店铺推荐
【推荐语】
1、本书是目前国际上关于数值线性代数方面最权威、最全面的一本专著，系统介绍了矩阵计算的基本理论和方法。
2、本书是已故美国科学院院士、美国工程院院士吉恩·戈卢布（GeneH. Golub）等人的经典巨著，是矩阵计算领域的标准性参考文献。
3、本书被美国加州大学、斯坦福大学、华盛顿大学、芝加哥大学、中国科学院研究生院等世界知名学府用作教材或参考图书。
2、本书是已故美国科学院院士、美国工程院院士吉恩·戈卢布（GeneH. Golub）等人的经典巨著，是矩阵计算领域的标准性参考文献。
3、本书被美国加州大学、斯坦福大学、华盛顿大学、芝加哥大学、中国科学院研究生院等世界知名学府用作教材或参考图书。
【作者】
吉恩·戈卢布 (1932－2007) 美国科学院、工程院和艺术科学院院士，世界有名的数值分析专家，现代矩阵计算的奠基人，生前曾任斯坦福大学教授，他是矩阵分解算法的主要贡献者。
查尔斯·范洛恩 有名数值分析专家，美国康奈尔大学教授，曾任该校计算机科学系主任。他于1973年在密歇根大学获得博士学位，师从Cleve Moler。
【内容】
本书是数值计算领域的名著，系统介绍了矩阵计算的基本理论和方法。内容包括：矩阵乘法、矩阵分析、线性方程组、正交化和最小二乘法、特征值问题、Lanczos方法、矩阵函数及专题讨论等。书中的许多算法都有现成的软件包实现，每节后附有习题，并有注释和大量参考文献。第4版增加约四分之一内容，反映了近年来矩阵计算领域的飞速发展。
本书可作为高等院校数学系高年级本科生和研究生教材，亦可作为计算数学和工程技术人员参考书。
本书可作为高等院校数学系高年级本科生和研究生教材，亦可作为计算数学和工程技术人员参考书。
【目录】
第1章 矩阵乘法
1.1 基本算法和记号
1.2 结构和效率
1.3 分块矩阵与算法
1.4 快速矩阵与向量乘积
1.5 向量化和局部化
1.6 并行矩阵乘法
第2章 矩阵分析
2.1 线性代数的基本思想
2.2 向量范数
2.3 矩阵范数
2.4 奇异值分解
2.5 子空间度量
2.6 正方形方程组的敏感性
2.7 有限精度矩阵计算
第3章 一般线性方程组
3.1 三角方程组
3.2 LU分解
3.3 高斯消去法的舍入误差
3.4 选主元法
3.5 改进与精度估计
3.6 并行LU分解
第4章 特殊线性方程组
4.1 对角占优与对称性
4.2 正定方程组
4.3 带状方程组
4.4 对称不定方程组
4.5 分块三对角方程组
4.6 范德蒙德方程组
4.7 解Toeplitz方程组的经典方法
4.8 循环方程组和离散泊松方程组
第5章 正交化和最小二乘法
5.1 Householder和Givens变换
5.2 QR分解
5.3 满秩最小二乘问题
5.4 其他正交分解
5.5 秩亏损的最小二乘问题
5.6 正方形方程组和欠定方程组
第6章 修正最小二乘问题和方法
6.1 加权和正规化
6.2 约束最小二乘问题
6.3 总体最小二乘问题
6.4 用SVD进行子空间计算
6.5 修正矩阵分解
第7章 非对称特征值问题
7.1 性质与分解
7.2 扰动理论
7.3 幂迭代
7.4 Hessenberg分解和实Schur型
7.5 实用QR算法
7.6 不变子空间计算
7.7 广义特征值问题
7.8 哈密顿和乘积特征值问题
7.9 伪谱
第8章 对称特征值问题
8.1 性质与分解
8.2 幂迭代
8.3 对称QR算法
8.4 三对角问题的更多方法
8.5 Jacobi方法
8.6 计算SVD
8.7 对称广义特征值问题
第9章 矩阵函数
9.1 特征值方法
9.2 逼近法
9.3 矩阵指数
9.4 矩阵符号、平方根和对数
第10章 大型稀疏特征值问题
10.1 对称Lanczos方法
10.2 Lanczos方法、求积和近似
10.3 实用Lanczos方法
10.4 大型稀疏SVD方法
10.5 非对称问题的Krylov方法
10.6 Jacobi-Davidson方法及相关方法
第11章 大型稀疏线性方程组问题
11.1 直接法
11.2 经典迭代法
11.3 共轭梯度法
11.4 其他Krylov方法
11.5 预处理
11.6 多重网格法
第12章 特殊问题
12.1 移秩结构线性方程组
12.2 结构化秩问题
12.3 克罗内克积的计算
12.4 张量展开和缩并
12.5 张量分解和迭代
索引
1.1 基本算法和记号
1.2 结构和效率
1.3 分块矩阵与算法
1.4 快速矩阵与向量乘积
1.5 向量化和局部化
1.6 并行矩阵乘法
第2章 矩阵分析
2.1 线性代数的基本思想
2.2 向量范数
2.3 矩阵范数
2.4 奇异值分解
2.5 子空间度量
2.6 正方形方程组的敏感性
2.7 有限精度矩阵计算
第3章 一般线性方程组
3.1 三角方程组
3.2 LU分解
3.3 高斯消去法的舍入误差
3.4 选主元法
3.5 改进与精度估计
3.6 并行LU分解
第4章 特殊线性方程组
4.1 对角占优与对称性
4.2 正定方程组
4.3 带状方程组
4.4 对称不定方程组
4.5 分块三对角方程组
4.6 范德蒙德方程组
4.7 解Toeplitz方程组的经典方法
4.8 循环方程组和离散泊松方程组
第5章 正交化和最小二乘法
5.1 Householder和Givens变换
5.2 QR分解
5.3 满秩最小二乘问题
5.4 其他正交分解
5.5 秩亏损的最小二乘问题
5.6 正方形方程组和欠定方程组
第6章 修正最小二乘问题和方法
6.1 加权和正规化
6.2 约束最小二乘问题
6.3 总体最小二乘问题
6.4 用SVD进行子空间计算
6.5 修正矩阵分解
第7章 非对称特征值问题
7.1 性质与分解
7.2 扰动理论
7.3 幂迭代
7.4 Hessenberg分解和实Schur型
7.5 实用QR算法
7.6 不变子空间计算
7.7 广义特征值问题
7.8 哈密顿和乘积特征值问题
7.9 伪谱
第8章 对称特征值问题
8.1 性质与分解
8.2 幂迭代
8.3 对称QR算法
8.4 三对角问题的更多方法
8.5 Jacobi方法
8.6 计算SVD
8.7 对称广义特征值问题
第9章 矩阵函数
9.1 特征值方法
9.2 逼近法
9.3 矩阵指数
9.4 矩阵符号、平方根和对数
第10章 大型稀疏特征值问题
10.1 对称Lanczos方法
10.2 Lanczos方法、求积和近似
10.3 实用Lanczos方法
10.4 大型稀疏SVD方法
10.5 非对称问题的Krylov方法
10.6 Jacobi-Davidson方法及相关方法
第11章 大型稀疏线性方程组问题
11.1 直接法
11.2 经典迭代法
11.3 共轭梯度法
11.4 其他Krylov方法
11.5 预处理
11.6 多重网格法
第12章 特殊问题
12.1 移秩结构线性方程组
12.2 结构化秩问题
12.3 克罗内克积的计算
12.4 张量展开和缩并
12.5 张量分解和迭代
索引
【媒体评论】
“……多年来，这本书一直是我在研究生院讲‘数值线性代数’的教材。”——袁亚湘（中国运筹学学会理事长，冯康奖得主）
