2 Solving Linear Equations
3 Vector Spaces and Subspaces
4 Orthogonality
5 Determinants
6 Eigenvalues and Eigenvectors
7 The Singular Value Decomposition (SVD)
8 Linear Transformations
9 Complex Vectors and Matrices
10 Applications
11 Numerical Linear Algebra
12 Linear Algebra in Probability & Statistics
· · · · · · (收起)
具体描述
用户评价
##课已经刷完了，书还没有看完，希望至少看到第7章吧。总的来说真的很好，但有些我以为比较重要的话题过的有点快（比如Linear transformation)....刷到了第8章。需要回顾定期回顾一下重点知识:四个子空间，不同的factorization，determinant以及linear transformation（这个感觉貌似不是很扎实).有一个小震撼是原来Ax=b里面包含了那么多层的含义!甚至很大一部分的factorization都是为了求最接近的解。
评分##以前学的怕不是假的线代
评分##课已经刷完了，书还没有看完，希望至少看到第7章吧。总的来说真的很好，但有些我以为比较重要的话题过的有点快（比如Linear transformation)....刷到了第8章。需要回顾定期回顾一下重点知识:四个子空间，不同的factorization，determinant以及linear transformation（这个感觉貌似不是很扎实).有一个小震撼是原来Ax=b里面包含了那么多层的含义!甚至很大一部分的factorization都是为了求最接近的解。
评分##太棒了👏
评分##我学完的第一本英文教材书，教材编的真的棒，小结，例子，配图都非常用心，不仅仅从数学的角度介绍线代，很多精力放在了实际应用的例子上，不会像本科期间的教材，学的不知所以然，仅变成了分数的奴隶。
评分##MIT著名线代课程的教材，因为没时间跟视频就直接看教材了。这本书定位是入门，但我觉得学过线代的再看一遍收获也很大，书里提供的一些理解角度是我从来没有注意到过的例如Ax=b的四个重要向量空间，还有矩阵乘法的四种理解，看完真的觉得太amazing了。 不过也有缺点，这本书行文风格更像是一本课堂讲义，看起来总觉得有点不顺畅，需要自己重新组织好知识点。
评分##我居然坚持下来了！很感动，依依不舍。Strang教授采用注重体验、注重知识点背后的数学原理和知识点之间的联系、理论和实际相结合、不在一开始用枯燥的定义和证明填鸭学生的教学方式，让从来就讨厌数学的我体会到线性代数之美。从代数理论体系下多个角度看待同一数学现象，获取的美妙感受是难以言表的。Strang教授幽默风趣有少年气，很羡慕他这种发自内心沉浸在工作中的状态。配套教材有些微言大义（想起当初学江元生《结构化学》的感受，文字简洁深奥第一遍看不懂），初学者一边听课一边读书效果更佳。
评分##很好的教材，很好的课程
评分##数学课基本在靠油管的MIT网课拯救
