线性代数的许多应用都需要时间来发展。在一个小时内解释它们并不容易。教师和作者必须在使理论 完整与加入现代应用之间做选择。通常是理论获胜，然而本节是个例外。本节解释了上世纪最有价值的 数值算法。 我们想快速地乘上傅里叶矩阵 F 与它的逆 F−1。这通过快速傅里叶变换完成。一个普通乘积 Fc 用到 n2 次乘法(F 具有 n2 项)。FFT 仅需要 n 乘以 12 log2 n 次乘法。我们将看到这是如何实现的。 FFT 彻底改变了信号处理。整个行业都因该思想而迅速发展。电气工程师是第一个知道其中区别 的人——当他们遇见你时会取你的傅里叶变换(假设你是个函数)。傅里叶的思想是将 f 表示为谐波 ckeikx 的和。在频率空间中通过系数 ck 观察该函数，而非在实际空间中通过其值 f(x) 来观察它。c 与 f 间的前向、后向通道是由傅里叶变换实现。快速通道由 FFT 实现。中文翻译Introduction to Linear Algebra, 5th Edition 9.3节 单位根与傅里叶矩阵 二次方程有两个根(或者一个重根)。n 次方程具有 n 个根(算上重复次数)。这是代数基本定

中文翻译Introduction to Linear Algebra, 5th Edition 9.2节 本节的要点可由一句话表达：当你转置一个向量 z 或一个矩阵 A 时，也要取其复共轭。不要停在 z T 或 AT 。反转所有虚部的符号。从列向量 zj = aj + ibj 开始，其符合标准的行向量 z T 为分量是 aj − ibj 的共轭转置： 这里是转为 z T 的一个原因。实向量长度的平方为 x21 + · · · + x2n 。复向量长度的平方并非 z12 + · · · + zn2 。 用这个错误定义的话，(1, i) 的长度将是 12 + i2 = 0。一个非零向量将有 0 长度——不可接受。其它向 量将有复数长度。我们想要 a2 + b2 而不是 (a + bi)2 ，即绝对值的平方。就是 (a + bi) 乘以 (a − bi)。 2 对于每个分量，我们想使 zj 乘以 z j ，即 |zj | = a2j + b2j 。当 z 的分量乘以乘以 z 的分量时：

Linear Algebra in Maple，使用Maple进行线性代数的计算，很好的入门教材，只有22页，可以加深对线性代数的理解，免费分享给大家

线性代数的完整展示必须包含复数 z = x + iy。即使在矩阵是实矩阵的情况下，其特征值与特征向量也往往是复数。例如：一个 2 × 2 矩阵有复特征向量 x = (1, i) 与 x = (1, −i)。

Linear Algebra and Learning from data by Gilbert Strange pdf

本节围绕包含 Ax = 0 所有解的子空间。矩阵 A 可以是方形或矩形。右手边为 b = 0。一个立马可得的解是中文翻译Introduction to Linear Algebra对于可逆矩阵，这是其唯一解。消元法将求出所有解并识别出这个非常重要的子空间。

本文以适合高年级本科生和研究生的水平全面介绍了现代或抽象代数。

We discuss a multilinear generalization of the singular value decomposition. There is a strong analogy between several properties of the matrix and the higher-order tensor decomposition; uniqueness, link with the matrix eigenvalue decomposition, first-order perturbation effects, etc., are analyzed. We investigate how tensor symmetries affect the decomposition and propose a multilinear generalization of the symmetric eigenvalue decomposition for pair-wise symmetric tensors

对于初学者来说，矩阵计算涉及许多数。对于你来说，它们涉及向量。我们正观察计算的内部，中文翻译，以找出当中的数学。 作者的职责是使它变得清晰。本章以“线性代数基本定理”结束。

[数值线性代数].Numerical.Linear.Algebra.Lloyd.Trefethen.and.David.Bau.djvu