Ⅰ 矩阵论有什么用
矩阵论的一个重要用途是解线性方程组。
在其他领域还有诸多应用：
1、物理应用
线性变换及对称线性变换及其所对应的对称，在现代物理学中有着重要的角色。
描述最轻的三种夸克时，需要用到一种内含特殊酉群SU(3)的群论表示；物理学家在计算时会用一种更简便的矩阵表示，叫盖尔曼矩阵，这种矩阵也被用作SU(3)规范群，而强核力的现代描述──量子色动力学的基础正是SU(3)。
2、量子态的线性组合
1925年海森堡提出第一个量子力学模型时，使用了无限维矩阵来表示理论中作用在量子态上的算子。
3、简正模式
矩阵在物理学中的另一类泛应用是描述线性耦合调和系统。这类系统的运动方程可以用矩阵的形式来表示，即用一个质量矩阵乘以一个广义速度来给出运动项，用力矩阵乘以位移向量来刻画相互作用。
4、几何光学
在几何光学里，可以找到很多需要用到矩阵的地方。几何光学是一种忽略了光波波动性的近似理论，这理论的模型将光线视为几何射线。
(1)矩阵论和计算机网络扩展阅读
一般矩阵论会包括如下内容：
1、线性空间的相关内容，包括线性空间的定义及其性质，线性子空间；
2、内积空间的相关内容，包括欧氏空间；
3、线性变换的相关内容，包括最小多项式理论 ；
4、范数理论及其应用的相关内容，包括向量范数，矩阵范数以及范数的应用 ；
5、矩阵分析及其应用的相关内容，包括向量和矩阵极限、微分和积分 、方阵级数理论、方阵级数理论的应用等；
6、矩阵分解的相关内容，包括最大秩分解和矩阵分解的应用 ；
7、广义逆矩阵及其应用的相关内容，包括基本定义和相关应用；
8、特征值的估计及广义特征值的相关内容，包括特征值的估计及广义特征值和应用。
Ⅱ 计算机专业做什么最好
① 数学
数学是计算机的理论基础。数学不仅对于将来准备科研的同学及其重要，对于准备就业的同学来说，数学没学好，一些工作中遇到的概念就会很难理解。
离散数学（研究离散量，如整数，的结构、相互关系）在计算机科学中十分重要。由于计算机平台本身是离散的（基于 01 二进制），离散数学在传统算法设计、分析和平台架构设计等方面都起到了重要作用。
分析（以广义的微积分等研究工具，对”比较连续“的函数等进行研究）和代数（先定义数学结构，再研究该数学结构）中的内容也是作为理科生必须知道的，无时无刻不在用到的知识。
以上分法只是为了方便梳理课程，事实上相当不严谨。离散是数学中的一类对象，分析和代数是数学中的种方法论，相互之间都有很多重合
② 算法
算法本质上也属于数学。高中里常见的数学题有计算和证明。为了计算，课堂上会学习到很多问题的解法。算法就是对问题提出解题方案。
③ 系统
想要运行程序/软件，需要一个平台/系统（计算机、服务器、手机、嵌入式系统等）。每个系统从低向上构建，复杂而精美。
在系统的设计中，为了防止过于复杂，大牛们引入了抽象层，把功能较为独立的部分单独抽象出来设计，下层支持上层的实现，上层利用下层的接口（按规则即可使用的功能）。收益于此，我们在学习时也可以非常有层次地层层递进（图中从微电子到数据库、计算机网络等）
All problems in computer science can be solved by another level of indirection.
计算机科学中的每个问题都可以用一间接/抽象层解决 ——Jay Black
④ 语言
语言也算作系统的一部分（语言甚至可以看作是一个抽象层，下层由编译器支持，上层支持算法的实现）。将语言单独列出主要因为语言是因为，作为程序员，语言是我们最常用的工具。
此外，我把如何维护我们写出来的程序也放在这里。这是很工科的一个部分，就像造房子时如何维护整个工程。这样分类确实有问题，但语言和软件工程作为我们书写程序时的工具，可以一起学习。
⑤ 应用
在算法和系统的支持下，我们可以把计算机技术应用到各个邻域。计算机的应用自然有许多，这里只大概介绍了几个计算机的方向。
数学
① 离散
集合论（大一）
- 应用：几乎其它数学的基础，微积分、抽象代数等等都要用到集合的概念。
数理逻辑（大二）
- 应用：在系统方向（程序形式化验证）、程序语言设计、人工智能（自动推理）等领域有广泛应用
- 研究前沿：证明论（研究语法），模型论（研究语义），公理集合论（研究与数学基础有关的一阶理论的模型），递归论（研究可计算性），非经典逻辑（对数理逻辑的扩展与修正），非形式逻辑（对形式化方法反叛的新道路）
抽象代数（大二）
- 应用：在密码学、组合数学、程序设计理论、计算机通信和分布式系统等方向上有广泛应用。课程上，线性代数中线性空间定义就要用域的概念。
图论（大二）
- 应用：算法设计（比如高德地图的导航，就要用到图论的算法），在计算机课程和应用中无处不在。
组合数学
- 应用：作为研究工具，在科研时都有可能用到
值得一提的是，南京大学计算机系拔尖班和匡院计算机方向特殊课程《问题求解》(Problem Solving) 这门课持续四个学期，将程序设计、算法分析与设计、数据结构、离散数学等打通，一起教学，使得效率提高，可以讲更多的内容。
② 代数
线性代数（大二）
- 应用：作为最基本的数学工具，几乎无孔不入。在编码、机器学习等方向更是重中之重。
矩阵论
- 应用：用到矩阵的地方都有用。
③ 分析
微积分（大一）
- 应用：计算机中与微积分打交道并不多。但随着深度学习的兴起，微积分由变得常用了起来。
实变函数
- 应用：现代概率论的基础（暂时感觉没什么用）
概率论（大三）
- 应用：可谓现如今机器学习的基石
数理统计（大三）
信号分析与处理
- 应用：计算机通信、数字图像处理等
信息论
- 应用：计算机通信、密码学、机器学习等
计算方法
④ 物理
大学物理（大一、大二）
- 应用：很多人认为计算机系学物理没必要，我现在觉得不然。物理作为从实践走向理论的经典学科，一定程度上与现在的机器学习相似。此外，还可以提供跨学科研究的基础。
电路分析（大一）
算法
算法设计与分析（大一）
- 举例：如何学习算法设计与分析
数据结构（大一）
人工智能（大四）
机器学习
Ⅲ 美国那些大学的IT专业是强项
Stanford（斯坦福）的CS是个很大的 CS，拥有40人以上的资深教员，其中不乏响当当硬梆梆的图灵奖得主（Edward A ．Feigenbaum ， John McCarthy）和各个学科领域的大腕人物，比如理论方面的权威DonaldE．K nuth；数据库方面的大牛Je ffre yD．Ullm an（他还写过那本着名的编译原理，此人出自Princeton）；以及R ISC技术挑头人之一的John Henn e ssy。相信 CS的同学对此并不陌生。该系每年毕业30多名Ph．D．以及更多的Master。学生的出路自然是如鱼得水，无论学术界还是工业界，Stanford的学生倍受青睐。几乎所有前十的 CS中都有Stanford的毕业生在充当教授。当然同样享有如此地位的还包括其他三头巨牛：UC ．Berkeley， MIT和CMU。
毕业于U． of Utah的Jim Clark曾经在Stanford CS当教授。后来就是这个人创办了高性能计算机和科学计算可视化方面巨牛的SGI公司。SUN公司名字的来历是：Stanford University Network ．。顺便提一下，创办YAHOO的华人杨致远曾在斯坦福的 EE攻读博士，后来中途辍学办了YAHOO。
CS科研方面，斯坦福无论在理论、数据库、软件、硬件和AI等各个领域都是实力强劲的顶级高手。斯坦福的RISC技术后来成为SGI ／ MIPS的Rx000系列微处理器的核心技术；DASH，FLASH项目更是多处理器并行计算机研究的前沿；SU IF并行化编译器成为国家资助的重点项目，在国际学术论文中SU IF编译器的提及似乎也为某些平庸的论文平添几分姿色。
Stanford有学生14000多，其中研究生7000多。 CS有175人攻读博士，350人攻读硕士，每年招的学生数不详，估计少不了，但不要忘了，每年申请 CS的申请学生接近千人。申请费高达90＄。
斯坦福大学位于信息世界的心脏地带———硅谷。加州宜人的气候，美丽的风景使得Stanford堪称CS的天堂。33．1平方公里的校园面积怕是够学子们翻江蹈海、叱咤风云的了。
申请斯坦福是很难成功的，但也并非不可为之。去斯坦福这样的牛校，运气很重要，牛人的推荐也很重要。
附：总的来说，前20的 CS可以分成三波：
一、4个最为优秀的 CS Program � Stanford，UC． Berkeley， MIT， CMU
二、6个其他前十的：UIUC，Cornell，U．of Washington ，Prin ce ton，U． of Tex as－Austin和U． of Wisconsin －Madison，其中UIUC， C ornell，U． of Washington和UW －Madison几乎从未出过前十名。
三、其他非常非常优秀的 CS：CalTech，U． of MarylandatCP， UCLA， Brown， Harvard，Yale， GIT， Pure， Rice，和U． of Michigan．
（注：CS＝计算机科学系）
自20世纪40年代世界第一台现代计算机在美国诞生以来，美国一直执全球计算机学界之牛耳，这同时也是美国计算机产业界占据绝对优势的重要原因之一。我们引进的教材中绝大多数也都来自美国。计算机学科仍然在高速发展，与此对应的计算机人才培养模式也在不断变化，密切关注和跟踪国外尤其是美国名校的教学新动态，应该是非常有意义的。
本文即选择了美国计算机学科最负盛名的五所高校，对目前各校计算机科学(Computer Science)专业的本科教学体系进行了一些分析。
斯坦福大学
斯坦福大学拥有独立的计算机科学系。浏览该校的教学手册，最具特色的恐怕要算多门科普性计算机知识讲座了，一般有两到三个单元，涉及面非常之广，从量子计算到数字演员，从计算科学的伟大思想到网络安全，从网上拍卖到使用元编译发现大型开放源代码软件中的大量错误，其中还不乏对技术乌托邦、斯诺“两种文化”、计算机面临的困境以及迅速发展所带来的诸多问题的思考。开课的老师阵容强大，基本上都是响当当的名教授，甚至包括图灵奖得主John McCarthy。用这种讲座代替计算机科学导论性质的专门课程，可以充分展示计算机科学的丰富内涵，使学生较早地了解学科的轮廓和脉络，对于开阔学生视野，启发学生的学习兴趣也大有好处。由于美国大学中专业的选择非常灵活，而近年来计算机学科招生受行业影响流失严重(这种情况甚至惊动了比尔·盖茨，今年微软到各大高校招兵买马时，他每站必到，利用自己的明星效应，大讲计算机学科的美妙前景)，可以想象，这种讲座同样也肩负着吸引学生选择计算机专业的重大使命。
斯坦福大学典型的低年级课程设置如表1所示。
表1 斯坦福大学低年级主要课程设置
数学(至少23个单元)
数学 41(课程号，下同) 微积分 I 5
数学 42 微积分 II 5
统计 116 概率论 3～5
计算机 103 离散结构 4或6
以下任选两门：
数学 51 微积分 5
数学 103/113 线性代数 3
数学 109 应用群论 3
计算机 157 逻辑和自动推理 4
计算机 205 机器人、视觉和图形学数学方法 3
科学(至少11个单元)
物理 53 力学 4
物理 55 电磁学 4
其他
工程基础(至少13个单元)
计算机 106 程序设计抽象/方法学 5
工程 40 电子学基础 5
选修课
技术与社会(3~5个单元)
进一步的课程设置如表2所示。
表2 斯坦福大学高年级主要课程设置
程序设计(2门课)
计算机 107(课程号，下同) 程序设计范型 5
计算机 108 面向对象系统设计 4
理论(2门课)
计算机 154 自动机与复杂性理论 4
计算机 161 算法的设计与分析 4
系统(3门课)
电子电气 108B或282 数字系统或计算机体系结构 4
计算机 编译原理 3
计算机 计算机网络 3
计算机 操作系统 3
应用(选2门课)
计算机 人工智能 3～4
计算机 数据库 3
计算机 图形学 3
项目(1门课)
计算机 至少3个单元
限选课(多门)
加州大学伯克利分校
伯克利的课程设置也有很多独树一帜的地方，尤其是在专业基础课方面，除了有专业导引课程“计算机科学专题”之外，对于没有编程经验的学生，第一门编程课是符号编程入门，采用LISP语言。有一定编程经验或者有自学能力的学生，可以选择多种语言和环境的自主学习(Self-paced)课程，包括C、Fortran、C++、Java，以及UNIX的使用等，这种多元化与伯克利计算机科学与电子电气工程同系有关。但是所有学生在第二学期都要学习一组独特的基础课：61A“计算机程序的结构与解释”，采用MIT Abelson等编着的同名教材(中译本机械工业出版社出版，清华大学出版社出版了影印版)；61B“数据结构”(教材采用自编讲义)；61C“计算机结构”(Machine Structures)，采用Hennessy的《计算机组织与设计》(中译本清华大学出版社出版，机械工业出版社出版了影印版)。这项规定就是转校生也不例外，可见其中蕴涵了伯克利多年的教学经验结晶。
伯克利其他比较有特点的课程还有：将离散数学和概率论结合讲授的CS70，主讲是名教授Christos Papadimitriou；CS98-1 编程练习课，以主要大学生编程竞赛中的赛题为授课素材；CS 169 软件工程直接用Kent Beck的《极限编程》(人民邮电出版社出版了中译本)作为教材，非常超前，但是既然连Pressman的《软件工程：实践者方法》新版中敏捷方法都已经成为重头戏，既然IEEE都已经开始制定敏捷方法相关标准，这种课程选材也就不显得那么骇世惊俗了。除了软件工程课程常见内容外，教学侧重实际，贯穿了极限编程的思想，涵盖UML、JUnit单元测试、软件架构、设计模式和反模式、重构、CVS版本控制、系统和集成测试，最后要求完成一个实际产品，并进行演示。
UIUC(伊利诺依大学厄巴尼-香槟分校)
UIUC的计算机科学专业创建于1972年，到1986年基本定型，十多年来几乎没有什么变化。其教学体系如图1所示。
图1 UIUC改革前的计算机科学课程体系
其中，数值分析方向课程中，Math225为矩阵论，CS257为数值方法，CS35x代表数值分析导论、常微分数值方法、偏微分与数值逼近和数值线性代数；
理论方向课程中，CS173为离散结构，CS273为计算理论，CS37x包括算法、形式方法、程序验证；
人工智能方向课程中，CS348为人工智能导论，CS34x包括机器人、机器学习与模式识别；
软件方向，CS125为计算机科学导论，CS225为数据结构与软件工程原理，CS31x包括数据库、图形学、多媒体，CS32x包括软件工程、操作系统设计、分布式系统、编程语言与编译器、并行计算、实时系统、编译器构造、编程语言设计；
硬件方向课程中，CS231为计算机体系结构I，CS232为计算机体系结构II，CS33x包括计算机组成、VLSI系统与逻辑设计、VLSI系统设计、通信网络、嵌入式体系架构与软件。
可以看到，处在图1中最下面的课程基本上都是在多门中选择一至三门，整个体系脉络清晰，具有很高的灵活性。与斯坦福不同的是，UIUC的计算机科学导论课程比较简单，只有一门为新生开的计算机科学导向课(CS100)，而且并非必修。名为“计算机科学导论”的CS125实际上是以Java语言为主的编程入门课，涵盖了一些算法的内容。此外还有与之配套的实验课。当然，系里所开的许多面向高年级和研究生层次的讲座是对低年级开放的。
2003年，在工程院院长David Daniel的倡导下，计算机系对教学计划进行了改革，以反映目前社会、行业和技术的发展趋势。主要的变化有：
* 在必修要求中增加了两门编程课：CS241 系统编程，采用Gary Nutt的《操作系统》作为主教材，Stevens的《Unix环境高级编程》作为编程教材；CS242 程序设计实验(Programming Studio)，教学大纲基本上以Kernighan的《程序设计实践》为蓝本(以上教材机械工业出版社均出版了中译本和影印版)。
* 必修要求中增加了一年的高级项目，强调团队合作和软件工程实践，包括文档写作、口头表达、项目规划与管理等，实际上是在实践中学习软件工程。这门课也可以用两学期的软件工程或者一年的高级论文代替。仍然充分保留了灵活性，有利于因材施教。
* 增加了CS173 离散结构的学时，部分原CS273的内容移到这里，同时CS273又新增了原CS375的内容。这实际上是提高了对计算机理论的要求。
CMU(卡内基梅隆大学)
与MIT、伯克利等学校计算机科学仍然和电子与电气工程同处一系不同，CMU的计算机科学系成立于1965年，是全美最早的，如今它已经升格为计算机科学学院。其研究生项目中除了机器人方向与硬件关系较多之外，其他基本上都是纯软的。从这个意义上来说，CMU的教学体系对于偏软的计算机科学系应该有较大的借鉴意义。
CMU的教学手册上没有从传统意义上针对计算机科学专业学生的导论课，虽然有名为“计算机科学伟大思想”的两学期课程，但是从内容上看应该是离散数学的替代，因为此外CMU并没有其他离散数学方面的课程。此课程没有教材，内容比传统离散数学要灵活得多，涉及概率、代数、算法、加密理论、复杂性理论、博弈论等，非常注重学习的趣味性和实用性。
与其他名校相同，CMU对程序设计的重视也给人留下很深印象：本土新生的第一堂课就是“初中级程序设计”，直接讲授Java。然后是中高级程序设计(Java)、C语言编程技巧、高级编程实践(Java)、程序设计原理(用SML语言讲授)。
目前计算机科学专业教学计划中的一个难点，是硬件课程的设置问题。硬件知识体系本身非常丰富，但是硬件课程多了，又削弱了计算机科学专业的特色。CMU在这一问题上是怎样处理的呢？计算机科学学院的现任院长Randal E. Bryant 亲自给出了回答，他用15～213“计算机系统导论”一门课(12个单元)完成了硬件知识的教学。这项教学改革的成果就是一本厚达900多页的书：《Computer Systems: A Programmer's Perspective》(中译本《深入理解计算机系统》已经由中国电力出版社出版)一书。他在该书的序言中说：
“本课程的宗旨是用一种不同的方式向学生介绍计算机。因为，我们的学生中几乎没有人有机会构造计算机系统。而大多数学生，甚至是计算机工程师，也要求能日常使用计算机和编写计算机程序。所以我们决定从程序员的角度来讲解系统，并采用这样的过滤方法：我们只讨论那些影响用户级C程序的性能、正确性或实用性的主题。
比如，我们排除了诸如硬件加法器和总线设计这样的主题。虽然我们谈及了机器语言，但是不关注如何编写汇编语言，而是关心编译器怎样翻译C的各种构造，比如指针、循环、过程调用和返回，以及switch语句。更进一步，我们将更广泛和现实地看待系统，包括硬件和系统软件，讨论链接、加载、进程、信号、性能优化、评估、I/O以及网络与并发编程。
这种做法使得我们讲授本课程的方式对学生来讲既实用、具体，又能实践，同时也非常利于调动学生的积极性。”
网站上的一些随书配套实验，也独具匠心。因此此书的成功是水到渠成的。根据配套网站上的列表，它已经被全球80多所院校采用作为教材。MIT(麻省理工学院)
MIT的课程设置，只能用其学生起点高来解释。该校没有典型意义上的计算机科学专业，偏软的只有理论计算机科学和人工智能及其应用两个专业。因此没有类似于其他学校的导论课程。
在MIT的电子电气工程与计算机科学系中，所有学生都要参加如下四门课程：6.001“计算机程序的结构与解释”，当然与伯克利相同，采用的是Abelson等编着的同名教材；6.002“电路与电子学”；6.003“信号与系统”(自编讲义)；6.004 “计算结构”(Computation Structures)，与伯克利的61C“计算机结构”对等(教材是自编课件)。此外有两门专业基础数学课：“概率系统分析”(教授自编教材)和“计算机科学数学”，后者的教材是国外院校普遍采用的Rosen所着《离散数学及其应用》(中文版由机械工业出版社出版)。
对MIT的学生而言，实验课程有多种选择：电气工程和计算机科学实验，模拟电子实验，数字系统实验，微机项目实验，半导体设备项目实验。此外，无论何种专业，都有软件工程实验课。值得注意的是，本科生各专业的必修课程中并没有软件工程课程。也就是说，软件工程的内容都在实践中完成了。带软件工程实验课的是因为提出Liskov替换原则而知名的女教授Barbara Liskov，她刚刚获得了2004年度的冯·诺依曼奖。作为美国工程院和艺术科学院的双院士，她几十年在软件开发研究方面的经验，将有力地保证这门实验课程的质量
Ⅳ ieor是什么专业
近两年火热的IEOR（Instrial Engineering and Operation Research）项目，想必对Data Science, Business Analytics等感兴趣的同学早有耳闻。那么学习IEOR专业未来可以做什么？美国的哪个IEOR项目更加符合你的需求呢？今天清柚就为大家解答~
IEOR是什么？
IEOR(Instrial Engineering And Operations Research)工业工程与运筹学，是一个结合了工程、管理科学、量化商科、数学、统计、数据分析等多个领域的复合型专业。近几年，因为其本身“量化万金油”的属性，加上非常不错的就业选择和就业率，成为了众多学生的专业选择。
IEOR开设项目主要分为以下几类：
Financial and Managerial Applications（财务和管理应用程序）
Business Analytics（商业分析）
Entrepreneurship and Innovation（创业与创新）
Logistics and Supply Chain Management（物流与供应链管理）
Optimization（优化）
Applied Probability（应用概率）
Management & Science Engineering（管理科学工程）
Human Factor（人因学）
Manufacturing（制造业）
Proction（生产）
Supply chain management （供应链管理）
Transportation（运输）
理学硕士Master of Science
工学硕士Master of Engineering
Manufacturing Systems（制造系统）
Warehousing Systems（仓储系统）
Supply Chain Engineering I（供应链工程I）
Advanced Engineering Economy（工程经济学）
Optimization Modeling（优化建模）
Stochastic Modeling（随机过程建模）
Data Science and Statistical Modeling（数据科学及统计建模）
Spreadsheet-Based Modeling and Data Analysis（基于Excel的建模和数据分析）
（工业工程师从经济学角度解决业务问题，应用计算机科学技术分析数据并开发决策支持系统，并使用心理学来确保系统中的人为因素得到充分理解和解释。）
不同院校对于IEOR的设置有所不同，下面介绍一下IEOR的两个分支：
IE---Instrial Engineering
工业工程（Instrial Engineering, IE）是研究由人、物料、信息、设备和能源构成的集成系统的设计、改进和实施，它应用数学、物理学和社会科学的知识和技能，结合工程分析和设计的原理与方法，来说明、预测和评价这一集成系统将得到的结果。简单点说，就是让生产流程、产品或系统变得更好的一个专业。
从大方向来讲，工业工程（IE）可以分为以下几种；
OR---Operations Research
OR是IE学科中重要的理论基础，很多IE系下面也有OR方向，所以往往有些系也叫IEOR或者ORIE。
有的学校OR单独作为一个系/学院，比如MIT的Operations Research Center。OR偏向于商业分析、运筹规划、金工等，对于学生的数学、编程能力有一定的要求。
还有的OR开设在数学系，不算主流，一般偏优化方向，更多是解决理论的一些证明问题。少数学校开设在统计系。
MS vs MEng
美国工业工程研究生专业一般分为两种学位：
Master of Science属于研究型学位，培养做研究，或者成为教授、导师型的人才，课程学习的内容也偏重批判性研究，对立研究等等，基础理论课程偏多，毕业需要递交毕业论文。
Master of Engineering为专业学位，更加偏重求职导向。大多是在研究生阶段的学习完成后就直接进入工作岗位，工程技术的课程偏多，不太需要毕业论文考试。
以UCB IEOR项目为例，我们来看下两种学位的不同：
Master of Science
（“我们的博士和理科硕士课程将为您提供最新的理论，计算工具和研究方法，为学术界或工业界的发现事业做好准备。您将学习在人工智能，高科技，医疗保健，能源，金融，咨询，数据科学，管理，机器人，物流，人为因素等广泛领域进行创新。”）
Master of Engineering
（“工业工程与运营研究中的MEng项目将以业务为导向的课程与以应用为中心的工业工程和运营研究课程相结合，强调优化分析，风险建模，模拟和数据分析。机器学习和数据科学是令人兴奋的新主题，它结合了随机性和优化的结果，以提供越来越多的产品和服务。它旨在帮助学生为专业实践做好准备，明确培养管理复杂项目的技能，并指导财务和运营事务。”）
IEOR国内国外的区别
不光国外大学，其实很多国内大学也开设工业工程专业，今天我们从课程设置和未来就业方向来看看国内外工业工程到底有何区别？
课程设置
国内大学的工业工程硕士主要学位课程：数理统计、随机课程、矩阵论、数值分析、运筹学、管理学、计算机网络、先进制造工程学等。
我们再来看看佐治亚理工学院M.S. in Instrial Engineering项目核心课程：
以及康奈尔大学 M.Eng. in IEOR核心课程：
就业方向
目前国内活跃的工业工程就业方向主要有生产管理、质量管理、计划或工程类的工作，比如电商的库存管理，仓库规划，城市规划设计院的功能性设计规划等。
不难看出在国内真正能够找到与专业对口的工作的大学生不是很多，大多数的在校大学以后的工作是偏离IE这个专业的，很多职位都没写需要工业工程专业的人，因为国内对工业工程的理解很局限。
然而对于海外的工业工程就业则相对繁荣，就业方向也是所有工程类专业最多最杂的，比如计算机领域的大数据分析，机器学习，数据挖掘等数据方向，还有金融方向等，都是可以选择的。
所以国内开设的专业方向，就业偏向更多生产管理等传统行业的，略有局限性；反观国外大学所设置的领域专精，已经打破专业的局限性，已经分支专精到各个领域。
适合申请IEOR的学生
背景要求
IEOR项目一般适合具有工程类/计算机/数学/统计学/经济学/金融等相关本科背景的学生申请。
据UC Berkeley官网2018录取数据显示，2018秋季共有500多名申请人，72％本科为工程专业，其中29％本科为工业工程和运筹学专业，28％本科为财务，数学，经济，统计和相关专业。
先修课要求
开设IEOR专业的学校一般对申请者有先修课的要求，通常要求申请者具备较强的数学功底（多元微积分/线性代数/概率论/统计学)。
密歇根安娜堡分校Instrial and Operations Engineering（IOE）项目先修课要求：
同样的，康奈尔大学M.Eng. in IEOR项目对申请人的要求如下：包括线性代数、微积分等。
总结
工业工程与运筹学专业的申请者需拥有工程、数学、科学或计算机背景，同时要具备很强的定量分析、数学建模、计算机编程等能力。
IEOR就业方向
IEOR方向的毕业生可在工程、管理、科研、咨询、金融等领域获得广阔的就业机会，毕业后大多在企业的技术或产品部门里从事分析工作，如工业工程师或机械工程师。也有的会成为企业管理人员、部门主管，也有些毕业生会进入到普华永道、德勤等四大领域工作。
除此之外，IEOR也可以进入到Amazon、Wayfair等美国电商公司工作，及各大航空公司如UA、AA等。工作待遇在美国各地区一般都处于中上水平。学生毕业起薪硕士生可以达到6万美金/年。
文章开始也提到，IEOR属于“量化万金油” 专业，所以学习这个专业，在各个量化方向，咨询金融等领域都比较好就业，再加上IEOR属于STEM，在美国拥有三年的OPT，就业形势也比较乐观。
IEOR专业和FinTech、供应链、工业优化、流程设计等都有很多联系。对于很多喜欢工科的同学，既想学到特别扎实的知识和技术，又不想本科就被所学专业框住，IEOR知识和应用面比较广，是绝对值得尝试的。
清柚也曾帮助一名学员成功商转工，在本科主修商科，没有任何quant背景，数学课仅限于最基础的微积分课程的情况下，拿到UCB IEOR offer并成功收获$20,000奖学金！
有问题请咨询：cheersufred
Ⅳ 矩阵论的前言
随着科学技术的迅速发展，古典的线性代数知识已不能满足现代科技的需要，矩阵的理论和方法业已成为现代科技领域必不可少的工具。诸如数值分析、优化理论、微分方程、概率统计、控制论、力学、电子学、网络等学科领域都与矩阵理论有着密切的联系，甚至在经济管理、金融、保险、社会科学等领域，矩阵理论和方法也有着十分重要的应用。当今电子计算机及计算技术的迅速发展为矩阵理论的应用开辟了更广阔的前景。因此，学习和掌握矩阵的基本理论和方法，对于工科研究生来说是必不可少的。全国的工科院校已普遍把“矩阵论”作为研究生的必修课。为此，1989年我们根据国家教委制定的工科研究生学习“矩阵论”课程的基本要求编写了这本教材，并于1993年和1999年由河海大学出版社正式出版，在部分高校讲授过多年。为使本书适应新世纪的要求，这次又对本书进行了充实更新，并对内容作了精心的处理。
本书内容分上、下篇，共10章，比较全面、系统地介绍了矩阵的基本理论、方法及其应用。第1章与第2章重点介绍线性空间与线性算子、内积空间与等积变换等，这部分内容既是线性代数知识的推广和深化，又是矩阵几何理论的基础，熟练掌握和深刻理解它们对后面内容的学习乃至将来正确处理实际问题有很大的作用。第3章至第5章主要介绍λ矩阵与若尔当标准形、赋范线性空间与矩阵范数、矩阵的微积分运算及其应用。这些内容是矩阵理论研究、矩阵计算及应用中不可缺少的工具和手段。以上5章内容均为1991年国家教育委员会工科研究生数学课程教学指导小组对“矩阵论”课程所制定的基本要求，故本书把它们放入上篇，约为2~3学分（讲授36~54学时）。考虑到矩阵理论的完整性、系统性，又能反映最新进展，同时为满足某些专业多学时教学的需要，本书的下篇安排有： 第6章介绍广义逆矩阵及其应用；第7章介绍矩阵的因子分解； 第8章介绍几类特殊矩阵，诸如非负矩阵与正矩阵、素矩阵与循环矩阵、随机矩阵和双随机矩阵、单调矩阵、M矩阵与H矩阵、T矩阵与汉克尔矩阵等； 第9章介绍矩阵的克罗内克积、阿达马积与反（Fan）积； 第10章介绍辛空间与辛矩阵，这部分内容反映学科的前沿，有着广阔的应用前景，这在同类教材中是独有的。本书每章精选了一定数量的习题。考虑到矩阵论课程的理论性强，概念比较抽象，且有独特的思维方式和解题技巧，有些读者在做这些习题时可能会感到比较困难，为使这部分读者更好地掌握这门课程的教学内容，我们特意提供一张光盘，其中包含本书各章习题详解和模拟考试自测试题解答等，供读者选用。目录中带*号的内容可用于选学或自学。
本书引入新概念时，既重视几何理论，又兼顾应用背景或具体应用； 既有系统性，适合全面阅读（多学时），又具有可分性，便于选读（少学时）； 既注重取材得当（涵盖多种特殊矩阵与特殊运算法则）， 又能够面向前沿，反映最新进展（如辛空间、辛变换）。本书的编排由浅入深，阅读本书只需具备高等数学和线性代数的基本知识。
作者诚挚地感谢王能超教授，他仔细审阅了全部书稿，并提出了不少有益的建议。参与本书第10章编写工作的还有王如云教授，同时要感谢冯康教授、汪道柳研究员对第10章编写工作的指导和帮助。本书可作为理工科大学各专业研究生的学位课程教材，也可作为理工科和师范类院校高年级本科生的选修课教材，并可供有关专业的教师和工程技术人员参考。
由于编着者水平有限，书中如有不妥乃至谬误之处，祈望读者批评指正。
编着者
Ⅵ 自动化专业考研的方向有哪些最好能有详细的介绍，在此先谢过了！
1 控制理论与控制工程
课程设置 矩阵论，泛函分析，线性系统理论，优化理论与最优控制，非线性控制系统理 论，智能控制，自适应控制，鲁棒控制，系统辨识与建模，随机过程与随机控制，离散事件 系统理论，控制系统的计算机辅助设计与仿真，机器人控制等。
2检测技术与自动化装置
课程设置 矩阵分析，数学物理方程，误差分析，现代控制理论，近代物理基础，电磁场 理论，检测理论，信号处理，传感器与自动检测技术，自动测试与故障诊断技术，仪表智能 化技术，仪表可靠性技术，工业计算机网络和集散控制系统，过程模型化与软测量技术等。
3 系统工程
课程设置 数理统计及随机过程，矩阵论，最优化理论与方法，系统工程导论，系统工程 方法论，管理信息系统与决策支持系统，信息工程，系统建模与仿真，现代控制理论基础， 智能控制，计算机网络理论与技术，复杂系统分析，经济系统分析（宏观和微观）等。
4模式识别与智能系统
课程设置 随机过程与数理统计，矩阵论，优化理论，近世代数，数理逻辑，数字信号处 理，图象处理与分析，模式识别，计算机视觉，人工智能，机器人学，计算智能，非线性理 论（如分形、混沌等），控制理论，系统分析与决策，计算机网络理论等。
5导航、制导与控制
课程设置 矩阵论，泛函分析，数值分析，线性系统理论，随机过程与滤波，系统辨识， 计算机控制系统，最优控制，运动体控制与制导系统，导航系统，火力控制技术，传感技术 及应用，信息融合技术，系统建模与仿真，人工智能等。
Ⅶ 矩阵论在计算机科学领域有哪些应用
自动控制里有应用
电脑游戏软件中有应用
Ⅷ 请问对于软件工程专业的学生来说，哪些基础课程比较重要线性代数和高等数学是必要的吗
重要的课程多的去,要说最重要的 当然是 c语言,数据结构,等基础语言学科,这个专业很广,看你以后从事的方向不同基础不同,国家规定的考研专业课是,数据结构,计算机网络,计算机组成原理,操作系统,这个就是基础,关于线性代数高等数学离散数学是基础(线性代数高数概率是考研科目),但是如果你的定位是毕业后在北上广找份工作,你会发现这些可能基本上都用不上,就像你学了抛物线双曲线你说在生活中用的上么?他们都是潜移默化的运用,培养思维和学习能力,让你有个宏观的认识,让你站的高看得远,如果想深入学习,那些课程都是必须的啊!!!