计算代数方程组孤立奇异解的符号数值方法

求解代数方程组是计算代数几何的最基本问题之一,孤立奇异解的计算则是其中最具挑战性的课题之一,在科学与工程计算中有着广泛的应用,如机器人、计算机视觉、机器学习、人工智能、运筹学、密码学和控制论等.本文结合作者的研究成果,综述了符号数值方法在计算代数系统孤立奇异解、特别是近似奇异解精化与验证方面的研究进展,并对未来的研究方向提出了展望.     

悬链线竖向集中力作用下的构形分析和张力计算

目前,悬链线在竖向集中力和均布荷载共同作用下的构形分析和受力计算的理论仍不完善。针对这一问题,通过引入悬链线的几何约束方程、力平衡方程和超越方程,建立了竖向集中力与均布荷载共同作用下的非线性方程组。采用牛顿迭代法求解方程组,得到了悬链线的构形和受力情况。为了验证理论计算的正确性,进行了算例和试验验证。结果表明,算例的计算结果与文献结论保持一致,试验测得的构形和水平张力大小与理论计算的构形和水平张力大小吻合较好。本文的理论计算可以更加简单精确地计算出悬链线在竖向集中力和均布荷载共同作用下的构形和受力情况,为实际工程提供重要的理论指导。     

一维非等温可压缩Navier-Stokes-Korteweg方程组稀疏波的整体稳定性（英文）

可压缩Navier-Stokes-Korteweg方程组可用来描述具有内部毛细作用的粘性可压缩流体的运动.本文研究了毛细系数依赖于密度、粘性系数和热传导系数依赖于温度的一维非等温的可压缩Navier-Stokes-Korteweg方程组Cauchy问题解的大时间行为.利用基本的L~2能量方法,我们证明如果相应的Euler方程组的黎曼问题存在稀疏波解,那么所考虑的一维可压缩Navier-Stokes-Korteweg方程组存在唯一的整体强解,并且当时间趋于无穷大时,此强解趋向于稀疏波.这里初始扰动和稀疏波的强度都可以任意大.     

耗散Boussinesq方程弱解的爆破

本文主要研究一类耗散Boussinesq方程的初边值问题的弱解的有限时间爆破.我们主要研究了当初值落在位势井内时,弱解在有限时间爆破的充分必要条件,并给出爆破时间的下界估计.本文是对WANG和SU(2016)的文章的一个补充.     

巧用构造法解线性代数题

本文总结了使用构造法解线性代数题目的技巧,通过举例阐述了该方法在线性代数课程不同章节中的使用.     

Boussinesq方程行波解的存在性

利用平面动力系统方法的分支理论，研究了Boussinesq方程，通过对Boussinesq方程进行行波变换，得到了相应行波系统的首次积分和平衡点，给出了不同参数条件下的相图，证实了Boussinesq方程存在孤立波解和周期波解。     

数学解题中的“倒换”术

<正>民间流传一个故事,讲刘伯承用了一招简单的"倒穿草鞋"之计,就甩脱了敌人,化险为夷.刘伯承用的是一种"倒换"术,这里的"倒换"可以理解为"颠倒处理"或者"倒过来处理".解答数学问题,适时运用"倒换"术,也可以化繁为简,化难为易.一、分子、分母倒换有些含有分式的数学问题,直接解答难以入手.若将分子、分母上下颠倒,往往可以繁为简,化难为易.     

两类五阶解非线性方程组的迭代算法

本文首先根据Runge-Kutta方法的思想,结合Newton迭代法,提出了一类带参数的解非线性方程组F(x)=0的迭代算法,然后基于解非线性方程f(x)=0的King算法,给出第二类解非线性方程组的迭代算法,收敛性分析表明这两类算法都是五阶收敛的.其次给出了本文两类算法的效率指数,以及一些已知算法的效率指数,并且将本文算法的效率指数与其它方法进行详细的比较,通过效率比率R_(i,j)可知本文算法具有较高的计算效率.最后给出了四个数值实例,将本文两类算法与现有的几种算法进行比较,实验结果说明本文算法收敛速度快,迭代次数少,有明显的优势.     

一种新的求非线性方程组的数值延拓法

针对迭代过程中的Jacobi奇异问题,本文提出了一种新的数值延拓法.通过构造双参数同伦算子,采用可控条件和适当选取参数的方式克服Jacobi奇异性,并分析了方法的收敛性.最后,通过数值实验对比,验证了方法的可行性和优越性.特别是具有可调控越过Jacobi奇异(点、线、面)的优势,从而也在某种程度上解决了数值延拓法严重依赖于初值的问题.     

具有非线性范数型源的反应扩散方程组解的爆破性质

本文研究了一类带有非线性范数型源的反应扩散方程组u_t=?u~m+a‖u~(p1)v~(q1)‖_α~(r1),v_t=?v~n+b‖v~(p2)w~(q2)‖_β~(r2),w_t=?w~h+c‖w~(p3)u~(q3)‖_γ~(r3)在齐次Dirichlet边界条件下解的爆破问题.利用上下解方法和构造辅助函数的技巧,得到了方程组解的整体存在与爆破的准则,将当前的一些研究结果推广到更复杂的情形.