《从迪利克雷到维斯卡尔迪》是对美国加州天才少年迈克尔·维斯卡尔迪（MichaelViscardi）在2006年1月5日摘取全美高中科学大奖——“西门子西屋科学奖”桂冠，并斩获高达10万美元的奖学金这一事件的深度解读。 其中包含两部分内容。第一部分是通过这一事件对我国现行数学教育制度的反思和其形成的历史原因的追溯及产生根源的探究，以期建立人性化、科学化的天才少年的发现机制和培养机制，相信会对从事教育工作的人士及学生家长有所帮助。第二部分是对维斯卡尔迪所解决的迪利克雷问题的历史及与数学各分支的联系和最新研究进展所做的回顾与综述，对从事高等数学学习和研究的大学师生是一种寓教于史的新的尝试。

本书以生动有趣的形式介绍作者有关反问题的一些想法，主要内容分为几个模块，分别介绍初等数学、微积分、微分方程和线性代数中的各种反问题。每一模块都由简单有趣的“引言”，一些“研究活动”和“注解及进一步的阅读材料”三部分组成。 本书通过许多具体物理现象的讨论启发学生学习数学的兴趣；通过开展研究活动，提供进一步的阅读材料等方式引发学生进行反向思维，这对于培养学生创造性思维能力很有益处。利用本书作教学参考书，能使大学数学教学更加富有生气。

《组合数学引论(第2版)》以组合计数问题为重点，介绍了组合数学的基本原理和思想方法。全书共分10章：鸽巢原理，排列与组合，二项式系数，容斥原理，生成函数，递推关系，特殊计数序列，Polya计数理论，相异代表系，组合设计。取材的侧重点在于体现组合数学在计算机科学特别是在算法分析领域中的应用。每章后面都附有一定数量的习题，供读者练习和进一步思考。 《组合数学引论(第2版)》可作为计算机专业、应用数学专业研究生和高年级本科生的教材或教学参考书，也可供从事这方面工作的教学、科研和技术人员参考。

This volume covers local as well as global differential geometry of curves and surfaces. *Makes extensive use of elementary linear algebra - with emphasis on basic geometrical facts rather than on machinery or random details. *Stresses the basic ideas of differential geometry - regular surfaces, the Gauss map, covariant derivatives. *Includes a large number of fully-worked examples.

Incorporating new and updated information, this second edition of THE bestselling text in Bayesian data analysis continues to emphasize practice over theory, describing how to conceptualize, perform, and critique statistical analyses from a Bayesian perspective. Its world-class authors provide guidance on all aspects of Bayesian data analysis and include examples of real statistical analyses, based on their own research, that demonstrate how to solve complicated problems. Changes in the new edition include: Stronger focus on MCMC Revision of the computational advice in Part III New chapters on nonlinear models and decision analysis Several additional applied examples from the authors' recent research Additional chapters on current models for Bayesian data analysis such as nonlinear models, generalized linear mixed models, and more Reorganization of chapters 6 and 7 on model checking and data collection Bayesian computation is currently at a stage where there are many reasonable ways to compute any given posterior distribution. However, the best approach is not always clear ahead of time. Reflecting this, the new edition offers a more pluralistic presentation, giving advice on performing computations from many perspectives while making clear the importance of being aware that there are different ways to implement any given iterative simulation computation. The new approach, additional examples, and updated information make Bayesian Data Analysis an excellent introductory text and a reference that working scientists will use throughout their professional life.

《微分方程数值解法(第4版)》是编者在《微分方程数值解法》（第三版）的基础上修订而成的。本次修订的宗旨是加强方法及其应用，考虑到不同院校的需要，仍然保留常微分方程数值解法这一章。为了更方便教学，采取先介绍有限差分法，后介绍GMerkin有限元法，去掉原来的第七章，将离散方程的有关解法与椭圆方程的差分法和有限元法合并，同时增设了一些数值例子，适当删减部分理论内容，突出应用，降低难度。《微分方程数值解法》包括六章，第一章为常微分方程数值解法，第二章至第四章为椭圆、抛物和双曲偏微分方程的有限差分法，第五章、第六章为Galerkin有限元法。 《微分方程数值解法》是为信息与计算科学专业编写的教材，也可以作为数学与应用数学、力学及某些工程科学专业的教学用书，对于从事科学技术、工程与科学计算的专业人员也有参考价值。