电渗驱动微通道流中的扩散

利用差分方法对电渗驱动微通道中的脉冲样品的浓度扩散进行了数值模拟，结果说明外加电场和缓冲液浓度对样品的扩散起着重要的作用，而水力直径及其通道的高宽比对扩散的影响甚微．采用减小外加电场和减小缓冲液浓度的办法，可以防止样品带宽的增大、增强检测和分离的效果，同时又保持比较快的输送速度．该结论对于微通道的优化设计具有参考价值．  

求矩阵方程AXB+CXD=F的中心对称最小二乘解的迭代算法

该文建立了求矩阵方程$AXB+CXD=F$的中心对称最小二乘解的迭代算法.使用该算法不仅可以判断该矩阵方程的中心对称解的存在性, 而且无论中心对称解是否存在,都能够在有限步迭代计算之后得到中心对称最小二乘解. 选取特殊的初始矩阵时,可求得极小范数中心对称最小二乘解. 同时, 也能给出指定矩阵的最佳逼近中心对称矩阵.  

一类对称正交反对称矩阵反问题的最佳逼近

讨论了一类对称正交反对称反问题的最佳逼近.利用对称正交反对称矩阵的特殊性质,给出了矩阵方程AX=B有对称正交反对称解的充要条件以及解的一般表达式;证明最佳逼近解的存在惟一性并给出其表达式;最后给出计算任意矩阵的最佳逼近解的数值方法及算例.  

声学反问题的整体唯一性

It is proved that a sound-soft scatterer in R^N （N = 2, 3） is uniquely determined by a finite number of acoustic far-field measurements. The admissible scatterer possibly consists of finitely many solid obstacles and subsets of （N - 1）- dimensional hyperplanes.  

Hamilton系统MSRK算法的数值色散关系

Numerical dispersion relation of the multi-symplectic Runge-Kutta (MSRK) method for linear Hamiltonian PDEs is derived in the present paper, which is shown to be a discrete counterpart to that possessed by the differential equation. This provides further understanding of MSRK methods. However, much still remains to be investigated further.  

线性流形上反对称正交对称矩阵反问题的最小二乘解

该文讨论了线性流形上矩阵方程AX=B反对称正交对称反问题的最小二乘解及其最佳逼近问题．给出了最小二乘问题解集合的表达式，得到了给定矩阵的最佳逼近问题的解，最后给出计算任意矩阵的最佳逼近解的数值方法及算例．  

线性流形上反对称正交对称矩阵反问题的最小二乘解

该文讨论了线性流形上矩阵方程AX=B反对称正交对称反问题的最小二乘解及其最佳逼近问题. 给出了最小二乘问题解集合的表达式, 得到了给定矩阵的最佳逼近问题的解, 最后给出计算任意矩阵的最佳逼近解的数值方法及算例.  

Lyapunov型矩阵方程的迭代—校正解法

引进校正技术，建立求解Ｌｙａｐｕｎｏｖ型方程迭代格式的框架。该框架亦可用于求解一般的线性矩阵方程。  

MSPRK Methods for the Korteweg-de Vries Equation

We consider the Korteweg-de Vries (KdV) equation in the form ut+uux+uxxx=0(1) which is a nonlinear hyperbolic equation and has smooth solutions for all the time. There are a vast of results can be found in the literature for this equation, both theoretical and numerical. However, several good reasons account for needs of another numerical study of this equation are listed in[1]. Among them, the most convincing one might be that the wave equations have the multi-symplectic structure (cf. [2]), and the KdV equation is therefore a