常系数非齐线性递推式的解的显式表示

本文给出常系数非齐线性递推式(?)的解的显式表达式 H(m)=sum from i=0 to k-1(sum from j=i to k-1 b_ja_(k-j+i))D_(m-k-i)+sum from i=0 to m-k D_if(m-i)(m≥k)其中D_m=sum x_1+2x_2+…+kx_k=m x_j≥0(i=1,2,…,k)(?)a_1~x1a_2~x2…a_k~xk.     

一个代数不等式的加强

近两年,在众多刊物上,载有不等式: multiply from i=1 to n(x_i+1/x_i)≥(λ/n+n/λ) (*)这里x_i∈R~+(i=1,2,…,n),x_1+x_2+…+x_n=λ≤n,仅当x_1=x_2=…=x_n时(*)式取等号。现在,我们给出(*)的一个加强: 定理设x_i∈R~+(i=1,2,…,n,n≥2),且sum from i=1 to n x_i=λ(常数)≤n,则 sum from i=1 to n(x_i+1/x_i)~(-1)≤n(λ/n+n/λ)~(-1) (1)当且仅当x_1=x_2+…=x_n时,(1)式中的等号成立。     

二次指派问题的一个新的限界方法

二次指派问题(QAP)的数学模型是:min{z(x)=sum from i=1 to n sum from =1 to n a_(ip)x_(ip)+sum from i=1 to n sum from p=1 to n sum from j=1 to n sum from q=1 to n c_(ipjq)x_(ip)x_(jq)|x∈},(1)这里∈(n~2维布尔集)是满足如下约束的集合:sum from i=1 to n x_(ip)=1,1≤p≤n,(2)sum from p=1 to n x_(ip)=1,1≤i≤n,(3)x_(ip)=0,1,1≤i,p≤n.(4)因为 x_(ip)~2=x_(ip)并且有约束(2)和(3),我们可以约定 c_(ipjq)=0,当 i=j 或 p=q.如果所有二次项的系数都可以写成     

NA阵列加权乘积和的完全收敛性

设{X_(ni):1≤i≤n,n≥1}为行间NA阵列,g(x)是R~+上指数为α的正则变化函数,r>0,m为正整数,{a_(ni):1≤i≤n,n≥1}为满足条件(?)|a_(ni)|=O((g(n))~1)的实数阵列,本文得到了使sum from n=1 to ∞n~(r-1)Pr(|■multiply from j=1 to m a_(nij) X_(nij)|>ε)<∞,■ε>0成立的条件,推广并改进了Stout及王岳宝和苏淳等的结论。     

一个奇素數定理

定理:如果2n+1是一个素數,那么,它必定是2~n+1或2~n-1的約數;当[n+(1/2)]是奇數時取正号,反之取負号。 証明:我們只要作出一个整係數方程,滿足下面三个条件,問題就解决了。 1) 2n+1是方程的根。 2) 常數項有約數2~n+1(或2~n-1)。 3) 常數項其他素約數与2n+1互素。 現在我們就來作这个整係數方程。当[(n+1)/2]是奇數時,我們給出方程:(x-2)(x-4)…(x-2n)= =-(x-4)(x-8)…(x-4n)。方程的常數項等於士2~n(2~n+1)n!,条件2),3)顯然滿足。以2n+1代入,我們还需要証明等式 multiply from k=1 to n (2n+1-2k)=-multiply from i=1 to n (2n+1-4i)对应於k的偶數值,我們取i=k/2,就有     

一个不等式链与一个连等式

本文拟出初等代数中一个新的不等式链,并获得一连等式。设a_1,a_2,…,a_n均是正实数,n≥2,且sum from i=1 to n a_i=n。记f(k)=1 a_k a_ka_(k 1) … a_ka_(k 1)·…·a_na_1·…·a_(k-2);f_i(k)表示和f(k)(自左至右)的第i个和项,i=1,2,…,n。令S_i=sum from i=1 to n (f_i(k)/f(k)),i=1,2,…,n, 则有不等式链     

线性时变系统的渐近稳定性

本文讨论一般时变系统(?)=A(t)x(1)的渐近稳定性.其中 x=(x_1,x_2,…,x_n)~T,A(t)=[a_(ik)(t)](i,k=1,2,…,n)是定义于 I=[τ, ∞)上的 n×n 矩阵.取向量模‖x‖=(sum from i=1 to n x_i~2)~(1/2).作为预备工作,首先考虑一般时变系统     

方差估计的随机加权逼近及随机加权法在抽样调查中的初步应用

设X_1,X_2,…是一组独立同分布的随机变量序列,其方差μ_2是待估参数,当x_4,i=1,2,…,n,给定下,用D_n=sum from i=1 to n(V_(ni)(X_i-sum from i=1 to n(V_(ni)X_i)~2)-1/n sum from i=1 to n(X_i-X)~2的条件分布来渐近T_n=(1/n)sum from i=1 to n(X_i-X)~2-μ_2的分布。这里D_n中的V_(ni),i=1,2,…,n,是服从 Dirichlet分布D(4,4,…,4)的随机变量。若记 F_n和F_n~*分别是T_n/(VarT_n)~(1/2)的分布和D_n/(Var~*D_n)~(1/2)的条件分布,其中Var~*D_n是关于X_1,X_2,…的条件方差。则在一定条件下,对几乎所有的样本序列X_1,X_2,…, (i)n~(1/2)D_n→N(0,μ_4-μ_2~2) 其中μ_4=E(X_1-μ)~4,μ=EX_1 ii)n(1/2)sup|F_n~*(y)-F_n(y)|=0(1) iii) lim sup |F_n~*(y)-F_n(y)|=0 最后,本文对随机加权法如何应用于抽样调查之中,进行了一个初步的尝试。     

关于误差方差估计渐近正态收敛速度的上,下界

考虑线性回归模型 Y_■=x_4~′β+e_■ i=1,2,…设误差序列■,i≥1满足条件:e_■ i≥1 i.i.d.,Ee_1=0,Ee_1~2=σ~2>0,∞>Var e_1~2=τ~2>0。记■_n~2=1/(n-r){sum from j=1 to n e■-sum from k=1 to r (sum from j=1 to n a_(akj)■_j)~2} δ(n)=τ~(-2)E(■_1~2-σ~2)~2I_((|■-σ~2|≥■τ)+τ~(-3)n~(1/2)|E(■_1~2-σ~2)~3I_((|■_1~2-σ~2|<(nτ)~(1/2))+τ~(-4)n~(-1)E■_1~2-σ~2)~4I_((|■-σ~2|0使得■|P(■_n~2-σ~2)/(Var■_n~2)~(1/2))≤x)-Φ(x)|≤C(δ(n)+n~(-1/2)) ■|P(■_n~2-σ~2)/(Var■_n~2)~(1/2))≤x)-Φ(x)|+n~(-1/2)≥C_1δ(n)。     

一道联赛题的新证法

一九八九年全国高中数学联赛第二试第二题抄录如下: 已知x_1∈R(i=1,2,…,n,n≥2)满足 sum from i=1 to n |x_i|=1,sum from i=1 to n x_i=0. 求证 |sum from i=1 to n x_i/i|≤1/2-1/2n. 这道题参考答案上已给出了两种证法,现在我们再给出另外一种证法,这种证法比参考答案给出的两种证法都简单,而且更加紧扣教材,更容易为学生所接受。证明任给i∈{1,2,…,n},则有     

关于矩阵切触有理插值

1 矩阵切触插值连分式 设实区间[a,b]中由不同点组成的插值结点为x_1,x_2,…,x_n,它们的重数分别为a_1,a_2,… ,a_n,M=sum from i=l to n(a_i-1),与之对应的待插值矩阵集为 {A_i~(k):k=0,1,…,a_i-1,i=1,2,…,n,A_i~(k)=A~(k)(x_i)∈R~(d×d)}. 设方阵A=(a_(ij)),它的广义矩阵逆定义为 A~(-1)= A/‖A‖~2 (A≠0) (1.1)     

关于凸函数的Hadamard不等式的拓广(英文)

设,是区间[a,b]上连续的凸函数。我们证明了Hadamard的不等式 f(a+b/2)≤1/b-a integral from a to b (f(x)dx)≤f(a)+f(b)/2可以拓广成对[a,b]中任意n+1个点x_0,…,x_n和正数组p_0,…,p_n都成立的下列不等式 f(sum from i=0 to n (p_ix_i)/sum from i=0 to n (p_i))≤|Ω|~(-1) integral from Ω (f(x(t))dt)≤sum from i=0 to n (p_if(x_i)/sum from i=0 to n (p_i),式中Ω是一个包含于n维单位立方体的n维长方体,其重心的第i个坐标为sum from i=i to n (p_i)/sum from i=i-1 (p_i),|Ω|为Ω的体积,对Ω中的任意点t=(t_1,…,t_n) ω(t)=x_0(1-t_1)+sum from i=1 to n-1 (x_i(1-t_(i+1))) multiply from i=1 to i (t_i+x_n) multiply from i=1 to n (t_i)。不等式中两个等号分别成立的情形亦已被分离出来。 此不等式是著名的Jensen不等式的精密化。     

常系数线性齐次递归式的一般解公式

本文给出常系数线性递归式 a_n=α_1a_(n-1)+α_2a_(n-2)+…+α_pa_(n-p),a_0=c_0,a_1=c_1,…,a_(p-1)=c_(p-1)的一般解公式 a_n=sum from k=0 to p-1(sum from i=k to p-1 c_iα_(p-i+k))F_(n-p-k)(n≥p),其中(?)     

用〔F,d_n〕平均逼近周期函数

设f(x)∈L_(2π)的Fourier级数为 f(x)～a_0/2+sum from n=1 to ∞ (a_ncosnx+b_nsinnx)sum from n=0 to ∞(A_n(f,x)) (1)以s_n(f,x)sum from i=0 to n(f,x)表示(1)第n部分和。称序列     

一个关于非负矩阵的不等式

证明:若(xij)是一个元素不全为零的m×n非负矩阵,则当0相似文献   

随机规划中的两个命题

<正> 在随机规划中,有一类机会约束问题。文[1]、[2]作了一些论述。笔者又作了下述工作: 设矩阵A_(max)=(a_(ij)) (i=1,2,…m,j=1,2,…n)的第一列a(w)=(a_(11)(w)a_(21)(w)…a_(m1)(w))T服从m维相互独立地联合威布尔分布:     

非负全连续算子的谱模

设 A=(a_(ij))是 l_2中一个全连续算子,其中a_(i_1j)≥0.当 A~*A 为不可约时,本文证明了|||A|||+2=min{r(B)c_1(C)∶A=BoC},其中 A=BoC 表示对一切 i,j,a_(ij)=b_(ji)c_(ji),r(B)=sup(sum from j=1 to ∞ |b_(ij)|~2)~(1/2),c_1(C)=(sum from i=1 to ∞ (c_(ji)~2)~(1/2),并给出极小解的具体形式.文中所有结果均适用于 A_(mn)为一 m×n 矩阵的情形     

退缩椭圆型方程的边值问题

<正> 在 R~n 的有界凸区域Ω上考虑椭圆型方程Lu≡sum from i,j=1 to n (a_(ij)(x)u_(xi)_(xj)+sum from i=1 to n b_i(x)u_i+c(x)u=f(x),(1)设对 x∈(?)及所有的实数组(ξ_1,ξ_2,…,ξ_n)sum from i,j=1 to n a_(ij)(x)ξ_iξ_j≥λ(x)sum from i=1 to n ξ_i~2≥0,a_(ji)(x)∈C(?),即算子 L(u)可能退缩而为退缩椭圆型算子。记(?)的边界为∑,∑上满足 sum from ij=1 to n a_(ij)n_in_j=0的点集为∑_0,(n_1,…,n_n)表示∑上的内单位法向量,∑_3=∑\∑_0,设其 n-1维测度非零,则对方程(1)可提如下的边值问题:     

一点带一面,一题牵一串

定理1 对于x_k>0,y_k>0,(k=1,2,…,n),则: sum from k=1 to n (x_k~2/ y_k)≥(sum from k=1 to n x_k)~2/sum from k=1 to n y_k (*) 证明由柯西不等式得; sum from k=1 to n y_k·sum from k=1 to n ((x_k~2)/ y_k)≥(sum from k=1 to n x_k)~2 ∴sum from k=1 to n (x_k~2/y_k)≥(sum from k=1 to n x_k)~2/sum from k=1 to n y_k(等号当且仅当x_1/y_1=x_2/y_2=…=x_n/y_n时成立。) 运用上题的结论我们可以解答近几年来国内外有较大难度的一串竞赛题,灵活地运用不等式(*)能收到“一点带一面,一题牵一串”的效果。下面略举几例。以供读者参考。     

链积中参数对称的反链

设k-i为正整数,i=1,2,…,n,直积S=Ⅰ_(R_1)×Ⅰ_(R_2)×…×Ⅰ_(k_n)={x_1,x_2,…,x_n,0≤x_i≤k_i}叫做链积,对任意的在偏序“<”下为有限偏序集。r(x)=sum from i(x_i)原S的秩函数,叫做S的Whitney数记k=sum from i=1 to n(k_i,k_1=k_2=k_n=1)时,S即为布尔代数B_n。 设为S中的反链,{P_i,i=0,1,…,n}叫做反链的参数,若成立