Lipschitz条件题设的完善

本文给出了函数单侧极值点的定义,并证明了连续函数的单侧极值点所成之集与实数集等势,且利用此完善了函数满足Lipschitz 条件的题设。     

高斯思想在初等数学中的渗透

通过高斯思想在初等数学的代数、三角等方面的渗透，从而启迪学生的思维，培养学生的能力。     

关于极限的几个定理

给出了极限的几个定理及其推论，可以解决或简化某类极限问题。推论2修正了数学通报11（1963）《关于极限的一个定理》。     

关于矩阵条件数的一些结论

本文讨论了一些矩阵范数达到极小的充要条件,其主要结果如下:1.设?为m×n实矩阵,且具有n个线性无关的列,则求?广义逆谱条件数等于1的充要条件为?=cI,其中c为正常数.2.设?为n阶非异实矩阵,则矩阵A的求逆p-范数条件数等于1的充要条件为A=cpσ,其中c为正常数,σ是置换阵,其对角元都等于 1或-1.3.设?为n阶非异实矩阵,则矩阵4的求逆F-范数条件数等于1的充要条件为?=cU,其中c为正常数,U为正交阵.     

模糊数空间上下确界的度量刻划

在模糊数空间上定义了一种新的度量，证明用这种度量可以对序有界的模糊序列的上、下确界进行刻划。     

求Ramsey数最优下界值的递归算法

要确定每个具体的Ramsey数的数值是相当困难的,至今人们只求出了为数很少的几个Ramsey数的数值.人们在研究Ramsey数性质的同时,也在估计Ramsey数的数值,得出了某些Ramsey数的下界值,但工作进展缓慢.本文提出了一种计算Ramsey数最优下界值的递归算法,该算法利用当今关于Ramsey数的最新结果,能得出Ramsey数的目前最优下界值.1 算法描述不妨将本算法定名为G,参数个数为1个以上(可变化),算法允许递归调用,其输出值为Ramsey数的目前最优下界值.C(k_1,k_2…,k_n)表示以k_1,k_2…,k_n作为输入,通过算法G所得到的输出结果,即C(k_1,k_2…,k_n)表示的是G算出的Ramsey数N(k_1,k_2,…,k_n;2)的目前最优下界值,其中N(k_1,k_2…,k_n;2)的含意与文献[2]中有关含意相同.算法G:     

一个数论函数的四次均值的计算

应用一个正整数的二进制表示,给出一个数论函数的四次均值的精确计算公式.     

几乎共线性的度量问题

本文考虑回归分析和数值相关分析等领域中的向量相关性的度量问题,引进一种用于度量共线性影响的数量指标,并讨论了它的基本性质以及与病态条件数和复相关系数的关系.     

密度演化方法在求解股市上扬天数中的应用

将股市上扬的天数转化为随机游程的长度，利用密度演化方法求得了股市上扬天数的分布以及均值和方差该文首次将密度演化方法用来研究股市的一般宏观规律，其结论可指导投资决策．