理想微裂纹系统中的随机扩展效应

本文讨论了在理想微裂纹系统中,由于微裂纹的随机性扩展,对微裂纹统计演化产生的效应。文中提供了一般的理论框架,给出了便于处理的转移概率的表达式。最后,用数值计算的例子展示了随机模型的统计演化特征,并比较了与确定性扩展模型下统计演化的异同。     

二参数Ornstein—Uhlenbeck过程的象集的一些性质

本文研究二参数 d 维 Ornstein-Uhlenbeck 过程 X(t)(t∈R_+~2)的象集 X(E)的性质,得到了 X(E)的 Hausdorff 维数,并证明了若 dim E>d/2,则 X(E)的 Lebesgue测度 a.s.大于0,且对于几乎所有的θ∈[0,2π]若,θ(E)(?)CR_+~2,则 X(θ(E))a.s.具有内点。     

Stirling渐进公式的一个新的构造证明

本文用简易的分析工具，对ｎ！给出了一个精确等式，从而导出Ｓｔｉｒｌｉｎｇ渐近公式（２）的一个新的简短证明.     

半群K(n,r)中的幂等生成元

设Singn是由一个n元集上的所有奇异变换所构成的奇异变换半群，I是由Singn中一些亏数为1的幂等元组成的集合，Howie利用有向图证明了：I是Singn的一个生成集当且仅当与其相应的有向图D（I）是强连通的完全图，本文利用多重有向图将这一结果推广到Singn的每个理想K（,r)上。     

环上矩阵的分解

将复数域及四元数体上矩阵的积因子分解推广到上矩阵，并指出[1]中的定理2的证明是错误的，由此可知[1]中定理2的结论不成立。     

一种区间数的因子分析技术及其在证券市场中的应用

传统的因子分析技术能够有效地对高维变量空间进行降维处理,但它对于样本空间却缺乏行之有效的降维效果.为了解决这一问题,一种针对大量样本数据、新的因子分析技术———区间数因子分析技术(intervaldatafactoranalysis,IFA)被提出并得到了迅速的发展。IFA方法对传统的数据概念做了本质性的扩张,运用'数据打包'的理念,对海量原始数据在不破坏其原有内在逻辑关系的前提下,可以进行变量和样本点维度的双重降维。本文详细阐述了区间数因子分析技术的原理,并以中国股票市场为案例研究背景,结果表明IFA分析技术对大规模多维数据系统做综合简化是十分有效的。     

几类数列通项的矩阵求法

本利用矩阵给出了几类数列的通项公式的求法，把数列通项公式的求法转化为矩阵幂的计算，思路简单、计算简便，并能判别其敛散性。     

关于图的直径和平均距离

图的直径和平均距离是度量网络有效性的两个重要参数．Ore通过图的顶点数和直径给出无向图的最大边数．Entringer，Jakson，Slater和Ng，Teh通过图的顶点数和边数分别给出无向图和有向图平均距离的下界．该文提供这两个结果的简单证明，给出有向图类似Ore的结果，并通过图的直径改进Entringer等人的结果到更一般的情形．结合本文和Ore的结果，可以得到一个无向图和有向图平均距离的下界，它比Plesnik得到的下界更好．