獻辭 譯者序 前言 一般性參考文獻 其他書籍 本書網站和常用軟件 通用記號 第 1章 矩陣乘法 1.1 基本算法和記號 1.2 結構和效率 1.3 分塊矩陣與算法 1.4 快速矩陣與向量乘積 1.5 向量化和局部化 1.6 并行矩陣乘法 第 2章 矩陣分析 2.1 線性代數的基本思想 2.2 向量范數 2.3 矩陣范數 2.4 奇異值分解 2.5 子空間度量 2.6 正方形方程組的敏感性 2.7 有限精度矩陣計算 第3章 一般線性方程組 3.1 三角方程組 3.2 LU 分解 3.3 高斯消去法的舍入誤差 3.4 選主元法 3.5 改進與精度估計 3.6 并行 LU 分解 第4章 特殊線性方程組 4.1 對角占優(yōu)與對稱性 4.2 正定方程組 4.3 帶狀方程組 4.4 對稱不定方程組 4.5 分塊三對角方程組 4.6 范德蒙德方程組 4.7 解 Toeplitz 方程組的經典方法 4.8 循環(huán)方程組和離散泊松方程組 第5章 正交化和最小二乘法 5.1 Householder 和 Givens 變換 5.2 QR 分解 5.3 滿秩最小二乘問題 5.4 其他正交分解 5.5 秩虧損的最小二乘問題 5.6 正方形方程組和欠定方程組 第6章 修正最小二乘問題和方法 6.1 加權和正規(guī)化 6.2 約束最小二乘問題 6.3 總體最小二乘問題 6.4 用SVD 進行子空間計算 6.5 修正矩陣分解 第7章 非對稱特征值問題 7.1 性質與分解 7.2 擾動理論 7.3 冪迭代 7.4 Hessenberg 分解和實 Schur 型 7.5 實用QR 算法 7.6 不變子空間計算 7.7 廣義特征值問題 7.8 哈密頓和乘積特征值問題 7.9 偽譜 第8章 對稱特征值問題 8.1 性質與分解 8.2 冪迭代 8.3 對稱 QR 算法 8.4 三對角問題的更多方法 8.5 Jacobi 方法 8.6 計算 SVD 8.7 對稱廣義特征值問題 第9章 矩陣函數 9.1 特征值方法 9.2 逼近法 9.3 矩陣指數 9.4 矩陣符號、平方根和對數 第 10章 大型稀疏特征值問題 10.1 對稱 Lanczos 方法 10.2 Lanczos 方法、求積和近似 10.3 實用 Lanczos 方法 10.4 大型稀疏 SVD 方法 10.5 非對稱問題的 Krylov 方法 10.6 Jacobi-Davidson 方法及相關方法 第 11章 大型稀疏線性方程組問題 11.1 直接法 11.2 經典迭代法 11.3 共軛梯度法 11.4 其他 Krylov 方法 11.5 預處理 11.6 多重網格法 第 12章 特殊問題 12.1 移秩結構線性方程組 12.2 結構化秩問題 12.3 克羅內克積的計算 12.4 張量展開和縮并 12.5 張量分解和迭代 索引