数学模型（第二版）》，高等教育出版社▲ 姜启源、谢金星、叶俊《数学建模（第三版）》，高等教育出版社▲ 萧树铁等，《数学实验》，高等教育出版社▲ 朱道元，《数学建模案例精选》，科学出版社▲ 雷功炎，《数学模型讲义》，北京大学出版社▲ 叶其孝等，《大学生数学建模竞赛辅导教材（一）~（四）》，湖南教育出版社▲ 江裕钊、辛培清，《数学模型与计算机模拟》，电子科技大学出版社▲ 杨启帆、边馥萍，《数学模型》，浙江大学出版社▲ 赵静等，《数学建模与数学实验》，高等教育出版社，施普林格出版社▲ 韩中庚， 《数学建模方法与应用》，高等教育出版社▲杨启帆，《数学建模案例集》，高等教育出版社.需要了解的基础学科1．数学分析（高等数学） 2．高等代数 （线性代数）3．概率与数理统计4．最优化理论 （规划理论）5．图论 6．组合数学7．微分方程稳定性分析 8．排队论
学习数学建模的心得体会
一年一度的全国数学建模大赛在今年的9 月22 日上午8 点拉开战幕，各队将在3 天72 小时内对一个现实中的实际问题进行模型建立，求解和分析，确定题目后，我们队三人分头行动，一人去图书馆查阅资料，一人在网上搜索相关信息，一人建立模型，通过三人的努力，在前两天中建立出两个模型并编程求解，经过艰苦的奋斗，终于在第三天完成了论文的写作，在这三天里我感触很深，现将心得体会写出，希望与大家交流。
1. 团队精神：团队精神是数学建模是否取得好成绩的最重要的因素，一队三个人要相互支持，相互鼓励。
切勿自己只管自己的一部分（数学好的只管建模，计算机好的只管编程，写作好的只管论文写作），很多时候，一个人的思考是不全面的，只有大家一起讨论才有可能把问题搞清楚，因此无论做任何板块，三个人要一起齐心才行，只靠一个人的力量，要在三天之内写出一篇高水平的文章几乎是不可能的。
2. 有影响力的leader：在比赛中，leader 是很重要的，他的作用就相当与计算机中的CPU，是全队的核心，如果一个队的leader 不得力，往往影响一个队的正常发挥，就拿选题来说，有人想做A 题，有人想做B 题，如果争论一天都未确定方案的话，可能就没有足够时间完成一篇论文了，又比如，当队中有人信心动摇时（特别是第三天，人可能已经心力交瘁了），leader 应发挥其作用，让整个队伍重整信心，否则可能导致队伍的前功尽弃。
3. 合理的时间安排：做任何事情，合理的时间安排非常重要，建模也是一样，事先要做好一个规划，建模一共分十个板块（摘要，问题提出，模型假设，问题分析，模型假设，模型建立，模型求解，结果分析，模型的评价与推广，参考文献，附录）。
你每天要做完哪几个板块事先要确定好，这样做才会使自己游刃有余，保证在规定时间内完成论文，以避免由于时间上的不妥，以致于最后无法完成论文。
4. 正确的论文格式：论文属于科学性的文章，它有严格的书写格式规范，因此一篇好的论文一定要有正确的格式，就拿摘要来说吧，它要包括6 要素（问题,方法,模型,算法,结论,特色），它是一篇论文的概括，摘要的好坏将决定你的论文是否吸引评委的目光，但听阅卷老师说，这次有些论文的摘要里出现了大量的图表和程序，这都是不符合论文格式的，这种论文也不会取得好成绩，因此我们写论文时要端正态度，注意书写格式。
5. 论文的写作：我个人认为论文的写作是至关重要的，其实大家最后的模型和结果都差不多，为什么有些队可以送全国，有些队可以拿省奖，而有些队却什么都拿不到，这关键在于论文的写作上面。
一篇好的论文首先读上去便使人感到逻辑清晰，有条例性，能打动评委；其次，论文在语言上的表述也很重要，要注意用词的准确性；另外，一篇好的论文应有闪光点，有自己的特色，有自己的想法和思考在里面，总之，论文写作的好坏将直接影响到成绩的优劣。
6. 算法的设计：算法的设计的好坏将直接影响运算速度的快慢，建议大家多用数学软件（Mathematice,Matlab,Maple, Mathcad,Lindo,Lingo,SAS 等），这里提供十种数学建模常用算法，仅供参考：1、 蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法）2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具）3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件实现）4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备）5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中）6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用）7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具）8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的）9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用）10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）以上便是我这次参加这次数学建模竞赛的一点心得体会，只当贻笑大方，不过就数学建模本身而言，它是魅力无穷的，它能够锻炼和考查一个人的综合素质，也希望广大同学能够积极参与到这项活动当中来。
多元线性回归分析的优缺点
用fit函数或者nlinfit,nlinfit是最小平方估计比如第一个>> y= [19.0 32.3 49.0 73.3 97.8]y = 19.0000 32.3000 49.0000 73.3000 97.8000>> x=[19 25 31 38 44]x = 19 25 31 38 44>> fit(x',y','a+b*x^2')Warning: Start point not provided, choosing random start point.> In fit>handlewarn at 715 In fit at 315ans = General model: ans(x) = a+b*x^2 Coefficients (with 95% confidence bounds): a = 0.9726 (0.7579, 1.187) b = 0.05004 (0.04986, 0.05021)用nlinfit建立m文件mymodel.mfunction y=mymodel(beta,x)y=beta(1)+beta(2)*x.^2;console下输入：nlinfit(x,y,@mymodel,[0 0])ans = 0.9726 0.0500第二个我不知道函数模型，没法拟合 x=[0 5 10 15 20 25 30 35 40 45 50 55];y=[0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.62 4.64];建立m文件mymodel.mfunction y=mymodel(beta,x)y=beta(1)*exp(-beta(2).\\\/x);console下输入：nlinfit(x,y,@mymodel,[1 1])ans = 5.5031 8.7873
MATLAB课程内容总结
MATLAB 语言是当今国际上科学界 (尤其是自动控制领域) 最具影响力、也是最有活力的软件。
它起源于矩阵运算，并已经发展成一种高度集成的计算机语言。
它提供了强大的科学运算、灵活的程序设计流程、高质量的图形可视化与界面设计、便捷的与其他程序和语言接口的功能。
MATLAB 语言在各国高校与研究单位起着重大的作用。
补充：MATLAB的含义是矩阵实验室（MATRIX LABORATORY），主要用于方便矩阵的存取，其基本元素是无须定义维数的矩阵。
MATLAB自问世以来,就是以数值计算称雄。
MATLAB进行数值计算的基本单位是复数数组（或称阵列），这使得MATLAB高度“向量化”。
经过十几年的完善和扩充，现已发展成为线性代数课程的标准工具。
由于它不需定义数组的维数，并给出矩阵函数、特殊矩阵专门的库函数，使之在求解诸如信号处理、建模、系统识别、控制、优化等领域的问题时，显得大为简捷、高效、方便，这是其它高级语言所不能比拟的。
美国许多大学的实验室都安装有MATLAB供学习和研究之用。
在那里,MATLAB是攻读学位的大学生硕士生、博士生必须掌握的基本工具。
MATLAB中包括了被称作工具箱（TOOLBOX）的各类应用问题的求解工具。
工具箱实际上是对MATLAB进行扩展应用的一系列 MATLAB函数（称为M文件），它可用来求解各类学科的问题，包括信号处理、图象处理、控制系统辨识、神经网络等。
随着MATLAB版本的不断升级，其所含的工具箱的功能也越来越丰富，因此，应用范围也越来越广泛，成为涉及数值分析的各类工程师不可不用的工具。
MATLAB5.3中包括了图形界面编辑GUI，改变了以前单一的“在指令窗通过文本形的指令进行各种操作”的状况。
这可让使用者也可以象VB、VC、 VJ、DELPHI等那样进行一般的可视化的程序编辑。
在命令窗口（matlab command window）键入simulink，就出现(SIMULINK) 窗口。
以往十分困难的系统仿真问题，用SIMULINK只需拖动鼠标即可轻而易举地解决问题，这也是近来受到重视的原因所在。
作图的plot函数和ezplot比较常见差分的没看，不知道线性的linprog或者用牛顿法，都可以，前面的比较好用非线性用最小二乘或者lsqcurvefit非线性拟合优化的有很多，黄金分割，进退法，这些都可以，最速下降法都可以，这几个也是可以用手算的，当然最速下降法手算有点难，因为当他接近目标的时候会很慢，算很多次，一般先最速下降，后牛顿，这样配合比较好
明白人告诉我 线性代数 的应用究竟有多强大
工科几乎都牵涉高数我已经有所体会了 但是线性代数我只感
线性代数有什么用
线性代数有什么用
这是每一个圈养在象牙塔里，在灌输式教学模式下的“被学习”的学生刚刚开始思考时的第一个问题。
我稍微仔细的整理了一下学习线代的理由，竟然也罗列了不少，不知道能不能说服你：1、 如果你想顺利地拿到学位，线性代数的学分对你有帮助；2、 如果你想继续深造，考研，必须学好线代。
因为它是必考的数学科目，也是研究生科目《矩阵论》、《泛函分析》的基础。
例如，泛函分析的起点就是无穷多个未知量的无穷多线性方程组理论。
3、 如果你想提高自己的科研能力，不被现代科技发展潮流所抛弃，也必须学好，因为瑞典的L.戈丁说过，没有掌握线代的人简直就是文盲。
他在自己的数学名著《数学概观》中说：要是没有线性代数，任何数学和初等教程都讲不下去。
按照现行的国际标准，线性代数是通过公理化来表述的。
它是第二代数学模型，其根源来自于欧几里得几何、解析几何以及线性方程组理论。
…，如果不熟悉线性代数的概念，像线性性质、向量、线性空间、矩阵等等，要去学习自然科学，现在看来就和文盲差不多，甚至可能学习社会科学也是如此。
4、 如果毕业后想找个好工作，也必须学好线代：l 想搞数学，当个数学家（我靠，这个还需要列出来，谁不知道线代是数学）。
恭喜你，你的职业未来将是最光明的。
如果到美国打工的话你可以找到最好的职业（参考本节后附的一份小资料）。
l 想搞电子工程，好，电路分析、线性信号系统分析、数字滤波器分析设计等需要线代，因为线代就是研究线性网络的主要工具；进行IC集成电路设计时，对付数百万个集体管的仿真软件就需要依赖线性方程组的方法；想搞光电及射频工程，好，电磁场、光波导分析都是向量场的分析，比如光调制器分析研制需要张量矩阵，手机信号处理等等也离不开矩阵运算。
l 想搞软件工程，好，3D游戏的数学基础就是以图形的矩阵运算为基础；当然，如果你只想玩3D游戏可以不必掌握线代；想搞图像处理，大量的图像数据处理更离不开矩阵这个强大的工具，《阿凡达》中大量的后期电脑制作没有线代的数学工具简直难以想象。
l 想搞经济研究。
好，知道列昂惕夫（Wassily Leontief）吗
哈佛大学教授，1949年用计算机计算出了由美国统计局的25万条经济数据所组成的42个未知数的42个方程的方程组，他打开了研究经济数学模型的新时代的大门。
这些模型通常都是线性的，也就是说，它们是用线性方程组来描述的，被称为列昂惕夫“投入-产出”模型。
列昂惕夫因此获得了1973年的诺贝尔经济学奖。
l 相当领导，好，要会运筹学，运筹学的一个重要议题是线性规划。
许多重要的管理决策是在线性规划模型的基础上做出的。
线性规划的知识就是线代的知识啊。
比如，航空运输业就使用线性规划来调度航班，监视飞行及机场的维护运作等；又如，你作为一个大商场的老板，线性规划可以帮助你合理的安排各种商品的进货，以达到最大利润。
l 对于其他工程领域，没有用不上线代的地方。
如搞建筑工程，那么奥运场馆鸟巢的受力分析需要线代的工具；石油勘探，勘探设备获得的大量数据所满足的几千个方程组需要你的线代知识来解决；飞行器设计，就要研究飞机表面的气流的过程包含反复求解大型的线性方程组，在这个求解的过程中，有两个矩阵运算的技巧：对稀疏矩阵进行分块处理和进行LU分解； 作餐饮业，对于构造一份有营养的减肥食谱也需要解线性方程组；知道有限元方法吗
这个工程分析中十分有效的有限元方法，其基础就是求解线性方程组。
知道马尔科夫链吗
这个 “链子”神通广大，在许多学科如生物学、商业、化学、工程学及物理学等领域中被用来做数学模型，实际上马尔科夫链是由一个随机变量矩阵所决定的一个概率向量序列，看看，矩阵、向量又出现了。
l 另外，矩阵的特征值和特征向量可以用在研究物理、化学领域的微分方程、连续的或离散的动力系统中，甚至数学生态学家用以在预测原始森林遭到何种程度的砍伐会造成猫头鹰的种群灭亡；大名鼎鼎的最小二乘算法广泛应用在各个工程领域里被用来把实验中得到的大量测量数据来拟合到一个理想的直线或曲线上，最小二乘拟合算法实质就是超定线性方程组的求解；二次型常常出现在线性代数在工程（标准设计及优化）和信号处理（输出的噪声功率）的应用中，他们也常常出现在物理学（例如势能和动能）、微分几何（例如曲面的法曲率）、经济学（例如效用函数）和统计学（例如置信椭圆体）中，某些这类应用实例的数学背景很容易转化为对对称矩阵的研究。
嘿嘿（脸红），说实在的，我也没有足够经验讲清楚线代在各个工程领域中的应用，只能大概人云亦云地讲述以上线代的一些基本应用。
