MATLAB使用欧拉Euler法求解微分方程组 源程序代码

清华大学研究生精品课程《钢筋混凝土有限元》教学程序 随动双线性硬化本构模型 (Tsinghua University Graduate Courses " reinforced concrete finite element" teaching program follower bilinear hardening constitutive model)

求解KZK方程的VISUAL C++源代码 具有计算速度快，计算精度高等优点。(source code solution of KZK equation visual c++)

单纯形法，求解线性规划问题的通用方法。单纯形是美国数学家G.B.丹齐克于1947年首先提出来的。它的理论根据是：线性规划问题的可行域是 n维向量空间Rn中的多面凸集，其最优值如果存在必在该凸集的某顶点处达到。顶点所对应的可行解称为基本可行解。单纯形法的基本思想是：先找出一个基本可行解，对它进行鉴别，看是否是最优解；若不是，则按照一定法则转换到另一改进的基本可行解,再鉴别；若仍不是，则再转换,按此重复进行。因基本可行解的个数有限，故经有限次转换必能得出问题的最优解。如果问题无最优解也可用此法判别。 (Simplex method for the minimum)

基于matlab的对光学设计里像差测量和校正的程序(Matlab aberration measurement of the optical design and calibration procedures)

Algorithm gauss seidel load flow

线宽计算，用matlab计算线宽。可以得到的值来分析和使用半导体激光器线宽的联系(linewidth calculator)

frictional model to analysis in abaqus, a good subroutine to build a new frictional relationship

共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各种优化算法中，共轭梯度法是非常重要的一种。其优点是所需存储量小，具有步收敛性，稳定性高，而且不需要任何外来参数。(Conjugate gradient method (Conjugate Gradient) is between the steepest descent method between the method and Newton' s method, it takes only a first derivative information, but to overcome the steepest descent method convergence slow shortcomings, but also to avoid the Newton method needs to be stored Hesse and disadvantages of computing inverse matrix and the conjugate gradient method is not only one of the most useful methods to solve large linear equations, solution of large-scale nonlinear optimization is one of the most effective algorithm. In various optimization algorithm, conjugate gradient method is a very important one. The advantage is that a small amount of memory required, with step convergence, high stability, and does not require any external parameters.)

FFT快速傅立叶变换，DSP实际例子，学习的一手好资料。放进CCS仿真(FFT Fast Fourier transform, DSP practical examples)

增广拉格朗日乘子方法求解RPCA问题的方法，得到矩阵的稀疏成分和低秩成分。(argumented lagrange multiplier method that can make matrix be decomposed to a sparse matrix and low-rank matrix.)