on 06-Sep-2018 (Thu)

单纯的缩放特征矩阵的某一列或者某几列，并不会影响到我们的结果。那问题就 来了，对于特征矩阵来说，任意的缩放某一列或者某几列，可以得到无数的结果。我们如何 给出一个相对统一的标准呢？换言之，我们 normalize 特征矩阵的时候，比较合理的目标是 什么呢？ 比如说，我们可以让目标是主质量矩阵的对角线都是单位质量，也就是都是 1

特征矩阵的第一列除以主质量矩阵的第一项的平方根，第二列除以主质量矩阵第二项 的平方根…… 把特征矩阵的各列分别缩放，我们就得到了这个新的特征矩阵。 用这个新的特征矩阵，我们就得到了 normalize 之后的质量矩阵和刚度矩阵。这种 normalize 的方法，一般叫做 mass orthonormal set。注意到，得到的质量矩阵 Mn，主对角线都为 1， 而刚度矩阵 Kn，主对角线的值都是自振频率的平方，比如 132.042 是第一频率 11.491 的平 方，1036.639 是第二频率 32.197 的平方

因为我们每一层的质量都一样，所谓的 Lh 就是把 normalize 之后的特征矩阵 的每一列加起来，再乘以单层的质量 0.3。

地震参与系数有什么用呢？根据这个参与系数，我们可以进一步得到各个振型对位移、地震 力的贡献。换言之，也就是把每一层的有效质量 0.3 分配到每个振型。

底部剪力法里，我们说近似可以用第一周期来代表房子的自振特性。换言 之，我们认为整个房子的有效质量都分配到第一振型，忽略第二振型和第三振型的存在。我 们今天的振型分解结果表明，第一振型占到了 91.4%，作为近似计算，可以近似认为约等于 100%。这也就是底部剪力法的合理性所在。尽管不够精确，但是底部剪力法可以快速的近 似估算地震反应的大小，为设计和分析提供了一种合理的近似方法

对于多层房子来说，影响地震作用有两个因素：一个是质量，我 们已经得到了每个振型的质量；另一个则是高度

这相当于把这个三层房子拆成了三个一层房子。三层房子每层的层高是 h，质量是 m。而拆分之后的第一个房子，对应于第一振型，质量 2.74m，高度 2.25h，周期 0.547 秒； 第二个房子对应第二振型，质量 0.22m，高度-0.80h，周期 0.195 秒；第三个房子对应第三 振型，质量 0.03m，高度 0.55h，周期 0.135 秒。 注意到，对于三层房子，质量与高度的乘积之和等于 而对于三个单层房子，它们的质量与高度的乘积之和为

lâche

Cells of the nervous system ● These fall broadly into two categories ○ Neurons: the excitable cells of the nervous system. ○ Glia: intimately associated with neurons, support neuronal function.

The first one-third of this book is introductory in nature and is meant to whet your appetite, build up a foundation, and send you in the right direction. You will learn the basics of Python, and get a feel for scripting. You'll also learn essential stuff like how to run a script from the command line and what a replay file is.