第一讲 线性代数基础 第二讲 线性方程组直接方法 第三讲 线性最小二乘问题 第四讲 非对称特征值问题 第五讲 对称特征值问题 第六讲 线性方程组定常迭代法 第七讲 Krylov子空间迭代法 第八讲 特征值问题的迭代解法 附录A IEEE浮点运算标准 附录B 数值计算中的误差 附录C 高性能计算 – 科学计算软件介绍

《矩阵计算》课程教学资源（文献资料）The decompositional approach to matrix computation（Stewart, 2000）

《矩阵计算》课程教学资源（文献资料）G. H. Golub, History of Numerical Linear Algebra, a Personal View, 2007

《矩阵计算》课程教学资源（文献资料）Lloyd N. Trefethen, The Definition of Numerical Analysis, SIAM News, Nov 1992

《矩阵计算》课程教学资源（文献资料）Lloyd N. Trefethen, Predictions for scientific computing 50 years from now, Mathematics Today, 2000

典型相关分析( canonical correlation analysis)是近年来开始普及的一种新型 多元统计分析方法。典型相关分析源于荷泰林(H. Hotelling)于1936年在《生 物统计》期刊上发表的一篇论文《两组变式之间的关系》①。他所提出的方法经 过多年的应用及发展,逐渐达到完善,在70年代臻于成熟。由于典型相关分析 涉及较大量的矩阵计算,它的应用在早期曾受到相当的限制。但当代计算机技术 及其软件的迅速发展,弥补了应用典型相关分析中的困难,因此它的应用开始走 向普及化

1 导言 2 基本原理与概念 2.1 基本原理 2.2 对象的产生，排列及删除 2.3 在线帮助 3 R的数据操作 3.1 对象 3.2 在文件中读写数据 3.3 存储数据 3.4 生成数据 3.4.1 规则序列 3.4.2 随机序列 3.5 使用对象 3.5.1 创建对象 3.5.2 对象的类型转换 3.5.3 运算符 3.5.4 访问一个对象的数值：下标系统 3.5.5 访问对象的名称 3.5.6 数据编辑器 3.5.7 数学运算和一些简单的函数 3.5.8 矩阵计算 4 R绘图 4.1 管理绘图 4.1.1 打开多个绘图设备 4.1.2 图形的分割 4.2 绘图函数 4.3 低级绘图命令 4.4 绘图参数 4.5 一个实例 4.6 grid 和lattice 包 5 R的统计分析 5.1 关于方差分析的一个简单例子 5.2 公式 5.3 泛型函数 5.4 包 6 R编程实践 6.1 循环和向量化 6.2 用R写程序 6.3 编写你自己的函数 7 R 相关的文献

9.1 矩阵为什么稀疏 123 9.2 创建和转换稀疏矩阵 123 9.3 稀疏矩阵运算 126 9.4 稀疏矩阵的特例 128 9.5 系数阵为稀疏矩阵的线性方程组 129

一、特殊矩阵的实现 特殊矩阵的实现常见的特殊矩阵有零矩阵、幺矩阵、单位矩阵、三角形矩阵等,这类特殊矩阵在线性代数中具有通用性;还有一类特殊矩阵在专门学科中有用,如有名的希尔伯特( Hilbert)矩阵、范德蒙( Vandermonde)矩阵等1.零矩阵:所有元素值为零的矩阵称为零矩阵。零矩阵可以用 zeros函数实现

§7.1 非负矩阵及其谱半径性质 §7.2 Perron定理和Frobenius定理 §7.3 随机矩阵与单调矩阵 §7.4 M-矩阵