本书系统阐述了在工程数值模拟中如何利用GPU并行计算加速大规模矩阵计算的核心原理与技术。本书第1-3章主要内容为GPU并行计算的环境搭建和基础架构，系统介绍了CPU/GPU架构差异和CUDA编程模型、GPU环境配置及Python接口PyCUDA的搭建，帮助读者快速入门。第4-5章深入解析核函数设计、线程组织与管理(网格、线程块、线程束)，以及GPU多层次存储体系(全局内存、常量内存、纹理内存、共享内存等)的访问机制与优化策略。第6-8章介绍了具体的矩阵计算GPU编程实践，涵盖矩阵基本运算(加、乘、转置等)的CPU(C++/Python)与GPU实现方法(CUDA核函数/cuBLAS库)，介绍了大型稀疏矩阵的压缩存储格式(COO/CSR/EL等)原理与编程实现。第9-11章介绍了矩阵计算的高阶应用与求解GPU编程方法和应用，系统讲解了矩阵分解(LU/Cholesky/QR/SVD)理论，以及基于cuSolver库实现稠密/稀疏线性方程组的GPU并行求解方法，基于迭代法(CG法/PCG法)的GPU算法设计与优化技术。本书旨在帮助读者掌握利用GPU并行计算技术加速工程计算的核心方法，为处理现代大规模复杂工程问题提供强有力的工具。