期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
构造常数列求和
1
作者 魏美云 《数理天地(高中版)》 2019年第2期12-15,共4页
对于一些数列的前n项求和问题,如果是等差数列或等比数列,可直接利用公式求解;如果不是等差数列或等比数列,常见的求和方法有分组求和法、裂项求和法、错位相减法、奇偶讨论法等,有些方法对运算能力的要求较高,比如错位相减法和奇偶讨论... 对于一些数列的前n项求和问题,如果是等差数列或等比数列,可直接利用公式求解;如果不是等差数列或等比数列,常见的求和方法有分组求和法、裂项求和法、错位相减法、奇偶讨论法等,有些方法对运算能力的要求较高,比如错位相减法和奇偶讨论法,学生普遍感觉难度较大,正确率不高.下面介绍一种方法——构造常数列,此法常用于求数列的通项公式,若将它用于数列求和,亦能显示其简洁易操作的威力. 展开更多
关键词 错位相减法 构造常数 通项公式 裂项求和
下载PDF
构造常数列 巧解竞赛题
2
作者 张雄 肖凌戆 《数学教学通讯(教师阅读)》 1997年第1期41-41,共1页
各项相等的数列称为常数列.不难证明,数列{a<sub>n</sub>}是常数列的充要条件是 a<sub>n+1</sub>=a<sub>n</sub>(n∈N).本文构造常数列,巧解一些竞赛题.一巧解求和问题例1 (第1届加拿大中学生... 各项相等的数列称为常数列.不难证明,数列{a<sub>n</sub>}是常数列的充要条件是 a<sub>n+1</sub>=a<sub>n</sub>(n∈N).本文构造常数列,巧解一些竞赛题.一巧解求和问题例1 (第1届加拿大中学生数学竞赛题)求和:1·1!+2·2!+…+n·n!解:令 S<sub>n</sub>=1·1!+2·2!+…+n·n!,则 S<sub>n+1</sub>-S<sub>n</sub>=(n+1)(n+1)!=(n+2)!-(n+1)! 展开更多
关键词 竞赛题 常数 构造常数
下载PDF
2021年八省市联考第17题的探究与推广 被引量:1
3
作者 魏欣 《中学数学研究(华南师范大学)(上半月)》 2021年第4期F0002-F0002,1-5,共6页
本文以2021年八省市联考第17题为例,通过构造常数法的解答与分析,并进行探究与推广,同时回归教材,寻找高考题源,总结出构造常数法巧解数列的通项公式与数列的前n项和的几种题型.以此挖掘教材和高考题的功能,发挥其内在价值,并以此来促... 本文以2021年八省市联考第17题为例,通过构造常数法的解答与分析,并进行探究与推广,同时回归教材,寻找高考题源,总结出构造常数法巧解数列的通项公式与数列的前n项和的几种题型.以此挖掘教材和高考题的功能,发挥其内在价值,并以此来促进教学. 展开更多
关键词 构造常数 高考数列题 通项公式 前N项和
下载PDF
宇宙演化阶梯的α螺旋标度律
4
作者 林衡道 林财库 《生物物理学》 2018年第3期57-65,共9页
本文首次根据量子霍尔效应、氢原子光谱、DNA的X射线谱等的精确实验结果,来探究宇宙演化过程的α标度律。以精细构造常数α为演化的阶梯,分辨出宇宙演化阶梯之前五个平台的本原量子,分别是最小作用量子、最短物质波波长的光量子(最小长... 本文首次根据量子霍尔效应、氢原子光谱、DNA的X射线谱等的精确实验结果,来探究宇宙演化过程的α标度律。以精细构造常数α为演化的阶梯,分辨出宇宙演化阶梯之前五个平台的本原量子,分别是最小作用量子、最短物质波波长的光量子(最小长度量子、最小磁单极子)、α-对偶子、氢原子1s电子、DNA中的最小信息量子等,它们的物质波波长和Compton波长有如双螺旋,存在相互嵌套、逐级而下的关系(表1)。其中包含四个宇宙超常数,除了最小作用量子外,都已为实验所证实,且精确度相当高。 展开更多
关键词 演化 标度律 宇宙超常数 磁单极 精细构造常数 α-对偶子 DNA信息量子
下载PDF
2021年八省联考第17题的探究与推广
5
作者 魏欣 《数理化学习(高中版)》 2021年第4期33-38,共6页
本文以2021年八省联考第17题为例,通过构造常数法的解答与分析,并进行探究,同时回归教材,寻找高考题源,总结出构造常数法巧解数列的通项公式与数列的前n项和的几种题型.以此挖掘教材和高考题的功能,发挥其内在作用,并以此来促进教学.
关键词 构造常数 高考真题 通项公式 前N项和
原文传递
Construction of Dulac functions for mathematical models in population biology 被引量:2
6
作者 Osvaldo Osuna Cruz Vargas-De-Leon 《International Journal of Biomathematics》 2015年第3期135-154,共20页
In this paper, we present a method for constructing a Dulac function for mathematical models in population biology, in the form of systems of ordinary differential equations in the plane.
关键词 Population models epidemic models chemostat models Dulac function nonexistence of periodic orbits.
原文传递
Generalized Lagrange Jacobi Gauss-Lobatto (GLJGL) Collocation Method for Solving Linear and Nonlinear Fokker-Planck Equations
7
作者 K.Parand S.Latifi +1 位作者 M.M.Moayeri M.Delkhosh 《Communications in Theoretical Physics》 SCIE CAS CSCD 2018年第5期519-531,共13页
In this study, we have constructed a new numerical approach for solving the time-dependent linear and nonlinear Fokker-Planck equations. In fact, we have discretized the time variable with Crank-Nicolson method and fo... In this study, we have constructed a new numerical approach for solving the time-dependent linear and nonlinear Fokker-Planck equations. In fact, we have discretized the time variable with Crank-Nicolson method and for the space variable, a numerical method based on Generalized Lagrange Jacobi Gauss-Lobatto(GLJGL) collocation method is applied. It leads to in solving the equation in a series of time steps and at each time step, the problem is reduced to a problem consisting of a system of algebraic equations that greatly simplifies the problem. One can observe that the proposed method is simple and accurate. Indeed, one of its merits is that it is derivative-free and by proposing a formula for derivative matrices, the difficulty aroused in calculation is overcome, along with that it does not need to calculate the General Lagrange basis and matrices; they have Kronecker property. Linear and nonlinear Fokker-Planck equations are given as examples and the results amply demonstrate that the presented method is very valid, effective,reliable and does not require any restrictive assumptions for nonlinear terms. 展开更多
关键词 Fokker-Planck equations Generalized Lagrange functions Generalized Lagrange Jacobi Gauss-Lobatto (GLJGL) collocation Crank-Nicolson technique
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部