MATLAB線性代數(shù)簡明教程（Linear Algebra Using MATLAB）

定　價(jià)：￥32.00

作　者：	李爽著
出版社：	化學(xué)工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥32.00)

ISBN：	9787122353214	出版時(shí)間：	2020-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	122	字?jǐn)?shù)：

內(nèi)容簡介

　　《MATLAB線性代數(shù)簡明教程（Linear Algebra Using MATLAB）》共分為8章，主要內(nèi)容為：第1章介紹了MATLAB軟件的桌面和MATLAB編程基礎(chǔ)，第2章～第7章分別介紹了線性代數(shù)的各種運(yùn)算，包括矩陣運(yùn)算、求解線性方程、向量空間和子空間、投影、二乘逼近、行列式、特征值和特征向量、相似矩陣和奇異值分解等。此外，基于圖像處理與線性代數(shù)有著密切的關(guān)系，第8章簡要介紹了線性代數(shù)在圖像處理中的應(yīng)用。本書結(jié)合線性代數(shù)理論與MATLAB語言介紹線性代數(shù)的應(yīng)用，列舉了豐富的MATLAB代碼實(shí)例，不僅可以加深對(duì)線性代數(shù)理論的理解，而且可以提高應(yīng)用線性代數(shù)知識(shí)解決實(shí)際問題的能力。《MATLAB線性代數(shù)簡明教程（Linear Algebra Using MATLAB）》可作為高等院校理工科專業(yè)基礎(chǔ)課教材，也是運(yùn)用MATLAB語言與數(shù)學(xué)知識(shí)解決實(shí)際問題的工具書，可供從事經(jīng)濟(jì)、物理、系統(tǒng)控制、信號(hào)處理、圖像處理等領(lǐng)域?qū)I(yè)技術(shù)人員參考。

作者簡介

　　李爽，武漢大學(xué)，副教授，長期從事數(shù)字圖像處理、遙感圖像分析與解譯、離散數(shù)學(xué)、線性代數(shù)相關(guān)的教學(xué)工作。研究方向?yàn)檫b感數(shù)字圖像預(yù)處理、分割、分類、圖像質(zhì)量評(píng)價(jià)。

圖書目錄

Chapter 1Fundament for MATLAB1
1.1MATLAB Desktop1
1.2Vectors and Matrices7
1.3MATLAB Programming11

Chapter 2Introduction to Vectors and Matrices20
2.1Vectors and Linear Combination20
2.2Lengths and Dot Products28
2.3Matrices31

Chapter 3Solving Linear Equations40
3.1Vectors and Linear Equations40
3.2The Idea of Elimination45
3.3Elimination Using Matrices52
3.4Inverse Matrices58

Chapter 4Vector Spaces and Subspaces62
4.1Spaces of Vectors62
4.2The Nullspace of matrix64
4.3The Rank and Linear Dependence68

Chapter 5Orthogonality71
5.1 Projections71
5.2Least Squares Approximations75
5.3Orthogonal Bases and Gram-Schmidt Process80

Chapter 6Determinants85
6.1 The Properties of Determinants85
6.2Permutations and Cofactors92
6.3Cramer’s Rule98

Chapter 7Eigenvalues and Eigenvectors102
7.1Introduction to Eigenvalues102
7.2Similar matrices and diagonalization of matrices105
7.3Singular Value Decomposition109

Chapter 8Linear Algebra in Image Processing112
8.1Digital Image Representation112
8.2Geometric Transformation using Matrix Operation114
8.3Image Restoration using Inverse Matrix117
8.4Image Fusion using Principal Component Analysis119
8.5Image Compression using Singular Value Decomposition120

References122