第一章 矩阵的相似变换 §1．1特征值与特征向量 §1．2相似对角化 §1．3 Jordan标准形介绍 §1．4 Hamilton-Cayley定理 §1．5向量的内积 §1．6西相似下的标准形 习题一 第二章 范数理论 §2．1向量范数 §2．2矩阵范数 一、方阵的范数 二、与向量范数的相容性 三、从属范数 四、长方阵的范数 §2．3范数应用举例 一、矩阵的谱半径 二、矩阵的条件数 习题二 第三章 矩阵分析 §3．1矩阵序列 §3．2矩阵级数 §3．3矩阵函数 一、矩阵函数的定义 二、矩阵函数值的计算 三、常用矩阵函数的性质 §3．4矩阵的微分和积分 一、函数矩阵的微分和积分 二、数量函数对矩阵变量的导数 三、矩阵值函数对矩阵变量的导数 §3．5矩阵分析应用举例 一、求解一阶线性常系数微分方程组 二、求解矩阵方程 三、最小二乘问题 习题三 第四章 矩阵分解 §4．1矩阵的三角分解 一、三角分解及其存在惟一性问题 二、三角分解的紧凑计算格式 §4．2矩阵的QR分解 一、Householder矩阵与Givens矩阵 二、矩阵的QR分解 三、矩阵酉相似于Hessenberg矩阵 §4．3矩阵的满秩分解 一、Hermite标准形 二、矩阵的满秩分解 §4．4矩阵的奇异值分解 习题四 第五章 特征值的估计与表示 §5．1特征值界的估计 §5．2特征值的包含区域 一、Gerschgorin定理 二、特征值的隔离 三、Ostrowski定理 §5．3 Hermite矩阵特征值的表示 §5．4广义特征值问题 一、广义特征值问题 二、广义特征值的表示 习题五 第六章 广义逆矩阵 §6．1广义逆矩阵的概念 §6．2 {1}-逆及其应用 一、{1}-逆的计算及有关性质 二、{1}-逆的应用 三、由{1}-逆构造其他的广义逆矩阵 §6．3 Moore-Penrose逆A+ 一、A+的计算及有关性质 二、A+在解线性方程组中的应用 习题六 第七章 矩阵的直积 §7．1直积的定义和性质 §7．2直积的应用 一、矩阵的拉直及其与直积的关系 二、线性矩阵方程的可解性及其求解 习题七 习题答案与提示

一、基本QR方法 60年代出现的QR算法是目前计算中小型矩阵的全部特征值与 特征向量的最有效方法。实矩阵、非奇异。 理论依据：任一非奇异实矩阵都可分解成一个正交矩阵Q和 一个上三角矩阵R的乘积，而且当R的对角元符号取定时，分解是唯一的

矩阵位移法是以计算机为计算工具的现代化结构分析方法。基于该法的结构分 析程序在结构设计中得到了广泛的应用。因此,以计算机进行结构分析是本章的学 习目的。 矩阵位移法是以位移法为理论基础,以矩阵为表现形式,以计算机为为运算工 具的综合分析方法

矩阵乘积串行算法 矩阵乘积并行算法 —— 行列划分、行行划分、列列划分、列行划分 —— Cannon 算法 —— 六种不同计算顺序

矩阵是线性代数中的重要内容,线性代数中的计算及线性代数的应用都离不开矩阵及其计算掌握并 灵活运用矩阵运算规律是很重要的

给定n个矩阵:A1,A2,An,其中A;与A1是可乘的。确定一种连乘的顺序,使得矩阵连乘的计算量为最小。 设A和B分别是pxq和qxr的两个矩阵,则乘积 C=AB为pxr的矩阵,计算量为pqr次数乘

建模方法是时间序列分析的核心问题之一。本文给出了两种基于最小二乘法的自回归模型（AR模型）的建模方法。采取预留少量数据递补进入计算的办法,使矩阵XTX可以用分块矩阵求逆公式递推求逆,或者用矩阵的Crout分解法递推求解。同时引入了Winograd向量内积快速算法,充分利用各向量和各矩阵之间的关系来减少计算工作量。使计算量比一般最小二乘建模方法大幅度减少,达到与Marple算法和Burg的最大熵谱法可比的程度

第5章 MATLAB数值计算 5.1特殊矩阵 5.2矩阵分析 5.3矩阵分解与线性方程组求解 5.4数据处理与多项式计算 5.5傅立叶分析 5.6数值微积分 5.7常微分方程的数值求解 5.8非线性方程的数值求解 5.9稀疏矩阵

为了研究线性方程组近似解的误差估计 和迭代法的收敛性,我们需要对R(n维 向量空间)中的向量或R∞中矩阵的“大 小”引入一种度量,—一向量和矩阵的范 数

一、矩阵:二维数组 二、特殊矩阵:大量重复元素或大量0元素 三、稀疏矩阵:大量0元素 四、压缩存储:重复元素只分配一个存储空间,0元素不分配存储空间