本書分5章。第1章介紹常微分方程的建模案例和基本概念。第2章介紹幾類重要一階微分方程的初等積分法及幾類可積的高階微分方程的求解。第3章闡述常微分方程初值問題解的存在性、**性，以及解關于初值的連續(xù)依賴性和可微性。第4章研究常微分方程組解的基本理論和求解方法。第5章介紹常微分方程數(shù)值計算和數(shù)學軟件求解方法，并給出建模應用

本書是作者多年從事復變函數(shù)論雙語教學經驗的總結.其內容設置完全適合我國現(xiàn)行高等院校(特別是師范院校)本科教學的教學目標與課時需要.本書內容深入淺出、層次分明,理論體系嚴謹、邏輯推導詳盡,強調“分析式”教學法,在引入概念前,加入了必要的分析與歸納總結,然后提出相應的概念;在提出問題之后,進行推理分析、增加條件,最后得到問

本書是大學本科非理科專業(yè)必修課“高等代數(shù)”課程教材。全書共九章：行列式、矩陣、線性方程組與n維向量空間、矩陣的特征值與特征向量、二次型、多項式、線性空間、線性變換、歐氏空間。本書將特征值與特征向量分為矩陣的特征值與特征向量(第四章)和線性變換的特征值與特征向量(8.4節(jié))兩部分，力求使得只修高等代數(shù)Ⅰ(第一章至第五章)

近年來，隨著人工智能技術的飛速發(fā)展，深度神經網絡技術在圖像分析、語音識別、自然語言理解等難點問題中都取得了十分顯著的應用成果。本書系統(tǒng)地介紹了深度學習應用于機器人環(huán)境感知面臨的難點與挑戰(zhàn)，針對性地提出基于正則化深度學習的機器人環(huán)境感知方法,并結合機器人作業(yè)場景分類、多任務協(xié)同環(huán)境感知、機器人導航避障環(huán)境深度恢復、感知目

本書第1~5章是變分方法所需要的泛函分析基礎內容；第6章主要介紹了相互等價的Ekeland變分原理與Cansti不動點定理，側重于變分原理與不動點理論之間的關系；第7~8章是Sobolev空間和Banach空間中微分學的基本知識，同時討論了Poisson方程與泛函極值問題的互相轉化；第9~10章的重點是臨界點理論和泛函

本書根據(jù)作者近年來多次在南開大學講授黎曼幾何的講稿寫成，可以作為黎曼幾何的入門教材，主要介紹黎曼幾何的基本概念與基本方法。全書共十四講，依次介紹黎曼流形、黎曼聯(lián)絡、測地線、曲率等基本概念;其間介紹弧長的變分公式以及Jacobi場等基本方法，并討論黎曼流形上的幾何變換、微分算子、完備性、比較定理等;最后，作為黎曼流形的重

本書共分六個部分。引言部分通過幾個典型問題對代數(shù)幾何做了一些背景介紹；第1章解釋了仿射代數(shù)幾何與交換代數(shù)的關系；第2章介紹了射影代數(shù)幾何的一些基本概念和方法；第3章從纖維叢的觀點出發(fā)介紹了除子、相交數(shù)、切空間等；第4章闡述了代數(shù)曲線的一些方法、結果和應用；第5章對參量空間做一個初步介紹。

本書主要介紹本科高等代數(shù)中行列式理論、矩陣理論、線性方程組理論、多項式理論、線性空間理論等.。全書共分10章：第1章為行列式，第2章為矩陣，第3章為線性方程組，第4章為多項式，第5章為二次型，第6章為線性空間，第7章為線性變換，第8章為λ-矩陣,第9章為歐氏空間,第10章為雙線性函數(shù)(選修).本書每節(jié)都配有相應的習題,

本書共六章,內容包括:矩陣、行列式、線性方程組、矩陣的特征值與特征向量、二次型、線性空間與線性變換.每節(jié)配有適量習題,每章配有復習題,書末附有習題參考答案.本書脈絡清晰,以矩陣為線索并貫穿全書始末,內容深入淺出,簡明扼要,闡述詳細.

本書是根據(jù)普通高等學校非數(shù)學專業(yè)本科線性代數(shù)課程教學大綱的基本要求，結合作者多年的教學實踐編寫而成。內容包括：行列式、矩陣、線性方程組、方陣的特征值與特征向量、數(shù)值計算初步、應用舉例。在保證課程體系和數(shù)學邏輯完整性的基礎上，本書更加重視體現(xiàn)出線性代數(shù)核心內容是如何在實際問題中出現(xiàn)的，其理論是如何在解決實際問題中發(fā)揮作用