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
##After being tired of 快速入门 “极限编程” 通过冒烟测试然后迅速淡忘，我选择建筑性地补习线性代数（为了学习机器学习）事实证明糟糕地表达和结构安排造成的隔阂远胜过母语和另一门语言之间地隔阂 国内教材真的太差了 授课顺序也很不合理
评分##本科的时候可能学了个假线代。配合MIT的18.06视频效果拔群。
评分##其实更喜欢 Strang教授的 Lectures，Textbook太想做到循循善诱了，反而降低了阅读流畅度。
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##"utterly beautiful" --鸽兰特
评分比北大版应用许多，感觉对cs课的data work理解上升了一个维度...【而为什么第二个本命年了我还在学lilear algebra... 【第二个本命年继续nl不分...
评分##开始还不以为然，看到第三章null space 开始觉得非常精彩。第一本更强调几何直觉，如果带着这些几何图像去研读这一本，定会收获更清晰的直觉。P311 第23题
评分##Linear Algebra Done Right前本科线代普遍使用的教材。
评分##线性代数教材巅峰之作。你会知道什么叫深入浅出，原来数学课本可以读来如此舒适。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等，本站所有链接都为正版商品购买链接。
© 2026 windowsfront.com All Rights Reserved. 静流书站 版权所有