Steenrod代数中Adem公式的一个推广

1.Steenrod代数的Milnor基。命代表Steenrod代数,J.Milnor曾求得的一组加法基如下: a)p=2的情形。对于每一非负整数序列R=(r_1,…,r_i,…),其中只有有限多个r_i,异于零,有中一上同调运算 Sq~R:H~q(X,Z_z)→H~(q+4(k)) (X,Z_z)与之相应,此地d(R)=∑r_i(2~i—1)是Sq~R的等级。运算Sq~R的全体,R通过所有非负整数的只有有限项异于零的序列,便构成的一粗加法基。基底元素的乘法。设N=(n_ij)(i,j=0,1,2,…)为整数矩阵,其中n_∞=0,     

RAMSEY NUMBER OF HYPERGRAPH PATHS

Let H =(V, E) be a k-uniform hypergraph. For 1 ≤ s ≤ k-1, an s-path P~(k,s)_n of length n in H is a sequence of distinct vertices v_1, v_2, ···, v_(s+n(k-s)) such that {v_(1+i(k-s)), ···, v_(s+(i+1)(k-s))} is an edge of H for each 0 ≤ i ≤ n-1.In this paper, we prove that R(P~(3 s,s)_n, P~(3 s,s)_3) =(2 n + 1)s + 1 for n ≥ 3.     

量测误差为 ARMA 过程的随机逼近

为了求回归方程 h(x)=0的根 x~0,根据对回归函数 h(·)的量测,在 i 时刻对x~0的估计为 x_i,在 i+1时刻对回归函数在 x_i 处进行量测,但量测量 y_(i+1)带有误差ε_i:y_(i+1)=h(x_i)+ε_i,而误差是相关的,构成一个 ARMA 过程:ε_(n+1)+D_1ε_n+…+D_dε_(n-d+1)=ω_(n+1)(x_n,ω)+C_1ω_n(x_(n-1),ω)+…+C_rω_(n-r+1)(x_(n-r),ω),其中 ω_(i+1)(x_i,ω)是一个鞅差序列,熟知的定理讨论的是 d=0,r=0的特例,并要求 ω_(i+1)(x_i,ω)相互独立.本文给出一个随机逼近算法,并给出条件,当 n→∞时,x_n(?)x~0 a.s..这个结果对d=0,r=0的特例,和熟知的事实相比,不仅在噪声的性质上,而且对 h(·)及E‖ω_(n+1)(x,ω)‖~2的控制函数,y_(i+1)和 x_i 的维数差别等方面都减弱了条件.     

組合数級数及其应用

Ⅰ.組合数級数与它的和由组合公式: C_x~r=x(x-1)(x-2)…(x-r+1)/r!, C_(ax+b)~r=(ax+b)(ax+b-1)(ax+b-2)…(ax+b-r+1)/r!, C_(a_0x~s+a_1x~(s-1)+…+a_s)~r=(a_0x~s+a_1x~(s-1)+…+a_s)..(a_0x~s+a_1x~(s-1)+…+ a_s-1)(a_0x~s++a_1x~(s-1)+…+a_s-2)… ..(a_0x~s+a_1x~(s-1)+…+a_s-r+1)/r!, 可知C_x~r,C_(ax+b)~r为x的r次函数,C_(a_0x~s+a_1x~(s-1)+…+a_s)~r为x的rs次函数。因此当x取連續整数时,C_x~r,c_(ax+b)~r的数列是r阶等差級数;C_(a_0x~s+a_1x~(s-1)+…+as)~r的数列是rs阶等差級数。或者說:从連續整数或等差級数(x取連續整数时ax+b的数列是等差級数)中取r的組合数的数列是r阶等差級数;从s阶等差級数(x取連續整数时a_0x~s+a_1x~(s-1)+…+a_s的数列是s阶等差級数)中取r的組合数的数列是rs阶等差級数。     

更新序列对于有限Markov链的嵌入

§1 引言数列 f=f~(1),f~(2),…,f~(n),…}称为,一序列,如果f~(i)≥0(i≥1);sum from t=1 to ∞ f~(i)≤1 (1)由产生的更新序列 u-{u_0;u_1,u_2,…,u_n,…}依下式定义(2)更新序列与马氏链关系密切。设 X(n)是离散参数马氏链,其(一步)转移矩阵为P=(P_(ij))_(i,j∈E),(E 为可列集) (3)又记 n 步转移矩阵为 P~((n))=(P_(ij)~((n)))_(i,j∈E),则P~((0))=(单位矩阵),P~((1))=P,P~((n))=P~n (4)这时,对每个 i∈E,数列{P_(i)~((n))}_(n≥0)是更新序列,其所有产生的 f-序列为{f_i~((n))}+_(n≥1):     

含错线性序列的极大似然纠正

本文中讨论二元序列时,其元素间的运算均在二元域 F_2={0,1}中进行.设α=(α_t)_t≥0是 F_2上由多项式 c(x)=1+c_1x+…+c_(d-1)x~(d-1)+x~d 生成的线性序列,即有α_t+c_1α_(t+1)+…+C_(d-1)α_(t+d-1)+a_(t+d)=0,t≥0.(1)如果有二元干扰序列 e=(e_t)_(t≥0)迭加于α,其中 e_0,e_1,…是独立同分布的,Prob(e_t=1)=s<1/2,则迭合序列 b=(b_t)_(t≥0)=(α_t+e_t)t≥0称为α的含错序列,其错误率为 s.从已知的含     

Steenrod代数上Q_i型简单模

<正> 设A为modp Steenrod代数,p≥2,P~R,Q_o,Q_1,Q_2,…为A的Milnor基元(见[7]),令P_t~s=P~(o,…,o,p~s,o,…),p~s在序列第t个位置,则当s相似文献   

高阶亚纯函数系数微分方程的解及其导数的不动点

研究了高阶线性微分方程f~(k)+A_(k-1)(z)f~(k-1)+…+A_1(z)f′+A_0(z)f=0的非零解f,及其一阶、二阶导数,f~(i)(i=1,2)的不动点性质,这里A_j(z)(j=0,1,…k-1)为亚纯函数,得到了若δ(∞,A_0)>0,且满足max{i(A1),i(A2),…,i(A_(k-1))}相似文献   

方差分量组合的非负二次估计的可容许性

设有方差分量模型Y=X_β+U_(1ε1)+…+U_(NεN),其中XU_i已知,ε_1,…,ε_1相互独立。Eε_(if)=0,Eε_(if)~2=σ~2,Eε_(if)~3=0.Eε_(if)~4=3σ_i~4,这里(ε_(i1),…,ε_(in_i)εi。(β,σ~2)∈R~n×Ω为未知参数。Ω={(σ_1~2,…,σ_N~2):0≠sum from i=1 to n σ_i~2U_iU'_i≥0}。本文给出了Y'AY是sum from i=1 to n f_iσ_i~2在损失(Y'AY-sum from i=1 to N f_iσ_i~2)~2下在类{Y'BY:B≥0}中可容许估计的一个充分条件。同时也给出了Y'AY+l'Y+a是sum from i=1 to N f_iσ_i~2的可容许估计(在类{Y'BY+m'Y+b}中)的一个充要条件。研究了非负二次估计与局部最优估计之间的关系。     

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(?)