本书中考虑的大多数迭代方法的效率主要取决于矩阵-向量乘积的性能，因此也取决于矩阵所采用的存储方案。通常，所使用的存储方案自然源自特定的应用问题。
在本节中，我们将回顾一些在数值软件包中较为流行的稀疏矩阵格式，例如ITPACK [263]、NSPCG [345]和SPARSPAK [191]，其中一些最近已被BLAS技术论坛采纳为新的软件标准的一部分（更多信息请参见ETHOME）。在§10.2.2中，我们将展示如何使用两种稀疏矩阵格式来制定矩阵-向量乘积。
如果系数矩阵A是稀疏的，那么大规模特征值问题在最有效地求解时，不应操作或存储A的零元素。稀疏存储方案在内存中为矩阵的非零元素分配连续存储空间，或许还包括有限数量的零元素。当然，这需要一种方案来确定元素在完整矩阵中的位置。
有许多方法用于存储数据（例如，参见Saad [386]和Eijkhout [156]）。这里我们将讨论压缩行和列存储、块压缩行存储、对角存储、锯齿对角存储和天际线存储。