"本书是以教育部高等学校物理学与天文学教学指导委员会编制的《理工科类大学物理实验课程教学基本要求》（2010年版）为依据，在作者团队多年来物理实验教学改革的成果及经验的基础上编写的。全书共分5章，第1章、第2章着重介绍物理实验的基础理论知识、基本测量方法与操作技术，第3章、第4章、第5章按基础性实验、综合提高性实验、设计与研究性实验三个层次编写，以满足不同层次读者的学习要求。    本书可作为普通高等学校理工科类专业学生大学物理实验课程的教材，也可作为从事物理实验教学的教师和实验工作者

本书聚焦量子力学中的方法论在核物理与核天体物理前沿课题中的应用，研究范围小到费米尺度的原子核及其在极端条件下的新物理和新现象，大到半径在10公里左右的中子星，涉及从微观到宇观的前沿热点问题。本书基于量子力学的基本原理和方法论，融合作者团队的最新研究成果，以专题的形式介绍量子力学方法论在５个方面的前沿应用，包括变分法及其在对关联中的应用、量子散射Glauber理论及其对晕核反应可观测量的描述、量子电磁辐射跃迁理论及其在俘获反应中的应用、量子力学的半经典WKB近似及其对核子衰变宽度的描述，以及

　　北京市高等教育精品教材《计算固体力学原理与方法（第2版）》系统论述了固体力学的计算原理和基本方法，重点强调了各种近似方法的理论基础、特色及其应用技术。其内容包括三部分：第一部分以变分原理和加权残量法为基础，详细讨论了有限元方法、边界元方法、无网格方法和微分求积有限单元方法的力学基础和单元构造方法及性能，深入分析了几种方法的特点及其应用范围；第二部分讨论了求解动力学常微分方程的时间积分方法和线性动力学系统的特征值求解技术，重点介绍了几种常用和新发展的求解方法的格式和特点；第三部分论述了非线性问

全书分上、下两篇，上篇为化学基本原理，包括化学反应基本原理、溶液和离子平衡、氧化还原与电化学、物质结构基础、配位化合物；下篇为化学与人类发展，包括化学与材料、化学与能源、化学与生命。上篇主要介绍化学的基本知识和原理，是本书的基础；下篇则选择几个与化学密切相关而又被社会特别关注的学科，介绍化学在这几个学科领域中的应用。全书注重化学与其他学科的交叉，强调化学与社会、经济、技术的联系，重视科技新内容和新发展，追踪学科前沿，强调案例教学，突出科学思维方法和创新能力的培养，注重素质教育。

本书为首批***一流本科课程抽象代数的配套教材。内容包括群环域、**分解整环、域扩张、群论初步及模论初步等。本书以经典数学问题为导向，按照学生接受概念由具体到抽象、由熟悉到陌生的次序安排。围绕这些经典问题，抽象代数的基本概念和定理反复出现、逐渐加深，便于学生循序渐进、水到渠成地理解内容。

本书根据工科类本科“线性代数”课程教学基本要求，参考同济大学“线性代数”课程及教材建设的经验和成果，按照硕士研究生考研大纲的要求编写而成．编者在内容编排、概念叙述、定理证明等诸多方面都做了精心安排，以使全书结构流畅，主次分明，通俗易懂． 本书共分五章，包括线性方程组与矩阵、方阵的行列式、向量空间与线性方程组解的结构、相似矩阵及二次型、线性空间与线性变换．每小节配有习题，每章末配有拓展阅读和测试题，拓展阅读用于讲解线性代数发展的相关知识；测试题难度高于习题难度，用于学生加强练习，部分习题和测试题答

本书是大学数学类专业的初等数论课程教材。主要介绍了整数的整除理论、同余理论及其应用; 在同余理论的基础上介绍了一次同余式、二次同余式的解法; 给出了原根、指数和指标的概念以及指标与n次剩余的关系; 讨论了不定方程的整数解及解数的讨论; 给出连分数的定义及其基本性质。本书的特点是介绍了多种解题方法和思路, 便于学生理解掌握。

在书中，作者通过扩展一些已知的经典空间（比如随机空间、超度量空间和超空间）的概念，介绍了一些广义概率结构。作者还扩展了概率度量空间中的多值收缩的不动点理论，并证明了一些一般的不动点理论和重合点理论。对于不动点不存在的情况，作者研究了某些弱条件的近似不动点。
《概率结构和模糊结构上的不动点：概率结构和直觉模糊度量空间的不动点定理（英文）》包含了，基本概念、某些广义空间、收缩映射与不动点理论、PM空间中多值收缩映射的不动点定理、概率结构中的近似不动点定理、概率度量空间中非连续自映射的

本书是普通高等院校理工科各专业本科“高等数学”课程的教材，分上、下两册进行编写。全书内容取材适当，逻辑清晰，重点突出，难点分散，通俗易懂，便于自学；每一章最后设置了“综合例题”一节，介绍各种重要的题型，博采众长的解题方法，这对开阔解题思路，激发学习兴趣，提高学生综合应用数学知识的能力将是十分有益的。本书自第一版出版以来，受到了广大读者和同行的认可。本次修订是在保持第一版的原书风格、体系与结构的基础上，根据读者使用的反馈意见，结合作者近些年的教学积累，对内容做必要的修改与补充，以使本书更进一步贴近

本书共13章，分别介绍了随机变量的抽样方法，随机向量的抽样方法，随机过程的抽样方法，Gibbs抽样和马尔可夫链，Metropolis-Hastings算法、HMC算法及SMC算法，EM算法和MM算法，梯度下降法，Newton-Raphson算法，坐标下降法，Boosting算法，凸优化与支持向量机，ADMM算法，深度学习等常用优化方法以及近些年在机器学习和深度学习领域使用的热门算法.对各种算法，作者除了给出计算步骤和统计模型的应用实例外，还对算法涉及的基本概念和重要收敛性定理进行了介绍和证明.本