“全同”超形变核带的唯象分析与微观结构

对超形变(SD)带可靠的唯象分析表明,所谓“全同”SD带的带首转动惯量J₀一般相差较大(δJ₀/J₀>10^-2)由于动力学转动惯量J²随角频率ω的变化比运动学转动惯量J¹快得多,而不同带的转动惯量随ω变化的快慢也不同,因此在适当条件下,在一定的ω范围内表现为“全同”的两个SD带的J²(因而Er)几乎相等(δEr/Er=|δJ²/J²|～10^-3,而顺排角动量之差近似是量子化的,但在此ω范围之外则否.此唯象分析与强耦合模型的微观理论给出的组态结构定性上是协调的.在此方案中毋需引进赝自旋对称性。     

低于临界阶的Riesz球形平均的一类极大函数

设S_R^δ(f)(x)为f(x)的k维Fourier级数的δ阶Riesz球形平均,{R_j}₁^∞为Hadamard缺项序列。本文建立了关于极大算子的两个不等式:和此处0a/2。作为推论,得到:L²(Q_k)中函数的Fourier级数球形部份和的缺项序列a. e. 收敛。     

在双促进铁催化剂上氨合成反应机理与动力学方程

本文从已知实验事实的理论分析,包括使用EHMO量子化近似计算及反应速率方程的推导等理论分析方法,提出了氮的活化、氢的活化、²⁸N₂—³⁰N₂同位素交换的机理.并提出氮的分子吸附以及H^+δ对吸附N₂^-δ作用生成NH_x是氨合成反应的二个决定性步骤.N₂^-δ与NH_x的相对含量决定于催化剂组成和反应条件(温度、压力、原料组成).文中根据微观分子催化作用机理,推导出相应的动力学方程式,该方程形式上与Temkin推广式一致,二者仅差一氢吸附常数项,但微观作用机理与某些动力学参数的物理意义则有重要的不同.     

非线性不适定单调算子方程正则解的收敛率

讨论非线性不适定单调算子方程正则解的收敛率问题.给出了保证收敛率分别为O(δ^1/2),O(δ^2/3)和O(δ^n/(n+1))的条件,这里δ为近似数据的误差界.     

脂肪醇和酸在水溶液表面上的吸附热力学研究

本文用毛细上升法测定了四种脂肪醇(C₁—C₄)和四种脂肪酸(C₁—C₄)的水溶液在不同温度下的表面张力,计算了各种醇和酸的分子自溶液内部至表面的吸附热力学量,包括吸附自由能△G⁰、吸附熵△S⁰和吸附焓△H⁰.结果表明,△G⁰,△S⁰和△H⁰皆是分子中碳原子数n的线性函数.文中还根据表面张力独立作用原理,估算了球状分子的碳氢基在表面上暴露的程度。     

一个求极值问题(Ⅰ)

对于给定的正整数n,N(N>n>1)与实数δ(0≤δ≤1/2),要求在k₁+k₂+…+k_n=N,k_i≥1(i=1,2,…,n)都是整数 (1)的条件下,求出一组使文中定义的目标函数L_{k¹k²…kⁿ}(δ)取最大值的整数组(k₁k₂…k_n),这整数组称为方程(1)的最优解。在本文中,将要证明:对于任何N>n>1与0≤δ≤1/2,一定能从适合(ⅰ)k₁为偶数;(ⅱ)|k_i-k_j|≤2(1≤i,j≤n);(ⅲ)在k₂,…,k_n中出现的偶数k都有相同的数值等条件的那些(k₁k₂…k_n)中找到方程(1)的一组最优解。特别对于δ=0与δ=1/2这两个重要的情形,给出了当N=n(e-1),而e≥4为一偶数时方程(1)的一组最优解。文中还证明了:对于δ=0与δ=1/2,以及N=nk(k≥2),从极限的观点看,(k,k,…,k)都是方程(1)的一个“相当不好”的解。     

Hirota型非线性发展方程的整体光滑解

本文研究如下Hirota型非线性发展方程 i?_tφ+α?_x²φ+iβ?_x²φ+iγ?_x(|φ|²φ)+δ|φ|²φ=0,Cauchy问题整体光滑解的存在性,唯一性及解的收敛性与衰减估计.     

关于一类Fourier积分算子的Lp估计

本文研究一类形如(1)的Fourier积分算子的保持L_p,H_p^s及B_pq^s的有界性问题。此中位相函数满足条件(2),而振幅属于象征类S_1,δ^-m,0≤δ≤1,文中还初步探讨了(0≤p<1)时的L_p有界性。     

高温超导氧化物中非平衡载流子的能量弛豫与电声相互作用

利用超导体中非平衡能量平衡模型,研究室温下YBa₂Cu₃O_7-δ(δ=0.1,0.4,0.8)和PrBa₂Cu₃O₇外延膜中光激活非平衡载流子的弛豫动力学,计算了电声耦合常数λ发现随着氧含量的降低及用Pr替代Y,Cu-O面上空穴Fermi面向Cud⁹/d¹⁰带方向移动,非平衡载流子的驰豫时问增加而电声耦合常数明显减小.这一结果与瞬态反射谱测量结果符合得很好.这表明载流子浓度的降低减弱了电声相互作用,而这种作用可能是一种实空间的局域相互作用.     

超网络的主子超图分析法

本文引入了超网络、混合超图及其主子超图的概念,提出了分析线性有源超网络的一种新的拓扑方法——主子超图法的原理和算法。它产生的符号网络函数表达式很紧凑,而且不含对消项。它的计算时间复杂度为O(m³eⁿh+m₁u_GΣn₁),比文献[1,2]的降低两三个数量级。本法最适合于要求符号网络函数表达式按所有受控源互导纳集项的场合。     

伪微分算子的Lp连续性

本文证明了由L.Hrmander引进的S^m类伪微分算子的L^p连续性.对于S^m类算子的符号p(x,ξ)既没有要求对于ξ的齐次性,也没有要求对x在无穷远处的稳定性,所有这些结论建立在Bessel位势产生的广义函数空间上,作为一个推论,给出了L.Hrmander提出的一个问题的部分肯定解答:设p(x,ξ)∈S^m,1<q≤r<∞,m≤-n(1/q　-1/r),则|p(x,D)u|_L^r≤C|u|_L^q,其中C是一个常数。     

拟线性抛物方程组第一边界问题的有限差分法 ——Ⅲ.稳定性

讨论如下拟线性抛物组第一边值问题的显式、弱隐式和强隐式差分解u_t=(-1)^M+1A(x,t,u,…,u_x^M-1)u_x^2M+f(x,t,u,…,u_x^2M-1(x,t)∈Q_T={O<x<l,0<t≤T.}，u_x^k(0，t)=u_x^k(l，t)=0 (k=0，1，…，M -1)，0<t≤T，u(x，0)=φ(x)，0≤x≤l，其中u，φ和f是m维向量值函数，A是m×m正定矩阵，u_t=∂u/∂t，u_x^k=∂^ku/∂x^k.在以下意义下证明了该问题的一般有限差分格式的稳定性：即离散向量解在W₂^(2M，M)(Q_T)中的离散范数是连续地依赖于初始数据的H^M离散范数，以及矩阵A与自由项f的相应的离散范数.     

二阶泛函微分方程的渐近性和振动性

本文讨论了二阶泛函微分方程的解的渐近性和振动性。文中指出,当sum from to +∞ (g^-1)(1/(r(t))dt<+∞时,(1)式的非振动解的渐近性态有且仅有如下的四种类型:A_c^k,A_c^∞,A_o^k,A_o^∞。当sum from to +∞ (g^-1)(1/(r(t))dt=+∞时,(1)式的非振动解的渐近性态有且仅有如下三种类型:A_c^o,A_∞^c,A_∞^c。在f为超线性或次线性的前提下,本文分别给出了存在A_c^k,A_c^∞,A_o^k,A_c^o,A_∞^c等型非振动解的充要条件。在f为强超线性或强次线性的前提下,本文给出了方程(1)为振动的充要条件。     

非标准分析与广义函数的乘法(Ⅱ)

本文运用文献[1]中给出的方法,算出具有特殊重要性的奇异广义函数的乘积δ^(m)(x)oδ⁽ⁿ⁾(x),δ^(m)ox^-n以及 θ(x)ox^-n等.本文还举例说明了用本文的方法可很简明地得到许多关于乘法的已知结果。     

泛函微分方程稳定性的V函数法(非Razumikhin法)及其应用

Liapunov函数V(t,x)方法是研究泛函微分方程稳定性的一个重要方法,但过去用选方法时,须用到P函数,而P函数是很难求的。本文虽同样用V(t,x)函数,但并未用到P函数,这不但避免求P函数的困难,而且在研究解的渐近稳定性时,适用范围更为广泛。作为本文方法应用之例,一是对具时滞直接控制系统的绝对稳定性本文得到一些充分条件,这无论在理论上及应用上都是重要的;二是求Det(a_ij+b_ije^-λt-δ_ijλ)=0的根实部全为负的条件,大大扩充了文献[3]的结果。     

神经网络及其在系统识别应用中的逼近问题

本文讨论神经网络的能力问题及其在系统识别中的一些逼近问题。文中证明了:(1)函数g∈L_Loc^P(R¹)∩S′(R′)为—L^P-Tauber-Wiener函数的充要条件为g不是一个多项式;(2)当g∈(L^PTW)时,Σ _i=1^N c_ig(y_i·x+θ_i)全体在L^P(K)中稠密;(3)证明了用一元函数的复合可以逼近定义在L^P(K)上的连续(线性或非线性)泛函及L^P1K₁)到L^P2(K₂)中的连续(线性或非张性)算子。上述结果表明任一非多项式的L_LocP∩S′(R′)中的函数可以作为神经网络隐层中的非线性元,以及神经网络算法可以以任意精度识别一个系统。     

齐次乘子算子的交换子

记H^l={w∈C^∞(R^k\{0}):w是l次齐次函数),R^_(-a)(m)是Taylor级数余项算子的n重叠合:m=(m₁,…,m_n)∈Zⁿ,Z记非负整数的集,α∈(R^k)ⁿ,定义 其中a=(a₁,…,a_n),a_i,f∈(R^k), 主要结果如下: 1.证明了几个介于算子T_^R(-a)^{(m)_w(ξ)),(a,f})的类与多线性奇异积分算子的类之间的对等定理; 2.作为应用,算子及 的某些有界性结果被给出,其中Ω∈H⁰,|β|≤|m|,且,m_i≥1。     

随机删失半参数回归模型中估计的渐近性质

设Y是表示生存时间并遵从下面半参数模型Y=Xβ+g(T)+ε的随机变量,(X,T)是取值于R×[0,1]上的随机变量,β是未知参数,g(·)是[0,1]上的未知回归函数,ε是随机误差。当Y因受某种随机干扰而被随机右删失时,就删失分布未知的情形分别定义了β与g(·)的估计^{^}β_n与^{^}g_n(·),在一定条件下证明了^{^}β_n的渐近正态性,并得到了^{^}g_n(·)的最优收敛速度。     

线性模型中误差方差的二次型估计的可容许性问题

设有线性模型Y=(y₁…y_n)’=Xβ+ε=X(β₁…β_p)’+(ε₁…ε_n)’,这里n≥p,X已知,ε₁,…,ε_n相互独立,E(ε_i)=0,E(ε_i²)=σ²,E(ε_i³)=0,E(ε_i⁴)=3σ⁴,i=1,…,n,β∈R^p,0<σ~2<∞。令?={Y’AY:A≥0}。当损失函数为σ^-4(d-σ²)²且X=I_n或者X=1_n时,给出了 Y’AY(A≥0)在?中是σ₂的可容许估计的充分必要条件。又当ε～N(0,σ²I_n)时,给出了Y’AY(A≥0)在σ²的一切估计类中是可容许的充分条件。     

关于多线性奇异积分的估计

对,记 其中P_mi+1(a_i,x,y)记a_i的在y点展开的第m_i+1阶Taylor级数余项,m_i≥1,m=(m₁,…,m_n),|m|=∑m_i。Ω:R^K→C是在单位球面上满足Lipschitz条件的零次齐次函数,并使得T_*^m+1满足一个有界性条件。本文的结果如下: 1)C为一个常数。 2)T^m+1(a,f)(x)a.e.存在. 3)对T_*^m+1存在Muckenhoupt类的加权估计。