完全偶图的星因子计数

图G的一个星因于是G的一个支撑子图，其中每一个分支是一个星图．本文研究完全偶图Km,n的星因子计数，给出了Km,x存在由K个分支构成的星因子的充要条件，进而给出了Km,n星因子计数的公式．     

图的分数(g,f)-因子

本文研究了图的分数因子的性质,特别给出了图的弧立韧度这一新概念,研究了孤立韧度与分数因子的关系,文中给出了一个图具有某些约束条件的（g,f）-分数因子的一些充分条件,得到了若干新结果,并提出 了一些可供进一步研究的问题。     

一类有限环

本文指出了文 [5 ]的一些错误 ,给出了文 [5 ]定理 1的一个反例 .并给出了一类交换环的等价条件 .     

实域中矩阵的几种标准形式及应用

利用矩阵A(λ)的性质,给出了方阵A在实域内的几种标准形式,并讨论了其在微分方程中的应用.     

关于图的（g，f）－因子分解的一些新结果

本文讨论图的（ｇ，ｆ）－因子分解问题，推广了文［１］关于图的因子分解的理论，改进了文［２］的一些结果，给出了一个图Ｇ是（ｇ，ｆ）－可因子化的若干充分条件．     

关于“积分因子法”的探讨（Ⅰ）

本文给出了一些常见的重要的常微分方程的基本积分子表，探讨了求积分因子的原理和方法。     

求矩阵Jordan标准形的一种新法

讨论了一种求不变因子的方法,利用不变因子与初等因子之间的关系,给出了一种求矩阵Jordan标准形的新方法.     

求矩阵Jordan标准形的一种新法

讨论了一种求不变因子的方法,利用不变因子与初等因子之间的关系,给出了一种求矩阵Jordan标准形的新方法.     

图G中f-因子的一个结论

在简单图的顶点度和f-因子的关系方面,本文在Tutte定理的基础上给出了图G不存在f-因子时的一个结论.     

负二项环境因子的Fiducial限与Bayes限

本文给出成败型环境因子的定义,推导了负二项环境因子的Fiducial与Bayes精确限。为满足工程应用需要,给出了计算简便而又有较高精度的近似限,并举例说明。     

矩阵的最大公因子

本提出两个矩阵右量大公因子的概念，给出其表达式，并将其推广到多个矩阵的情形。     

大维乘积随机矩阵谱分布在因子分析中的应用

建立了一个简单实用的估计大维因子模型的因子个数方法. 特别当残差服从线性时间序列模型时, 给出了其参数的估计方法.另外也给出了这些估计量的极限理论性质.最后的模拟结果和实证分析显示本方法是有意义和有效的.     

关于图的（g,f）—因子分解的一些新结果

本文讨论图的（ｇ，ｆ）－因子分解问题，推广了文「１」关于图的因子分解的理论，改进了文「２」的一些结果，给出了一个图Ｇ是（ｇ，ｆ）－可因子化的若干充分条件。     

含交换因子的有界线性算子差的Moore-Penrose逆

给出了在Hilbert空间中有界线性算子A-B在含交换因子的条件下的Moore-Penrose逆的表示.     

实方阵的另外一种实相似标准型

具有相同初等因子的方阵是相似的,运用这个结果,通过分块初等变换,给出了实方阵在实相似下的一种新标准型,这种标准型类似于复方阵的Jordan标准型,从而更有利于相关计算.这对于同学们对Jordan标准型的拓展理解是十分有益的.     

矩阵的最大公因子

本文提出两个矩阵右最大公因子的概念 ,给出其表达式 ,并将其推广到多个矩阵的情形     

图的分数κ-因子

给定图Ｇ＝（Ｖ,Ｅ）．设ａ和ｂ是两个非负整数．是一个函数．如果对所有的均成立,称 ｆ为 Ｇ的一个分数［ａ,ｂ］－ 因子． ａ＝ ｂ＝ κ时,称ｆ为 Ｇ的一个分数 ｋ＝因子．本文给出了一个图有分数 ｋ－因子的充分必要条件．     

二元直交多项式的不变因子与数值积分公式

A．H．Stroud给出了关于二元m^2点2m-1次求积公式存在性的充分条件,即两个m次直交多项式P1(x,y)和p2(x,y)存在m^2个不同的公共零点,并且都不是无穷远点。本文用不变因子的方法给出了当m=2时这种直交多项式对的一种选取方法．另外,本文最后给出了一些2m-1次积分公式．     

血液中酒精浓度的数学模型

把人体对酒精的吸收、排放简化为一般的房室模型,提出了吸收因子、消除因子的概念.针对短时间饮酒、长时间饮酒以及间断饮酒等情况,分别建立了关于人体体液中酒精浓度的微分方程模型,并且给出了显式解.对于特殊的周期性间断饮酒的模型,给出了更便于计算的叠加公式,并通过分析酒精浓度函数的极限过程,证明了其有界性.对短时间饮酒和长时间饮酒的情况分别计算了酒精浓度的最大值、取得最大值的时间和禁止驾车的时间范围,而且进行了比较,所得结论与实际吻合.     

任意域上多项式的几个性质

本文给出任意域上两个多项式的某线性组合无重因子的两个特征性质 ,并改进了已知结果 .