有限域上一类方程组解数的直接公式

本文给出有限域F=F_q(q=p~f,f≥1,p是一个奇素数)上一类方程组∑_(i=s_(r-1)+1~(s_r)∑_(j=1)~(m_i-m_(i-1))a_(m_(i-1)+j)x_1~(d_m(i-1)+j,1)…x_(n_i)~d_(m_(i-1)+j,n_i)=b_r,r=1,…,k当指数满足一定条件时,在F~(n_s_k)上解数的一个直接公式,这里d_(ij)＞0,a_i∈F~*,b_i∈F,0= s_0＜s_1＜…＜s_k,0=m_0＜m_1＜…＜m_(s_k),0=n_0＜n_1＜…＜n_(s_k), m_1≤n_1,…,m_(s_k)≤n_(s_k)．     

一种方式分组随机模型中估计方差分量的最小风险设计

§1.引言一种方式分组随机模型:y_(ij)=β α_i ε_(ij),i=1,…,n,j=1,…,m_i,(1.1)其中 ε_(ij)(i=1,…,n,j=1,…,m_i)是相互独立的随机误差,α_i(i=1,…,n)是独立的随机变量.Eα_i=Eε_(ij)=0,varε_(ij)=θ_1>0,varα_i=θ_2≥0,cov(α_i,ε_(ij))=0.β、θ_1、θ_2是未知参数,β∈R~1,(θ_1,θ_2)~T∈Θ(?){θ_1>0,θ_2≥0}.     

椭球等高分布族下的非中心Cochran定理

本文在椭球等高分布假定下,讨论了二次型X′AX(A为对称阵)的非中心Cochran定理。主要结果如下: 若X～EC_n(μ,L_n;g),g(x)>0为x的连续函数,且X有有限的2n阶矩。A_i,i=1,2,…,m为n×n对称阵。A=∑A_i,λ_1,…,λ_k互不相同且非零。考虑下面的条件: (a) X′A_iX■sum from j=1 to k λ_jy_(ij),(y_(i1),…(y_(ik))′～Gχ~2(n_(i1),…,n_(ik);δ_(i1)~2,…,δ_(ik)~2;g)j=1,…,m。 (b) (X′A_1X,…,X′A_mX)■(sum from j=1 to k λ_jz_j…,sum from j=(m-1)k 1 to mk λ_(j-(m-1)k)z_j)(z_1…,z_(mk))′～Gχ~2(n_(11),n_(1k),n_(21)…,n_(mk);δ_(11)~2,…δ_(1k)~2,δ_(21)~2,…,δ_(mk)~2;g) (c) X′AX(?)sum from j=1 to k λ_jy_j,(y_1,…,y_k)′～Gχ(n_1,…,n_k;δ_1~2,…,δ_k~2;g) (d) r(A)=∑r(A_i)=∑∑r(A_iE_j),A=∑λ_jE_j,E_j~2=E_j,E_jE_(j′)=0,j≠j′=1,…,k, (e) k个等式n_j=∑n_(ij)中至少有k-1个成立。则 (Ⅰ) (a),(b)■(c),(d),(e), (Ⅱ) (a),(c),(e)■(b),(d), (Ⅲ) (b),(c)■(a),(d),(c), (Ⅳ) (c),(d)■(a),(b),(c)。     

检验k母体协差阵相等中的不变性问题

<正> 设X′=(x_(1),…,x_(n)),x_(i):p×1,t=1,…,n.记n_i=n_1+…+n_i,n_i>p,n=n_1+…+n_k,x_(ni+1),…,x_(ni+ni+1)来自多元正态总体N_p(μ_i,∑_i),μ_i∈R~p,∑_i∈δ_p,容量为n_(i+1)的样本,i=1,…,k,其中δ_p={∑|∑:p×p,∑>0}.考虑     

On the Equation n_1n_2= n_3n_4 Restricted to Factor Closed Sets

We study the number of solutions N(B,F) of the diophantine equation n_1n_2 = n_3 n_4,where 1 ≤ n_1 ≤ B,1 ≤ n_3 ≤ B,n_2,n_4 ∈ F and F[1,B] is a factor closed set.We study more particularly the case when F={m = p_1~(ε1)···p_k~(εk),ε_j∈{0,1},1 ≤ j ≤ k},p_1,...,p_k being distinct prime numbers.     

常系数线性方程组的一种新解法

对于常系数线性微分方程组:dx/dt=Ax(A是n阶实常数矩阵)通过特征根λ和对应的特征行向量K:K~T(A-λE)=0将微分方程组化为线性方程组:1°当有n个互异的特征根λ_1,λ_2,…,λ_n,对应的线性无关的特征行向量为K_1,K_2,…,K_n,若记K_i=(k_1,k_2,…,k_n)(i=1,2,…,n),则有方程组:(n∑i=1 k_ix_i)′=λ_j(n∑i=1 k_ix_I)(j=1,2,…,n);2°当有不同的特征根λ_1,λ_2,…,λ_m其重数分别为n_1,n_2,…,n_m,n_1+n_2+…+n_m=n,对应的线性无关的特征行向量为K_i=(k_1,K_2,…,k_n)(i=1,2,…,m),则有方程组:(n∑i=1 k_rx_r)′=λ_k(n∑i=1 k_rx_r)((A-λ_jE)x_(n_i)=0;i=1),(n∑i=1 k_rx_r)′=λ_j(n∑i=1k_rx_r)+c_(n_i)e~(λ_jt)((A-λ_kE)x_(i-1)=Ex_i,i=2,…,n_i).     

一类非参数回归函数估计的性质

设Z_(11),z_(12),…,Z_是在固定点(x_i,y_1),1≤≤n_1,1≤j≤n_2,的n_1n_2个观察值,适合模型 Z_(ij)=g(x_i,y_j)+ε_(ij),1≤i≤n_1,1≤j≤n_2。(1) 本文给出了g的一种估计并讨论了估计的性质。     

Hrmander Type Theorem for Fourier Multipliers with Optimal Smoothness on Hardy Spaces of Arbitrary Number of Parameters

The main purpose of this paper is to establish the Hormander-Mihlin type theorem for Fourier multipliers with optimal smoothness on k-parameter Hardy spaces for k≥ 3 using the multiparameter Littlewood-Paley theory. For the sake of convenience and simplicity, we only consider the case k = 3, and the method works for all the cases k≥ 3:■where x =(x_1,x_2,x_3)∈R~(n_1)×R~(n_2)×R~(n_3) and ξ =(ξ_1,ξ_2,ξ_3)∈R~(n_1)×R~(n_2)×R~(n_3). One of our main results is the following:Assume that m(ξ) is a function on R~(n_1+n_2+n_3) satisfying ■ with s_i n_i(1/p-1/2) for 1≤i≤3. Then T_m is bounded from H~p(R~(n_1)×R~(n_2)×R~(n_3) to H~p(R~(n_1)×R~(n_2)×R~(n_3)for all 0 p≤1 and ■ Moreover, the smoothness assumption on s_i for 1≤i≤3 is optimal. Here we have used the notations m_(j,k,l)(ξ)=m(2~jξ_1,2~kξ_2,2~lξ_3)Ψ(ξ_1)Ψ(ξ_2)Ψ(ξ_3) and Ψ(ξ_i) is a suitable cut-off function on R~(n_i) for1≤i≤3, and W~(s_1,s_2,s_3) is a three-parameter Sobolev space on R~(n_1)×R~(n_2)× R~(n_3).Because the Fefferman criterion breaks down in three parameters or more, we consider the L~p boundedness of the Littlewood-Paley square function of T_mf to establish its boundedness on the multi-parameter Hardy spaces.     

乘子交替方向法的一些收敛性质

<正>1引言本文讨论的两个可分离算子的线性约束凸优化问题是min{θ_i(x)+θ_2(y)|Ax+By=b,x∈X,y∈y},(1.1)其中A∈R~(m×n_1),B∈R~(m×n_2),b∈R~m;X?R~(n_1),y?R~(n_2)是闭凸集;θ_1(x):R~(n_1)→R和θ_2(y):R~(n_2)→R是(不一定光滑的)凸函数.这类问题大量出现在图像处理,机器学习等稀疏优化领域[2].乘子交替方向法(Alternating Directions Method of Multipliers),简称ADMM,通常称之为交替方向法,最初由Glowinski等为偏微分方程数值求解在[7,8],中     

Several Results on Systems of Residue Classes

Let (m,n) and a(n) denote the g.c.d, of m, n and the residue class {x∈Z∶x≡α (mod n)} respectively. Any period of the characteristic function ofkU a_i(n_i) is called a covering period of {a_i(n_i)}_(i-1)~k.i-ITheorem Let A = {a_i(n_i)}_(i-1)~k. be a disjoint system (i. e. a_I(n_I,...,a_k(n_k) are pairwise disjoint). Let [n_I,...,n_k] (the I.c.m. of n_1,...,n_k) have the prime faetorization [n_1,...,n_k] = Πp_i~ai and T = Πp_iβi(β_i≥0 be the smallest positive covering period of A. Then     

有理插值算子的连续性

1.引言 设m,n为给定的非负整数,X={z_i:z_i∈C,0≤i≤s},且z_i彼此互异。所谓有理插值问题,就是对于给定的,寻求有理函数R=P/Q∈R(m,n)(即?(P)≤m,?(Q)≤n)使得 R~(j)(z_i)=y_i~(j),j=0,1,…,k_i;i=0,1,…,s。 (1.1)而与此对应的“线性化”的问题是求P/Q∈R(m,n),使得     

Sufficient And Necessary Condition For Convergence of Conditional Error Probability in NN-Pattern Discrimination

Let (θ_1,X_1),…, (θ_n,X_n), (θ, X) be iid random vectors ,where θ∈{0,1},X∈R~d Denote by θ′_n the nearest neighbour discriminator of θ based on the training samples (θ_1,X_1),…, (θ_n,X_n) and the observed X; put and This paper gives a sufficient and necessary condition for as n→∞, namely (P(θ=0, X=x)-P(θ=1, X=x))~2·P(θ=0, X=x)·P(θ=1, X=x)=0 for every x∈R~d.This generalizes a previous result of the authors [5] and improves a result of Wagner, T.J. [2].     

最近邻预测问题中条件风险估计的强收敛速度

设(X_4,θ_4),i=1,2,…,n,是d 1维随机向量(X,θ)的iid.样本。又设L_n是平方损失下最近邻(简记为NN)预测在给定(X_4,θ_4),i=1,2,…n条件下的风险。众所周知,在一定条件下L_n→2E~*,a.s.,这里R~*表示Bayes风险。L_n的NN估计定义为其中θ_(nj)表示以(X_1,θ_1),…,(X_(j-1),θ_(j-1),(X_(j 1),θ_(j 1),…,(X_n,θ_n)为训练样本时,通过X_j=x_j对θ_j所做的NN预测。本文在E|θ|~(2 δ)<∞(δ>0)以及其他一些条件下证明了其中ξ是一个事先任意给定的近于0的正常数。     

均衡二部图中点不交的4-圈和6-圈（英文）

设G=(V_1,V_2,E)是一个均衡二部图满足|V_1|=|V_2|=n.令δ_(1,1)(G)=min{d(x)+d(y)|x∈V_1,Y∈V_2}.Amar猜想对任意的s个整数(n_1,n_2,…,n_s),n=n_1+n_2+…+n_s,其中n_i≥2.若δ_(1,1)(G)≥n+s,则G含s个点不交的圈,其长分别为2n_1,2n_2,…,2n_s(见[Discrete Math.,1986,58(1):1-10]).本文证明了若一个点数为4k的均衡二部图G满足δ_(1,1)(G)≥2k+4(k≥3),则G含k-3个4-圈和2个6-圈使得所有这些圈都是点不交的.     

与非光滑核的奇异积分算子的Toeplitz算子的λ-中心BMO估计

设L是L~2(R~n)上的一个解析半群的无穷小生成元,核函数满足高斯上界.L~(-α/2)(0αn)是由L生成的广义分数次积分算子,若T_(j,1)是与L有关的带有非光滑核的奇异积分算子,或T_(j,1)=I,T_(j,2),T_(j,4)是线性算子且具有(B~(p,λ),B~(p,λ))有界性(1p∞,λ∈R),T_(j,3)=±I(j=1,2,…,m),其中I为恒等算子,M_b是乘法算子.当b∈CBMO~(p_2,λ_2)函数时,证明Toeplitz型算子θ_a~b是B~(p_1,λ_1)到B~(q,λ)上的有界算子,并由此得广义分数次积分交换子[b,L~(-a/2)]和非光滑核的奇异积分交换子[b,T]在中心Morrey型空间上的有界性.     

随机化最近邻判别分析中错误概率估计的极限性质

设(X,θ)是取值于 R~d×{1,…,M)的随机向量.我们分别称 X 与θ为指标变量和类别变量.又设 Z~n(?){(X_i,θ_i),i=1,…,n}为(X,θ)的 iid.样本,称之为训练样本.判别分析的问题就是要依据 Z~n 及 X 的观察值对θ进行判别.假定在 R~d 中引进了某一距离ρ(x,y),x,y∈R~d.于是当 X=x 给定时,我们可按照距离ρ(x,X_j),j=1,…,n,的上升秩序,把 X_1,…,X_n 重新排列成 X_((R)_1),…,     

可分解的Hybrid三元系大集和超大集的构造

An LRHTS(v)(or LARHTS(v)) is a collection of {(X, B i) : 1 ≤ i ≤ 4(v-2)},where X is a v-set, each(X, B i) is a resolvable(or almost resolvable) HTS(v), and all B i s form a partition of all cycle triples and transitive triples on X. An OLRHTS(v)(or OLARHTS(v))is a collection {(Y \{y}, A j y) : y ∈ Y, j = 0, 1, 2, 3}, where Y is a(v + 1)-set, each(Y \{y}, A j y)is a resolvable(or almost resolvable) HTS(v), and all A j y s form a partition of all cycle and transitive triples on Y. In this paper, we establish some directed and recursive constructions for LRHTS(v), LARHTS(v), OLRHTS(v), OLARHTS(v) and give some new results.     

圈的多重联图的邻点可区别E-全染色的一些结果

记χ_(at)~e(C_n_i)为n_i阶的圈C_n_i的邻点可区别E-全色数.若n_i≡0(mod 2)(i=1,2,3…,t),则χ_(at)~e(C_n_1+C_n_2+…+C_n_t)=2t;若n_i≡0(mod 2)(i=1,2,3…,r,l相似文献   

集合论与代数的新的运算(Ⅰ)

定义1 令X={x_1,x_2,…,x_n},n是自然数;对于任意给定的A A,B∈P(X),A={x_(i1),x_(i2),…,x_(ik)},1≤i_1相似文献   

渐近Bayes判别

<正> 一、引言设(θ,X),(θ_1,X_1),…,(θ_n,X_n)为 iid 随机变量,其中 X 取值于只 R~d(d≥1),θ只取0,1两个值,记 P(θ=0)=η_0,P(θ=1)=η_1=1-η_0,设 X 在给定θ=i 时的条件密度为 f_i(x)dx,i=0,1.(θ_1,X_1),…,(θ_n,X_n)是已知的样本,常称为训练样本,在实际应用上,常需借助于它们,以根据 X 之观测值,对θ的值做出判別.记 f(x)=η_0f_0(x)+η_1f_1(x),则后验概率为