学科分类
/ 25
500 个结果
  • 简介:文章先通过对微分方程的解的存在性和惟一性的证明,再通过对解的延拓和连续性的论述,引出方程的稳定性的讨论,初步探讨了线性和非线性微分方程的稳定性,重点对非线性微分方程的解的稳定性做了较深入的探索.

  • 标签: 非线性微分方程 稳定性 非线性系统 临界性 惟一性
  • 简介:本文运用变换的方法,给出了几类能有初等解法的一阶微分方程类型及其求解的一般方法。

  • 标签: 一阶微分方程 初等解法 变换
  • 简介:文章提出了利用特征函数求常系数常微分方程的一种方法,讨论了特征函数为指数函数、指数函数和幂函数相乘等情况,给出各种情况下微分方程的特解求法,并考虑了传递函数极点处特解求法,结合算例给出了求解方法,验证了该方法快速、简便等特性。

  • 标签: 常微分方程 常系数 特解 特征函数 传递函数
  • 简介:讨论二次非线性系统周期解的存在性一般利用对角系统及指数型二分性通过压缩映射原理来实现,但在具体运用中,可能出现使用压缩映射原理条件要求较严格的现象.使用指数型二分性方法和Schauder不动点定理讨论一类二次周期系数微分方程周期解的存在性并给出具体解.谊方法对条件的要求较低.

  • 标签: Sehauder不动点定理 周期解 指数型二分性
  • 简介:文章给出了利用全微分和Mathcad解决超静定桁架的变形协调方程的新方法,此法简单便于数值计算。

  • 标签: 全微分 方程 MATHCAD
  • 简介:矩阵的方法可应用于广义模糊粗糙集模型中.通过定义不同的矩阵运算方式,利用截关系矩阵、模糊子集的截列阵之间的运算表示了广义模糊子集的上下近似算子.在此基础上给出了求解模糊子集粗糙度及相似度的计算方法.研究表明,在广义模糊粗糙近似空间中,利用矩阵方法计算模糊子集的上下近似、粗糙度和相似度简单易行.

  • 标签: 广义近似空间 模糊粗糙集 近似算子 矩阵运算 相似度
  • 简介:矩阵是高等代数的重要内容,伴随矩阵矩阵运算和应用中起着非常重要的作用.关于伴随矩阵的特征值与特征向量,朱焕、关丽杰、范惠玲给出了这方面的3个性质;张建航、李宗成、贾云锋、张毅敏、黎勇、王松华又给出了类似的3个性质.这里将其综合并推广到k-伴随矩阵的情形.

  • 标签: 伴随矩阵 k-伴随矩阵 特征值 特征向量
  • 简介:摘要电子皮肤,一种可以让机器人产生触觉的系统,其结构简单,可被加工成各式各样的形状,能像衣服一样附着在设备表面,能够让机器人感知到物体受力的的地点和方位以及受力大小等信息。以往其他高校进行电子皮肤电子皮肤的研制上主要思路为依靠密集的压力传感矩阵同时进行数字判断与模拟信号输入,即一个传感器同时判断压力大小与受力部位,并提高压力传感精度,但此方法成本高昂代价昂贵。我们基于拓展按键矩阵开关,开发出一套成本低廉的机器人电子皮肤,用于精度不高的受力反馈。

  • 标签: 矩阵开关 电子皮肤
  • 简介:首先给出了矩阵乘法的分块并行算法原理,然后用JAVA语言描述该算法并对算法从几个方面进行优化分析和设计,最后JAVA多线程实现了算法。该程序在不同计算机上的运行情况,给出了一种结论:JAVA多线程可以在多处理机上实现并行计算。

  • 标签: 并行计算 多线程 矩阵乘法
  • 简介:应用聚类技术能够自动地发现典型用户文件,但是由于会话向量通常是高维的稀疏向量,因此很难在会话向量之间设计有效的相似度度量.本文提出2种基于矩阵降维的典型用户文件发现方法.这些方法应用非负矩阵分解技术降低会话-URL矩阵的维数,并通过球形的k-均值算法对用户会话向量的投影向量聚类,由此得到典型用户文件.实验结果表明,这些算法能够有效地从用户会话中发现典型的用户文件.

  • 标签: 数据挖掘 WEB挖掘 非负矩阵分解 球形k-均值算法 矩阵降维 典型用户文件
  • 简介:为了了解复杂网络的特性,研究了复杂网络中的社区交叠现象,将非负矩阵分解算法用于社区检测问题。而传统的用于社区检测SNMF模型是通过离散化参数的取值范围,然后遍历得到参数的最优值,对参数的优化方法不能准确而快速搜索到最优解。利用遗传算法对参数进行优化,能够准确的找到参数的最优解,从而得到最优的社区划分。并且能够检测出交叠节点和异常节点,该算法也适应于大规模的数据。

  • 标签: 复杂网络 社区检测 非负矩阵分解 遗传算法
  • 简介:本文通过利用矩阵的kronecker积理论,讨论了矩阵方程:X+AXB+A~2XB~2+……A~kXB~k=C的有解条件以及解的个数.

  • 标签: 矩阵方程 KRONECKER积
  • 简介:本文介绍了矩阵的拟乘法的概念和性质,同时还给出了矩阵求逆的一种方法.

  • 标签: 拟乘法 次转置 拟逆
  • 简介:"矩阵乘积的行列式等于各因子行列式的乘积"及"矩阵乘积的秧不大干每个因子的秩"是矩阵的两个重要性质。[1]中以初等变换和初等矩阵理论为依据给出了上述性质的证明。本文中,笔者直接从[1]的定理5.2.2.定理5.2.3和§4.2的习题4(分别作为本文的引理1,2,3)出发,给出这两个定理的更为直接简要的证明。引理1一个m×n矩陈A总可以通过初等变换化为以下形式的矩阵:

  • 标签: 矩阵乘积 初等变换 初等矩阵 性质定理 可逆矩阵 矩阵的秩