Matlab资料全集
作者:jefftan 日期:2008-11-19
MATLAB 早期版本第一版 : http://www.baisi.net/thread-6567-1-30.html
备注:你见过 MATLAB 最早的版本吗？下载一份 MATLAB 1.0,(只有182K, 只有20来个函数) 体会一下吧。MATLAB早期表示矩阵是用 <> 而不是 []。
MATLAB入门教程: http://www.baisi.net/thread-40422-1-11.html
备注:你见过 MATLAB 最早的版本吗？下载一份 MATLAB 1.0,(只有182K, 只有20来个函数) 体会一下吧。MATLAB早期表示矩阵是用 <> 而不是 []。
MATLAB入门教程: http://www.baisi.net/thread-40422-1-11.html
Tags: Matlab
Gigapedia 一个很好的电子书下载平台
作者:jefftan 日期:2008-09-28
网上的电子书资源是越来越不好找了。特别是来到了美国以后，更是很难找到想要的电子书。要是去买书的话，的确是太贵了。所以找到电子书，再使用PhD免费打印的权利，才是既省钱又有效的方法。
在网上晃悠了很久，终于发现了一个电子书宝库 gigapedia.org。这里面的电子书很全，至少很多应用数学经典论著都在上面。不过，当你进入网站时，你会发现根本就找不到下载的链接。正是因为隐藏的比较深，所以才一直没有被取缔吧。
要想搞到电子书，在搜索栏里面输入书名或作者名，然后选择“Item Search”。注意千万不要选第一项“Google Search”，你将最多能在网上看到几页的图片。搜到以后似乎也什么链接都没给。那是因为你没有注册。去免费注册一个账号然后登陆，搜到后上面就多出来了一行选项。点击“link”，里面就有很多网友传到rapidshare上的电子版文档了。至于rapidshare，是可以免费下载的，只是要等上40秒。等够时间，然后就下载吧。
在网上晃悠了很久，终于发现了一个电子书宝库 gigapedia.org。这里面的电子书很全，至少很多应用数学经典论著都在上面。不过，当你进入网站时，你会发现根本就找不到下载的链接。正是因为隐藏的比较深，所以才一直没有被取缔吧。
要想搞到电子书，在搜索栏里面输入书名或作者名，然后选择“Item Search”。注意千万不要选第一项“Google Search”，你将最多能在网上看到几页的图片。搜到以后似乎也什么链接都没给。那是因为你没有注册。去免费注册一个账号然后登陆，搜到后上面就多出来了一行选项。点击“link”，里面就有很多网友传到rapidshare上的电子版文档了。至于rapidshare，是可以免费下载的，只是要等上40秒。等够时间，然后就下载吧。
Tags: 电子书
Delaynay三角剖分算法
作者:jefftan 日期:2008-02-29
1. 三角剖分与Delaunay剖分的定义
如何把一个散点集合剖分成不均匀的三角形网格，这就是散点集的三角剖分问题，散点集的三角剖分，对数值分析以及图形学来说，都是极为重要的一项预处理技术。该问题图示如下：
1.1.三角剖分定义
【定义】三角剖分：假设V是二维实数域上的有限点集，边e是由点集中的点作为端点构成的封闭线段, E为e的集合。那么该点集V的一个三角剖分T=(V,E)是一个平面图G，该平面图满足条件：
1.除了端点，平面图中的边不包含点集中的任何点。
2.没有相交边。
3.平面图中所有的面都是三角面，且所有三角面的合集是散点集V的凸包。
Tags: Delaunay剖分 三角剖分
Google研究员谈矩阵的奇异值分解
作者:jefftan 日期:2008-02-26
数学之美 系列十八 － 矩阵运算和文本处理中的分类问题
发表者：Google 研究员，吴军数学之美 系列十八 － 矩阵运算和文本处理中的分类问题
我 在大学学习线性代数时，实在想不出它除了告诉我们如何解线性方程外，还能有什么别的用途。关于矩阵的许多概念，比如特征值等等，更是脱离日常生活。后来在 数值分析中又学了很多矩阵的近似算法，还是看不到可以应用的地方。当时选这些课，完全是为了混学分的学位。我想，很多同学都多多少少有过类似的经历。直到 后来长期做自然语言处理的研究，我才发现数学家们提出那些矩阵的概念和算法，是有实际应用的意义的。
计算数学评论与资料
作者:jefftan 日期:2008-01-19
这是一篇很全的关于计算数学的现状评论和相关资料总结，很有启发性的意义哦～
从计算数学的字面来看，应该与计算机有密切的联系，也强调了实践对于计算数学的重要性。也许Parlett教授的一段话能最好地说明这个问题：
How could someone as brilliant as von Neumann think hard about a subject as mundane as triangular factorization of an invertible matrix and not perceive that, with suitable pivoting, the results are impressively good? Partial answers can be suggested-lack of hands-on
从计算数学的字面来看，应该与计算机有密切的联系，也强调了实践对于计算数学的重要性。也许Parlett教授的一段话能最好地说明这个问题：
How could someone as brilliant as von Neumann think hard about a subject as mundane as triangular factorization of an invertible matrix and not perceive that, with suitable pivoting, the results are impressively good? Partial answers can be suggested-lack of hands-on
