本书为日本东京大学数学教学成果的总结性作品，由时任东京大学理学院院长弥永昌吉教授策划，教学经验丰富的斋藤正彦教授执笔创作，是日本久负盛名的线性代数图书。本书内容结合了东京大学教养学部的线性代数课程实践，以及东京大学数学系诸多教授的探讨与思索。本书内容循序渐进，结构严谨，从直观描述开始，逐步引入形式描述，注重从几何角度引导读者理解线性代数的本质，是帮助读者学习线性代数、加深对线性代数理解的数学教材。

本书适合高中生、大学生和对线性代数感兴趣的读者阅读。

数据科学和机器学习已经深度融合到我们生活的方方面面，而数学正是开启未来大门的钥匙。不是所 有人生来都握有一副好牌，但是掌握“数学 + 编程 + 机器学习”绝对是**。这一次，学习数学不再是为了考试、分数、升学，而是投资时间、自我实现、面向未来。为了让大家学数学、用数学，甚至爱上数学， 在创作这套书时，作者尽量克服传统数学教材的各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。
鸢尾花书有三大板块——编程、数学、实践。数据科学、机器学习的各种算法离不开数学，本册《矩阵力量》是“数

"本书共分五章。第一章介绍有理数域的p进赋值，给出衡量有理数大小和距离的各种不同尺度。第二章讲述p进数域，这是有理数域对p进赋值的完备化域。介绍了在p进数域中解代数方程和多项式分解的“新奇”结果和p进分析的基本工具：亨泽尔引理和牛顿折线。第三章介绍用p进分析工具研究数论问题的一个精彩例子，即研究多元二次方程的有理数解的哈塞定理。第四章介绍p进数域上的各种连续函数：p进的指数函数、对数函数、zeta函数和gamma函数，以及它们的数论意义。最后一章介绍p进积分理论。       此外，书

本书以组合数学中的存在问题和计数问题为主线展现理论之美,从满足一定条件的排列组合的存在性入手,介绍计数方法和计数工具,将组合数学运用到与生活密切相关的网络安全实例中,展现其应用之美。全书分为7章,介绍了排列组合概念与方法、特殊计数、母函数原理与应用、递推关系和容斥原理计数方法,以及鸽笼原理和Polya计数定理。本书将合理分类与一一对应的思想贯穿全书,通过常见组合方法的使用呈现组合思想,力求深入浅出、通俗易懂。本书适合40至60学时课程讲授,书中还设计了与应用结合的拓展阅读,配有数字化资源,扫描二

《有趣的矩阵：看得懂又好看的线性代数》分别从中国古代数学思想、益智游戏、企业管理、计算机科学、博弈论等角度出发，介绍了线性代数和矩阵理论中的相关概念和理论在上述领域的应用。通过阅读《有趣的矩阵：看得懂又好看的线性代数》，读者对线性代数在实际问题中的应用会有更加直观的了解，有助于激发读者对线性代数的学习兴趣和学习热情。
《有趣的矩阵：看得懂又好看的线性代数》分为8章，涵盖的主要内容有线性方程组的计算、益智数字游戏中的矩阵、经营管理中的矩阵、矩阵与图片美化、计算机绘画中的矩阵、矩阵与

《矩阵之美·基础篇》从线性变换的角度对矩阵的诸多重要概念进行了新的梳理。具体而言，第1章给出了矩阵的由来，指出矩阵是表达自然界中线性变换的最为自然的工具；第2章讲述了线性变换在一组基下的矩阵表达，从而引出矩阵相似的概念；第3章结合数的发展从特征分析的角度给出了一个矩阵可能包含的线性变换类型；第4章着重阐述若尔当标准形理论以及其重要的物理意义；第5章从线性变换的连续性角度，讨论了矩阵的任意次幂问题；第6章从线性变换的整体缩放角度，讲述了行列式的几何意义以及相关的代数性质；第7章

本书对高等代数的典型问题及实例进行分析研究，主要内容包括行列式、矩阵、向量组与线性方程组、线性空间与线性变换、方阵的特征值与相似对角化、二次型、欧氏空间等。每章最后配以典型例题，其中一些例题是研究生入学试题，有一定的难度与深度，具有典型性与广泛性。

本书系统地梳理并总结国内外同行专家近年来在偏序集或格上的模糊联结词和聚合算子方面的研究成果。全书共5章,主要包括：预备知识；偏序集或格上的三角模和三角余模以及它们诱导的模糊蕴涵和模糊余蕴涵的基本性质；单位闭区间上的一致模的分类及几类特殊一致模的特征；有界格上一致模的构造与表示,一致模诱导的模糊蕴涵和模糊余蕴涵的特征及关系；完备格上左（右）半一致模、模糊蕴涵和模糊余蕴涵的构造及关系。

本书系统介绍了群、环、域三种代数系统的基本理论、性质和研究方法。本书参考了大量国内外相关教材、专著、论文文献，并结合作者多年来在近世代数教学中的实践经验编写而成。本书脉络清晰，内容深入浅出，通俗易懂。全书共五章，第1章是基础知识。第2-4章包含群、环和域的基本内容。第5章对环做了进一步的讨论。每节都配有适量的习题，其题量和难度都比较适中。

本书从算法框架入手，建立系列非负矩阵分解模型的抽象数学模型，即非负块配准模型，从统一的角度分析现有的非负矩阵分解模型，并用以开发新的非负矩阵分解模型。根据非负块配准模型的分析，本书提出非负判别局部块配准模型，克服了经典非负矩阵分解模型的缺点，提高了非负矩阵分解模型的分类性能。为了克服经典非负矩阵分解的优化算法收敛速度慢的缺点，本书提出在线搜索中利用牛顿法快速搜索步长，提出非负块配准的快速梯度下降算法。为了克服经典非负最小二乘问题的求解算法的缺点，本书利用最优梯度法在无需线搜索的情况下以二阶收敛速