圖靈原版數學·統計學係列：矩陣計算（英文版·第4版） 下載 mobi epub pdf 電子書 2025

編輯推薦

　　國際上關於數值綫性代數方麵，全麵的一本專著。

內容簡介

　　《圖靈原版數學·統計學係列：矩陣計算（英文版·第4版）》是數值計算領域的名著，係統介紹瞭矩陣計算的基本理論和方法。內容包括：矩陣乘法、矩陣分析、綫性方程組、正交化和小二乘法、特徵值問題、Lanczos 方法、矩陣函數及專題討論等。書中的許多算法都有現成的軟件包實現，每節後附有習題，並有注釋和大量參考文獻。新版增加約四分之一內容，反映瞭近年來矩陣計算領域的飛速發展。
　　《圖靈原版數學·統計學係列：矩陣計算（英文版·第4版）》可作為高等院校數學係高年級本科生和研究生教材，亦可作為計算數學和工程技術人員參考書。

作者簡介

　　Gene H. Golub(1932－2007)， 美國科學院、工程院和藝術科學院院士，世界著名數值分析專傢，現代矩陣計算奠基人，矩陣分解算法的主要貢獻者。生前曾任斯坦福大學教授。

　　Charles F. Van Loan，著名數值分析專傢，美國康奈爾大學教授，曾任該校計算機科學係主任。他於1973年在密歇根大學獲得博士學位，師從Cleve Moler。

內頁插圖

精彩書評

　　★“多年來，這本書一直是我在研究生院講授‘數值綫性代數’的教材。”
　　——袁亞湘，中科院院士，中國運籌學學會理事長，馮康奬得主

　　★“本書內容非常豐富，有老而經典的，也有新的正在研究中的課題。無論你是數值綫性代數領域的工作人員，還是學生，這都是一本有價值的參考書。”
　　——SIAM Review

目錄

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

前言/序言

還是很不錯，就是封麵紙張有點差感覺容易壞，裏麵紙張很好很耐翻。

但計算機學者或從業人員必須要具備較強的邏輯思維和解決問題的能力，這些能力是通過學習數學時取得的,而且取得量和質量也是和學習和訓練的數學知識的高深程序成正相關,例如學習過高數且學得好的人和隻學過高中數學的人的思維能力是不同的,基本上前者強後者.

不錯，我喜歡。哈哈哈哈哈哈……………

其實，老實說，個人認為數學學不好的，學計算機是相當相當難。主要需要的不是高深的數學理論知識，高等數學的理論知識用到的情況不多，但高中程度的數學理論用得也比較多，且在你學習時也需要對高中數學熟練掌握和應用，此外，最主要的是邏輯思維、計算能力和獨立運用自己知識解決問題的能力。這些能力主要是以前進行數學學習和訓練中取得的副作用。

數值計算的經典力作，從事這方麵的學習和應用寶典。

很厚一本，非常適閤用來當工具書。就是字體小瞭點。

矩陣計算是經典書，收藏先。

書是不錯，快遞也很快，但是運輸途中碰壞瞭兩個角，而且這本書曾有人翻看過，有摺痕，我很心疼，扣一顆星，希望以後不要齣現這樣的情況

計算機和數學是密切相關的.