向量旋转
Rotation from one vector to another http://www.cs.lth.se/home/Tomas_Akenine_Moller/code/fromtorot.txt
插值算法
Inverse Distance to a Power（反距离加权插值法）
Kriging（克里金插值法）
Minimum Curvature（最小曲率）
Modified Shepard's Method（改进谢别德法）
Natural Neighbor（自然邻点插值法）
Nearest Neighbor（最近邻点插值法）
Polynomial Regression（多元回归法）
Radial Basis Function（径向基函数法）
Triangulation with Linear Interpolation（线性插值三角网法）
Moving Average（移动平均法）
Local Polynomial（局部多项式法）
RBF http://sourceforge.net/projects/radial/
TPS http://elonen.iki.fi/code/tpsdemo/ （需要翻墙）
数学库
http://www.thefreecountry.com/sourcecode/cpp.shtml
-->Free Numerical, Graphs, Statistics and Mathematical Libraries http://www.thefreecountry.com/sourcecode/mathematics.shtml
SciMath C/C++ Advanced Scientific Math Library http://www.scimath.com/
Open source mathematics http://www.opensourcemath.org/
http://mathforum.org/
http://math-blog.com/
List of free and open source software packages http://en.wikipedia.org/wiki/List_of_free_and_open_source_software_packages#Integrated_Library_System
Free mathematics software http://en.wikipedia.org/wiki/Category:Free_mathematics_software
Integrated Library System http://en.wikipedia.org/wiki/Integrated_Library_System
线性插值 GSL（gnu scientific library）
MTL
Blitz++
数学工具库 http://www.mathtools.net/C_C__/index.html
Mathematical.Methods.of.Classical.Mechanics.(2nd.Edition)http://download.csdn.net/source/2244959
forum
http://www.freemathhelp.com/ask-an-expert.html
http://www.freemathhelp.com/forum/
http://mathforum.org/library/drmath/drmath.college.html
blog
Blitz++与MTL两大数值计算程序库(C++)的简介
http://blog.csdn.net/newsuppy/archive/2004/08/29/88092.aspx
矩阵专业词汇英文对照
http://blog.csdn.net/touzani/archive/2007/05/21/1618597.aspx
闲话矩阵论
http://blog.csdn.net/faceRec/archive/2007/07/06/1680900.aspx
离散数学复习
http://blog.sina.com.cn/s/blog_48cf37650100bw48.html?retcode=0
如果非齐次线性方程组的系数行列式D!=0，则该方程组有唯一解。
如果 齐次线性方程组的系数行列式D!=0，则该方程组没有非零解。=>如果齐次线性方程组有非零解，则系数行列式D=0。(即这几个方程是相关的，不是相互独立的)
对角阵-对角矩阵-diag(c0,...cn)
转置:A(T)
矩阵的行列式:det(A) 或|A|
伴随矩阵：A(*)={Aij}, Aij是A的aij的代数余子式
A(*)A = AA(*)=|A|E;
A(-1) = A(*)/|A|, (|A|!=0)
A可逆<=>|A|!=0;A为非奇异矩阵<=>满秩矩阵
|A|=0,A为奇异矩阵Singular Matrix
A的秩：R(A)
A经过若干初等变换变为B，记作A~B
if A~B, then R(A)=R(B)
if P,Q可逆，then R(PAQ)=R(A)
【定理】 n元线性方程组Ax=b
(i)无解的充要条件:R(A)<R(A,b)
(ii)有唯一解的充要条件:R(A)=R(A,b)=n
(iii)无限多解的充要条件是R(A)=R(A,b)<n
(iiii)有解的充要条件是R(A)=R(A,b)
【定理】n元线性方程组Ax=0，有非零解的充要条件是R(A)<n
【定理】AX=B（ ABX均为矩阵）有解的充要条件是R(A)=R(A,B)
【定理】given AB=C, then R(C)<=min{R(A),R(B)}
【定理】AmnXni=0只有0解的充要条件是R(A)=n,
向量组B能由向量组A线性表示的充要条件是R(A)=R(A,B)
向量组B和向量组A等价的充要条件是R(A)=R(B)=R(A,B)
向量组B能由向量组A线性表示，则R(B)<=R(A)
向量组A(a1,a2,...,am)线性相关的充要条件是R(A)<m;向量组A线性无关的充要条件是R(A)=m;
矩阵的秩等于其行向量的秩序，也等于它列向量的秩。
向量组的最大无关组（最大线性无关组）
【定理】向量组A0(a1,a2,...,ar)是A(a1,a2,...,am)的一个部分组，且满足
(i)A0线性无关
（ii）A的任一向量都能由A0线性表示；
则A0是A的一个最大无关组
对于向量放出Ax=0
若x=e1, x=e2是Ax=0的解，则x=e1+e2也是其解。
若x=e1 是Ax=0的解，则x=k*e1也是其解。
矩阵Amn的秩R(A)=r,则Ax=0的解集S的秩R(S)=n-r
若x=e1, x=e2是Ax=b的解，则x=e1-e2也是Ax=0的解。
若x=e1是Ax=b的解, x=e2是Ax=0的解，则x=e1+e2也是Ax=b的解。
向量a * 向量b = 0，则a，b是相互正交的向量。
若n维向量a1,a2,...,ar是一组两两正交的非零向量，则a1,a2,...,ar线性无关。
若n维向量e1,e2,...,er是向量空间V的一个基，若e1,e2,...,er两两正交，且都是单位向量，则称e1,e2,...,er是V的一个规范正交基
如果AT *A=E,则称A为正交矩阵。
(i)若A是正交矩阵，则A-1 也是正交矩阵，且|A|=1或-1
(ii)若A，B都是是正交矩阵，则AB也是正交矩阵
若P为正交矩阵，则y=Px称为正交变换。正交变换保持线段长度不变 。
设l1,l2,....,lm是方阵A的m个特征值，p1,p2,...,pm依次是与之对应的特征向量，若l1,l2,....,lm各不相等，则p1,p2,...,pm线性无关。
设A，B都是n阶矩阵，若有可逆矩阵P，使得P-1 *A*P=B,则称B是A的相似矩阵。
若A,B是相似矩阵，则A,B的特征值相同，从而A，B的特征向量也相同。
若n阶对角阵A与对角阵B(B主对角线元素为p1,p2,...,pm，其余元素为0)，则p1,p2,...,pm是A的n个特征值。
Ann与对角阵相似（即A能对角化）的充要条件是A有n个线性无关的特征向量。
如果Ann的n个特征值互不相等，则A与对角阵相似。
对称阵的特征值为实数。
设l1,l2是对称阵A的两个特征值，p1，p2是对应的特征向量，若l1！=l2，则p1与p2正交。
设A为n阶对称阵，则必有正交阵P，使得P-1 AP=PT AP=B,其中B为A的n个特征值为对角元的对角阵。
设A为n阶对称阵，a是A的特征方程的k重根，则R(A-aE)=n-k,从而a恰有k个线性无关的特征向量。
二次形 --》二次型的标准型（法式）--》二次型的规范形
列向量x(x1,x2,...,xn)，二次型f可表示为：xT *A*x，其中A为对称阵。
设A,B为n阶矩阵，若有可逆矩阵C，使得B=CTAC,则称A与B合同。
任给二次型f，总有正交变换x=Py，使得f化为标准型f=l1*y1^2 + l2*y2^2 +...+ln*yn^2 ;其中l1,...ln是f的矩阵A的特征值。
设有二次型f，对于任一x！=0，都有f>0,则f为正定二次型，并称A为正定矩阵。
二次型f为正定的充要条件是，f的标准型的n个系数全为正。
对称阵A为正定的充要条件是：A的各阶主子式都为正。A为负定的充要条件是：奇数阶主子式为负，偶数阶主子式为正。
设线性空间V的两个基a ，b ，有a P=b ，V中的线性变换T在基a 下的变换为A，在基b 下的变换为B，则B=P-1 AP;
NP problem
首先说明一下问题的复杂性和算法的复杂性的区别，下面只考虑时间复杂性。算法的复杂性 是指解决问题的一个具体的算法的执行时间，这是算法的性质；问题的复杂性 是指这个问题本身的复杂程度，是问题的性质。比如对于排序问题，如果我们只能通过元素间的相互比较来确定元素间的相互位置，而没有其他的附加可用信息，则 排序问题的复杂性是O(nlgn)，但是排序算法有很多，冒泡法是O(n^2)，快速排序平均情况下是O(nlgn)等等，排序问题的复杂性是指在所有的 解决该问题的算法中最好算法的复杂性。问题的复杂性不可能通过枚举各种可能算法来得到，一般都是预先估计一个值，然后从理论上证明。
为了研究问题的复杂性，我们必须将问题抽象，为了简化问题，我们只考虑一类简单的问题，判定性问题，即提出一个问题，只需要回答yes或者no的问题。 任何一般的最优化问题都可以转化为一系列判定性问题，比如求图中从A到B的最短路径，可以转化成：从A到B是否有长度为1的路径？从A到B是否有长度为2 的路径？。。。从A到B是否有长度为k的路径？如果问到了k的时候回答了yes，则停止发问，我们可以说从A到B的最短路径就是k。
如果一个判定性问题的复杂度是该问题的一个实例的规模n的多项式函数，则我们说这种可以在多项式时间内解决的 判定性问题 属于 P类问题 。P类问题就是所有复杂度为多项式时间的问题的集合。
然而有些问题很难找到多项式时间的算法（或许根本不存在），比如找出无向图中的哈米尔顿回路问题，但是我们发现如果给了我们该问题的一个答案，我们可以 在多项式时间内判断这个答案是否正确。比如说对于哈米尔顿回路问题，给一个任意的回路，我们很容易判断他是否是哈米尔顿回路（只要看是不是所有的顶点都在 回路中就可以了）。这种可以在多项式时间内验证一个解是否正确的问题 称为NP问题 。显然，所有的P类问题 都是属于 NP问题 的，但是现在的问题是，P是否等于NP?这个问题至今还未解决。注意，NP问题不一定都是难解的问题，比如简单的数组排序问题是P类问题，但是P属于NP，所以也是NP问题，你能说他很难解么？
刚才说了，现在还不知道是否有P=NP或者P<>NP，但是后来人们发现还有一系列的特殊NP问题，这类问题的特殊性质使得很多人相信P<>NP，只不过现在还无法证明。这类特殊的NP问题就是NP完全问题 （NPC问题 ，C代表complete）。NPC问题存在着一个令人惊讶的性质，即如果 一个NPC问题存在多项式时间的算法，则所有的NP问题都可以在多项式时间内求解，即P=NP成立！！ 这是因为，每一个NPC问题可以在多项式时间内转化成任何一个NP问题。比如前面说的哈米尔顿回路问题就是一个NPC问题。NPC问题的历史并不久，cook在1971年找到了第一个NPC问题，此后人们又陆续发现很多NPC问题，现在可能已经有3000多个了。所以，我们一般认为NPC问题是难解的问题，因为他不太可能存在一个多项式时间的算法 （如果存在则所有的NP问题都存在多项式时间算法，这太不可思议了，但是也不是不可能）。
类似哈米尔顿回路/路径问题，货郎担问题，集团问题，最小边覆盖问题（注意和路径覆盖的区别），等等很多问题都是NPC问题，所以都是难解的问题。
---------------------------
P(Polynomial问题)
在计算机里面，对一个问题寻求一种多项式的算法是一个很好的解答。从理论上来说，如果一个问题能够有多项式的解法的话，就算是一个很好的算法了。这种问题总可以找到一个DTM（Deterministic Turing Machine）
NP (Nondeterministic Polynomial问题)
但是对于很多问题来说，他们找不到一个多项式的解决方法，他们只能对应一个NDTM（Nondeterministic Turing Machine）来解决。可以这样想想：对于下一步的动作，他们也不知道确切的应该怎么办，只能“尝试”很多种方案才能够得出一个答案，这显然是很费时 的，这种问题未NP问题。
两个无向图是否同构是个NP问题。
NPC (NP Complete)问题
可以这么认为，这种问题只有把解域里面的所有可能都穷举了之后才能得出答案，这样的问题是NP里面最难的问题，这种问题就是NPC问题。
一般说来，如果要证明一个问题是NPC问题的话，可以拿已经是NPC问题的一个问题经过多项式时间的变化变成所需要证明的问题，那么索要证明的问题就是一个NPC问题了。
NPC问题是一个问题族，如果里面任意一个问题有了多项式的解，那么所有的问题都可以有多项式的解。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
