广义高斯Fibonacci和Lucas多项式及其恒等式

本文给出了广义高斯斐波那契多项式和广义高斯卢卡斯多项式的定义。我们研究了它们的一些的性质,通过它们的递推关系和性质及矩阵表示,我们也得到了它们之间的一些恒等式。此外,我们还证明了相应的卡西尼恒等式。

关于高阶Genocchi数和广义Lucas多项式的恒等式

利用组合数学的方法,得到了一些包含高阶Genocchi数和广义Lucas多项式的恒等式,并且由此建立了Fibonacci数与Riemann Zeta函数的关系式.

广义Fibonacci序列和广义Lucas序列的性质

研究了广义Fibonacci序列,给出了它的行列式表示.利用发生函数研究广义Fibonacci序列,得出了Fibonacci序列的一些恒等式以及此序列与第2类Chebyshev多项式的关系.在此基础上,推出了广义Lucas序列的类似性质.

非高斯风荷载极值估计:基于HPM转换过程的经验公式

风荷载极值概率信息对于结构抗风可靠性设计十分重要,基于Hermite多项式模型(Hermite polynomial model,HPM)转换过程方法由于在估计强非高斯性风荷载极值方面表现优异,因而受到研究人员的青睐从而被广泛应用。另一方面,该方法的使用过程烦琐且有较强的理论性,不利于工程应用。为此,该文基于该方法提出非高斯风荷载极值估计的经验公式,首先系统地阐述基于HPM转换过程方法,接着对风荷载的极值分布函数模型展开讨论,之后通过回归分析提出风荷载极值分布函数的经验公式,并对其适用性和精确性加以验证。研究成果表明,仅需知晓风荷载若干统计特征的情况下,经验公式可快速估计风荷载极值,精度上与HPM转换过程方法基本相同,而在效率和便捷性方面显著提升,便于在工程中推广使用。

包含广义Fibonacci多项式的循环矩阵行列式的计算

主要研究包含广义Fibonacci、Lucas多项式的行斜首加尾右循环矩阵和行斜尾加首左循环矩阵的行列式,利用多项式因式分解的逆变换给出行斜首加尾右循环矩阵和行斜尾加首左循环矩阵,包含广义Fibonacci、Lucas多项式行列式的显式表达式.

包含广义Fibonacci多项式的r-循环矩阵的谱范数

研究包含广义Fibonacci多项式和广义Lucas多项式的r-循环矩阵的谱范数,并由矩阵范数、广义Fibonacci多项式的性质,通过代数方法给出一些范数的不等式性质,进而研究出类似的循环矩阵的性质,并对已有的结论进行推广。

2-球面到广义复射影空间的全纯映射

给出广义复射影空间CPnv 中常高斯曲率的全纯S2 的解析表达式和完全分类。

非高斯风压极值估计:基于矩的转换过程法的抽样误差对比研究

非高斯风压极值的准确估计对于建筑结构抗风设计非常重要。由于使用方便,转换过程法被广泛用于非高斯风压极值估计。转换过程法中典型的转换函数模型有Hermite多项式模型(HPM)、Johnson转换模型(JTM)及平移广义对数正态分布(SGLD)模型。通常,这三个转换函数模型的参数估计仅需数据的前四阶矩,因而这些模型被称为基于矩的转换函数模型。实际工程设计中用于计算风压极值的数据通常是有限长度的,而基于有限长度数据计算的前四阶矩具有抽样误差,致使基于矩的转换函数模型估计的风压极值亦具有抽样误差。现阶段对于以上三种模型估计非高斯风压极值所引起的极值抽样误差的区别尚不清楚。为了对三种模型估计极值时的抽样误差进行对比研究,该研究介绍了HPM、JTM和SGLD三个模型;给出了三个模型估计非高斯极值的抽样误差的理论方法;随后基于理论方法的计算结果对比了三个模型估计的极值的抽样误差;基于超长风压风洞试验数据对三种模型极值估计时的抽样误差进行了系统的评估和验证。结果表明:HPM对非高斯风压极值抽样误差的估计效果通常比SGLD模型和JTM估计的效果更好。该研究结果可为合理选择非高斯风压极值估计模型提供一定的指导。

一个序列的组合解释及其应用

该文给出了一个序列的组合解释,讨论了这个序列在研究两类Chebyshev多项式,广义Fibonacci序列和广义Lucas序列中的一些应用.

有关Lucas与Babbage同余式的推广

利用一个素数模意义上的整数分拆的结果,证明了高斯二项式系数上的Lucas同余式,并且分别研究了Lucas同余式和Babbage同余式在广义二项式系数上的情况,得到了相应的形式简洁的同余式.