有限变系数系统的运动稳定性

以E(p,q;ε)记满足条件的二阶变系数系统的全体所组成的集合。此处p>0,q>0,ε≥0。本文证明了:(甲) 对于任何两个正常数p及q,存在一个正常数ε^*=ε^*(q/p²),使得(ⅰ) 当0≤ε<ε^*,则集合E(p,q;ε)中的每一个系统的平凡解都是渐近稳定的;(ⅱ) 当ε^*<ε,则集合E(p,q;ε)中有系统共平凡解是不稳定的。这就否定了一种普遍的猜想:条件p₁≥p(t)≥p₀>O,q₁≥q(t)≥q₀>0。可以保证系统的平凡解的稳定性;(ⅲ) 当ε^*=ε,则集合E(p,q;ε)中每一系统的平凡解都是稳定的,但存在系统,其平凡解不是渐近稳定的。(乙) 函数ε^*(q/p²)随q/p~2由0增加到+∞,而由1单调减少到0。(丙) 给出了函数ε^*(q/p²)的数值图表,以及近似解析表达式,供工程师及物理、力学家之用。注意,p₁实际上可任意大,ε^*只与p₀,q₀,q₁有关,相应的结果亦已得到。     

线性模型中误差方差的二次型估计的可容许性问题

设有线性模型Y=(y₁…y_n)’=Xβ+ε=X(β₁…β_p)’+(ε₁…ε_n)’,这里n≥p,X已知,ε₁,…,ε_n相互独立,E(ε_i)=0,E(ε_i²)=σ²,E(ε_i³)=0,E(ε_i⁴)=3σ⁴,i=1,…,n,β∈R^p,0<σ~2<∞。令?={Y’AY:A≥0}。当损失函数为σ^-4(d-σ²)²且X=I_n或者X=1_n时,给出了 Y’AY(A≥0)在?中是σ₂的可容许估计的充分必要条件。又当ε～N(0,σ²I_n)时,给出了Y’AY(A≥0)在σ²的一切估计类中是可容许的充分条件。     

关于Hayman方向

本文获得如下定理:设f(z)为开平面上λ(0<λ<+∞)级亚纯函数,则至少存在一条由原点引出的半直线(B):arg z=θ_?(0≤θ₀<2π),使得对于任意正数ε,任意正整数k及任意两个开平面上级小于λ的亚纯函数a(z)及b(z),只要b(z)—a^(k)(z)?0就有 lim log{n(r,θ₀,ε,f=a(z))+n(r,θ₀,ε,f^(k)=b(z))}/logr=λ。     

随机发展方程小扰动大偏差原理的统一方法

设X^ε=|X^ε(t);0≤t≤1|(ε>0)是由随机发展方程 dX^ε(t)=^ε(1/2)σ(X^ε(t))dB(t)+b(X^ε(t),ν(t))dt控制的随机过程,其中ν(t)是与Brown运动B(·)独立的随机过程。讨论了|(X^ε,ν(·));ε>0|的大偏差性质;在特殊情形下,给出了精确的速率函数,解决了Eizenberg和Freidlin所提的一个问题。此外,还得到一个一般性大偏差定理。     

线性模型误差方差估计的分布的非一致性收敛速度

设是用线性模型的前n个观察值算出的,基于残差平方和的误差方差σ²的估计,并以G_n(x)记的分布函数,Φ(x)记标准正态分布函数。本文在试验误差序列e₁,e₂,…独立同分布的条件下,只需假定E(e₁⁶)<∞,证明了最佳的非一致性收敛速度其中C为一个与n和x都无关的常数。     

对称群表示的既约分解

S_n是n个文字的对称群,T^d为C[x₁,x₂,…,x_n]中d次齐式所成的子空间.T^d做为S_n模所确定的S_n的表示记为ρ^d.π(α)为与分析α相对应的既约表示.记N^d_α为,π(α)进入ρ^d的重数,做为文献[1]的继续,本文简化了幂级数所满足的递推公式,并具体求出了母函数的表达式。     

随机删失半参数回归模型中估计的渐近性质

设Y是表示生存时间并遵从下面半参数模型Y=Xβ+g(T)+ε的随机变量,(X,T)是取值于R×[0,1]上的随机变量,β是未知参数,g(·)是[0,1]上的未知回归函数,ε是随机误差。当Y因受某种随机干扰而被随机右删失时,就删失分布未知的情形分别定义了β与g(·)的估计^{^}β_n与^{^}g_n(·),在一定条件下证明了^{^}β_n的渐近正态性,并得到了^{^}g_n(·)的最优收敛速度。     

箱样条的局部逼近阶

设△是由平面R²={(x₁,x₂):x₁,x₂∈R}上三族直线 x₁=n,x₂=n,x₂-x₁=n,n∈Z所构成的分划。R²上的函数s称为是关于分划△的一个k次样条函数,如果s在R~2\△的各连通分支上与一个全次数≤k的多项式相一致。全体k次样条函数所成的空间记为π_k,△。令π_k,△^ρ=π_k,△∩C^ρ。以φ_k,ρ表示由π_k,△^ρ内所有箱样条组成的集合,以m(k,ρ)表示φ_k,ρ所具有的局部逼近阶。迄今为止,关于m(k,ρ)仅有deBoor与Hollig,及Dahmen与Micchelli的少量结果。本文完全确定了m(k,ρ)的值,其结果如下: (1)m(k,ρ)=2k-2ρ,如果2k-3ρ=2, (2)m(k,ρ)=2k-2ρ-1,如果2k-3ρ=3或4, (3)m(k,ρ)=k+1,如果ρ=0, (4)m(k,ρ)=min{2k-2ρ-2,k},如果2k-3ρ≥5且ρ≥1。     

Schur函数的一个展式及其在计数几何中的应用

本文给出对称多项式的幂的Schur函数展式(x₁^k+…+x_n^k)^m=sumC_{(λ1,…,λn)}S_{(λ1,…,λn)}(x₁,…,x_n)中系数C_{(λ1,…,λn)}的计算方法,并把它和文献[1]应用于计数几何的若干问题。     

亚纯函数的幅角分布与增长性

设 f(z)为下级μ<+∞的平面内的亚纯函数,argz=θ_k(k=1,2,…,m;1≤m <+∞;0≤θ₁<θ₂<…<θ_m<2π,θ_m+1=θ_1+2π为平面内m条射线,使得对任意的ε>0及X=0,∞有 这里ρ为一任意给定的非负实数.如果f⁽¹⁾(z)(l≥0)具有一个有穷非零亏值 a,则f(z)的级λ≥max(π/ωρ)其中ω=min (θ_k+1-θ_k).     

Gauss-Markov条件下最小二乘估计的强相合性

设Y_i=x＇_iβ+e_i,1≤i≤n为线性模型,β_n=(β_n1,…,β_np)＇为β=(β₁,…,β_p)＇的最小二乘估计,以u_n记(sum from i=1 to n(x_ix＇_i))的(1,1)元,v_n=u_n^-1.证明了在Ee_i=O且{e_i}满足Gauss-Markov条件时,v_i→∞及sum from i=2 to ∞(v_i^-2(v_i-v_i-1)log~2i<∞)为β_n1强相合的充分条件,且对任何ε_n→0,v_i→∞及sum from i=2 to ∞(ε_iv_i^-2(v_i-v_i-1)log²i<∞)已不再充分.提出了β_n1强相合的一个充要条件,它把β_n1强相合归结为正交随机变量级数的收敛问题.     

小区间上的素变数三角和估计Ⅰ

设α是实数,x≥A≥2,e(θ)=e^2πiθ,以及A(n)是Mangoldt 函数。本文主要证明以下结论(见定理1):设δ是任给的正数,x^91/96+ε≤A≤x。那么,对任给的正数c,一定存在正数c₁,使当A^-1log^cx≤|α|≤(log x)^-c1)时,A(n)e(nα)<<A(log x)^-c     

Reinhardt域的Bergman核函数(Ⅱ)

若D为Reinhardt域 D={Z∈Cⁿ:‖z‖_α=sum from j=1 to n(|z_j|^2/α_j<1)},这里0<α_j,j=1,2,…,n.证明了:若K_D(z,)为D的Bergman核函数,则存在两个正的常数m与M,不依赖于z,而只依赖于α=(α₁,…,α_n)及n,使得 mF(z,)≤K_D(z,)≤MF(z,z)对任一z∈D都成立,这里 F(z,)=(-r(z))^-n-1 multiply from j=1 to n ((-r(z)+|z_j|~(2/α_j))^1-α_j),而r(z)=‖z‖_α-1为D的定义函数.     

亚纯函数的波莱耳方向的分布

本文对亚纯函数的波莱耳方向的分布作了研究,主要结果为:命函数f(z)于开平面亚纯,其级ρ为有穷正数。若对于某个非负整数l,f^(l)(z)(f⁽⁰⁾ ≡f)以某值α₀(有穷或否)为亏值,则当f(z)的波莱耳方向多于一条时,必存在两条波莱耳方向,其夹角不超过π/ρ;当f(z)仅有一条波莱耳方向时,必有ρ≤1/2,     

小区间上的素变数三角和估计Ⅱ

设α是实数,x≥A≥2,e(θ)=e^2xiθ,Λ(n)是Mangoldt函数,以及本文用纯分析方法证明了:(ⅰ)设ε是任给的小正数,x^91/96+ε≤A≤x。那么对任给的正数c,一定存在正数c₁,c₂,使当α=a/q+λ满足:(α,q)=1,1≤q≤log^c₁x,时,(见定理2);(ⅱ)设N是大奇数,U=N^91/96+ε,则素变数不定方程N=p₁+p₂+p₃,N/3—U...     

非参数回归函数最近邻估计的强相合性

设(X,Y),(X₁,Y₁),…,(X_n,Y_n)为取值R^d×R的独立同分布随机向量,E|Y|<∞。设m_n(x)为m(x)=E(Y|X=x)的最近邻估计。本文在E|Y|^r<∞(对某个r>1)或E{exp(t|Y|^λ)}<∞(对某个λ>0及t>0)的条件下,建立了m_n(x)的强相合性。其它附加条件均与(X,Y)的分布无关。     

神经网络及其在系统识别应用中的逼近问题

本文讨论神经网络的能力问题及其在系统识别中的一些逼近问题。文中证明了:(1)函数g∈L_Loc^P(R¹)∩S′(R′)为—L^P-Tauber-Wiener函数的充要条件为g不是一个多项式;(2)当g∈(L^PTW)时,Σ _i=1^N c_ig(y_i·x+θ_i)全体在L^P(K)中稠密;(3)证明了用一元函数的复合可以逼近定义在L^P(K)上的连续(线性或非线性)泛函及L^P1K₁)到L^P2(K₂)中的连续(线性或非张性)算子。上述结果表明任一非多项式的L_LocP∩S′(R′)中的函数可以作为神经网络隐层中的非线性元,以及神经网络算法可以以任意精度识别一个系统。     

广义函数的解析和调和表示

刘尚平证明了任意广义函数T∈(Rⁿ)存在调和表示.本文中,我们证明了T的任意两个调和表示之差必是在Rⁿ上为0的Rⁿ⁺¹上的调和函数,证明了对一维广义函数而言,调和表示和解析表示的一致性,同时解决了一维广义函数的解析表示理论中未解决的问题:同一广义函数的任意两个解析表示之差必为整函数.给出了用广义收敛描述的多复变函数的一个解析延拓定理.对于Rⁿ×R₊上的调和函数,给出了是(Rⁿ)中某元素的调和表示的充要条件。     

Clifford分析中双正则函数的非线性边值问题 *

讨论Clifford分析中的双正则函数,研究它的Coxo-Plemelj公式和一个非线性边值问题:A(t₁,t₂)φ⁺⁺(t₁,t₂)+B(t₁,t₂)φ^+-(t₁,t₂)+C(t₁,t₂)φ^-+(t₁,t₂)+D(t₁,t₂)φ^--(t₁,t₂)=g(t₁,t₂)f[t₁,t₂,φ⁺⁺(t₁,t₂),φ^+-(t₁,t₂),φ^-+(t₁,t₂),φ^--(t₁,t₂)].利用积分方程方法和Schauder不动点定理证明了问题解的存在性,并给出了解的积分表示式以及线性情况下解的存在唯一性.     

齐次乘子算子的交换子

记H^l={w∈C^∞(R^k\{0}):w是l次齐次函数),R^_(-a)(m)是Taylor级数余项算子的n重叠合:m=(m₁,…,m_n)∈Zⁿ,Z记非负整数的集,α∈(R^k)ⁿ,定义 其中a=(a₁,…,a_n),a_i,f∈(R^k), 主要结果如下: 1.证明了几个介于算子T_^R(-a)^{(m)_w(ξ)),(a,f})的类与多线性奇异积分算子的类之间的对等定理; 2.作为应用,算子及 的某些有界性结果被给出,其中Ω∈H⁰,|β|≤|m|,且,m_i≥1。