Lp（1〈p〈2）空间中Lipschitz强增生算子的迭代程序

设X是实Banach空间。映射T:D(T)X→X称为增生的(accretive),如果(1)对所有的x,y∈D(T)及t>0成立。T称为强增生的,如果存在k>0,使得T-kI(I是恒等映射)是增生的。强增生算子有时称为严格增生算子。 设KX是不空子集。映射T:K→K称为严格拟压缩的(pseudocontraction),如果存在t>1使得不等式     

强伪压缩算子带误差的Ishikawa迭代的强稳定性

设X是任意实Banach空间，T：X→X是一Lipschitz强伪压缩算子，本给出T带误差的Ishikawa迭代过程的强稳定性，并给出一个涉及Lipschitz强增生算子T的非线性方程Tx=f迭代解的强稳定性。     

关于Banach空间中Lipschitz强伪压缩映象的带误差的Ishikawa型迭代序列

设X是任意实B&nach空间E的闭子空间,TX→X是Lipschitz强伪压缩映象,使得Tx*=x*,对某x*∈X…在没有条件limαn=nlimβn=0之下,本文证明了带误差的Ishikawa型迭代序列强收敛到x*.另外,相关结果又证明了,当TE→E是Lipschitz强增生算子时,带误差的Ishikawa型迭代序列强收敛到方程Tx=f的唯一解.     

赋范空间中渐近伪压缩映象不动点的迭代逼近

设x是赋范线性空间，D是x的非空子集．设T：D→x是一个一致L—Lipschitz的渐近伪压缩映象，F(T)表T的不动点集且F(T)非空．在迭代参数(αn)和(βn)的适当假设下，证明了修改了的具有误差项的Ishikawa和Mann迭代过程强收敛于T的不动点q．几个相关结果处理赋范空间中渐近非扩张映象不动点的迭代逼近问题．所得结果改进和推广了Chang，Park和Cho，Geobel和Kirl，Liu以及Schu等人的相关结果．     

关于增生算子方程解的Ishikawa迭代逼近

设X是任意实Banach空间,T:X→X是Lipschitz连续的增生算子.本文证明了,带误差的Ishikawa迭代序列强收敛到方程x Tx=f的唯一解.而且,还给Ishikawa迭代序列提供了一般的收敛率估计.利用该结果,本文推得,若T:X→X是Lipschitz连续的强增生算子,则带误差的Ishikawa迭代序列强收敛到方程Tx=f的唯一解.     

Banach空间中一类广义Lipschitz非线性算子迭代序列的收敛定理

1　引言与预备知识设 X为一实 Banach空间 ,X*是 X的对偶空间 ,正规对偶映射 J:X→ 2 X*定义为 :J( x) ={ f∈ X*;〈x,f〉 =‖ f‖ .‖ x‖ ,‖ f‖ =‖ x‖ }其中〈· ,·〉表示 X和 X*的广义对偶组 .用 j(· )表示单值的正规对偶映射 .设 K是 X的一非空子集 ,算子 T:K→ X称为φ-强增生的[1 ,2 ] ,如果存在一个严格增加函数φ:[0 ,+∞ )→ [0 ,+∞ ) ,φ( 0 ) =0满足 x,y∈ K, j( x-y)∈ J( x-y)使得〈Tx -Ty,j( x -y)〉≥φ(‖ x -y‖ ) .‖ x -y‖ ( 1 )( 1 )中若 φ( t) =kt(其中 k>0 ) ,相应地称 T为强增生算子 ,k称为 T的…     

一类强增生算子方程解的Mann迭代收敛问题

设X是实Banach空间,D是X的一个子集,T:X→X是一强增生算子,从而得到带误差的Mann迭代序列的逼近不动点的强收敛问题.     

Banach空间中一般的强增生算子方程解的迭代逼近

设1相似文献   

关于增生算子方程的具误差的Ishikawa迭代序列的收敛率估计

设X是一实的Banach空间,TLX→X是—Lipschitz的增生算子;证明了具误差的Ishikawa迭代序列强收敛到x＋Tx=f的唯一解;得到一个一般的收敛率估计式．进一步得到：若了T：X→X是—Lipschitz的强增生算子,则具误差的Ishikawa迭代序列强收敛到Tx=f的唯一解．文中结果推广和发展了已有的相关结果．     

一致光滑Banach空间中Φ-半压缩映象的不动点的迭代逼近

1　引言与预备知识设X为实Banach空间,X*为其共轭空间.正规对偶映象J:X→2X*定义为:Jx={x*∈X*:〈x,x*〉=‖x‖2=‖x*‖2},其中〈·,·〉表示广义对偶组.熟知,若X*为严格凸的,则J为单值正齐次的;若X*为一致凸的(等价地,X为一致光滑的),则J在X的任何有界子集上是一致连续的.我们用j表示单值的正规对偶映象.用R+表示正半实轴.以F(T)表示T的不动点集,即F(T)={x∈D(T):Tx=x}.映象T:D(T)X→X称为φ-半压缩的,如果F(T)≠,且存在严格增加函数φ:R+→R+,φ(0)=0,使得x∈D(T),y∈F(T),相应地存在某j(x-y)∈J(x-y)满足不等式〈Tx-y,j(…     

Number of connected components of groups of real points of adjoint groups

We present a unified approach to compute the number of connected components in the group of real points of adjoint almost simple real algebraic groups.     

L－fuzzy集网的R－收敛性质

本文在ＬＦ拓扑空间中建立了Ｌ－ｆｕｚｚｙ集网的弱收敛（Ｒ－收敛）概念，应用文［４］中的Ｒ－闭包，系统讨论了它们的性质，证明了等式ＲｌｉｍＡ＿ｎ＝∧（∨Ａ＿ｍ）＿Ｒ和ＲｌｉｍＡ＿ｎ＝Ａ＿ｎ＝∧（∨Ａ＿ｍ）＿Ｒ并且给出了Ｌ－ｆｕｚｚｙ集网与其子网之间的关系。     

Enumeration of perfect matchings of a type of Cartesian products of graphs

Let G be a graph and let Pm(G) denote the number of perfect matchings of G.We denote the path with m vertices by P_m and the Cartesian product of graphs G and H by G×H. In this paper, as the continuance of our paper [W. Yan, F. Zhang, Enumeration of perfect matchings of graphs with reflective symmetry by Pfaffians, Adv. Appl. Math. 32 (2004) 175-188], we enumerate perfect matchings in a type of Cartesian products of graphs by the Pfaffian method, which was discovered by Kasteleyn. Here are some of our results:1. Let T be a tree and let C_n denote the cycle with n vertices. Then Pm(C₄×T)=∏(2+α²), where the product ranges over all eigenvalues α of T. Moreover, we prove that Pm(C₄×T) is always a square or double a square.2. Let T be a tree. Then Pm(P₄×T)=∏(1+3α²+α⁴), where the product ranges over all non-negative eigenvalues α of T.3. Let T be a tree with a perfect matching. Then Pm(P₃×T)=∏(2+α²), where the product ranges over all positive eigenvalues α of T. Moreover, we prove that Pm(C₄×T)=[Pm(P₃×T)]².     

Distribution of Cardinalities of Row Spaces of Boolean Matrices of Order n

Let R(A) denote the row space of a Boolean matrix A of order n. We show that if n 7, then the cardinality |R(A)| (2^n–1 - 2^n–5, 2^n–1 - 2^n–6) U (2^n–1 - 2^n–6, 2^n–1). This result confirms a conjecture in [1].AMS Subject Classification (1991): 05B20 06E05 15A36Support partially by the Postdoctoral Science Foundation of China.Dedicated to Professor Chao Ko on the occasion of his 90th birthday     

两种图多项式根的重数的一个注记

设P1，P2，……，Pt是几乎覆盖图G的l条不相交的路，s是没有被这些路覆盖的孤立点数．本证明：(i)匹配多项式μ(G，x)的非零根的重数最多是l，零根的重数最多l s。（ii)对于不含三角形的n阶图G，伴随多项式h(G，x)的非零根的重数最多是l，零根的重数最多是1/2(n l s)．(iii)对一种含三角形的所谓A型图，（ii）也成立．     

任意矩阵的特征值的扰动估计

设A和B是两个任意的n阶方阵,其特征值分别为{λ_1,…,λ_n}和{μ_1,…,μ_n}.本文对此两组特征值的如下“距离”的界给出了若干估计: B对于A的谱改变量 A与B的特征值的改变量这里的结果包含了Bauer-Fike定理,并且优于Kahan-Parlett/Jiang定理及Chu,施和肖所得出的结果.     

一类完全正则半群簇子簇格的性质

本文研究了完全正则半群簇的子簇格［Ｖ＋∩ＰＶ，Ｖ＋∩ＰＶ］的某些格运算性质，我们证明了簇Ｖ＋∩ＰＶ可分解为Ｖ与Ｖ＋∩ＰＶ的并；对任意完全正则半群簇Ｗ，有Ｗ∩（Ｖ∨Ｖ＋∩ＰＶ）＝（Ｗ∩Ｖ）∨（Ｗ∩Ｖ＋∩ＰＶ）．特别地，我们得到了等式Ｖ＋∩ＰＶ＝Ｖ成立的若干条件．     

白骨化尸体死亡时间的推断

本文分析了15具白骨化尸体标本的股骨汞(Hg),铅(Pb),镉(Cd)元素含量数据,在三年的时间内采集了3次,一共收集到45个数据。首先将这组数据看着纵向数据,利用线性随机效应混合模型、Cox随机混合效应模型进行分析,结果显示,如果对每个白骨化尸体标本建立线性模型,可以精确预测出死亡时间,而且不需要采集铅元素含量数据。混合效应模型的预测效果也很好,最大误差不会超过1个月。其次我们对数据不作任何假设,利用机器学习中随机森林方法分析数据,并利用5折交叉验证方法来判断结果的可靠性,训练集和测试集的NMSE分别为0.1205944,0.5604286,因此可以用训练出的模型来预测死亡时间。     

On the R-Order of Convergence of a Family of Methods for Simultaneous Extraction of Part of All Roots of Algebraic Polynomials

This note deals with the R-order of convergence of Weierstrass-Durand-Kerner-Dochev type single-step methods for the simultaneous determination of only a part of all roots of algebraic polynomials.