基于特征值分析的多尺度结构优化设计方法

基于特征值分析，提出了多尺度结构优化设计方法.该方法被用于分析宏观结构上作用有最不利荷载时，使宏观结构刚度最大的宏观拓扑结构和微观材料分布.引入约束条件为最不利荷载的Euclid范数等于1，根据Rayleigh-Ritz定理，可以将结构的柔顺度转换为一个与局部荷载向量维数相同的对称矩阵，这样就将作用有最不利荷载的柔顺度最小问题转换为求解对称矩阵的最大特征值最小问题，同时最不利荷载可以通过最大特征值矩阵的特征向量求得.最后通过算例验证所提多尺度结构优化设计方法的有效性，并说明宏观拓扑结构和微观材料分布的合理性.所提出的多尺度优化方法具有迭代稳定、收敛迅速等特点.该文拓扑优化中密度函数的更新是基于灵敏度分析和移动渐近线方法（method of moving asymptotes，MMA）.     

一类由可修,可靠的人与机器构成的系统解的渐近性质

运用C0-半群理论研究一类由可修,可靠的人与机器构成的系统解的渐近性质.首先证明在虚轴上除了0以外其他所有点都属于该算子的豫解集,其次证明0是对应于该系统的主算子及其共轭算子的几何与代数重数为1的特征值,由此推出该系统的时间依赖解当时刻趋向于无穷时强收敛于系统的稳态解.     

广义鞍点问题的松弛维数分解预条件子

本文将Benzi等提出的松弛维数分解(Relaxed dimensionalfactorization, RDF)预条件子进一步推广到广义鞍点问题上,并称为GRDF(Generalized RDF)预条件子.该预条件子可看做是用维数分裂迭代法求解广义鞍点问题而导出的改进维数分裂(Modified dimensional split, MDS)预条件子的松弛形式, 它相比MDS预条件子更接近于系数矩阵, 因而结合Krylov子空间方法(如GMRES)有更快的收敛速度.文中分析了GRDF预处理矩阵特征值的一些性质,并用数值算例验证了新预条件子的有效性.     

求圆锥曲线离心率的常用方法探究

离心率是圆锥曲线重要的几何性质,是描述曲线形状的重要参数.椭圆的离心率是描述椭圆扁平程度的一个重要参数,双曲线的离心率是描述双曲线"张口"大小的一个重要参数,而抛物线的离心率是特征值1,圆锥曲线的统一定义是按离心率范围不同,确定圆锥曲线中的椭圆、双曲线和抛物线的类型.离心率问题已成为各类测试的考查热点,备受高考命题者的青睐,考查的题型主要以离心率的大小和范围问题为主.求离心率的关键是找出一个与参数a、b、c、e有关的等式或不等式.如何根据题中的条件,选择恰当的方法呢?现举几例.     

向量组线性相关程度的研究

利用向量组的格拉姆矩阵,给出了欧氏空间中衡量向量组线性相关程度的一个特征量．     

秩等于1的矩阵的有关性质

对秩等于1的矩阵的结构、乘法与乘幂运算、特征值与特征向量和对角化问题进行了讨论.     

方程组x''''=Ax的新解法与计算机实现

在介绍B.VAN ROOT SELAAR的解方程组x'=Ax的一种新方法的基础上,对矩阵F(0)求法作了补充,对照以往通常的解法,分析了它的优越性.文章用完全开放性的Maple语言程序在计算机上实现了这种方法的应用,并通过生动的例子说明了同样是借助计算机强大的计算功能,新的解法在速度上要提高上百倍,更有实用价值.     

A TWO-SCALE HIGHER-ORDER FINITE ELEMENT DISCRETIZATION FOR SCHROEDINGER EQUATION

In this paper, a two-scale higher-order finite element discretization scheme is proposed and analyzed for a Schroedinger equation on tensor product domains. With the scheme, the solution of the eigenvalue problem on a fine grid can be reduced to an eigenvalue problem on a much coarser grid together with some eigenvalue problems on partially fine grids. It is shown theoretically and numerically that the proposed two-scale higher-order scheme not only significantly reduces the number of degrees of freedom but also produces very accurate approximations.     

图的预解Estrada指标的界的估计（英文）

n阶图G的子图中心度,即后来著名的Estrada指标定义为EE（G）=∑_（i=1）~N e~（λ2）.其中λ_1,λ_2……λ_n为图G的特征值.作为复杂网络的一种中心性测度和一种分子结构描述符,Estrada指标在许多研究领域有着广泛的应用.最近,Estrada和High-ama引进了一种新的复杂网络中心度,即∑_（i=1）~n n-1n-1λ_i：他们称之为预解中心度,后来又被称为预解Estrada指标.本文主要利用图G的顶点数和边数给出了图G的预解Estrada指标的若干界.     

带跳跃非线性边界的p-Laplacian问题(英文)

利用Fadell与Rabinowitz提出的同调指标理论,研究了一类带不定权非线性边界的p-Laplacian特征值问题;更进一步,利用环绕定理,证明了一类带跳跃非线性边界的p-Laplacian问题非平凡解的存在性.