線性代數考前衝刺, 2/e (適用: 資工所.統計所.電機所.轉學考)
劉獻仁
- 出版商: 高點
- 出版日期: 2026-09-30
- 定價: $680
- 售價: 9.0 折 $612
- 語言: 繁體中文
- ISBN: 6264116491
- ISBN-13: 9786264116497
-
相關分類:
線性代數 Linear-algebra
立即出貨 (庫存=1)
買這商品的人也買了...
-
圖解向量與解析幾何$300$270 -
統計學習理論基礎$258$245 -
$300人工智能算法 捲1 基礎算法 -
特徵工程不再難:資料科學新手也能輕鬆搞定! (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$405 -
$351人工智能算法 捲2 受大自然啟發的算法 -
$611金融中的機器學習 -
$270矩陣分析 -
$606利用 Python 實現概率、統計及機器學習方法(原書第2版) -
$861精通機器學習算法 -
強化學習演算法入門$419$398 -
$594深度學習的理論基礎與核心算法 -
$249矩陣論及其應用 -
$356線性代數與 Python 解法 -
$468矩陣之美(基礎篇) -
概率機器學習 (基礎篇)$1,014$963 -
Gemini 深度使用手冊$474$450 -
人工智能數學基礎$959$911 -
$474Gemini 使用指南 -
一本搞定 Google AI:Gemini、NotebookLM、Workspace AI、Nano Banana 到 Gemini Omni,學會清晰化、結構化、規格化的 AI 工作法$399$315 -
Gemini Notebook 知識管理術 - 打造你的 AI 第二大腦$620$489 -
Gemini Notebook 任務神助手:200+ 實戰指令串聯 Gemini Notebook 與 AI Agent,全面解鎖學習、職場、生活與創意應用$650$507 -
$414統計學習方法和R語言實踐 -
AI 提問 X 學習 X 應用:ChatGPT、NotebookLM、Gemini、GitHub Copilot,從零到 AI Agent 實戰$390$308 -
$588Python 金融機器學習 -
$534Python 人工智能金融實操
相關主題
商品描述
本書精挑細選了歷年來上千題的經典歷屆試題,幫助讀者快速分析線性代數的重點,掌握複雜的運算過程,並且理解題目間之關係與連結,內容豐富。收錄的考題難度由淺入深,每個題目都提供完整的解答,以強化讀者觀念的釐清,並提供讀者整合性觀念,許多題目詳列不同觀念的解題方法。
本書不但適合自我進修,針對研究所、國家公職考試更是不可或缺的好工具。建議讀者再配合作者出版的《線性代數聖經(上)》、《線性代數聖經(下)》、《線性代數歷屆試題分類題庫(上)》、《線性代數歷屆試題分類題庫(下)》,兩者搭配學習演練,更是如虎添翼,學習效果快速倍增!
作者簡介
劉獻仁
作者具多年補教及實務經驗,授課及專長科目為:線性代數、離散數學、工程數學、微積分。
目錄大綱
第一章 矩陣
【重點一】矩陣的運算及其性質
【重點二】矩陣的軌跡數
【重點三】三角矩陣
【重點四】對稱矩陣與厄米特矩陣
【重點五】列運算與行運算
【重點六】可逆矩陣與反矩陣
【重點七】可逆矩陣的充份且必要條件
【重點八】方塊矩陣的可逆性
【重點九】線性系統
【重點十】非齊次線性系統解的判斷
【重點十一】LU分解
【重點十二】利用LU分解來解線性系統
【重點十三】PTLU分解
第二章 行列式
【重點一】Laplace expansion定理
【重點二】行列式與列(行)運算的關係
【重點三】行列式的性質
【重點四】行列式與可逆性
【重點五】帶狀矩陣的行列式
【重點六】方塊矩陣的行列式
【重點七】列和或是行和相同的行列式
【重點八】范德蒙矩陣的行列式
【重點九】伴隨矩陣
【重點十】克萊姆定理
第三章 向量空間
【重點一】向量空間的性質
【重點二】判斷子空間
【重點三】生成集與生成空間
【重點四】線性獨立與線性相依
【重點五】判斷線性獨立
【重點六】基底與維度
【重點七】和空間
【重點八】基底的性質
【重點九】矩陣的基本子空間
【重點十】矩陣的Rank
【重點十一】Rank的性質
【重點十二】座標向量
第四章 線性轉換
【重點一】線性轉換的判斷
【重點二】找線性轉換
【重點三】線性轉換的矩陣表示法
【重點四】矩陣表示法的基底轉換公式
【重點五】旋轉算子與旋轉矩陣
【重點六】核集與值域
【重點七】矩陣轉換
【重點八】線性轉換的保存性質
【重點九】向量空間的同構
【重點十】矩陣的相似性
第五章 內積
【重點一】內積的定義與性質
【重點二】向量的長度與角度
【重點三】正交(orthogonal)
【重點四】Gram-Schmidt正交化程序
【重點五】QR分解
【重點六】正交補空間
【重點七】矩陣AHA的性質
【重點八】正交投影
【重點九】最小平方趨近
【重點十】最小平方解
【重點十一】回歸直線
第六章 空間直和
【重點一】空間直和的定義與性質
【重點二】投影算子的空間直和
【重點三】正交直和
【重點四】極小解
第七章 對角化
【重點一】固有值和固有向量
【重點二】求固有值和固有向量的方法
【重點三】方塊矩陣的固有值
【重點四】算子的固有值和固有向量
【重點五】固有值和固有向量的性質
【重點六】對角化
【重點七】對角化的方法
【重點八】投影矩陣
【重點九】同步對角化
【重點十】對角化的應用
【重點十一】Cayley Hamilton定理
【重點十二】極小多項式
第八章 正交對角化
【重點一】正規矩陣
【重點二】Hermitian矩陣
【重點三】對稱矩陣
【重點四】正交矩陣
【重點五】正交對角化
【重點六】應用一 光譜分解
【重點七】應用二 圓錐曲線標準化
【重點八】應用三 雷瑞商式
第九章 正定與正半定
【重點一】正定矩陣的性質
【重點二】判斷正定矩陣的方法
【重點三】正定矩陣的分解
【重點四】Householder矩陣
【重點五】奇異值分解
【重點六】虛擬反矩陣
【重點七】矩陣的norm
第十章 JORDAN FORM
【重點一】冪零
【重點二】JORDAN FORM分解
