两个同课异构案例引发的思考

1案例呈现 案例1 （1）引入新课 教师：先来看一个古代小故事：王戎7岁时，与小伙伴们外出游玩，看到路边的李树上结满了果子，伙伴们纷纷去摘取果子，只有王戎站在原地不动．王戎说：“树在道边而多子，此必苦李．”小伙伴尝了一下，果然是苦李．请问在这个故事中，王戎的分析思路是怎样的？（学生口述，教师板书）     

否定非对合剩余格上基于正规模糊理想的一致拓扑空间

拓扑结构是逻辑代数研究领域的重要研究内容之一,为了揭示否定非对合剩余格上的拓扑结构,基于正规模糊理想诱导的同余关系在否定非对合剩余格上构造一致拓扑空间并讨论其拓扑性质.证明了:(1)一致拓扑空间是第一可数,零维,非连通,局部紧的完全正则空间;(2)一致拓扑空间是T_1空间当且仅当是T_2空间;(3)否定非对合剩余格中格运算和伴随运算关于一致拓扑都是连续的,从而构成拓扑否定非对合剩余格.同时,获得了一致拓扑空间是紧空间和离散空间的充分必要条件.最后,讨论了拓扑否定非对合剩余格中代数同构与拓扑同胚间的关系.对从拓扑层面进一步揭示否定非对合剩余格的内部特征具有一定的促进作用.     

鲁棒稀疏重构问题的凝聚同伦算法

鲁棒稀疏重构问题是信号处理领域的重要问题,该问题的数学本质是一个NP难的数学优化问题.同伦算法是一类典型的路径跟踪算法,该算法是解非线性问题的一类成熟算法,具有全局收敛性,且易于并行实现.本文考虑同伦算法在鲁棒稀疏重构问题中的数值求解.基于l_∞范数及罚函数策略,我们首先将原始的基于l_0范数的最优化模型,转化为含参数的无约束极大极小值问题,进而构造凝聚函数光滑化模型中的极大值函数,并构造凝聚同伦算法数值求解.数值仿真实验验证了新方法的有效性,为大规模鲁棒重构问题的并行化数值求解奠定基础.     

彰显孪生题中的比较思维

从繁杂的物理情景和物理过程中思辨"同中求异"、"异中求同",就是物理比较思维.物理比较思维能力被认为是创造性思维能力的基础,培养和发展学生创新思维能力是新课标提出的新理念.比较是在头脑中确定事物共同点与不同点的思维过程,有比较才有鉴别.通过比较,使被比事物本质特征更加清晰,从而确切认识它们的区别和联系.     

超富足半群及其子类

借助半群的Malcev积和公理化条件,对超富足半群及其子类进行了刻画,给出了超富足半群及其子类的若干特征.     

同课异构精彩纷呈,教学立意引人入胜——以一元二次方程(第1课时)为例

笔者近期在一次初中数学教研活动中,观摩了四位老师执教"一元二次方程(第1课时)",总体感觉享受了同课异构的精彩纷呈,执教老师的教学风格、教学立意也值得反思回味,本文记录两种截然不同的教学设计,并尝试解读他们的教学立意,与同行研讨.一、"两种"教学设计(一)第一种教学设计1.学习目标(1)知道一元二次方程的概念,以及一元二次方程的项和系数的概念,会准确判断一个方程是不是一元二次方程.     

“不等式”起始课的教学与思考

笔者最近在一次教学观摩活动中执教"不等式"起始课,受到观摩教师的好评,本文展示该课的教学预设,并给出教后反思,与更多同行研讨.一、"不等式"起始课的教学预设(一)学习目标(1)类比方程学习不等式.(2)以章前图"甲、乙两商场"的生活问题为主线,引导学生自主定义、探究、建构不等式新知.(3)理解不等式学习"基本路径",为后续不等式具体内容的学习打好基础.(4)经历情境问题的求解,感受模型思想,积累分类     

关于两个图的一类新连接图的谱

给定2个图G1和G2,设G1的边集E(G1)={e1,e2,?,em1},则图G1⊙G2可由一个G1,m1个G2通过在G1对应的每条边外加一个孤立点,新增加的点记为U={u1,u2,?,um1},将ui分别与第i个G2的所有点以及G1中的边ei的端点相连得到,其中i=?1,2,?,m1。得到：（i）当G1是正则图,G2是正则图或完全二部图时,确定了G1⊙G2的邻接谱（A-谱）。（ii）当G1是正则图,G2是任意图时,给出了G1⊙G2的拉普拉斯谱（L-谱）。（iii）当G1和G2都是正则图时,给出了G1⊙G2的无符号拉普拉斯谱（Q-谱）。作为以上结论的应用,构建了无限多对A-同谱图、L-同谱图和Q-同谱图;同时当G1是正则图时,确定了G1⊙G2支撑树的数量和Kirchhoff指数。     

书写离子方程式常见错误例析

离子方程式正误判断是高考化学中重现率很高的题型,掌握离子方程式的正误判断技巧,可提高解题效率。笔者就书写离子方程式常见错误进行了分类例析。     

非内点同伦方法求解双层规划问题

提出了一种非内点同伦方法来解决无界集上的双层规划问题,并在适当的假设条件下,证明了同伦路径的存在性和全局收敛性.这种方法放宽了对初始点的要求,使数值计算更加便利.数值结果表明,该方法与现有的解双层规划问题的同伦方法相比,计算效率更高.