《矩阵迭代分析（第二版）》的作者现任英国肯特大学教授，多种国际权威杂志主编或编委。《矩阵迭代分析（第2版）》**版1962年由Prentice Hall出版，是矩阵迭代分析方面的**教材。此次修订，有些章节吸收了新的研究成果，如弱正则分裂方面的结果；有些章节则增添了新的内容，引述了*近的定理，更新了参考文献，读者从中可以了解一些*新的发展方向。此次修订，新的章节的内容基本上都是自含的，并添加了习题。原版主要基于线性代数方法，而修订版强调借助其他领域的工具，如逼近论和共型映射理论，得到更加新颖的结果。《矩阵迭代分析（第2版）》尤其适合从事数值分析的科研人员和研究生阅读。

数学主要讲述思想方法的学科，深入理解数学比掌握一大堆的定理、定义、问题和技术显得更为重要。本书介绍实分析结合详尽、广泛的阐述，便于读者深入理解分析内涵和基本方法。

无

本书是一部实分析方面的经典教材，主要分三部分，第壹部分为经典的实变函数论和经典的巴拿赫空间理论；第二部分为抽象空间理论，主要介绍分析中有用的拓扑空间以及近代巴拿赫空间理论；第三部分为一般的测度和积分论，即在第二部分理论基础上将经典的测度、积分论推广到一般情形。.

美国萨奥尔编著的《数值分析》是一本的数值分析教材，书中不仅全面论述了数值分析的基本方法，还深入浅出地介绍了计算机和工程领域使用的一些高级数值方法，如压缩、前向和后向误差分析、求解方程组的迭代方法等。每章的“实例检验”部分结合数值分析在各领域的具体应用实例，进一步探究如何更好地应用数值分析方法解决实际问题。此外，书中含有一些算法的matlab实现代码，并且每章都配有大量难度适宜的习题和计算机问题，便于读者学习、巩固和提高。

本书全面介绍了算法的数学分析中所涉及的主要技术。涵盖的内容来自经典的数学课题（包括离散数学、初等实分析、组合数学），以及经典的计算机科学课题（包括算法和数据结构）。本书的重点是“平均情况”或“概率性”分析，书中也论述了“差情况”或“复杂性”分析所需的基本数学工具。 本书第 1 版为行业内的经典著作，本版不仅对书中图片和代码进行了更新，还补充了新章节。全书共 9 章，第 1 章是导论 ；第 2~5 章介绍数学方法 ；第 6~9 章介绍组合结构及其在算法分析中的应用。除每章包含的大量习题以及参考文献外，本书特设配套免费学习网站，为读者提供了很多关于算法分析的补充材料，包括课件和相关网站的链接，帮助读者提高学习兴趣，完成更深入的学习。

《变分分析与广义微分》是现代变分分析创始人之一的美国州立韦恩大学（WayneStateUniversity）的BorisS.Mordukhovich教授的**专著，涵盖了无穷维空间中变分分析的**成果及其应用。原著分两卷，上卷阐述无穷维变分分析的基础理论，下卷则讨论在**化、控制和经济学等各方面的应用。第5章系统探讨了无穷维空间上的光滑和非光滑约束优化与均衡问题。第6章和第7章论述了变分分析在动态**化和**控制上的应用。其中第6章研究由常微分动力系统控制的**控制问题；第7章讨论分布参数控制系统。第8章提供了变分分析在福利经济学中的应用。

多场变量有限元方法是有限元方法发展的前沿领域之一，具有重要的理论意义及重大的应用前景，它们大大地扩大了有限元的应用范围，解决了位移元所不能解决的一系列问题，并将这门学科推向一个新的高度。 《多变量变分原理与多变量有限元方法》系依照作者田宗漱、卞学鐄在此范畴多年研究所形成的独立见解，以各类变分原理及扩展的变分原理为纲，将到目前为止，40多年来世界各国学者在多场变量有限元方面所取得的结果，进行分类筛选，归纳梳理，形成的部系统论述多变量有限元方法的专著。本书系统地讲述了59类191种多变量有限元，对各类有限元，均由浅入深地讲述了其建立所依据的变分原理及泛函导出、本质约束条件，单元的列式及单刚计算，敛散问题，应用实例，此类元的特点及存在问题。对目前有争论及待解的重要问题，决不回避，而是

《图论编程：分类树算法》是为程序设计人员所写的计算图论的入门书。主要研究这个快速发展领域的一些关键思想和基本算法，本书描述了关于程序设计和信息论中*重要的一类图——树的某些方法和算法，这些阐述是高水平的且独立于程序设计语言。阅读本书需要熟悉图论和程序设计的基本知识。

非线性色散方程：局部和整体分析（影印版）

本书主要是对麦比乌斯变换与麦比乌斯带进行研究，并详细介绍了有关麦比乌斯函数与麦比乌斯变换在高等数学中的若干应用．全书共分为四编，分别为数论编，组合编，几何编，以及复分析和拓扑编． 本书适合于高等学校数学及相关专业师生使用，也适合于数学爱好者参考阅读．

《高维数据统计方法、理论与应用》融合了方法概念、计算算法以及高维统计学方面的数学理论和应用。方法和计算中的数学基础在探索令人兴奋的潜在结果和理解基本限制条件的过程中起着积极作用。从这个意义上讲，方法和定理的结合构成了《高维数据统计方法、理论与应用》的基石。我们本着强调数学假设及其性质的原则，介绍了一些方法及其在数据分析中的潜在价值，其中的理论推导以现实数据的应用问题为牵引。数学推导产生的结果，不仅能产生更深刻的认识，而且根据适用范围可以对各种方法和算法进行分类。《高维数据统计方法、理论与应用》意不在于技术发展水平的一般概述，而是对我们自己工作进行选择性介绍。