矩阵计算（英文版•第4版）-图书-图灵社区

矩阵计算（英文版•第4版）

7推荐收藏

9.0K阅读

矩阵计算（英文版•第4版）

Gene H.Golub , Charles F.Van Loan (作者)

暂时缺货矩阵计算数学

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。新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。

收藏本书能做什么？

有情况的时候会收到通知，比如电子书发布等。

纸质书: ￥78.21 ~~￥99.00~~

暂无样书

其他购买方式？

出版信息

书　　名矩阵计算（英文版•第4版）
执行编辑关于本书的内容有任何问题，请联系傅志红
出版日期2014-03-14
书　　号978-7-115-34610-0
定　　价99.00 元
页　　数772
印刷方式黑白
开　　本16开
出版状态暂时缺货
原书名Matrix Computations
原书号978-1421407944

所属分类

高等数学 > 工程数学 > 矩阵计算

本书特色

国际上关于数值线性代数方面最权威、最全面的一本专著。

目录

Preface	阅读
1 Matrix Multiplication 1.1 Basic Algorithms and Notation 1.2 Structure and Efficiency 1.3 Block Matrices and Algorithms 1.4 Fast Matrix-Vector Products 1.5 Vectorization and Locality 1.6 Parallel Matrix Multiplication
2 Matrix Analysis 2.1 Basic Ideas from Linear Algebra 2.2 Vector Norms 2.3 Matrix Norms 2.4 The Singular Value Decomposition 2.5 Subspace Metrics 2.6 The Sensitivity of Square Systems 2.7 Finite Precision Matrix Computations
3 General Linear Systems 3.1 Triangular Systems 3.2 The LU Factorization 3.3 Roundoff Error in Gaussian Elimination 3.4 Pivoting 3.5 Improving and Estimating Accuracy 3.6 Parallel LU
4 Special Linear Systems 4.1 Diagonal Dominance and Symmetry 4.2 Positive Definite Systems 4.3 Banded Systems 4.4 Symmetric Indefinite Systems 4.5 Block Tridiagonal Systems 4.6 Vandermonde Systems 4.7 Classical Methods for Toeplitz Systems 4.8 Circulant and Discrete Poisson Systems
5 Orthogonalization and Least Squares 5.1 Householder and Givens Transformations 5.2 The QR Factorization 5.3 The Full-Rank Least Squares Problem 5.4 Other Orthogonal Factorizations 5.5 The Rank-Deficient Least Squares Problem 5.6 Square and Underdetermined Systems
6 Modified Least Squares Problems and Methods 6.1 Weighting and Regularization 6.2 Constrained Least Squares 6.3 Total Least Squares 6.4 Subspace Computations with the SVD 6.5 Updating Matrix Factorizations
7 Unsymmetric Eigenvalue Problems 7.1 Properties and Decompositions 7.2 Perturbation Theory 7.3 Power Iterations 7.4 The Hessenberg and Real Schur Forms 7.5 The Practical QR Algorithm 7.6 Invariant Subspace Computations 7.7 The Generalized Eigenvalue Problem 7.8 Hamiltonian and Product Eigenvalue Problems 7.9 Pseudospectra
8 Symmetric Eigenvalue Problems 8.1 Properties and Decompositions 8.2 Power Iterations 8.3 The Symmetric QR Algorithm 8.4 More Methods for Tridiagonal Problems 8.5 Jacobi Methods 8.6 Computing the SVD 8.7 Generalized Eigenvalue Problems with Symmetry
9 Functions of Matrices 9.1 Eigenvalue Methods 9.2 Approximation Methods 9.3 The Matrix Exponential 9.4 The Sign, Square Root, and Log of a Matrix
10 Large Sparse Eigenvalue Problems 10.1 The Symmetric Lanczos Process 10.2 Lanczos, Quadrature, and Approximation 10.3 Practical Lanczos Procedures 10.4 Large Sparse SVD Frameworks 10.5 Krylov Methods for Unsymmetric Problems 10.6 Jacobi-Davidson and Related Methods
11 Large Sparse Linear System Problems 11.1 Direct Methods 11.2 The Classical Iterations 11.3 The Conjugate Gradient Method 11.4 Other Krylov Methods 11.5 Preconditioning 11.6 The Multigrid Framework
12 Special Topics 12.1 Linear Systems with Displacement Structure 12.2 Structured-Rank Problems 12.3 Kronecker Product Computations 12.4 Tensor Unfoldings and Contractions 12.5 Tensor Decompositions and Iterations
Index

作者介绍

Gene.H.Golub是美国两院院士、著名的数值分析专家、斯坦福大学计算机科学和电子工程方面的教授。
Charles.F.Van Loan是美国康奈尔大学计算机科学系教授。研究方向：数值分析，矩阵计算。

大家也喜欢

矩阵分析（英文版•第2版）

Roger A. Horn Charles R. Johnson

线性代数和矩阵理论是数学和自然科学的基本工具，同时也是科学研究的沃土。本书是矩阵理论方面的经典著作，从数学分析...
矩阵分析,卷2(英文版)

Roger A.Horn Charles R.Johnson

本书在《矩阵分析卷1》基础之上，详尽叙述了卷1未能包括的但又具有极高应用价值的论题。这些论题包括：值域、稳定...
矩阵分析,卷1(英文版)

Roger A.Horn

本文从数学分析的角度阐述了矩阵分析的经典和现代方法，不仅包括由于数学分析的需要而产生的线性代数的论题，...

Simply the best

brianzzz 发表于 2014-11-27 19:28:52

推荐
在期待中文版

参数集发表于 2018-08-08 11:31:41

推荐
会有中文版吗

苏子安发表于 2019-11-26 09:12:53

推荐
- 会有，在编辑中。
  
  傅志红发表于 2019-11-26 09:16:39
- @傅志红好哒谢谢
  
  苏子安发表于 2019-11-29 12:01:18
请问中文版什么时候出来啊，都2020年了

南于修发表于 2020-01-01 09:12:06

推荐