简介：本文证明了：如果Ｇ是２连通无爪图且Ｇ中不含同构于Ｚ３．Ｄ的导出子图．则Ｇ是Ｈａｍｉｌｔｏｎ图（除Ｇ≌Ｇ１．Ｇ≌Ｇ２外）。

简介：在这篇文章中，我们主要研究一些条件连通图之间的关系，如上连通，上边连通，超连通和上混合连通．

简介：图G是一个简单，图G的补图记为^－G，如果G的谱完全由整数组成，就称G是整谱图，鸡尾酒会图CP（n）=K2n-nK2（K2n是完全图）和完全二部图Kα,α都是整谱图^[1]。^—μ1表示图类^－αKα,αUβCP（b）的一个主特征值，本文确图了当^-μ1=2b＋1时，图类中^－αKα,αUβCP（b）的所有的整谱图。

简介：<正>发散性思维是一种从已知信息中产生大量变化的、独特的、新信息的思维,是一种沿不同方向、在不同范围、不因循传统的思维,是创新思维的核心,也是一种良好的学习品质.我们数学教学中的一题多解就是被推崇为培养学生发散性思维的绝好途径.一题多解即一题多

简介：设Sn是那个对称群让＝{1，2，…n}，B^*中所有对对换的集合和B包含于B^*，关于B的对换图W，被定义为V（Wn）＝，E（Wn)={[uv]L[uv]:(uv)∈B}。如果Wn是一棵树，则这个对换图称为一棵对换树Tn。Tn是Sn的一个极小生成集。在这篇文章里，我们研究了Cayley图Cay(Sn，Tn）的性质，证明了Cay(Cn,Tn）是（n－1）－可扩的，即，Cay（Sn,Tn）的可扩性达到最大。

简介：在这篇文章中,我们主要研究一些条件连通图之间的关系,如上连通,上边连通,超连通和上混合连通.

简介：为了研究具有完美匹配图的Tuttc集和极端集,文献[1,2]提出了一种新的图运算,并且得到了许多有趣的性质。本文中,我们刻画了level（G）=0的具有唯一完美匹配的饱和图G,并且确定了具有唯一完美匹配图的D-图的边数的紧上界。

简介：一、启发提问１．正比例函数与一次函数有什么区别与联系，它们自变量的取值范围是什么．２．正比例函数与一次函数的图象各是什么，确定它们的解析式各需要求得什么．二、读书指导１．若函数ｙ＝其中ｋ是常数，ｂ是，那么ｙ叫做ｘ的一次函数，当ｂ＝时，函数表达式变为ｙ＝，这时ｙ是ｘ的正比例函数．因此正比例函数是一次函数的特殊形式．２．一次函数ｙ＝ｋｘ＋ｂ（ｋ≠０）中自变量ｘ的指数是，ｘ的系数ｋ必须不为０，又叫做比例系数，确定一次函数的解析式，就是要确定待定系数ｋ、ｂ的值．３．一次函数ｙ＝ｋｘ＋ｂ（ｋ≠０）的图象是经过（０，ｂ）点且与正比例函数ｙ＝ｋｘ（ｋ≠０）的图象平行的一条直线．而正比例函数ｙ＝ｋｘ（ｋ≠０）

简介：设Sn是那个对称群.让〈n〉={1,2,…,n},B*表示Sn中所有对换的集合和BB*.关于B的对换图Wn被定义为V(Wn)=〈n〉,E(Wn)={[uv]:(uv)∈B}.如果Wn是一棵树,则这个对换图称为一棵对换树Tn.Tn是Sn的一个极小生成集.在这篇文章里,我们研究了Cayley图Cay(Sn,Tn)的性质.证明了Cay(Sn,Tn)是(n-2)-可扩的,即,Cay(Sn,Tn)的可扩性达到最大.

简介：在简单图的顶点度和f-因子的关系方面,本文在Tutte定理的基础上给出了图G不存在f-因子时的一个结论.

简介：讨论了一种3度正则网络,这类网络具有较小的网络直径,本文给出了网络直径、网络支撑树和欧拉环游的数目的公式.

简介：图的一个匹配称为几乎完美匹配，若它覆盖了一十顶点以外的所有顶点，本文给出具正Surplus二部图有V（G）+1个几乎完美匹配的两个充要条件。

简介：介绍了涉及集合笛卡儿积(Cartesianproduct)的运算性质讨论的一种类似于文氏图(Venndiagram)的方法.

简介：利用图的伴随多项式的性质，给出了两类图色唯一的充分必要条件。

简介：用解析法得出了在一般位置平面上作轴测图的一种作图方法，它为计算机绘制轴测图提供了数学模型．

简介：现实中很多复杂网络是由完全子图通过公共的节点连接而成的．本文提出了一个复杂网络中完全子图的搜索算法，并通过实例说明了所提算法的有效性．

简介：图的一个匹配称为几乎完美匹配，若它覆盖了一个顶点以外的所有顶点．本文给出具正Ｓｕｒｐｌｕｓ二部图有Ｖ（Ｇ）＋１个几乎完美匹配的两个充要条件更多还原

简介：本文给出了２－连通图有Ｈａｍｉｌｔｏｎ圈的又一个充分条件．定理设Ｇ为有ｎ（ｎ＞３）个顶点的２－连通图，如果对Ｇ中任意两个顶点ｕ、ｖ，当ｄ（ｕ，ｖ）＝２时，都有ｍａｘ（ｄ（ｕ），ｄ（ｖ））≥ｎ／２，则Ｇ有Ｈａｍｉｌｔｏｎ圈．证用反证法．假设Ｇ没有Ｈａｍ...

简介：用K（s，n）表示完全图Kn的一条边被长为s（s≥2）的路Ps＋1替代后得到的图．对n≥7，且n-2为素数，刻画了色等价类【K（s，n）]中图的结构特征，进一步，证明了任意任意n≥7，且n-2为素数，K（2，n），K（3，n）是色唯一的．

简介：针对Xue-ChengTai等提出的分段常数图象分割模型,我们提出了一个新的快速求解算法。通过引进一个函数来选择模型中的正则化参数β的值,并判断在迭代过程中何时求解不含惩罚项的泛函F。此函数的引入有效地加速了算法的收敛速度。结合原始-对偶Newton方法来求解总变差最小化问题。数值试验表明新算法具有很快的收敛速度与良好的分割效果,且算法对初始值的要求不高。