內容簡介
《矩陣計算六講》介紹瞭矩陣計算這門學科近十年來發展起來的新方法和新理論。《矩陣計算六講》共分6 講,內容包括標準schur分解、廣義schur 分解和周期schur分解的計算,特徵值的排序問題,多項式之根的快速求法,奇異值分解的計算,求解綫性方程組和特徵值問題的krylov子空間方法,以及求解特徵值問題的共軛梯度法。
《矩陣計算六講》在選材上,在注重基礎性和實用性的前提下,重點放在瞭反映該學科的最新進展上;在內容的處理上,在介紹方法的同時,盡可能地闡明方法的設計思想和理論依據,並對有關的結論盡可能地給齣嚴格而又簡潔的數學證明;在敘述錶達上,力求清晰易讀,便於教學與自學。
《矩陣計算六講》可作為綜閤性大學、理工科大學及高等師範院校計算數學、應用數學、工程計算等專業高年級本科生和研究生的教材或教學參考書,也可供從事科學與工程計算的科技人員參考。
目錄
前言
第一講schur 分解的計算1
1.1 標準schur 分解的計算
1.1.1 householder 變換和givens 變換
1.1.2 schur 分解定理
1.1.3 實schur 分解
1.1.4 qr 方法
1.1.5 實schur 標準形之對角塊的排序問題
1.2 廣義schur 分解的計算
1.2.1 廣義schur 分解定理
1.2.2 廣義實schur 分解
1.2.3 qz 方法
1.2.4 廣義實schur 標準形之對角塊的排序問題
1.3 周期schur 分解的計算
1.3.1 周期schur 分解定理
1.3.2 周期實schur 分解
1.3.3 周期qz 方法
1.3.4 周期實schur 標準形之對角塊的排序問題
習題
第二講多項式之根的快速求法
2.1 引言
2.1.1 基本問題
2.1.2 基本理論
2.2 newton-horner 方法
2.2.1 newton 迭代法簡介
2.2.2 newton-horner 方法
2.3 快速qr 方法
2.3.1 友矩陣
2.3.2 hn 類矩陣和它的參數化
2.3.3 單步位移的快速qr 迭代
2.3.4 雙重步位移的隱式快速qr 迭代
2.3.5 具體實現時的幾個問題
習題
第三講奇異值分解的計算
3.1 基本概念和性質
3.2 golub-kahan svd 算法
3.2.1 對稱qr 方法概要
3.2.2 golub-kahan svd 算法
3.3 分而治之法
3.3.1 求解對稱特徵值問題的分而治之法
3.3.2 計算奇異值分解的分而治之法
3.4 jacobi 方法
3.4.1 求解對稱特徵值問題的jacobi 方法
3.4.2 計算奇異值分解的jacobi 方法
3.5 二分法
3.5.1 求解對稱特徵值問題的二分法
3.5.2 計算奇異值的二分法
習題
第四講krylov 子空間方法i
4.1 引言
4.2 krylov 子空間
4.2.1 krylov 子空間及其性質
4.2.2 arnoldi 分解
4.2.3 lanczos 分解
4.3 rayleigh-ritz 方法
4.3.1 rayleigh-ritz 投影方法
4.3.2 rayleigh 商的最佳逼近性
4.4 arnoldi 方法
4.4.1 經典arnoldi 算法
4.4.2 隱式重啓arnoldi 算法
4.4.3 位移求逆技術
4.5 lanczos 方法
4.5.1 經典lanczos 算法
4.5.2 收斂性理論
4.5.3 重啓lanczos 算法
習題
第五講krylov 子空間方法ii
5.1 引言
5.2 共軛梯度法
5.2.1 基本迭代格式
5.2.2 收斂性分析
5.3 極小剩餘法
5.3.1 minres 算法
5.3.2 收斂性分析
5.4 廣義極小剩餘法
5.4.1 gmres 算法
5.4.2 收斂性分析
5.5 擬極小剩餘法
5.5.1 非對稱lanczos 方法
5.5.2 qmr 算法
5.6 投影類方法
5.6.1 bcg 方法
5.6.2 cgs 方法
5.6.3 bicgstab 方法
習題
第六講共軛梯度法
6.1 引言
6.2 最優步長的計算
6.3 最速下降法
6.3.1 經典最速下降法
6.3.2 收縮最速下降法
6.3.3 梯度型同時迭代法
6.3.4 預優最速下降法
6.4 共軛梯度法
6.4.1 共軛梯度法
6.4.2 收縮共軛梯度法
6.4.3 共軛梯度型同時迭代法
6.4.4 預優共軛梯度法
6.5 預優梯度型子空間迭代法
6.5.1 pgs 迭代法
6.5.2 收斂性分析
習題
符號和定義
參考文獻
矩陣計算六講 下載 mobi epub pdf txt 電子書
評分
☆☆☆☆☆
矩陣計算六講 ,好書。
評分
☆☆☆☆☆
據《大數據人纔報告》顯示,目前全國的大數據人纔僅46萬,未來3-5年內大數據人纔的缺口將高達150萬,可又有多少人知道大數據的價值呢?
評分
☆☆☆☆☆
非常好,買瞭這個係列很多書在京東上,很給力的……
評分
☆☆☆☆☆
書送的快!變分法對處理一些泛函問題很有效。
評分
☆☆☆☆☆
非常好,買瞭這個係列很多書在京東上,很給力的……
評分
☆☆☆☆☆
講解的比較詳細,正在啃
評分
☆☆☆☆☆
是正版圖書。書本沒有破損,印刷清晰。不錯!
評分
☆☆☆☆☆
好評,第二天就到瞭,包裝很好
評分
☆☆☆☆☆
近幾年,大數據不可謂不火,尤其是2017年,發展大數據産業被寫入政府工作報告中,大數據開始不隻是齣現在企業的戰略中,也開始齣現在政府的規劃之內,可以說是互聯網世界的寵兒。