一类非线性m-点边值问题正解的存在性

设α∈C[0,1],b∈C([0,1],(-∞,0)).设φ(t)为线性边值问题 u″+a(t)u′+b(t)u=0, u′(0)=0,u(1)=1的唯一正解.本文研究非线性二阶常微分方程m-点边值问题 u″+a(t)u′+b(t)u+h(t)f(u)=0, u′(0)=0,u(1)-sum from i=1 to(m-2)((a_i)u(ξ_i))=0正解的存在性.其中ξ_i∈(0,1),a_i∈(0,∞)为满足∑_(i=1)~(m-2)a_iφ_1(ξ_i)<1的常数,i∈{1,…,m-2}.通过运用锥上的不动点定理,在f超线性增长或次线性增长的前提下证明了正解的存在性结果.     

具有吸收-反射边界的Boltzmann-Poisson输运模型的整体弱解

本文研究具有吸收-反射边界的Boltzmann-Poisson输运模型的初这值问题,并利用速度平均的稳定性和L~1空间紧致性理论,在较弱的初边值条件下,证明了其整体弱解的存在性。     

关于《一类奇异边值问题的正解》的注记

文[4]通过构造反例断言文[1]中定理的必要性证明有误,本文首先指出文[4] 的这个断言不正确,然后对文[4]中定理2.1作了本质性的改进.     

混合单调算子的两点拉伸型不动点定理

本文首次提出了混合单调算子不动点的两点拉伸型条件.同时,利用锥映象的不动点指数理论建立了一类特殊的两点拉伸型混合单调算子的不动点存在性定理,并将所得结论应用于带有超线性项的积分方程与微分方程上,得到了新的结论.因而在本质上推进了混合单调算子不动点问题的研究.     

关于非线性规划问题的组合同伦内点法

文[1]在条件(C1)、(C2)和(C3)之下，利用组合同伦内点法讨论了非凸非线性规划问题K—K—T点的存在性，本文对条件(C2)和(C3)进行了改进和处理。     

非线性椭圆型边值问题解的存在性

Hilbert空间方法被用于一类二阶半线性椭圆型边值问题并得出了某些条件下的解的存在性.     

三角形弹性夹杂对裂纹的影响

研究了三角形弹性夹杂和裂纹之间的相互影响问题。应用Chau和Wang导出的面力边值问题的边界积分方程为基本方程,用夹杂和基体交界面上的面力和位移的连续性条件为补充方程,从而得到了一组能够解决夹杂和裂纹相互影响问题的方程,最后的方程组用一种新的边界单元法求解。计算了各种不同的夹杂和基体的材料常数以及夹杂和基体之间不同距离情况下裂纹尖端的应力强度因子。文中结果对研究新型复合材料有一定的应用价值。     

奇异非线性二阶三点边值问题正解的存在唯一性

本文研究了一类奇异非线性二阶三点边值问题，通过摄动技巧和比较原理获得了所论问题正解的存在唯一性。     

广义对称正则长波方程的勒让德和切贝雪夫拟谱方法

本文考虑了具齐次边界条件的广义对称正则长波方程的Legendre和Chebyshev拟谱方法，构造了半离散和全离散的Legendre和Chebyshev拟谱格式，从理论上得到了这些格式对应的最优误差估计。     

Asymptotic distributions of regression and autoregression coefficients with martingale difference disturbances

In this paper a form of the Lindeberg condition appropriate for martingale differences is used to obtain asymptotic normality of statistics for regression and autoregression. The regression model is y_t = Bz_t + v_t. The unobserved error sequence {v_t} is a sequence of martingale differences with conditional covariance matrices {Σ_t} and satisfying sup_{t=1,…, n} {v′_tv_tI(v′_tv_t>a) |z_t, v_t−1, z_t−1, …} 0 as a → ∞. The sample covariance of the independent variables z₁, …, z_n, is assumed to have a probability limit M, constant and nonsingular; max_t=1,…,nz′_tz_t/n 0. If (1/n)Σ_t=1ⁿΣ_t Σ, constant, then √nvec( _n−B) N(0,M⁻¹Σ) and _n Σ. The autoregression model is x_t = Bx_{t − 1} + v_t with the maximum absolute value of the characteristic roots of B less than one, the above conditions on {v_t}, and (1/n)Σ_t=max(r,s)+1(Σ_tv_t−1−rv′_t−1−s) δ_rs(ΣΣ), where δ_rs is the Kronecker delta. Then √nvec( _n−B) N(0,Γ⁻¹Σ), where Γ = Σ_{s = 0}^∞B^sΣ(B′)^s.