数值线性代数的算法在科学和统计软件中无处不在。新南威尔士大学数值线性代数课程的理论部分旨在传授对这些算法如何工作的理解以及对其潜在局限性的评价。当面对只有在计算机的帮助下才可行的大问题时，适合于通过手工计算解决小问题的纸笔方法通常必须被修改或由不同的方法代替。为了说明数值线性代数的应用，课程讨论了来自统计学、数据科学和应用数学的各种例子，同时提供了使用软件进行计算的实践经验。对于即将参加Final Exam的同学来说，如何才能做好复习准备呢？攻略如下。
一、数值线性代数Final Exam复习内容
1、矩阵和向量运算
2、LU系数、QR系数
3、利用矩阵结构
4、特征问题
5、奇异值分解
6、准确性和可靠性
7、线性系统的迭代解法
8、机器学习
二、数值线性代数Final Exam复习目标
1、对于线性代数中的常见问题，估计算法的计算成本如何与问题大小成比例。
2、识别矩阵中的相关结构，并选择利用该结构提高效率的专门算法。
3、理解在数值线性代数中如何使用标准矩阵分解来构造求解过程。
4、认识到矩阵属性会损害数值计算的准确性和可靠性。
5、确定在解决线性代数问题时，何时考虑迭代方法而不是直接方法。解释所选迭代方法(QR迭代、Jacobi、Richardson、共轭梯度)的作用和基本特征。
6、通过调用数值库函数，使用合适的编程语言解决线性代数中的常见问题。
7、理解数值线性代数在各种科学和统计应用中的作用，如数据拟合、低秩近似、主成分分析、图像压缩和机器学习。
新南威尔士大学数值线性代数Final Exam的分数占课程总成绩的50%，复习的重要性不言而喻。希望上述内容能对同学的复习有帮助。