关于联合最佳逼近定理的一个证明

<正> 一、引言 设(X,∑,μ)是σ有穷测度空间,L_p=L_p(X,∑,μ)(1≤p<+∞)表示在(X,∑,μ)上可测且p次幂可积的复值函数全体组成的Banach空间,又设f_i∈L_p,λ_j∈R~+(i=1,2…)满足条件     

关于非线性共同逼近的强唯一性

本文首先指出文献［１］中的一个错误，举例说明弱拟凸集的最佳逼近未必具有广义强唯一性，进而讨论两类共同逼近的强唯一性，在空间是一致凸、逼近集是共同太阳集的条件下，证明了最佳共同逼近具有广义强唯一性     

关于弱拟凸集与广义凸集逼近的几点注记

本文证明了赋范线性空间中闭弱拟凸集必为凸集,并指出郭元明的”弱拟凸集的一些性质及其应用”、“广义凸集的联合逼近特性”两文中的主要结论实质上是已知的结果.     

三次广义样条插值的误差估计

1 引言 对于分划△:0=x_0相似文献   

线性拓扑空间中的序收敛

<正> 设L是线性拓扑空间,同时又是半序线性空间,则L中有两种不同的收敛:拓扑收敛和序收敛.Ralph E.Demarr称序收敛等价于拓扑收敛的半序线性拓扑空间为O空间,并在局部凸的假定下,证明了: 1.任何O空间必可赋范. 2.任何赋范空间可引入适当的正锥使成为O空间.     

关于一类插值样条

在S_(n△)。中有唯一解.令P_△f=s(x),s(x)是对f(x)关于上述插值问题(1)的解,J.Tzi-mbalario证明投影算子P_△:C~(-1)[a,b]→S_(n△)是有界的,这里C~(-1)[a,b]是[a,b]上有界函数全体所成的空间. J.Tzimbalario的证明是错误的,因为从[1]中(3.6)式通过计算得到的不是(3.7)式,     

关于集值映照优化解的稳定性

设Ｘ，Ｙ为Ｂａｎａｃｈ空间，ｆ：Ｘ０→２Ｙ（Ｘ０　Ｘ），Ｄ：Ｙ０→、２Ｙ（Ｙ０＝∪ｆ（ｘ）），对ｙ∈Ｙ０，Ｄ（ｙ））均取锥值．本文讨论集值映照ｆ（ｘ）关于控制结构Ｄ（ｙ）的优化问题，当目标函数和控制结构同时有扰动时优化解的稳定性．     

三次样条插值的收敛性

设f(x)∈C_[a,b],△_n是区间[a,b]的分划 △_n:a=x_0相似文献   

距离空间中插值神经网络的误差估计

研究距离空间中的神经网络插值与逼近问题.首先引进一类广义的激活函数,用比较简洁的方法讨论距离空间中插值神经网络的存在性,然后给出插值神经网络逼近连续函数的误差估计.     

Banach 空间中非线性最佳逼近的广义强唯一性

设X是一致凸空间,G为X中太阳集,R．Smarzewski[1]证明了g∈G对x∈的最佳逼近具有广义强唯一性,本文讨论其逆,在最佳逼近是广义强唯一的条件下,研究了空间的凸性和逼近集的太阳性．