基礎線性代數, 5/e A Short Course in Linear Algebra
黃學亮
- 出版商: 五南
- 出版日期: 2023-03-17
- 定價: $550
- 售價: 9.5 折 $523
- 貴賓價: 9.0 折 $495
- 語言: 繁體中文
- 頁數: 448
- ISBN: 6263438371
- ISBN-13: 9786263438378
-
相關分類:
線性代數 Linear-algebra
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
$408圖像加密演算法與實踐-基於 C# 語言實現 -
世界第一簡單實驗設計$280$238 -
$179編程珠璣 : 續 (修訂版) (More Programming Pearls: Confessions of a Coder) -
Absolute C++, 6/e (IE-Paperback)$1,350$1,323 -
C 程式設計藝術, 8/e (國際版)(附部分內容光碟)(C: How to Program, 8/e)$840$756 -
Computer Science: An Overview, 13/e (IE-Paperback)$1,320$1,294 -
University Physics with Modern Physics in SI Units, 15/e (IE-Paperback)$1,460$1,460 -
$137支持向量機數據擾動分析 -
$359數學女王的邀請 初等數論入門 -
速查! 數學大百科事典 – 127 個公式、定理、 法則$500$395 -
用 Python 輕鬆設計控制系統$474$450 -
程序員數學 : 用 Python 學透線性代數和微積分 (Math for Programmers: 3D graphics, machine learning, and simulations with Python)$779$740 -
比 VBA 更強的 RPA 來了!Power Automate Desktop 零程式打造辦公室流程自動化$560$442 -
$602MATLAB 科學計算, 2/e -
$403算法筆記, 2/e -
Python 金融市場賺大錢聖經:寫出你的專屬指標, 2/e$780$616 -
$560算法的樂趣, 2/e -
基礎微積分$680$646 -
重構的時機與實作|五行程式碼規則 (Five Lines of Code: How and When to Refactor)$680$537 -
Deep Learning 4|用 Python 進行強化學習的開發實作$680$537 -
基礎微積分, 7/e$450$405 -
深度學習 -- 最佳入門邁向 AI 專題實戰, 2/e$1,200$948 -
Calculus: Early Transcendentals, 9/e (Metric Version) (Custom Solutions) (Hardcover)$1,540$1,509 -
線性代數考前衝刺 (適用: 資工所.統計所.電機所.轉學考)$680$612 -
微積分總整理:超高效學習!精準掌握搶分關鍵$450$356
商品描述
本書內容編排偏向矩陣及向量空間、線性轉換,在理論上力求精簡、簡明易懂,每章之例題、習題具啟發性,並精選了基本的證明問題,易於讓讀者能融會貫通。書後並後附有習題詳解,不但能讓您在短期內學好基礎,也能提升您對線性代數的興趣。
本書適用於大專、技術學院、大學之電子、電機、工業管理、工業工程、資訊、企管等系之「線性代數」和「管理數學」課程使用。
作者簡介
黃學亮
學歷:國立政治大學統計研究所碩士
國立清華大學工業工程博士研究
經歷:文化大學、逢甲大學、靜宜大學數學及統計學兼任教師
考研所補習班微積分及機率統計任課教師
目錄大綱
CHAPTER 1 矩陣與線性聯立方程組
1.1 矩陣之意義及基本運算(一)
1.2 矩陣基本運算(二)
1.3 線性聯立方程組
1.4 反矩陣與直交陣
1.5 基本矩陣
1.6 LU分解(三角分解)
CHAPTER 2 行列式
2.1 行列式之定義
2.2 餘因式與行列式性質
2.3 伴隨矩陣與Cramer法則
2.4 分割矩陣
CHAPTER 3 向量空間
3.1 向量空間
3.2 子空間
3.3 線性組合與生成集
3.4 基底與維數
3.5 行空間、列空間與零空間
3.6 基底變換
CHAPTER 4 線性轉換
4.1 線性轉換之意義
4.2 線性轉換之像及核
4.3 秩
4.4 線性映射之矩陣表示
CHAPTER 5 特徵值與對角化問題
5.1 特徵值之意義
5.2 Cayley-Hamilton定理與最低多項式
5.3 方陣相似性
5.4 對角化
5.5 Jordan形式
CHAPTER 6 內積空間
6.1 二次形式
6.2 內積空間
6.3 正交性之進一步討論
6.4 Gram-Schmidt正交過程與QR分解
6.5 奇異值分解(SVD)
習題簡答
