本書針對應(yīng)用型人才培養(yǎng)的特點及當(dāng)前應(yīng)用型本科、獨立學(xué)院線性代數(shù)的實際教學(xué)情況，注重概念、理論背景，強調(diào)線性代數(shù)思想、方法，恰當(dāng)介紹線性代數(shù)的基本應(yīng)用和計算機實驗。吸收了近年來線性代數(shù)課程及教材建設(shè)的經(jīng)驗和成果，在滿足線性代數(shù)教學(xué)基本要求的前提下，注重培養(yǎng)學(xué)生的線性代數(shù)素養(yǎng)和解決實際問題的能力。本書內(nèi)容體系結(jié)構(gòu)新穎，與傳

《有限群及其表示論若干問題研究》研究有限群及其表示論的若干重要問題，給出了關(guān)于正規(guī)性、置換化子條件、共軛類長、特征標(biāo)級等的最新成果，可以作為高等學(xué)校數(shù)學(xué)專業(yè)高年級學(xué)生、研究生的參考書。

本書內(nèi)容包括：Introduction、BilinearForms，QuadraticFormsandTheirIsometryGroups，GeneralResultsonFiniteGroupsandInvariantLattices等。

本書介紹了圖的因子理論和匹配可擴性領(lǐng)域的一些經(jīng)典結(jié)果和近年來的新進展，其中包括國內(nèi)學(xué)者和作者自己近年來獲得的某些新成果。

以組合計數(shù)問題為重點，介紹了組合數(shù)學(xué)的基本原理和思想方法。全書共分10章：鴿巢原理，排列與組合，二項式系數(shù)，容斥原理，生成函數(shù)，遞推關(guān)系，特殊計數(shù)序列，Polya計數(shù)理論，相異代表系，組合設(shè)計。取材的側(cè)重點在于體現(xiàn)組合數(shù)學(xué)在計算機科學(xué)特別是在算法分析領(lǐng)域中的應(yīng)用。每章后面都附有一定數(shù)量的習(xí)題，供讀者練習(xí)和進一步思考。

地介紹組成數(shù)學(xué)的基本原理與算法，結(jié)構(gòu)嚴(yán)謹(jǐn)、選材精練、深入淺出、講求實效、突出分析、注重算法。主要內(nèi)容有組成數(shù)學(xué)的研究對象、排列與組合、容斥原理、鴿巢原理、母函數(shù)、遞歸關(guān)系、olya定理、圖論基礎(chǔ)、拉丁與區(qū)組設(shè)計、線性規(guī)劃和組合優(yōu)化算法等，有些內(nèi)容反映了作者研究的新成果。全書敘述簡明，例題豐富，頗具啟發(fā)性。每章附有習(xí)題，

《高等教育“十一五”規(guī)劃教材·高職高專公共課教材系列：實用線性代數(shù)》共分6章，其內(nèi)容包括矩陣與行列式、矩陣的初等變換與線性方程組、向量組的線性相關(guān)性、矩陣的相似對角化、二次型以及數(shù)學(xué)軟件（Mathematica）在線性代數(shù)中的應(yīng)用等�！陡叩冉逃�“十一五”規(guī)劃教材·高職高專公共課教材系列：實用線性代數(shù)》以矩陣為主線將線性

本書結(jié)合作者多年的教學(xué)經(jīng)驗和科研成果，并吸收國內(nèi)外同類教材的優(yōu)點編寫而成的。內(nèi)容包括：行列式、矩陣、線性方程組、線性空間與線性變換、相似矩陣、二次型及附錄線性代數(shù)MATLAB實驗簡介。 本書以線性方程組為出發(fā)點，以矩陣為工具，深入淺出通俗自然地闡明了線性代數(shù)的基本概念、基本理論和基本方法；章前給了知識結(jié)構(gòu)圖，給學(xué)生以“

《代數(shù)導(dǎo)引（第2版）》將抽象代數(shù)導(dǎo)引和線性代數(shù)初步揉合在一起，并詳細地闡述了有限域的結(jié)構(gòu)，有限域上二次型的合同標(biāo)準(zhǔn)形，以及有限域上多項式的因式分解�！洞鷶�(shù)導(dǎo)引（第2版）》的編寫貫穿了從具體到抽象及具體演算和嚴(yán)格推導(dǎo)并重這兩個原則�！洞鷶�(shù)導(dǎo)引（第2版）》內(nèi)容覆蓋了大學(xué)及師范院校抽象代數(shù)、線性代數(shù)以及高等代數(shù)這三門課程的教

《D-S證據(jù)理論的沖突證據(jù)合成方法》論述了解決沖突證據(jù)合成問題的有關(guān)研究內(nèi)容，具體包括D-S證據(jù)理論的基本概念、證據(jù)距離、合成規(guī)則的性質(zhì)、沖突悖論、證據(jù)沖突的衡量、開放識別框架、沖突證據(jù)合成規(guī)則、沖突證據(jù)合成規(guī)則的評價與仿真等�！禗-S證據(jù)理論的沖突證據(jù)合成方法》可供從事人工智能、多源信息融合、不確定性推理、信息處理與