Q过程的μ不变测度

设Q={qij;i,j∈E}是可数集E上的全稳定Q-矩阵，或单瞬时不可和准保守拟Q-矩阵，m={mj;j∈E}是Q的有限μ不变测度，则一定存在Q过程P（t)，使m是P（t)的μ不变测度。     

Q过程的不变分布(Ⅱ)

设E为一个可数集,Q=（qi,j;i,j∈E）为E×E上的矩阵,满足m为E上的概率分布满足何时存在Q过程,使得m是它的不变分布? 这个问题由Williams（1979）作为一个开问题提出.文[15]对全稳定情形,解决了这个问题;本文对单瞬时情形,完整地解决了该问题.     

Q过程的不变分布(Ⅱ)

设E为一个可数集,Q＝(qi,j;j,j∈E)为E×E上的矩阵,满足qi,j≥0(i≠j),∑qi,k=-qii≤∞, i∈E.k≠im为E上的概率分布满足∑miqi=-mjqj,j≤∞, j∈E.i≠j何时存在Q过程,使得m是它的不变分布?这个问题由Williams(1979)作为一个开问题提出.文[15]对全稳定情形,解决了这个问题;本文对单瞬时情形,完整地解决了该问题.     

Q过程的μ-不变向量

设Q ={qij;i,j∈E}是可数集E上的全稳定q 矩阵 ,x ={xj;j∈E}是Q的有限 μ 不变向量 ,如Q零流出 ,则x是最小Q过程的μ 不变向量 ;一般地 ,Q不必零流出 ,但x满足infi∈Exi>0 ,则一定存在Q过程P(t) ,使x是P(t)的 μ 不变向量 .     

Q过程的不变分布(Ⅰ)

设Ｅ为一可数集， Ｑ＝（ｑｉｊ；ｉ，ｊ∈ Ｅ）为 Ｅ × Ｅ上的矩阵，满足 ｑｉｊ≥ ０（ｉ≠ｊ），ｑｉｋ＝－ｑｉｉ≤＋∞， ｉ∈Ｅｍ＝（ｍｉ； ｉ∈ｅ）是一严格正的概率分布，满足ｍｉｑｉｊ＝－ｍｊｑｊｊ≤＋∞，ｊ∈Ｅ．问何时存在Ｑ－过程，使得ｍ是它的不变分布？ 这个问题由Ｗｉｌｌｉａｍｓ（１９７９）作为一个开问题提出．本文对全稳定情形，完整地解决了该问题．     

On Variation of Single Birth Processes

Suppose {X（t）; t≥ 0} is a single birth process with birth rate qii＋l （i 〉 0） and death rate qij （i 〉 j ≥ 0）. It is proved in this paper that （i） if there exists aconstant c≥ 0 such that b（i）-a（i）＋ci is nondecreasing with respect to i and a（i） ＋ u（i） - ci ≥ 0 （i≥ 0）, then VarX（t）-EX（t）≥-X（0）e^-2ct,t≥0, or （ii） if there exists a constant u（i） - c≥ 0 such that b（i）-a（i）＋ci is non-increasing with respect to i and a（i）＋u（i）-ci≤0（i≥0）,then VarX（t） - EX（t） ≤ -X（0）e^-2c,t ≥ 0 Hereb（i） = qii＋1, a（0） = 0, a（i） = ∑j=^ijqii-j （i≥ 1）, u（0） = u（1） =0 and u（i） = 1/2∑j=^ij（j - 1）qii-j （i ≥ 2） . This result covers the results for birth-death processes obtained in [7].     

序列型空间的一个特征刻划

本文证明了拓扑向量空间E是序列型空间的一个特征为：（1）E的每个序列开集都是开集；（2）取值于E中的任意无穷矩阵（xij）i,j,若对每个j均有limxij=xj，并且limxj=x,则一定存在严格递增序列（ik）和（jk）使得limxikjk=x.作为应用证明了序列型A-空间必是k-空间．     

容斥原理的组合证法

容斥原理 设Xi（i=1，2，…，n）为有限集，则有：Card（U1≤i≤n Xi）=∑1≤i≤n Card（Xi）-∑1≤i≤j≤n Card（Xi∩Xj）＋∑1≤i≤j≤n Card （Xi ∩ Xj ∩ Xk）＋…＋（-1）^n-1 Card （∩1≤i≤n Xj）.     

单圈图的最大特征值的上界的改进

Let G（V, E） be a unicyclic graph, Cm be a cycle of length m and Cm G, and ui ∈ V（Cm）. The G - E（Cm） are m trees, denoted by Ti, i = 1, 2,..., m. For i = 1, 2,..., m, let eui be the excentricity of ui in Ti and ec = max{eui ： i = 1, 2 , m}. Let κ = ec＋1. Forj = 1,2,...,k- 1, let δij = max{dv ： dist（v, ui） = j,v ∈ Ti}, δj = max{δij ： i = 1, 2,..., m}, δ0 = max{dui ： ui ∈ V（Cm）}. Then λ1（G）≤max{max 2≤j≤k-2 （√δj-1-1＋√δj-1）,2＋√δ0-2,√δ0-2＋√δ1-1}. If G ≌ Cn, then the equality holds, where λ1 （G） is the largest eigenvalue of the adjacency matrix of G.     

具有多变时滞中立型微分方程的振动性

考虑具有多变时滞中立型微分方程[x(t)-∑i=1^lpi(t)x(t-τi(t))]′ ∑j=1^mqj(t)x(t-σj（t））=0,获得了该方程所有解振动的几族充分条件．其中定理3的条件是“Sharp”条件，即当Pi(t)，τi(t)，qj(t)，σj(t)(i=1，2，…，l，j=1，2，…，m)为常数时，条件是充分必要的．