機(jī)械社區(qū)
標(biāo)題: 清華將線性代數(shù)教材改為英文版，學(xué)生稱更通俗易懂,；熬夜變傻有了科學(xué)依據(jù) [打印本頁(yè)]
作者: Insigne 時(shí)間: 2019-11-4 10:37
標(biāo)題: 清華將線性代數(shù)教材改為英文版,，學(xué)生稱更通俗易懂,；熬夜變傻有了科學(xué)依據(jù)
1.NASA將直播波音Starliner太空飛船的關(guān)鍵測(cè)試
5 U5 ~# b$ j/ ?& N& r( Z
) _3 \: r- w. X2 U. T' N4 N3 O( j
\& P$ I+ h2 x5 S1 p Y8 p& m j2 S
據(jù)外媒CNET報(bào)道,，隨著美國(guó)宇航局（NASA）進(jìn)一步推動(dòng)將近十年來(lái)首次載人航天發(fā)射帶回美國(guó)本土,，波音公司新的Starliner航天器的測(cè)試將意味著一次大考驗(yàn),。
2 N* O7 g' q# k- O1 K; @
目前,，該Starliner航天器已經(jīng)出現(xiàn)在新墨西哥州的白沙導(dǎo)彈試驗(yàn)場(chǎng)的測(cè)試臺(tái)上，等待定于太平洋時(shí)間周一上午6點(diǎn)進(jìn)行的逃生系統(tǒng)測(cè)試,。該測(cè)試的目的是確保在發(fā)射臺(tái)上的緊急情況下,，四臺(tái)中止發(fā)動(dòng)機(jī)和控制推進(jìn)器能夠點(diǎn)火，從而將太空艙和宇航員帶離潛在危險(xiǎn),。
Starliner是美國(guó)宇航局（NASA）已簽約的兩架新型航天器之一，這是其商業(yè)載人航天計(jì)劃的一部分,，該航天器開(kāi)始將宇航員飛往國(guó)際空間站,。另一個(gè)是SpaceX 載人龍飛船 ; 這兩艘飛船在開(kāi)發(fā)和測(cè)試過(guò)程中都面臨著延誤，這促使美國(guó)宇航局局長(zhǎng)吉姆·布里登斯廷公開(kāi)向這些公司施加壓力,。
4 f. l+ q" A) V
2.清華將線性代數(shù)教材改為英文版,，學(xué)生稱更通俗易懂
. @1 O9 c0 a& j5 T" h8 B; r
, Y. @ G7 o# a1 K! s
& H. E% l( ^" n3 ?
近日“清華大學(xué)將線性代數(shù)教材改為英文教材”話題引熱議,。剛剛參加完該課程期中考試的清華大學(xué)大一新生在接受媒體采訪時(shí)表示，適應(yīng)了這本教材的體系之后,，從內(nèi)容上來(lái)說(shuō),，這本教材更通俗易懂，容易理解,。
9 [: R. a; F$ w# J" X' h
據(jù)介紹,，教材的正式更換將于2019年新生入學(xué)，此前學(xué)校采用的都是中文版教材,。對(duì)于語(yǔ)言問(wèn)題,，有學(xué)生接受采訪時(shí)表示，剛開(kāi)始用的時(shí)候肯定會(huì)有語(yǔ)言上的障礙,，但是從語(yǔ)言上來(lái)講,，經(jīng)常閱讀教材，適應(yīng)了它的體系之后,，其實(shí)還可以,。
( j Y# b( z* Z/ z0 u, H% \
3.德國(guó)力推新能源汽車發(fā)展，2030年前將建100萬(wàn)個(gè)充電樁3 v4 {9 N7 w- \1 S. w
4 B4 R) f1 S0 B$ y" L g" U2 }6 ~
2 B+ r9 M5 N! B7 }
德國(guó)總理默克爾3日表示,，德聯(lián)邦政府將攜手汽車業(yè)界推動(dòng)出行方式的轉(zhuǎn)型,。為此，她即將在同汽車業(yè)界的對(duì)話中探討新能源汽車購(gòu)買補(bǔ)貼,、充電設(shè)施建設(shè)和汽車業(yè)轉(zhuǎn)型對(duì)就業(yè)的影響等議題,。默克爾表示，德國(guó)政府希望最晚到2030年能在該國(guó)建成100萬(wàn)個(gè)充電樁,。
作為傳統(tǒng)汽車大國(guó),，德國(guó)在全球電動(dòng)車蓬勃發(fā)展的大趨勢(shì)下轉(zhuǎn)型步伐顯得滯后。德媒指出,，德國(guó)政府此前設(shè)定的2020年左右電動(dòng)車總量達(dá)到一百萬(wàn)輛的目標(biāo)一再跳票,，而應(yīng)對(duì)氣候變化的緊迫性亦給德國(guó)汽車業(yè)帶來(lái)壓力。
* x, B5 r: f3 r
4.羅永浩上了“老賴”名單
, t d; A/ ?. g7 F) _1 R3 o3 Q& L$ X) N
& o) N& ~" N/ \7 H a$ i- g( |4 I" V
/ F' F% c4 h, B4 Y
11月3日下午消息,，北京錘子數(shù)碼科技有限公司及羅永浩被法院限制消費(fèi),。
2 i" z8 b& r; l- }& a0 T. @! j
“彪悍的人生不需要解釋�,！边@句話或能成為羅永浩的一個(gè)注解,。從新東方英語(yǔ)老師，到砸西門子冰箱,、質(zhì)疑方舟子而名聲鵲起,，成為輿論領(lǐng)袖，創(chuàng)業(yè)前的羅永浩可謂順風(fēng)順?biāo)�,。但�?012年宣布創(chuàng)業(yè)做手機(jī)以來(lái),，羅永浩接連遇到挫折,，發(fā)布的幾款手機(jī)叫好不叫座。今年再次創(chuàng)業(yè)的羅永浩看準(zhǔn)了電子煙的風(fēng)口,，不想近期遭遇最嚴(yán)監(jiān)管政策,。
6 T) D" v8 K7 X3 x& S9 i0 a, y' d; d
11月3日晚間，羅永浩通過(guò)微博回應(yīng)稱,，已還3億公司債務(wù),；會(huì)繼續(xù)努力，在未來(lái)一段時(shí)期把債務(wù)全部還完,，哪怕以“賣藝”之類的方式,。
1 _* G# n* W* o7 S
5.熬夜變傻有科學(xué)依據(jù)：科學(xué)家稱睡眠時(shí)間大腦會(huì)開(kāi)啟“自動(dòng)清洗”
s& q4 L- _5 R, N; I3 @* P+ v4 U1 F! [+ e
. d9 ] n4 M) M" Z7 [) t
據(jù)據(jù)外媒報(bào)道，,，波士頓大學(xué)的科學(xué)家們通過(guò)實(shí)驗(yàn)證實(shí)了睡眠的“清洗”作用,。
( I1 \$ z$ g+ s
據(jù)悉，科學(xué)家們拍下了大腦自身清洗的過(guò)程,，其中紅色是血液,，藍(lán)色是腦脊液。血液會(huì)周期性地大量流出大腦,，腦脊液趁機(jī)涌入,，清除毒素�,？茖W(xué)家表示,，睡眠期間，神經(jīng)元會(huì)同步活動(dòng),，使大腦的血氧濃度出現(xiàn)周期變化,。而醒著的時(shí)候，神經(jīng)元不會(huì)同開(kāi)同關(guān),，也就導(dǎo)致無(wú)法讓大腦血量下降到足夠低的水平,。因此這樣的清洗，只有睡著后才能做到,，否則腦脊液沒(méi)法趁虛而入,。被清除的毒素包括β-淀粉樣蛋白，而這正是導(dǎo)致阿爾茨海默氏癥的一大元兇,。
6 z6 @1 ?6 o/ `
鎂客網(wǎng)
& J" P1 u4 s5 G! h; ], i" s) _8 f, h3 j/ E7 i
作者: 魍者歸來(lái) 時(shí)間: 2019-11-4 10:52
拋開(kāi)語(yǔ)言障礙的話,，確實(shí)外文的教材更好懂一些，我現(xiàn)在學(xué)專業(yè)課都是日文版和漢譯版對(duì)照著看,，比看某些XX規(guī)劃教材要更好一些
作者: Q807859983 時(shí)間: 2019-11-4 11:08
確實(shí)外文的教材更好懂一些,，
作者: 遠(yuǎn)祥 時(shí)間: 2019-11-4 21:26
所以說(shuō)同學(xué)們都愛(ài)讀白話文。,。,。
作者: jackgong 時(shí)間: 2019-11-7 23:21
website：math.mit.edu/~gs/linearalgebra/
( I8 N- r. n3 dTable of Contents for Introduction to Linear Algebra (5th edition 2016)$ Q/ l0 W# z' o( e9 c
1 Introduction to Vectors
: B! `7 ?1 M- z1.1 Vectors and Linear Combinations' ^" h+ J6 t* e! r! J( N
1.2 Lengths and Dot Products
- y8 J- ~2 @, I, _2 @1.3 Matrices+ b) }% w- D+ ~) t
2 Solving Linear Equations
0 C& |3 H( m+ O% n2.1 Vectors and Linear Equations# P- d) D: T0 f* M' [+ Q. I1 }
2.2 The Idea of Elimination
) y9 c( K3 e+ O4 q2.3 Elimination Using Matrices6 ?/ X' V1 B5 Y
2.4 Rules for Matrix Operations
8 c! q, n' u# h m2.5 Inverse Matrices
" @- ~, n- x8 Z5 J( q$ O2.6 Elimination = Factorization: A = LU7 i) y' w. {6 o5 `' _( g
2.7 Transposes and Permutations* z* c3 a7 Q2 N' ]) L
3 Vector Spaces and Subspaces
* q4 `5 i# o$ j5 Z# A3.1 Spaces of Vectors# Y" e+ a1 l* s: ^, x
3.2 The Nullspace of A: Solving Ax = 0 and Rx = 02 ]# Z. M. ^& E* a8 ]7 |1 H& R
3.3 The Complete Solution to Ax = b
/ D! Y; Y0 ^% H% M3.4 Independence, Basis and Dimension' G x3 v2 y2 j5 I2 U" {2 Z
3.5 Dimensions of the Four Subspaces
( g, L- j& ]: ^1 K8 `4 Orthogonality9 T) H% o+ m% S, B" a6 e; [' t7 }
4.1 Orthogonality of the Four Subspaces
6 [/ d' [' V' B* Q$ d4.2 Projections
6 Q+ B( `! q; d( V* s. l v* @4.3 Least Squares Approximations l* F5 N& M+ L2 E! D% a
4.4 Orthonormal Bases and Gram-Schmidt/ u! F: l5 i- m7 F ~/ K
5 Determinants4 O' n7 |# n/ A+ d2 L) E9 S ]
5.1 The Properties of Determinants% d" f' p' [% m8 z7 M( \
5.2 Permutations and Cofactors
' T; R8 O" @; i7 w" J, K5.3 Cramer’s Rule, Inverses, and Volumes
2 x. [! Q& R) v- s5 I" P$ o6 Eigenvalues and Eigenvectors
# A2 t8 K1 c0 E# k/ [: v3 B6.1 Introduction to Eigenvalues
/ c* C( q- ]* ], ?9 P6.2 Diagonalizing a Matrix
! K& z. E# Y: }' \+ { B6.3 Systems of Differential Equations
% s* ~+ ]; O3 `. H- [) ~6.4 Symmetric Matrices
+ ~- _# L+ n! k7 {: x$ d, t6.5 Positive Definite Matrices1 [* {/ n& f+ S7 H( g
7 The Singular Value Decomposition (SVD)
9 P# L5 ^$ J) V5 e, A3 `( [# U' V4 S7.1 Image Processing by Linear Algebra+ j% C y8 D- i
7.2 Bases and Matrices in the SVD
( g$ x7 k. b' B" p- ]; q7.3 Principal Component Analysis (PCA by the SVD)
2 H( F, r( N* s' G [: ?7.4 The Geometry of the SVD
5 N5 h6 q. n4 b, z; E( n8 Linear Transformations
/ S9 p' Z* }3 }# k% Q5 V- |' U5 I8.1 The Idea of a Linear Transformation
, f+ ]) R, ^7 B8 s( ~! _$ v8.2 The Matrix of a Linear Transformation
0 e5 v8 b( q. |4 j8.3 The Search for a Good Basis5 d# i7 q" m+ K4 ]. e* t
9 Complex Vectors and Matrices) k6 I/ \8 I3 ] K3 P7 x( j$ v! w
9.1 Complex Numbers
2 {% Y1 s3 i7 n5 D$ U& e9.2 Hermitian and Unitary Matrices% a8 o0 r' b5 h6 n
9.3 The Fast Fourier Transform
7 S" t9 H6 H* B# m8 J, s2 m' P10 Applications
* x0 Y/ _4 F5 }- l# \7 n10.1 Graphs and Networks
6 b8 k, o# f0 P( e8 r10.2 Matrices in Engineering
1 a. M6 c: z+ w4 }1 C% ^: z& c10.3 Markov Matrices, Population, and Economics$ B8 o, T# i3 b2 o& F
10.4 Linear Programming
$ [3 G) |- C7 f3 k3 {10.5 Fourier Series: Linear Algebra for Functions% K# b! j/ T" n. I: N: |, x
10.6 Computer Graphics9 u6 @7 D% w) L8 P
10.7 Linear Algebra for Cryptography! W8 C9 Z- z& q2 o
11 Numerical Linear Algebra
9 Z. P) h; e# \: ]11.1 Gaussian Elimination in Practice
1 }& X3 z, c7 } H$ X6 ~11.2 Norms and Condition Numbers
2 f. F, f" D2 L11.3 Iterative Methods and Preconditioners" N9 I2 [$ V9 ]' X3 V; v2 }3 y7 j4 a
12 Linear Algebra in Probability & Statistics2 u3 \/ M8 X' z2 ~) c, t6 m; R2 Z/ @
12.1 Mean, Variance, and Probability
. K8 Q2 p9 h7 W" I* h" [12.2 Covariance Matrices and Joint Probabilities
( y; c' Y9 S+ ^, K12.3 Multivariate Gaussian andWeighted Least Squares) w( T6 F) v% a$ A2 q# \) \
Matrix Factorizations
5 Q, M+ v9 {1 F# X# f# m4 H) h) IIndex
8 {$ y( F2 a# }, T$ s4 j- zSix Great Theorems / Linear Algebra in a Nutshell& s5 R' ?9 [) l& g1 d
| 歡迎光臨 機(jī)械社區(qū) (http://97307.cn/) |
Powered by Discuz! X3.4 |