沉痛缅怀著名科学家张贤达教授 | 附张教授重要教材与著作选编

据清华大学自动化系公众号消息，清华大学自动化系退休教师、信号处理领域著名科学家张贤达教授，因病医治无效，于 2020 年3 月 2 日 14 时 17 分在北京逝世，享年 74 岁。

沉痛缅怀张贤达教授讣告

清华大学自动化系退休教师、信号处理领域著名科学家张贤达教授，因病医治无效，于 2020 年3 月 2 日 14 时 17 分在北京逝世，享年 74 岁。

张贤达教授1992年进入清华大学自动化系，1999年4月成为教育部首批长江学者奖励计划特聘教授。张贤达教授是我国最早开展非高斯信号处理、盲信号处理和通信信号处理的著名学者之一。他长期工作在教学、科研第一线，深耕于信号处理的研究和教学工作，学风严谨、教书育人，先后出版了《现代信号处理》和《矩阵分析与应用》等精品教材；《信号处理中的线性代数》于2008年1月由日本森北出版社翻译出版，英文新著《Matrix Analysis and Applications》2017年由英国剑桥大学出版社正式出版；以第一获奖人获国家自然科学奖和部级科技进步奖4项，为国家高水平人才培养和科学研究做出了突出贡献。张贤达教授把一生都奉献给了他热爱教育事业，鞠躬尽瘁死而后已。张贤达教授的离世，是清华大学自动化系的重大损失。

沉痛哀悼张贤达教授！

正值全国抗击新冠疫情期间，张贤达教授后事从简，敬辞友好人士慰问吊唁。

清华大学自动化系

2020年3月2日

张贤达教授子女致父亲祭文

2020年3月2日14时17分，最可亲可敬的父亲永远的离开我们而去，您走的那样急促，没有留下只言片语，我们还有太多的话要对您说，还有太多的事要为您做，可您就这样匆匆走了，留给我们无尽的哀思和永久的怀念。

在您74年的人生路上，洒下滴滴汗水，换来桃李天下。您一生积极进取，为科学研究做出了突出贡献；您为人师表，为祖国的建设输送了栋梁之才；您和母亲风雨同舟，含辛茹苦的养育了我们两个儿女。

父亲一生勤奋工作在教学科研一线，一生保持对科学研究的好奇心。您所撰写的《现代信号处理》早在二十年前就成为该领域的权威著作，是学习信号处理领域之人的必读之作。您已经是国内信号处理和通信领域的顶级专家，年逾古稀还继续扩展自己的视野，近年来又开始研究人工智能理论。您为自己热爱的科研事业奋斗到了生命最后时刻，直至生命的最后一刻还在勤勤恳恳的书写即将被Springer 出版社出版的《A Matrix Algebra Approach to Aritificial Intelligence》英文专著。

父亲一生严于律己，宽以待人，对学生永远都是那样的亲切，宽厚和平和。尽管常年疾病缠身，父亲坚持在自己的工作岗位上兢兢业业，为国家培养了很多的技术骨干和专业人才。您勤奋的学习精神，严谨求实的科学精神，忘我工作的奉献精神，激励了很多您的学生们在各自的领域里，锐意进取，作出更大的贡献。

父亲一生生活简朴，善良正直，对儿女关爱呵护，言传身教。在您年轻的时候，工作的地方在偏远的甘肃, 那里生活穷困，每天只能吃到很稀的稀饭，一个鸡蛋，我和父亲一人一半。即使饿着肚子，您也从来没有放弃努力学习。当父亲开始研究生和博士生的学习后，我们见面的机会减少了很多，但是您每次回来休息的时候都会陪我给我讲故事，那份暖暖的爱多年之后回想起来是一缕阳光，即使在寒冷的冬天也能让我感到温暖如春。父亲在那么艰苦的条件下，以顽强的毅力和坚持不懈的恒心，41岁拿到博士学位。在生命的最后几年，您不愿意给我们子女增添任何的麻烦，一个人默默的承受着心脑血管病的折磨。每次我们为您做了什么，您都会客气的说谢谢我们。您坚持学习，在可以安享晚年的时候还辛勤的编写英文著作，您的一生，从来没有放弃过您在学业上的追求。您时常教育我们活到老学到老，而您就是最好的典范。您关爱儿孙，常常在电话里对我们嘘寒问暖。作为子女，我们为父亲做的太少太少，这一切都将成为儿孙们永远无法弥补的遗憾和心头挥之不去的隐痛。

敬爱的父亲，请您放心的走吧！您没有完成的著作，我们一起把它完成；我们会关爱照顾母亲，让她能幸福的安享晚年；我们会以您为榜样，更加勤奋认真的工作；我们会精心养育我们的子女，让您们能够拥有您那样正直的人格和高尚的灵魂，成为对社会对国家有用的人。我们深深的怀念父亲，永远会把父亲放在我们心中最温暖，最柔软的地方。

亲爱的爸爸，愿您的灵魂在天堂安息！

儿子：张远声
       儿媳：严琳
       女儿：张晔炜
       女婿：隗炜

 张贤达教授追思文集征集

张贤达教授把一生都奉献给了他热爱教育事业，在信号处理等领域培养了一大批优秀的人才。为更好的向张贤达教授及其家人表达哀思之情，特向其亲友、同事与学生征集追思诗歌、文章等。

来稿请发送至电子邮箱huanghaiyan@tsinghua.edu.cn 。

清华大学自动化系

2020年3月2日

我系信息处理研究所退休教师张贤达教授是著名的信息与信号处理专家，特别是他所写的《时间序列分析》《非平稳信号处理》《信号处理中的线性代数》《现代信号处理》《通信信号处理》《矩阵分析与应用》等多本教材与专著为相关领域的人才培养起到了重要的作用，全英文材料《Matrix Analysis and Applications》于2017年由剑桥大学出版社出版、《A Matrix Algebra Approach to Artificial Intelligence》即将由斯普林格出版社出版。

张贤达. 现代信号处理（第三版）. 清华大学出版社, 2015年

该书系统、全面地介绍了现代信号处理的主要理论、具有代表性的方法及一些典型应用。全书共10章，内容包括随机信号、参数估计理论、信号检测、现代谱估计、自适应滤波器、高阶统计分析、线性时频变换、二次型时频分布、盲信号分离、阵列信号处理。全书取材广泛，内容新颖，充分反映了信号处理的新理论、新技术、新方法和新应用，可以帮助读者尽快跟踪信号处理的新版国际发展。与第二版相比，本书增加了信号检测、盲信号分离与阵列信号处理等重要应用，更加注重理论与应用的结合，更加方便读者理解与自学。本书为清华大学研究生精品教材和北京市高等教育精品教材，最近又获得清华大学名优教材优秀批立项资助，是一本与国际前沿科学接轨的研究生教材，可作为电子、通信、自动化、计算机、物理、生物医学和机械工程等各学科有关教师、研究生和科技人员教学、自学、进修用书或参考书。

张贤达. 矩阵分析与应用（第二版）. 清华大学出版社, 2013年

该书系统、全面地介绍矩阵分析的主要理论、具有代表性的方法及一些典型应用。全书共10章，内容包括矩阵代数基础、特殊矩阵、矩阵微分、梯度分析与优化、奇异值分析、矩阵方程求解、特征分析、子空间分析与跟踪、投影分析、张量分析。前3章为全书的基础，组成矩阵代数；后7章介绍矩阵分析的主体内容及典型应用。为了方便读者对数学理论的理解以及培养应用矩阵分析进行创新应用的能力，该书始终贯穿一条主线一一物理问题“数学化”，数学结果“物理化”。该书为北京市高等教育精品教材重点立项项目，适合于需要矩阵知识比较多的理科和工科尤其是信息科学与技术（电子、通信、自动控制、计算机、系统工程、模式识别、信号处理、生物医学、生物信息）等各学科有关教师、研究生和科技人员教学、自学或进修之用。

Xian-Da Zhang. Matrix Analysis and Applications. Cambridge University Press, 2017.

'Matrix analysis is the engine room of scientific computing since, inevitably, most computational problems are reduced to linear algebra. Xian-Da Zhang’s monograph presents a thoroughly modern introduction to this important subject in a form suitable for its many users. Without taking liberties with mathematical content, the text privileges an algorithmic approach and ventures into new and important areas, e.g. tensor analysis. This is a valuable addition to any applied mathematician’s bookshelf.' Arieh Iserles, University of Cambridge.

Xian-Da Zhang. A Matrix Algebra Approach to Artificial Intelligence. Springer Press, 2020 (Scheduled on April 2020).

Matrix algebra plays an important role in many core artificial intelligence (AI) areas, including machine learning, neural networks, support vector machines (SVMs) and evolutionary computation. This book offers a comprehensive and in-depth discussion of matrix algebra theory and methods for these four core areas of AI, while also approaching AI from a theoretical matrix algebra perspective. The book consists of two parts: the first discusses the fundamentals of matrix algebra in detail, while the second focuses on the applications of matrix algebra approaches in AI. Highlighting matrix algebra in graph-based learning and embedding, network embedding, convolutional neural networks and Pareto optimization theory, and discussing recent topics and advances, the book offers a valuable resource for scientists, engineers, and graduate students in various disciplines, including, but not limited to, computer science, mathematics and engineering.