دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: Third edition. نویسندگان: Daniel Norman, Dan Wolczuk سری: ISBN (شابک) : 9780134682631, 0134682637 ناشر: Pearson سال نشر: 2018 تعداد صفحات: 592 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 مگابایت
در صورت تبدیل فایل کتاب Introduction to linear algebra for science and engineering به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای بر جبر خطی برای علوم و مهندسی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
Cover Title Page Copyright Page Table of Contents A Note to Students A Note to Instructors A Personal Note Acknowledgments Chapter 1: Euclidean Vector Spaces 1.1. Vectors in R2 and R3 1.2. Spanning and Linear Independence in R2 and R3 1.3. Length and Angles in R2 and R3 1.4. Vectors in Rn 1.5. Dot Products and Projections in Rn Chapter Review Chapter 2: Systems of Linear Equations 2.1. Systems of Linear Equations and Elimination 2.2. Reduced Row Echelon Form, Rank, and Homogeneous Systems 2.3. Application to Spanning and Linear Independence 2.4. Applications of Systems of Linear Equations Chapter Review Chapter 3: Matrices, LinearMappings, and Inverses 3.1. Operations onMatrices 3.2. MatrixMappings and LinearMappings 3.3. Geometrical Transformations 3.4. Special Subspaces 3.5. InverseMatrices and InverseMappings 3.6. ElementaryMatrices 3.7. LU-Decomposition Chapter Review Chapter 4: Vector Spaces 4.1. Spaces of Polynomials 4.2. Vector Spaces 4.3. Bases and Dimensions 4.4. Coordinates 4.5. General LinearMappings 4.6. Matrix of a LinearMapping 4.7. Isomorphisms of Vector Spaces Chapter Review Chapter 5: Determinants 5.1. Determinants in Terms of Cofactors 5.2. Properties of the Determinant 5.3. Inverse by Cofactors, Cramer’s Rule 5.4. Area, Volume, and the Determinant Chapter Review Chapter 6: Eigenvectors and Diagonalization 6.1. Eigenvalues and Eigenvectors 6.2. Diagonalization 6.3. Applications of Diagonalization Chapter Review Chapter 7: Inner Products and Projections 7.1. Orthogonal Bases in Rn 7.2. Projections and the Gram-Schmidt Procedure 7.3. Method of Least Squares 7.4. Inner Product Spaces 7.5. Fourier Series Chapter Review Chapter 8: SymmetricMatrices and Quadratic Forms 8.1. Diagonalization of SymmetricMatrices 8.2. Quadratic Forms 8.3. Graphs of Quadratic Forms 8.4. Applications of Quadratic Forms 8.5. Singular Value Decomposition Chapter Review Chapter 9: Complex Vector Spaces 9.1. Complex Numbers 9.2. Systems with Complex Numbers 9.3. Complex Vector Spaces 9.4. Complex Diagonalization 9.5. Unitary Diagonalization Chapter Review Appendix A: Answers toMid-Section Exercises Appendix B: Answers to Practice Problems and Chapter Quizzes Index Index of Notations Back Cover