线性代数（第5版）
出版时间:
2019-08
版次:
1
ISBN:
9787302535560
定价:
108.00
-
线性代数内容包括行列式、矩阵、线性方程组与向量、矩阵的特征值与特征向量、二次型及Mathematica 软件的应用等。 每章都配有习题，书后给出了习题答案。本书在编写中力求重点突出、由浅入深、 通俗易懂，努力体现教学的适用性。本书可作为高等院校工科专业的学生的教材，也可作为其他非数学类本科专业学生的教材或教学参考书。 作者GILBERT STRANG为Massachusetts Institute of Technology数学系教授。从UCLA博士毕业后一直在MIT任教.教授的课程有“数据分析的矩阵方法”“线性代数”“计算机科学与工程”等，出版的图书有Linear Algebra and Learning from Data (NEW)、See math.mit.edu/learningfromdata、Introduction to Linear Algebra - Fifth Edition 、Contact linearalgebrabook@gmail.com、Complete List of Books and Articles、Differential Equations and Linear Algebra。 Table of Contents
1 Introduction to Vectors 1
1.1 VectorsandLinearCombinations...................... 2
1.2 LengthsandDotProducts.......................... 11
1.3 Matrices ................................... 22
2 Solving Linear Equations 31
2.1 VectorsandLinearEquations........................ 31
2.2 TheIdeaofElimination........................... 46
2.3 EliminationUsingMatrices......................... 58
2.4 RulesforMatrixOperations ........................ 70
2.5 InverseMatrices............................... 83
2.6 Elimination = Factorization: A = LU .................. 97
2.7 TransposesandPermutations ........................ 108
3 Vector Spaces and Subspaces 122
3.1 SpacesofVectors .............................. 122
3.2 The Nullspace of A: Solving Ax = 0and Rx =0 ........... 134
3.3 The Complete Solution to Ax = b ..................... 149
3.4 Independence,BasisandDimension .................... 163
3.5 DimensionsoftheFourSubspaces ..................... 180
4 Orthogonality 193
4.1 OrthogonalityoftheFourSubspaces . . . . . . . . . . . . . . . . . . . . 193
4.2 Projections ................................. 205
4.3 LeastSquaresApproximations ....................... 218
4.4 OrthonormalBasesandGram-Schmidt. . . . . . . . . . . . . . . . . . . 232
5 Determinants 246
5.1 ThePropertiesofDeterminants....................... 246
5.2 PermutationsandCofactors......................... 257
5.3 Cramer’sRule,Inverses,andVolumes . . . . . . . . . . . . . . . . . . . 272
vii
6 Eigenvalues and Eigenvectors 287
6.1 IntroductiontoEigenvalues......................... 287
6.2 DiagonalizingaMatrix ........................... 303
6.3 SystemsofDifferentialEquations ..................... 318
6.4 SymmetricMatrices............................. 337
6.5 PositiveDe.niteMatrices.......................... 349
7 TheSingularValueDecomposition (SVD) 363
7.1 ImageProcessingbyLinearAlgebra .................... 363
7.2 BasesandMatricesintheSVD ....................... 370
7.3 Principal Component Analysis (PCA by the SVD) . . . . . . . . . . . . . 381
7.4 TheGeometryoftheSVD ......................... 391
8 LinearTransformations 400
8.1 TheIdeaofaLinearTransformation .................... 400
8.2 TheMatrixofaLinearTransformation. . . . . . . . . . . . . . . . . . . 410
8.3 TheSearchforaGoodBasis ........................ 420
9 ComplexVectorsand Matrices 429
9.1 ComplexNumbers ............................. 430
9.2 HermitianandUnitaryMatrices ...................... 437
9.3 TheFastFourierTransform......................... 444
10 Applications 451
10.1GraphsandNetworks ............................ 451
10.2MatricesinEngineering........................... 461
10.3 Markov Matrices, Population, and Economics . . . . . . . . . . . . . . . 473
10.4LinearProgramming ............................ 482
10.5 Fourier Series: Linear Algebra for Functions . . . . . . . . . . . . . . . . 489
10.6ComputerGraphics ............................. 495
10.7LinearAlgebraforCryptography...................... 501
11 NumericalLinear Algebra 507
11.1GaussianEliminationinPractice ...................... 507
11.2NormsandConditionNumbers....................... 517
11.3 IterativeMethodsandPreconditioners . . . . . . . . . . . . . . . . . . . 523
12LinearAlgebrain Probability& Statistics 534
12.1Mean,Variance,andProbability ...................... 534
12.2 Covariance Matrices and Joint Probabilities . . . . . . . . . . . . . . . . 545
12.3 Multivariate Gaussian and Weighted Least Squares . . . . . . . . . . . . 554
MatrixFactorizations 562
Index 564
SixGreatTheorems/LinearAlgebrain aNutshell 573
-
内容简介:
线性代数内容包括行列式、矩阵、线性方程组与向量、矩阵的特征值与特征向量、二次型及Mathematica 软件的应用等。 每章都配有习题，书后给出了习题答案。本书在编写中力求重点突出、由浅入深、 通俗易懂，努力体现教学的适用性。本书可作为高等院校工科专业的学生的教材，也可作为其他非数学类本科专业学生的教材或教学参考书。
-
作者简介:
作者GILBERT STRANG为Massachusetts Institute of Technology数学系教授。从UCLA博士毕业后一直在MIT任教.教授的课程有“数据分析的矩阵方法”“线性代数”“计算机科学与工程”等，出版的图书有Linear Algebra and Learning from Data (NEW)、See math.mit.edu/learningfromdata、Introduction to Linear Algebra - Fifth Edition 、Contact linearalgebrabook@gmail.com、Complete List of Books and Articles、Differential Equations and Linear Algebra。
-
目录:
Table of Contents
1 Introduction to Vectors 1
1.1 VectorsandLinearCombinations...................... 2
1.2 LengthsandDotProducts.......................... 11
1.3 Matrices ................................... 22
2 Solving Linear Equations 31
2.1 VectorsandLinearEquations........................ 31
2.2 TheIdeaofElimination........................... 46
2.3 EliminationUsingMatrices......................... 58
2.4 RulesforMatrixOperations ........................ 70
2.5 InverseMatrices............................... 83
2.6 Elimination = Factorization: A = LU .................. 97
2.7 TransposesandPermutations ........................ 108
3 Vector Spaces and Subspaces 122
3.1 SpacesofVectors .............................. 122
3.2 The Nullspace of A: Solving Ax = 0and Rx =0 ........... 134
3.3 The Complete Solution to Ax = b ..................... 149
3.4 Independence,BasisandDimension .................... 163
3.5 DimensionsoftheFourSubspaces ..................... 180
4 Orthogonality 193
4.1 OrthogonalityoftheFourSubspaces . . . . . . . . . . . . . . . . . . . . 193
4.2 Projections ................................. 205
4.3 LeastSquaresApproximations ....................... 218
4.4 OrthonormalBasesandGram-Schmidt. . . . . . . . . . . . . . . . . . . 232
5 Determinants 246
5.1 ThePropertiesofDeterminants....................... 246
5.2 PermutationsandCofactors......................... 257
5.3 Cramer’sRule,Inverses,andVolumes . . . . . . . . . . . . . . . . . . . 272
vii
6 Eigenvalues and Eigenvectors 287
6.1 IntroductiontoEigenvalues......................... 287
6.2 DiagonalizingaMatrix ........................... 303
6.3 SystemsofDifferentialEquations ..................... 318
6.4 SymmetricMatrices............................. 337
6.5 PositiveDe.niteMatrices.......................... 349
7 TheSingularValueDecomposition (SVD) 363
7.1 ImageProcessingbyLinearAlgebra .................... 363
7.2 BasesandMatricesintheSVD ....................... 370
7.3 Principal Component Analysis (PCA by the SVD) . . . . . . . . . . . . . 381
7.4 TheGeometryoftheSVD ......................... 391
8 LinearTransformations 400
8.1 TheIdeaofaLinearTransformation .................... 400
8.2 TheMatrixofaLinearTransformation. . . . . . . . . . . . . . . . . . . 410
8.3 TheSearchforaGoodBasis ........................ 420
9 ComplexVectorsand Matrices 429
9.1 ComplexNumbers ............................. 430
9.2 HermitianandUnitaryMatrices ...................... 437
9.3 TheFastFourierTransform......................... 444
10 Applications 451
10.1GraphsandNetworks ............................ 451
10.2MatricesinEngineering........................... 461
10.3 Markov Matrices, Population, and Economics . . . . . . . . . . . . . . . 473
10.4LinearProgramming ............................ 482
10.5 Fourier Series: Linear Algebra for Functions . . . . . . . . . . . . . . . . 489
10.6ComputerGraphics ............................. 495
10.7LinearAlgebraforCryptography...................... 501
11 NumericalLinear Algebra 507
11.1GaussianEliminationinPractice ...................... 507
11.2NormsandConditionNumbers....................... 517
11.3 IterativeMethodsandPreconditioners . . . . . . . . . . . . . . . . . . . 523
12LinearAlgebrain Probability& Statistics 534
12.1Mean,Variance,andProbability ...................... 534
12.2 Covariance Matrices and Joint Probabilities . . . . . . . . . . . . . . . . 545
12.3 Multivariate Gaussian and Weighted Least Squares . . . . . . . . . . . . 554
MatrixFactorizations 562
Index 564
SixGreatTheorems/LinearAlgebrain aNutshell 573
查看详情
-
八五品
北京市海淀区
平均发货5小时
成功完成率96.34%
-
九品
黑龙江省哈尔滨市
平均发货9小时
成功完成率92.6%
-
八五品
河北省沧州市
平均发货14小时
成功完成率95.99%
-
八五品
北京市海淀区
平均发货14小时
成功完成率91.17%
-
九五品
江西省南昌市
平均发货19小时
成功完成率85.14%
-
九品
广东省深圳市
平均发货8小时
成功完成率94.51%
-
八品
北京市海淀区
平均发货5小时
成功完成率96.34%
-
九品
重庆市渝北区
平均发货10小时
成功完成率94.62%
-
八五品
江西省南昌市
平均发货9小时
成功完成率93.04%
-
九品
北京市昌平区
平均发货11小时
成功完成率96.85%
-
八五品
-
九品
北京市昌平区
平均发货11小时
成功完成率96.85%
-
八五品
广东省惠州市
平均发货11小时
成功完成率95.18%
-
2019年 印刷
八五品
北京市昌平区
平均发货10小时
成功完成率95.88%
-
2022-04 印刷
印次: 13
九品
河南省平顶山市
平均发货5小时
成功完成率93.26%
-
2022-04 印刷
印次: 13
九品
北京市海淀区
平均发货6小时
成功完成率96.11%
-
八五品
浙江省杭州市
平均发货10小时
成功完成率85.35%
-
八五品
-
九品
河北省沧州市
平均发货14小时
成功完成率95.99%
-
九品
江西省南昌市
平均发货17小时
成功完成率85.21%
-
八五品
河北省衡水市
平均发货4小时
成功完成率95.15%
-
2019-09 印刷
印次: 2
七五品
安徽省蚌埠市
平均发货16小时
成功完成率97.17%
-
2021-06 印刷
印次: 11
八五品
上海市闵行区
平均发货8小时
成功完成率93.03%
-
八五品
广东省东莞市
平均发货7小时
成功完成率91.46%
-
九品
重庆市万州区
平均发货2小时
成功完成率96.12%
-
线性代数（第5版）
二手书7-9成新，均为批量上传，封面可能不准，请以书名条形码为准。单书售出，默认无光盘、答案等配件。
2019-08 印刷
印次: 1
八五品
福建省厦门市
平均发货9小时
成功完成率92.15%
-
九品
-
九五品
北京市西城区
平均发货16小时
成功完成率94.95%
-
九品
北京市通州区
平均发货11小时
成功完成率92.65%
-
八五品
河北省廊坊市
平均发货13小时
成功完成率83.89%
-
九五品
北京市朝阳区
平均发货27小时
成功完成率86.17%
-
九五品
湖南省长沙市
平均发货20小时
成功完成率93.4%
-
八五品
陕西省西安市
平均发货16小时
成功完成率81.73%
-
八五品
安徽省阜阳市
平均发货17小时
成功完成率92.05%
-
九五品
河北省沧州市
平均发货14小时
成功完成率95.99%
-
八五品
北京市通州区
平均发货18小时
成功完成率92.34%
-
八五品
河北省廊坊市
平均发货14小时
成功完成率91.31%
-
九五品
河北省沧州市
平均发货14小时
成功完成率95.99%
-
八五品
河南省郑州市
平均发货27小时
成功完成率60.21%
-
九品
安徽省马鞍山市
平均发货9小时
成功完成率95.68%
-
九五品
四川省成都市
平均发货11小时
成功完成率92.59%
-
九品
辽宁省葫芦岛市
平均发货10小时
成功完成率89.01%
-
九品
四川省成都市
平均发货12小时
成功完成率94.44%
-
八五品
安徽省芜湖市
平均发货3小时
成功完成率94.65%
-
八五品
广东省惠州市
平均发货18小时
成功完成率26.67%
-
九品
重庆市沙坪坝区
平均发货13小时
成功完成率93.1%
-
九五品
江西省南昌市
平均发货8小时
成功完成率89.8%
-
八五品
湖南省长沙市
平均发货13小时
成功完成率96.15%
-
九五品
浙江省台州市
平均发货24小时
成功完成率97.78%
-
八品
陕西省西安市
平均发货19小时
成功完成率84.83%
占位居中
