應(yīng)用線性代數(shù)：向量、矩陣及最小二乘

定　價：￥139.00

作　者：	[美] 斯蒂芬·博伊德（Stephen Boyd）著，張文博，張麗靜譯
出版社：	機械工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111662761	出版時間：	2020-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	406	字?jǐn)?shù)：

內(nèi)容簡介

　　《應(yīng)用線性代數(shù)：向量、矩陣及最小二乘》以直觀解釋與豐富的實例相結(jié)合的方式創(chuàng)新性地講解線性代數(shù)，涵蓋工程應(yīng)用所需的線性代數(shù)知識，如向量、矩陣等，井給出數(shù)據(jù)科學(xué)、機器學(xué)習(xí)和人工智能、信號和圖像處理、層析成像、導(dǎo)航、控制和金融等領(lǐng)域的例子。通過大量的實踐練習(xí)，學(xué)生可以測試自己的理解能力，并將學(xué)到的知識用于解決現(xiàn)實世界的問題?！稇?yīng)用線性代數(shù)：向量、矩陣及最小二乘》僅需熟悉基本的數(shù)學(xué)符號和微積分，無須了解概率和統(tǒng)計知識，特別適合大學(xué)本科生學(xué)習(xí)，同時適合對計算機科學(xué)和數(shù)據(jù)科學(xué)研究領(lǐng)域感興趣的讀者參考。

作者簡介

　　斯蒂芬·博伊德（Stephen Boyd）是斯坦福大學(xué)電子工程系主任、工程學(xué)院Samsung教授、電子工程系信息系統(tǒng)實驗室教授。他還在管理科學(xué)與工程系和計算機科學(xué)系任教，并且是計算和數(shù)學(xué)工程研究所的成員。他目前的研究重點是凸優(yōu)化在控制、信號處理、機器學(xué)習(xí)和金融方面的應(yīng)用。利芬·范登伯格（Lieven Vandenberghe）是加州大學(xué)洛杉磯分校電子與計算機工程系和數(shù)學(xué)系教授，講授應(yīng)用數(shù)值計算、線性規(guī)劃、凸優(yōu)化、優(yōu)化方法等課程。

圖書目錄

譯者序
前言
第一部分向量
第1章向量
1．1 定義
1．2 向量加法
1．3 標(biāo)量與向量的乘法
1．4 內(nèi)積
1．5 向量運算的復(fù)雜度
練習(xí)
第2章線性函數(shù)
2．1 表示形式
2．2 Taylor近似
2．3 回歸模型
練習(xí)
第3章范數(shù)和距離
3．1 范數(shù)
3．2 距離
3．3 標(biāo)準(zhǔn)差
3．4 夾角
3．5 復(fù)雜度
練習(xí)
第4章聚類
4．1 向量的聚類
4．2 聚類的目標(biāo)函數(shù)
4．3 k-means算法
4．4 例子
4．5 應(yīng)用問題
練習(xí)
第5章線性無關(guān)
5．1 線性相關(guān)
5．2 基
5．3 規(guī)范正交向量
5．4 Gram—Schmidt算法
練習(xí)
第二部分矩陣
第6章矩陣
6．1 矩陣的形式
6．2 零矩陣與單位矩陣
6．3 轉(zhuǎn)置、加法和范數(shù)
6．4 矩陣與向量的乘法
6．5 復(fù)雜度
練習(xí)
第7章矩陣示例
7．1 幾何變換
7．2 提取
7．3 關(guān)聯(lián)矩陣
7．4 卷積
練習(xí)
第8章線性方程組
8．1 線性函數(shù)和仿射函數(shù)
8．2 線性函數(shù)模型
8．3 線性方程組及其應(yīng)用
練習(xí)
第9章線性動力系統(tǒng)
9．1 線性動力系統(tǒng)簡介
9．2 人口動力學(xué)
9．3 流行病動力學(xué)
9．4 物體的運動
9．5 供應(yīng)鏈動力學(xué)
練習(xí)
第10章矩陣乘法
10．1 矩陣與矩陣的乘法
10．2 線性函數(shù)的復(fù)合
10．3 矩陣的冪
10．4 QR分解
練習(xí)
第11章逆矩陣
1．1 左逆和右逆
11．2 逆
11．3 求解線性方程組
11．4 例子
11．5 偽逆
練習(xí)
第三部分最小二乘法
第12章最小二乘
12．1 最小二乘問題
12．2 解
12．3 求解最小二乘問題
12．4 例子
練習(xí)
第13章最小二乘數(shù)據(jù)擬合
13．1 最小二乘數(shù)據(jù)擬合簡介
13．2 驗證
13．3 特征工程
練習(xí)
第14章最小二乘分類
14．1 分類
14．2 最小二乘分類器
14．3 多類分類器
練習(xí)
第15章多目標(biāo)最小二乘
15．1 簡介
15．2 控制
15．3 估計與反演
15．4 正則化的數(shù)據(jù)擬合
15．5 復(fù)雜度
練習(xí)
第16章帶約束最小二乘
16．1 帶約束最小二乘問題
16．2 解
16．3 求解帶約束最小二乘問題
練習(xí)
第17章帶約束最小二乘的應(yīng)用
17．1 投資組合優(yōu)化
17．2 線性二次控制
17．3 線性二次狀態(tài)估計
練習(xí)
第18章非線性最小二乘
18．1 非線性方程組和最小二乘
18．2 Gauss—Newton算法
18．3 Levenberg—Marquardt算法
18．4 非線性模型擬合
18．5 非線性最小二乘分類
練習(xí)
第19章帶約束非線性最小二乘
19．1 非線性最小二乘問題的推廣
19．2 罰算法
19．3 增廣的Lagrange算法
19．4 非線性控制
練習(xí)
附錄A 記號
附錄B 復(fù)雜度
附錄c 導(dǎo)數(shù)和優(yōu)化
附錄D 進(jìn)一步學(xué)習(xí)
索引