索伯列夫空间的有限元迫近

记I_1=(-∞,ξ_1),I_2=(ξ_1,ξ_2),…,I_n=(ξ_(n-1),ξ_n),I_(n 1)=(ξ_n, ∞)。定义H~(m 1)(R,ξ_1,…,ξ_n)={u|u∈H~m(R),在I_i上u∈H~(m 1)(I_i),i=1,…,n 1}。 设μ(x)∈H~m(R),λ(x)∈L~∞(R)。并且满足:1.他们的支集都是R中的有界集合;2·∫_Rμ(x)dx=∫_Kλ(x)dx=1;3.μ(x)满足m-1收敛准则条件,即存在常数b_0=1,b_1,…,     

三角代数上的交换零点ξ-Lie可导映射

设u是数域F上的一个三角代数,δ是u上的一个线性映射,ξ∈F且ξ≠1证明了:如果对任意的x,y∈u且xy=yx=0有δ([x,y]_ξ)=[δ(x),y]_ξ+[x,δ(y)]_ξ,则在u上存在一个导子Φ和一个中心元λ使得对任意的x∈u,有δ(x)=Φ(x)+λx.     

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:     

一类二阶m-点边值问题变号解的存在性

利用锥理论和不动点指数理论,研究了一类二阶m-点边值问题{u'(x)+f(u(x))=0,0≤x≤1,u(0)=0,u(1)-0,u(1)=m-2∑i-1 a_iu(ξ_i)其中ξ_i∈(0,1),0ξ_1ξ_2…ξ_(m-2)1,a_i∈[0,∞),0∑_(i=1)~(m-2)a_i1,f∈C(R,R)变号解的存在性.     

非正则中项变叙的极限分布

<正> §1.引言设 x_1,…,x_n 是独立同分布的随机变量,x_i 的分布函数记为 F(x),以ξ_(?)~(n),…,ξ(?)表示由小到大的{x_i}的变叙,[1]考虑了对0<λ<1,满足条件     

在曲线边界区域上非线性拋物型方程的边界問題

<正> 在1954年与研究了非线性拋物型方程在长方形区域R{0≤x≤X,0≤t≤T}上的第一边界問題和在区域S{-∞相似文献   

具有共振的边值问题解的存在性

利用Mawhin的重合度理论,研究具有共振的n-阶m-点边值问题x~((n))(t)=f(t,x(t),x′(t),…,x~((n-1))(t)),t∈(0,1)x(0)=x(η),x′(0)=x″(0)=…=x~((n-2))(0)=0,x~((n-1))(1)=α_ix~((n-1))(ξ_i)解的存在性,其中n≥2,m≥3,f:[0,1]×R~n→R将有界集映为有界集,且当x(t)∈C~(n-1)[0,1]时,f(t,x(t),x′(t),…,x~((n-1))(t))∈L~1[0,1],0<ξ_1<ξ_2<…<ξ_(m-2)<1,0<η<1,α_i∈R.在这里并不要求f具有连续性.     

变形的非线性Schrdinger方程的反散射解法的Zakhallov-Shabat方程

c_(a)(0)和r(ξ,0)为常量.对(2)中的ξ取ξ_m,ξ-i∈,-in+∈,其中ξ_m为第一象限的常数,ξ,η为正实数,∈为无限小正量,就得到决定ψ_1,ψ_2的完备方程组. MNLS方程(1)的解可以表为(7)式中(8)(9)这里R_1为(3)中的R的上分量,R_2为R的下分量,R_1(0,x)=R_1(ξ,x)|t=0,R_2(0,x)=[dR_2(ξ,x)/dξ]ξ=0。当r(ξ’)=r(iη’)=0时,即无反射的情况,方程(2)已由我们最近用亚纯变换矩阵方法首次导出,它的多孤子解的显式也得出了.     

非线性高阶广义 Schrdinger型方程组的周期边界问题

本文考虑系数矩阵为非负定与非奇异的高阶抛物型方程组周期边界问题:=(-1)~(m 1)α_(Ij)(t) f\-1(u\-1,…u\-1),×∈R,t∈R,(Ⅰ)u\-1(x,t)|_(t=0)=_1(x),u\-1(x 1,t)=u\-1(x,t),x∈R,t∈R ,l=1,2…,J;整体解的存在与唯一问题,其中中 m1为整数,_1(x)是以1为周期的函数。J×t 阶矩阵 A(t)=(α_(xj)(t))是非负定的,即α_(lj)(t)ξ_lξ_j≥0,ξ_j∈R,i∈R_。     

拟线性椭圆边值问题有限元校正方法

§1.主要结果 考虑拟线性椭圆边值问题 u=0,在?Ω上,其中Ω是R~2中凸多边形,z=(x,y),D_1=?/?x,D_2=?/?y,a_i(z,ξ_0,ξ_1,ξ_2)是定义在Ω×R×R×R上的函数,适当光滑,i=0,1,2.定义     

典则积类Π~*(A)、(L)和一类非线性偏微分方程

本文考虑分布典则积的台;定义了较为狭窄的典则积类(?)~*_((A)、(L))和在此意义下的分布 e~(δ(x))等;讨论了方程(△_n_1-△_n_2)u+uf(u)=0其中 n_1+n_2≥4,f(ξ)是关于ξ的多项式。     

对“关于一类 Siegel E-函数的丢番图不等式”一文的注记

<正> 我们在文章(1]中建立了含有一类 Siegel E-函数的丢番图不等式,给出了表达式x′_1x′_2…x′_k‖x_1f_1(α)+…+x_kf_k(α)‖与y‖yf_1(α)‖…‖yf_k(α)‖的下界估计.这里,对实数ξ,‖ξ‖=(?)|ξ-n|,ξ′=max(1,|ξ|),f_i(z)是[1]中定义的一类 Siegel E-函数,x_1,…,x_k 和 y 是有理整数,y>0,α为满足一定条件的有理数.在下界估计中,依赖于α,f_i(z)以及 f_i(z)所满足微分方程组的有关常数没有     

非平稳高斯序列的极值之渐近分布

设{ξ_n}是一非平稳高斯序列,Eξ_n=0、Eξ_n~2=1及γ_(ij)=Eξ_iξ_j.以M_n记max ξ_k,以记公共分布是F(x)=/(2π)~(1/2) integral from n=-∞ to x(e~(-u~2/2))du的 i.i.d序列之前n个变量的最大值.已有如下结果:对所述非平稳高斯序列{ξ_n}若     

E-紧框架小波来自MRA的特征刻画

设E=■或■,■(x)∈L~2(R~2)且■_(jk)(x)=2■(E~jx-k),其中j∈Z,k∈Z~2.若{■_(jk)|jJ∈Z,k∈Z~2}构成L~2(R~2)的紧框架,则称■(x)为E-紧框架小波.本文给出E-紧框架小波是MRA E-紧框架小波的一个充要条件,即E紧框架小波■来自多尺度分析当且仅当线性空间F_■(ξ)的维数为0或1,其中F_■(ξ)=■(ξ)|j■1},■_j(ξ)={■((E~T)~j(ξ+2kπ))}_(k∈EZ~2,j■1。     

求连续型随机变量的分布函数的一种简便方法

<正> 一般教材求连续型随机变量的分布函数均采用分布函数的定义来求.笔者认为这种方法在计算上有很多麻烦,但对初学者来说较难掌握,笔者经过大量的计算和总结发现可用不定积分法求连续型随机变量的分布函数,它省时省事,且较易掌握.设ξ为连续型随机变量,F(x)为ξ的分布函数,Φ(x)为ξ的分布密度函数,且     

依概率收敛与依分布收敛的关系

本文探讨了随机变量序列依概率收敛与依分布收敛的关系 ,并给出了一个依分布收敛能保证依概率收敛的最弱的条件 ,即 :设分布函数列 { Fn(x) }弱收敛于连续的分布函数 F(x) ,则存在随机变量序列{ξn}和随机变量ξ,它们分别以 { Fn(x) }和 F(x)为其对应的分布函数列和分布函数 ,且 {ξn}依概率收敛于ξ.     

障碍问题解的局部正则性和局部有界性

该文在算子A(x,ξ):Ω×R~n→R~n的强制性条件和控制增长条件下,考虑A-调和方程divA(x,▽u(x))=0的κ_(Ψ,θ)-障碍问题的解.A的原型是A(x,ξ)=(μ~2+|ξ|~2)~((p-2)/2)ξ,μ≥0.得到了局部正则性和局部有界性结果.     

平面上Volterra型随机微分方程的弱解

设 B 是(?)上的 Brown 运动,考虑平面上 Volterra—It(?)型随机微分方程(Ⅰ)X_(?)=(?)+(?)a(z,ξ,X_ξ)dξ+∫_(R_z)β(z,ξ,X_(?))dB_(?) z∈R_+~2其中(?)是两参数连续过程,满足:对(?)T>0,(?),则当α(z,ξ,x),β(z,ξ,x)连续,且关于 z 满足 Lip 条件,关于 x 满足增长性条件时,本文用迟滞逼近方法证得方程(Ⅰ)弱解存在。     

依概率收敛与依分布收敛的关系

本探讨了随机变量序列依概率收敛与依分布收敛的关系,并给出了一个依分布收敛能保证依概率收敛的最弱的条件,即：设分布函数列{Fn（x）}弱收敛于连续的分布函数F(x),则存在随机变量序列{ξn}和随机变量ξ,它们分别以{Fn（x）}和F（x）为其对应的分布函数和分面函数,且{ξn}依概率收敛于ξ。     

一类混合模型的似然比检验

考虑一类混合模型g(x)=(1-ξ1-ξ2)f(x,θ'0) ξ1f(x,θ'1) ξ2f(x,θ'2),其中ξ1，ξ2属于区域Ω：0≤ξ1，ξ2，ξ1 ξ2≤1，f为一给定的概率密度函数，θ'i(i=0，1，2)为m维常数向量，本文讨论了该模型的似然比统计量的极限分布．