这是个图册和解说文字，有的是从书店买的，有的是从图书馆买的二手，有的从图书馆借的，有的是自己复印的。

这只是一部分，还有一半，还没给它们拍照。过几天把另外的部分传上来。每本书我都给出自己的简评，这些书当中，有一部分我是从头到尾学过的，甚至学了几遍，比如微积分，线性代数，概率论等。有些书我是浏览，有的是节选阅读，有的是课外阅读。这些简评当成是我个人意见就行了，如果不同意，毫无问题。

我会给出自己心中的打分，满分是10分。这反映了我对某本书的个人喜好程度，但我会做到尽量客观，给大家读书一个客观的指示。

数学书

书名: Early Transcendentals: Calculus
作者: James Stewart
得分：9

这是我最喜欢的微积分数学书，既是教材，又是枕边读物。从来没见过那个作者能把微积分做得跟娱乐节目一样舒心坦然。作者用尽他毕生的功力，讲述一个微积分的世界，从计算物体坠落的瞬时速度，到开普勒第一定律，到水坝承受压力，到心脏供血的流体力学，再到彩虹的光学原理，再到密室内温度变化，再到狼和兔子的共生，把世界最赶紧最纯的一面展现给你。让我真正地懂得了微积分是人类思想史上最高智慧之一。这本教材有一千多页，当年第一遍的时候，我从头到尾一页一页地学。后来又学习了几遍，至今这本书都放在案头作为工具书随时要查阅。


书名: Calculus: a Complete Course
作者: Robert Adams
得分: 8
次书为我学习过的第二本微积分教材，在众多微积分教材中，仍然受到我喜欢。深度和广度都非常足够，可以作为Stewart的补充学习教材。这本教材非常标准，跟大部分微积分教材一样，没什么出彩的地方，也没有硬伤，中规中矩。不失为一本标准课堂教材。


书名: Linear Algebra and Its Application
作者: David Lay
得分: 9
对于此书作者，我致以最高敬意。同时这是我的第一本线性代数教材（当然我在国内也学过同济大学的教材，我认为那教材水平太差，学了跟没学一样），我对线性代数的基础认识全部开始于这本书。这本书高超的地方在于把子空间(subspace)，向量空间(vector space)，特征值空间(eigenspace)，等等各种空间解释到出神入化的地步。作者的功力由此能看出，对于高维度的空间问题，他总是能用最简单的语言和三维的图形解释清楚。而且所有数学notation都是符合国际标准的，所以在学了这本书之后去看其他教材不会有符号上的不适应。这本书应该从头到尾不落下任何一章地学完，这将对线性代数基本功打下极其牢固的基础，同时因为线性代数的高度抽象性，我也建议至少学习这本教材过5遍以上（我自己前后差不多看了5遍才感觉把所有知识融汇贯通了）。


书名: Linear Algebra: a Modern Introduction
作者: David Poole
得分: 6
在学习Lay的 教材的同时，我有两本辅助教材，这是其中一本，另外一本在下面。这本书地解释不够清楚，在关键地方总是说得比较模糊，但优点是内容很新，例子都是紧跟时代发展的。可以让你看到线性代数在现代科学上面的应用。我只建议把这本书当成课外阅读。


书名: Linear Algebra with Application
作者: Otto Bretscher
得分: 5
这是上面提到的第二本初级辅助教材，这本教材几乎没有出彩的地方，比中规中矩的还差。难怪几乎没有学校选择这本书来当教材。作者的硬伤在于，他完全没体会到学生的learning process和他在书里面的讲述方法是两回事，比如在学习什么是空间之前，他就跟你谈论子空间。很多概念定义不清，而且插图的水平远不入Lay的教材。此书非常不适合0基础的学生，就算有基础读的过程当中都会给你造成混乱的感觉。这本书还有个问题，就是符号使用不是线性代数教材的国际标准做法。唯一的优点就是：作者的讲述语气非常轻松，friendly。


书名: Probability Models
作者: Sheldon Ross
得分: 7
这本教材是我用来学习随机过程(stochastic processes)而是用的，至少在随机过程那章，我感觉比较满意。作者偏向于给出intuitive的解释，而不是从严格数学上面来论证，所以非常适合初学者。Markov chain那一章做得非常好，入门难度也不高，解释详尽到位，至少比我所见过的其他经济学教材都解释得好。前半部分是概率论的基础知识，关于分布，期望，矩生成之类的，可读性也很强，至少不难懂。


书名: Mathematical Statistics
作者: John Freund
得分: 8
这是一本经典，成书于1992年。很难在市面上买到了。我学习概率论基础的时候就是用得这本书的前半部分，很快这本书成为我最喜欢的统计学教材。原因就是:好懂! 而且例子非常有趣。后边部分有一个讲Bayesian decision theory的，给我带来很多阅读的乐趣。它的统计学部分一样做得很好，当时我对统计学的好奇和疑问都很大，很多疑惑都是在这本书里面渐渐找到的答案。所以我这里要告诉大家，理论数学书不是越新越好，现代的新版数学书往往都比不上经典作品。要学到学科的本质，我认为最好的选择还是经典老教材，而不是最新的。


书名: Mathematical Statistics
作者: Jun Shao
得分: 8
这是本猛书，和上面一本比起来难度级别高出许多。我用他来查阅一些难度比较高的技术，没有大面积得阅读。因为这本书是基于极其严格的测度论(measure theory)来推导的所有理论，虽然不能说读起来很费力，但是我认为如果不是统计学专业的话，没有必要通读整本书。这本教材是统计学博士第一年的标准教材，对理论的深入探讨非常完善。但是对经济学和其他专业的，用不着这些大面积的严格推导内容。我们用的是他们论证的结果，所以不要去抢他们的活儿。作为一本reference book，我认为它已经完美了，而且简明扼要，一个section都控制在几页内。


书名: Managerial Statistics
作者: Gerald Keller
得分: 9
我评分不是按照难度，而主要是作者写书的水平和阐述能力。这本书对于我和大多数人来说，基本是儿童读物。但是它做到了这个品种里面的top，图片的生动，案例的详尽，解释的清楚，讨论的到位。它几乎做到了一个初级教材应该做到的所有方面，所以我给它9分。我当时买这本书，是在3年多以前，对自己统计学基础知识进行梳理和复习，大概读了一圈之后，感觉非常好。是出门级别教材中的典范之作。


书名: Bayesian Statistics
作者: Peter Lee
得分: 5
入门级的贝耶斯统计教材，但作者弄得这本书太入门了，前面全部在介绍概率基本知识，导致前面几章读了下来还没进入正题。然后终于进入贝耶斯的正题了，但感觉还没到位，就匆匆结束了本书。贝耶斯统计的computation内容这本书都没有讲出来，但是作者确实讲清楚了贝耶斯统计的概率原理。总体来看，这不是本好书，用来消耗时间都不值得。要学贝耶斯统计，还不入直接学习贝耶斯计量来得快。


书名: Applied Differential Equations
作者: Murray Spiegel
得分: 9
经典中的经典！我个人最喜欢的微分方程教材，成书于1980年。现代的微积分教材都比不上它。虽然封面和里面排版给你的感觉是这本书绝对枯燥无比，我最开始也是这么认为。但是后来硬着头皮读了（因为当时图书馆的differential equations的教材都被借走了），发现那些人把新教材借走了，留了这本给我，反倒是让我发现了一本最好的经典教材。没有花哨的图片，也没有花哨的推导，一切都归于本质。要看一个科学家描述一个动态的世界，就从这本书开始。


书名: Elements of Dynamic Optimization
作者: 蒋中一
得分: 8
蒋中一先生的名作，广泛为大家熟悉。同样也受到我的喜爱。变分法和优化控制论，前后两个部分清清楚楚地展现给了大家。对于数学基础不好的同学来说，这本书所带来的痛苦几乎都是同类书籍中最小的。这本书是基础入门书籍，不是用来严格推导的，所以喜欢看严格数学推导的同学，这不是好的选择，这本书是用来学intuition的。其实如果蒋中一先生不压制着数学的使用，这本书可以变得很薄，正是因为他为了考虑到入门和数学基础不好的同学，他压制了很多高级数学内容，然后绕着弯用其他基础数学方法来解释，就造成了冗长的感觉。但是要入门得话，这绝对是难得一见的好书！


未完待续。。。