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
##主要是看了作者课程视频，书看了一些章节补充课里忽略的证明。感觉书有点太长了，没有课程流畅。Edelman 更新后的课程强调SVD: https://github.com/mitmath/1806/blob/master/summaries.md
评分##很好的教材，很好的课程
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##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##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##Linear Algebra Done Right前本科线代普遍使用的教材。
评分##很好的教材，很好的课程
评分##数学真的不难，我一直这么认为，很多写书的写的很差，本来就是逻辑性很强的东西，数学难的是创造一个概念
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
© 2026 book.teaonline.club All Rights Reserved. 图书大百科 版权所有