差分方程xn+1=(α+B1xn-1+B3xn-3+…+B2k+1xn-2k-1)/(A+B0xn+B2xn-2+…+B2kxn-2k)的动力学

考察差分方程x_(n 1)=(α B_1x_(n-1) B_3x_(n-3) … B_(2k 1)x_(n-2k-1))/(A B_0x_n B_2x_(n-2) … B_(2k)x_(n-2k)),n=0,1,…的动力学行为,在4种情形下分别讨论方程解的性质.     

差分方程动力学x（n＋1）=（α＋B1x_（n-1）＋B3x（n-3）＋…＋B（2k＋1）x（n-2k-1）/（A＋B0xn＋B2x（n-2）＋…＋B（2k）x（n-2k）的动力学

考察差分方程x_（n＋1）=（α＋B_1x_（n-1）＋B_3x_（n-3）＋…＋B_（2k＋1）x_（n-2k-1））/（A＋B_0x_n＋B_2x_（n-2）＋…＋B_（2k）x_（n-2k））,n=0,1,…的动力学行为,在4种情形下分别讨论方程解的性质.     

一类回归模型的M—估计的相合性

设有回归模型y_1=θ_1x_1r θ_2x_2 … θ_1x_p ε,t=1,2,…,N.(1)其中x_1,…,x是(非随机)自变量;ε是随机残差变量;y为因变量;θ_1,…,θ为回归参数。     

奇异摄动线性系统由状态反馈实现抗干扰性的条件

本文考虑具有快、慢变模型的奇异摄动线性系统:x_1=A_(11)x_1 A_(12)x_2 B_1u D_1fεx_2=A_(21)x_1 A_(22)x_2 B_2u十D_2fY=C_1x_1 C_2x_20<ε<<1是小参数本文运用快、慢变模型的分解和非异坐标变换讨论了当快、慢变子系统能由状态反馈实现抗干扰性时,干扰对原系统输出的影响仅是O(ε)量级。     

解某些线代数方程组的降阶方法

对于n阶的线代数方程组Ax=k (1)其中I_(11),I_(22)分别为r×r及n-r×n-r的单位阵,且B=(?) (3)是指数为2的弱循环收敛阵[1].[2][3]已指出,为求解(1),只需解r×r的方程组(I_(11)-B_(12)B_(21))x_1=k_1+B_(12)Ek_2 (4)求出x_1,然后按x_2=B_(21)x_1+k_2 (5)求出x_2.在此基础上,[2]介绍了当B为不可分的非负阵[1]时,解(4)的导出的正则     

一个最优设计问题

设试验点集是X={x(t)=kt b:t∈[0,1],|k|≤B_1,|b|≤B_2},其中B_1>0,B_2>0都是已知数,参数空间={θ:θ∈L_2[0,1]}。被观察的随机过程为 Y(x,t)=∫_0~tθ(u)x(u)du N(t),t∈[0,1]其中{N(t),t∈[0,1]}是Weiner过程。本文得到关于线性泛函脉θ_0~*(θ)=∫_0~1θ(u)du的线性估计的最优设计为ξ_0=(x_1,x_2 α, 1-α)其中x_1=-B_1t-B_2,x_2=B_1t B_2,α满足0≤α<1。在得到这个设计时用到了Spruill[2]的一个定理。发现Spruill[2]中(16)式的证明是错的,因为他的叙述“因是对称的且凸的,对充分小的ε>0,(β-ε)θ~*∈”是错的,本文已将这个错误订正。     

全微分方程的推广

我们把含两个变量的全微分方程的定义推广到n个变量的情况:若方程P_1(x_1,x_2,…,x)dx_1 P_2(x_1,x_2,…,x)dx_2 … P_n(x_1,x_2,…,x)dx=0(1)的左边恰是n元函数u=u(x_1,x_2,…,x)的全微分du=P_1(x_1,x_2,…,x)dx_1 P_2(x_1,x_2,…,x)dx_2 … P_n(x_1,x_2,…,x)dx_n则称方程(1)叫含n个变量的全微分方程。     

用线性代数知识讨论回归分析及空间意义

<正> 一、前言在很多书中一向是使用偏微分来求回归直线和回归平面。本文不用偏微分而用正射影来求回归直线和回归平面。另外,将数组(x_1,x_2,…x_n), (y_1,y_2,…y_n),(z_1,z_2,…z_n)分别取作变量 x,y,z 时,作为 n 微空间的元素进行回归分析,弄清奇妙的几何性质,利用此性质,由简单的向量,矩阵和行列式的知识就可进行回归分析。本文就这些问题作一介绍。     

关于拓扑Boole格的积（Ⅰ）

[1]指出.拓扑空间的积能否推广到古典拓扑Boole格上是一个未解决的问题.本文证明这一推广是可以的. 设{B_1}_1∈△是一族Boole格,用IB表示一切形式为x={x_1)_1∈△(x_1∈B_1)的元的集.设y={y_1}_1∈△(y∈_1∈B_1)是IB的另一元,规定xI=y当且仅当对1∈△,有x_=y_1,规定了这样相等关系的集IB称作{B_1}_1∈△作为集族时的(I)积,记作:IB=(I) B_(1或IB= B_1)·如果(I)积IB中元x={x_1}_1∈△.对某个l_0∈△,有x_(10)=O_(10)是B_(10)中最小元),把所有这样的x看成是相同元,     

基于响应面法的7050铝合金筋板类锻件热模锻成形工艺优化

针对某铝合金航空锻件热锻成形中出现的充填不满、流线穿流、变形不均匀等缺陷问题,以x_1(坯料高宽比)、x_2(坯料温度)、x_3(成形速度)、x_4(摩擦因数)为优化变量,采用响应面法结合有限元数值模拟对锻件成形多目标工艺参数优化进行研究。根据试验设计结果分别建立3个目标函数的二阶分析模型,得到的回归模型预测精度较高,能较好地描述3个目标函数关于设计变量的响应。通过分析建立的响应面3D和2D优化图,采用MATLAB软件对试验参数进行进一步的优化。研究结果表明:锻件成形最优工艺参数如下:x_1为1.3、x_2为450℃、x_3为6 mm/s、x_4为0.3。将优化后的最优工艺参数应用到后续的实际生产验证,锻件成形缺陷得到有效消除,证明该优化方法有效。     

限定条件下的有序多子集组计数问题

研究了在限定条件下的有序多子集组计数问题,推导了在条件:(A_1∪…∪A_p)∪(B_1∩…∩B_q)=N_n,A_1,…,A_p,B_1,…,B_q■N_n下,集函数x_1~(|A_p|)…x_p~(|A_p|)y_1~(|B_1|)…y_q~(|B_q|)的相关计数式,得到了一个重要的定理:W_(n;p,q)(x,y)=Σ_A1,…,A_p,B_1,…,B_q■N_n(A_1∪…∪A_p)∪(B_1∩…∩B_q)=N_nx_1~(|A_p|)…x_p~(|A_p|)y_1~(|B_1|)…y_q~(|B_q|)={[f(X)-1]g(Y)+y_1y_2…yq}~n,其中f(X)=(1+x_1)(1+x_2)…(1+x_p),g(y)=(1+y_1)(1+y_2)…(1+y_q).并在此基础上,做了一系列推广及应用.     

函数单调性定义探究

在学习函数单调一节内容之后,我就单调性定义中“x_1,x_2是区间I上的任意两个变量”向同学们提出了白己的质疑,经讨共同探究.得到一些结果,整理出来,与读者共赏:问题(一):函数单调定义中,x_1,x_2必须是区间I上的任意两个变量,如果函数单调性定义探究$江苏省盐城中学@柏群     

在辐射条件下Schrdinger方程解的存在唯一性及其渐近性质

以x=(x_1,X_2,x_3)表示三维空间E中的向量,|X|表示向量的模(即|x|=(x_1~2 x_2~2 x_3~2)~(1/2),φ(x)表示三个变量x_1、x_2、x_3的函数。在以后,我们总是以S表示一闭曲面,而D表示S的外部区域。在本文中,将讨论Schr?dinger方程     

氮磷钾肥影响蔬菜硝酸盐积累的回归正交试验分析

本文利用回归正交试验,估算得到氮、磷、钾肥施加量与菠茶中硝酸盐积累的关系式:y=8.65+0.97x_1（N）-2.68x_2（P）+0.23x_3（K）-0.16x_1x_2（NP）。     

Ai-半环簇自由对象模型的刻画

通过引入半群的(m,2,1)-闭子集的概念,利用由等式(x_1x_2…x_m)~2≈x_1x_2…x_m确定的半群簇Sg(m,2,1)的自由对象构造了Sr(m,2,1)的自由对象.     

关于多元加权全最小一乘法的最优解

对给定n+1维欧氏空间R~(n+1)中的m个点x_1=(x_(11),x_(12),…,x_(1n+1)), x_2=(x_(21),x_(22),…,x_(2,n+1)),…,x_m=(x_(m1),x_(m2),…,x_(mn+1)),证明了存在最优超平面β_0+β_1x_1+…+β_(n+1)x_(n+1)=0,使这组点到此超平面的加权垂直距离和Q(β)=(∑~(n+1)_(j=1)β~2_j)~(-1/2)∑~m_(i=1)w_i|β_0+∑~(n+1)_(j=1)β_jx_(ij)|=min (w_i>0,i=1,2,…,m);提出并证明了最优超平面β_0+β_1x_1+…+β_(n+1)x_(n+1)=0应满足的3个必要条件,从而给出了求最优超平面的方法.     

锥面方程的齐次性

本文拟讨论锥面方程的齐次性,侧重于说明锥面方程必可取成齐次方程的形式。方程 F(x_1,x_2,…,x_n)=0被称为齐次方程,如果它的左端是变量 x_1,x_2,…,x_n 的齐次函数。     

几种收敛速率较高的迭代求解程序

为求解方程f(x)=0,我们提出了下列二种迭代程序:x_n~(1)=ω(x_(n-1)~((m-1)),x_(n-1)~(m),x_(n-1)~(m)),x_n~(2)=ω(x_(n-1)~((m-1)),x_(n-1)~(m),x_m~(1)),x_n~(3)=ω(x_(n-1)~((m-1)),x_(n-1)~(m),x_n~(2),x_n~(m)=ω(x_(n-1)~((m-1)),x_(n-1)~(m),x_n~((m-1))),(?)n∈N_0和z_(n 1)=ω(x_n,y_n,x_n),y_(n 1)=ω(x_n,z_(n 1),z_(n 1)),x_(n 1)=ω(x_n,z_(n 1),y_(n 1)),其中ω(x,y,z)=z-f(z)/f(x,y),f(x,y)=f(x)-f(y)/(x-y),它们的收敛阶分别为m (m~2 4)~(1/2)/2和2 3~(1/2)。本文分别建立了程序(I_m)和程序(Ⅱ)的收敛性定理,并就两个定理作了六点注记。文中还给出了一个数值例子     

按第一次近似决定的全局稳定性

§1.引言对微分方程组 dx_i/dt=P_(ij)(t)x_j+Ψ_1(t,x_1,x_2,……x_n)(1.1) 本文总假定函数P_(ij)(t)在区域t≥0上是连续有界的,并函数Ψ_1(t,x_1,……x_n)在区域; t≥0,-∞相似文献   

关于直线束方程中参数的几何意义

我们在解析几何教学中,讲到直线束的时候,遇到这样的问题:已知相交于P_0(x_0,y_0)点的两条直线:l_1:A_1x+B_1y+C_1=0,和l_2:A_2x+B_2y+C_2=0,为什么可以用参数λ来构造直线束(l)A_1x+B_1y+C_1+λ(A_2x+B_2y+C_2)=0呢?它是怎样想出来的呢?在这里,λ的几何意义又是什么呢?这些问题的存在,往往使学生感到参数的引进比较突然。因此,也就觉得比较抽象,不利于更好地掌握直线束方程。