三角代数上Jordan高阶导子的刻画

设u=Tri(A,M,B)是含单位元I的三角代数,()={()_n}_(n∈N)是u上一簇线性映射.本文证明了:如果对任意U,V∈u且UV=VU=I,有()_n(UV+VU)=∑_(i+j=n)(()_i(U)_(()_j)(V)+()_i(V)()_j(U)),则()={()_n}_(n∈N)是u上高阶导子.作为应用,得到了套代数上Jordan高阶导子的一个刻画.     

任意细分面具的级联算法对单个初始函数的收敛性

级联算法在计算机图形和小波分析中都有很重要的作用．对任意的初始函数φ0，一个级联序列(φ_n)_(n=1)~∞是由迭代产生的序列φ_n=C_aφ_(n-1)(n=1，2，…)，其中 C_a 定义为C_ag=sum from α∈Ζa(α)g(2·-α)，g∈L_p(R)．用函数序列和联合谱半径刻画了级联序列的收敛性．作为一个结果，证明了任意的级联收敛序列都有几何收敛速度，即‖φ_(n-1)-φ_n‖_[L_p(R)]=O((?)~n)对某个(?)∈(0，1)成立．不要求对面具的求和定则的条件．     

关于诱导极限有界集的一些结果

<正> 设E_1■ E_2■ E_3…为局部凸Hausdorss线性拓扑空间序列,E_n所具有的拓扑记作ξ_n,(E,ξ)=indlim(E_n,ξ_n)为其相对于连续恒同映照id:(E_n,ξ_n)→(E_(n+1),ξ_(n+1))的Hausdorff诱导极限(见[1],p.57).显然,(E_n,ξ_n)的每个有界子集必为(E,ξ)的有界子集.Dieudonne-Schwartz定理指出:若对于n∈N,E_n闭于(E_(n+1),ξ_(n+1)),且ξ_(n+1)关于E_n的相对拓扑等于ξ_n,则E的子集B为ξ-有界,当且仅当存在n∈N使B为(E_n,     

经验测度序列的大偏差原理

设{X_i,i∈N)是平稳N A随机变量序列且ψ_(1)＞0．记经验测度δ_n=1/n■,借助于弱收敛拓扑下的开集与β度量下的开球之间的关系,证明了{P{δ_n∈·},n→∞}在(M_1(R),■)上满足大偏差原理．     

Banach空间非扩张映像不动点强收敛定理

设E是具弱序列连续对偶映像自反Banach空间, C是E中闭凸集, T:C→ C是具非空不动点集F(T)的非扩张映像.给定u∈ C,对任意初值x0∈ C,实数列{αn}n∞=0,{βn}∞n=0∈ (0,1),满足如下条件:(i)sum from n=α to ∞α_n=∞, α_n→0;(ii)β_n∈[0,α) for some α∈(0,1);(iii)sun for n=α to ∞|α_(n-1) α_n|<∞,sum from n=α|β_(n-1)-β_n|<∞设{x_n}_(n_1)~∞是由下式定义的迭代序列:{y_n=β_nx_n (1-β_n)Tx_n x_(n 1)=α_nu (1-α_n)y_n Then {x_n}_(n=1)~∞则{x_n}_(n=1)~∞强收敛于T的某不动点.     

T-UNIFORM AMARTS AND ALMOST SURE CONVERGENCE IN BANACH SPACE

§1. Introduction Let ((Ω, (?), p) be a probability space, E be a separable Banach space with norm ||·||, and let (X_n, (?)_n)_(n≥1) be an E-valued adapted sequence, i.e., ((?)_n)_(n≥1) is a family of increasing sub-σ-algebras of (?) and X_n is a strongly (?)_n-measurable E-valued random variable (n≥1).     

关于Fourier余弦级数L~1收敛性的一点注记

本文指出文[1]中的定理4.1证明中包含着错误,并且建立了相应的正确结果。设α_0/2+sum from n=1 to ∞ α_n cos nx是f∈L(0,π]的Fourier余弦级数,假如存在a>0和单调数列{l_n}∈SV(N)使得α_n/(n~αl_n)↘(n→∞),那么下面两断言是等价的,(ⅰ) ‖S_n(f)-f‖_(L1)=0(1)(n→∞):(ⅱ)α_nlogn→0(n→∞)。     

输出反馈极点配置问题的一个算法

在线性多变量控制理论中,存在一个代数特征值反问题——输出反馈极点配置问题。问题叙述如下: 问题PAO.给定A∈R~(n×n),B∈R_m~(n×m),C∈R_p~(p×n)和?={λ_1,λ_2,…,λ_n},?在复共轭下封闭.求K∈R~(m×p),使得A+BKC具有事先给定的特征值λ_1,λ_2,…,λ_n。 [2]和[5]等证明了     

一类奇型Sturm-Liouville算子的逆问题

研究了奇型Sturm-Liouville算子的逆问题.对于固定的n∈N,证明了Sturm-Liouville问题(1.3)-(1.5)的第n个特征值λ_n(q,H)关于H是严格单调增加的,及一组不同边界条件下的第n个特征值的谱集合{λ_n(q,H_k)}_(k=1)~(+∞)能够唯一确定(0,πr)上的势函数q(x).     

Asymptotic uniformity of the quantization error for the Ahlfors-David probability measures

Let μ be an Ahlfors-David probability measure on R~q;therefore,there exist some constants s_0 0 and ε_0,C_1,C_2 0 such that C_1ε~(s_0)≤μ(B(x,ε))≤C_2ε~(s_0) for all ε∈(0,ε_0) and x ∈ supp(μ).For n≥ 1,let α_n be an n-optimal set for μ of order r;furthermore,let {P_a(α_n)}_(a∈α_n) be an arbitrary Voronoi partition with respect to α_n.The n-th quantization error e_(n,r)(μ) for μ of order r can be defined as e_(n,r)~r(μ):=∫ d(x,α_n)~r dμ(x).We define I_a(α_n,μ):=∫_(P_a(α_n)) d(x,α_n)~r dμ(x),a ∈α_n,and prove that,the three quantities ■ are of the same order as that of 1/ne_(n,r)~r(μ).Thus,our result exhibits that,a weak version of Gersho's conjecture holds true for the Ahlfors-David probability measures on R~q.     

平均值不等式的推广及其应用

设α_i∈R~ (i=1,2,…,n),则成立着A_n=(α_1 α_2 … α_n)/n≥G_n=(α_1α_2…α_n)/(1/n)当且仅当;α_1=α_2=…=α_n,时取等号(证明略)。本文先借助一个矩形数表对这个不等式加以推广,然后举例说明运用它来证明某些不等式将甚为方便简捷。     

Besov空间中双参数Volterra型重分数过程的弱逼近

In this paper, we prove that two-parameter Volterra multifractional process can be approximated in law in the topology of the anisotropic Besov spaces by the family of processes{B_n(s,t)},n∈N defined by B_n(s,t)=∫_0~s ∫_0~tk_(a(s))(s,u)K_(β(t))(t,u)θ_(n(u,v))dudv,here {θ_n(u, v)}n∈N is a family of processes, converging in law to a Brownian sheet as n→∞,based on the well known Donsker's theorem.     

正态样本最大值与平均值之差的上侧分位数表

设 x_1,x_2,…,x_n 是来自正态总体 N(μ,σ~2)的随机样本,μ∈R,σ~2>0已知,记(?)_n为样本均值,x_(1)≤x_(2)≤…≤x_(n)是此样本的顺序统计量.Nair 和 Grubbs 提出以统计量 R_n=(x_(n)-(?)_n)/σ口进行某些统计检验.特别用以判断最大值是否异常数据.当然 R′_n=((?)_(n)-x_(1))/σ可用以判断最小值是否异常数据,R′_n 的分布与 R_n 相同.这检验的最优性质可由 Kudo 的方法来证.     

活动受限制下的非协作对策

<正> 設Γ是一n人对策,第i人的策略空間是S_i,赢得函数是H_i(x_1,…,x_n),x_i∈S_i,i=1,…,n.命S_i为第i人的一个混合策略集,而H_i(μ_1,…,μ_n),μ_i∈S_i,为其相应数学期望.按Nash,策略組μ=(μ_1,…,μ_n)称为对策Γ=(这里I={1,…,n}是对策者集)的一个平衡局势,如果对每一μ_i∈S_i,i=1,…,n,有     

状态反馈极点配置问题的一个新算法

§1.引言 极点配置问题是控制理论中的一个重要的问题,描述如下: 问题(P1).给定A∈R~(n×n),B∈R~(n×m),Λ={λ_1,λ_2,…,λ_n},Λ在复共轭下封闭.求F∈R~(m×n),使得     

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,…,     

关于平稳序列随机变秩顺序统计量的极限分布

令{ζ_n}是平稳序列,ζ_1~(n)≤ζ_2~(n)≤…≤ζ_n~(n)是ζ_1,…,ζ_n的顺序统计量,x∈R,a_n>0,b_n是实数列,u_n=α_nx+b_n,设f_n(x),g_n(x)是取正整数值的波雷尔可测函数,且f_n(x)≤g_n(x)≤n,g_n(x)关于n严格递增,设X是离散值随机变量且关于σ(ζ_1)可测,令对某q∈(0,1)有 本文在一种混合条件下,讨论了的渐近性质。     

Z上的稳定随机徘徊

设(X_n,n∈N)是定义在概率空间(Ω,(?),P)上,在 Z 上取值的(严)平稳过程.令 S_0=0,S_n=sum from (?) to n X_k,n=1,2,…我们称(S_n,n∈N)是从原点出发的稳定随机徘徊.本文的主要结果是:定理1 假定(X_n,n∈N)是遍历的,我们有:a)(?)#{S_0,…,S_n}/n≥1-P((?)n≥1:S_n=0)     

套代数上的高阶全可导点

令N是Hilbert空间H上的非平凡完备套.若线性映射φ={φ~((n))}_(n∈N)满足对任意n∈N以及S,T∈alg N,且ST=G,φ~((n))(sT)=∑_(i+j=n)φ~((i))(S)φ~((j))(T),则称φ为alg N上的G点高阶可导映射.若G点高阶可导映射φ={φ~((n)))}_(n∈N)为高阶导子,则称G为alg N上的高阶全可导点.本文证明了,G∈alg N为高阶全可导点当且仅当G≠0.     

等比数列一个性质及应用

对于等比数列,我们有如下的性质: 性质:如果数列{α_(n 1)-αα_n}(α≠0)是公比为β的等比数列,则数列{α_(n 1)-βα_n}是公比为α的等比数列。证明∵α_(n 1)-αα_n=β(α_n-αα_(n-1)) 即α_(n 1)-βα_n=α(α_n-βα_(n-1)) 故数列{α_(n 1)-βα_n}是公比为α的等比数