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)

Insigne

1.NASA將直播波音Starliner太空飛船的關(guān)鍵測試
" L7 ]) |! M4 {" p, k

據(jù)外媒CNET報(bào)道,，隨著美國宇航局（NASA）進(jìn)一步推動將近十年來首次載人航天發(fā)射帶回美國本土，波音公司新的Starliner航天器的測試將意味著一次大考驗(yàn),。

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)場的測試臺上，等待定于太平洋時間周一上午6點(diǎn)進(jìn)行的逃生系統(tǒng)測試,。該測試的目的是確保在發(fā)射臺上的緊急情況下,，四臺中止發(fā)動機(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，該航天器開始將宇航員飛往國際空間站,。另一個是SpaceX 載人龍飛船 ; 這兩艘飛船在開發(fā)和測試過程中都面臨著延誤,，這促使美國宇航局局長吉姆·布里登斯廷公開向這些公司施加壓力。

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
- F( r! e8 D$ v3 @5 G$ A& [

. m: U+ ]6 z. W9 y

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表示，適應(yīng)了這本教材的體系之后,，從內(nèi)容上來說,，這本教材更通俗易懂，容易理解,。

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,。對于語言問題,，有學(xué)生接受采訪時表示，剛開始用的時候肯定會有語言上的障礙,，但是從語言上來講,，經(jīng)常閱讀教材，適應(yīng)了它的體系之后,，其實(shí)還可以,。

3.德國力推新能源汽車發(fā)展，2030年前將建100萬個充電樁

, A! _9 @+ j4 }0 A3 v

德國總理默克爾3日表示,，德聯(lián)邦政府將攜手汽車業(yè)界推動出行方式的轉(zhuǎn)型,。為此，她即將在同汽車業(yè)界的對話中探討新能源汽車購買補(bǔ)貼,、充電設(shè)施建設(shè)和汽車業(yè)轉(zhuǎn)型對就業(yè)的影響等議題,。默克爾表示，德國政府希望最晚到2030年能在該國建成100萬個充電樁。

作為傳統(tǒng)汽車大國,，德國在全球電動車蓬勃發(fā)展的大趨勢下轉(zhuǎn)型步伐顯得滯后,。德媒指出，德國政府此前設(shè)定的2020年左右電動車總量達(dá)到一百萬輛的目標(biāo)一再跳票,，而應(yīng)對氣候變化的緊迫性亦給德國汽車業(yè)帶來壓力,。

7 M2 a% R4 W3 O  h+ r5 [: j! W, E

4.羅永浩上了“老賴”名單
2 |5 s' ~3 ~+ _0 @

4 L5 D$ ]! Y8 b! M

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),。

“彪悍的人生不需要解釋,。”這句話或能成為羅永浩的一個注解,。從新東方英語老師,，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,，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,。

" R' y$ J% H, ]. G% b

11月3日晚間，羅永浩通過微博回應(yīng)稱,，已還3億公司債務(wù),；會繼續(xù)努力，在未來一段時期把債務(wù)全部還完,，哪怕以“賣藝”之類的方式,。

$ P4 g; x. `: M2 S, E: q

5.熬夜變傻有科學(xué)依據(jù)：科學(xué)家稱睡眠時間大腦會開啟“自動清洗”

. o* T1 h* }) O& `2 v, F  V, H

據(jù)據(jù)外媒報(bào)道，,，波士頓大學(xué)的科學(xué)家們通過實(shí)驗(yàn)證實(shí)了睡眠的“清洗”作用,。

9 C5 d) [; o9 r$ w. T) ^4 \

據(jù)悉，科學(xué)家們拍下了大腦自身清洗的過程,，其中紅色是血液，藍(lán)色是腦脊液,。血液會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)元會同步活動,，使大腦的血氧濃度出現(xiàn)周期變化,。而醒著的時候，神經(jīng)元不會同開同關(guān),，也就導(dǎo)致無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,。

鎂客網(wǎng)

3 e1 i- M& m: V) s6 c

魍者歸來

拋開語言障礙的話,，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照著看,，比看某些XX規(guī)劃教材要更好一些

Q807859983

確實(shí)外文的教材更好懂一些,，

遠(yuǎn)祥

所以說同學(xué)們都愛讀白話文。,。,。

jackgong

website：math.mit.edu/~gs/linearalgebra/
Table of Contents for Introduction to Linear Algebra (5th edition 2016)
# L* F; X  _: a- y- H8 j& \% W9 d! P4 W' N1 Introduction to Vectors
1.1 Vectors and Linear Combinations
  I& m2 C# [0 G' o& a+ L4 b1.2 Lengths and Dot Products
1.3 Matrices
$ e9 n3 h1 F, N5 c2 Solving Linear Equations
2.1 Vectors and Linear Equations
2.2 The Idea of Elimination
, T1 o! O2 s, j% W% r2.3 Elimination Using Matrices
5 ]: n& Y. h7 r1 U2.4 Rules for Matrix Operations
3 K0 j* d# O. U+ B  e# C2.5 Inverse Matrices
2.6 Elimination = Factorization: A = LU
2.7 Transposes and Permutations
3 Vector Spaces and Subspaces
3.1 Spaces of Vectors
6 ~5 {* P8 {3 A# Q& b' H& M7 S3.2 The Nullspace of A: Solving Ax = 0 and Rx = 0
) K1 Y8 R* `7 C: g0 G/ J3.3 The Complete Solution to Ax = b
3.4 Independence, Basis and Dimension
3.5 Dimensions of the Four Subspaces
4 Orthogonality
4.1 Orthogonality of the Four Subspaces
4.2 Projections
4.3 Least Squares Approximations
4.4 Orthonormal Bases and Gram-Schmidt
5 Determinants
5.1 The Properties of Determinants
5.2 Permutations and Cofactors
5.3 Cramer’s Rule, Inverses, and Volumes
6 Eigenvalues and Eigenvectors
: ]" h) `. H' K& ]! G* y/ o6.1 Introduction to Eigenvalues
6.2 Diagonalizing a Matrix
6.3 Systems of Differential Equations
8 M$ p( `1 q" v& B. f) J6.4 Symmetric Matrices
. h0 f) [' c$ s7 ?6.5 Positive Definite Matrices
) b* l# a8 y" _" L& ~" v7 The Singular Value Decomposition (SVD)
# H! W9 z  W; S: t7.1 Image Processing by Linear Algebra
. i; W& S1 F( Q# d5 Y7.2 Bases and Matrices in the SVD
7.3 Principal Component Analysis (PCA by the SVD)
7.4 The Geometry of the SVD
8 m6 P! n; O- ^: l8 Linear Transformations
8.1 The Idea of a Linear Transformation
8.2 The Matrix of a Linear Transformation
8.3 The Search for a Good Basis
9 Complex Vectors and Matrices
9.1 Complex Numbers
9.2 Hermitian and Unitary Matrices
. o% w" Q) ]' H1 o. `: G9.3 The Fast Fourier Transform
10 Applications
10.1 Graphs and Networks
10.2 Matrices in Engineering
0 f. W8 |5 ]$ E10.3 Markov Matrices, Population, and Economics
10.4 Linear Programming
' F# n+ U" ]7 w& @- @10.5 Fourier Series: Linear Algebra for Functions
10.6 Computer Graphics
! p& D5 N2 w8 {; B1 }* _10.7 Linear Algebra for Cryptography
1 m# Z/ y3 Q8 ?4 h11 Numerical Linear Algebra
7 o$ q9 L% Q* a# M, \9 _2 d11.1 Gaussian Elimination in Practice
% G6 X: ]1 g" `11.2 Norms and Condition Numbers
11.3 Iterative Methods and Preconditioners
" n, y" O: X) m1 R12 Linear Algebra in Probability & Statistics
12.1 Mean, Variance, and Probability
12.2 Covariance Matrices and Joint Probabilities
+ L- D" S1 w1 Q5 T  K12.3 Multivariate Gaussian andWeighted Least Squares
Matrix Factorizations
Index
5 K) ?3 k$ X4 ]- L; kSix Great Theorems / Linear Algebra in a Nutshell
# a( p. W4 R1 c$ j' u8 _/ K