一类极限问题

这里讨论一类以递推关系x_n=f(x_(n-1))确定的数列{x_n}(n=1,2,…)的极限问题,其中x_0是给定的。我们要利用f(x)的性质来解决这个问题。为此建立如下定理。定理:设f(x)是定义在(a,c)内的单值连续函数,且x=f(x)在(a,c)内有唯一解b,又当x(?)b时,f(x)(?)b,则有结论: 1.若在(a,b)内b>f(x)>x,在(b,c)内x>f(x)>b,则任给x_0∈(a,c),令x_n=f(x_(n-1)(n=1,2,…)恒有x_n收敛于b。若在(a,6)内f(x)x,则x_n=f(x_(n-1))(n=1,2,…)对任给x_0(?)b绝不收敛于b。     

大数定律的推广

引理1.設α≥0,則 引理2.若 1) y_n+1>y_n(n=1,2,…,); 2) (?)y_n=+∞; 3) (?)(x_n+1-x-n)/(y-n+1-y_n)存在,則 这两个引理的証明可参看[1]及[2];引理2又称为施篤茲定理。下面我們用σ_n~2表示随机变量ξ_n的方差,用ρ_(ij)表示随机变量ξ_i与ξ_j的相关系数。定理.設{ξ_n}是一随机变量序列,如果存在0≤λ<1,使得 1) (σ_1~2+…+σ_n~2)>A,对任何n成立; 2) 当|i-j|→∞时,|i-j|~λρ_(ij)一致趋向于0,則这随机变量列滿足弱大数定理。     

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.     

关于点集拓扑学中的一个定理

若 A\cup B≠D(c),则存在(c,v_0)∈D(c),使\bar{\lambda}(v_0)a.故存在 n_0,使当 n≥n_0时\bar{\lambda}(v_0)<β_n,\underline{\lambda}(v_0)>α_n。利用常规证法(参见[1]中p.122)可知,必存在R~1×X 中的有界开集 U,满足 E(V_0)\subset U,\partial D=\phi,\bar{U}(α_n_0,β_n_0)×X。由 D 的定义知,存在{n}的子列{n_k}及 Z_n_k∈\mathcal{C}_n_k,使使 Z_n_k→(c,v_0)。不失一般可设诸 Z_n_k 均属于 U。由(2)式及\mathcal{C}_{nk}的连通性,并注意到\bar{U}(α_n_0,β_n_0)×X,可知当 n_k≥n_0时有\mathcal{C}_{nk}\cap \partial U\not=\phi,取 y_n_k∈\mathcal{C}_{nk}\cap \partial U,则{y_n_k|k=1,2,…}是列紧的。故存在{y_n_k}的子列{y~n_k_i}及 y~*∈\partial U,使 y~n_k_i→y~*。显然y~*∈D,故 y~*∈\partial D \cap D,此与\partial U\cap D=\phi矛盾。所以(5)式成立。     

α-强增生算子零点的迭代逼近

设E为一致光滑Banach空间,A：E→E为有界次连续α-强增生算子满足：对某x_0∈E,α(r)＞|Ax_0|．设{C_n}为[0,1]中数列满足控制条件：(i)C_n→0(n→∞)；(ii)sum from∞to n=0 C_n=∞．设{x_n}n≥0由下式产生：x_n 1=x_n-C_nAx_n,n≥0,(@)则存在常数a＞0,当C_n＜a时,{x_n)强收敛于A的唯一零点x~*．     

连续函数之集在上半连续函数之集中的一种拓扑位置

设$(X,\rho)$是一个度量空间. 用$\dd {\rm USCC}(X)$和$\dd {\rm CC}(X)$ 分别表示从$X$ 到 $\I=[0,1]$的紧支撑的上半连续函数和紧支撑的连续函数下方图形全体. 赋予 Hausdorff 度量后, 它们是拓扑空间. 文中证明了, 如果 $X$ 是一个无限的且孤立点集稠密的紧度量空间, 则 $(\dd {\rm USCC}(X),\dd {\rm CC}(X))\approx(Q,c_0\cup (Q\setminus \Sigma))$, 即存在一个同胚 $h:~\dd {\rm USCC}(X)\to Q$, 使得 $h(\dd {\rm CC}(X))=c_0\cup (Q\setminus \Sigma)$, 这里 $Q=[-1,1]^{\omega},\,\Sigma=\{(x_n)_{n}\in Q: {\rm sup}|x_n|<1\},\, c_0=\Big\{(x_n)_{n}\in \Sigma: \lim\limits_{n\to +\infty}x_n=0\Big\}.$ 结合这个论断和另一篇文章的结果, 可以得到: 如果 $X$ 是一个无限的紧度量空间, 则 $(\uscc(X), \cc(X))\approx \left\{ \begin{array}{ll} (Q,c_0\cup (Q\setminus \Sigma)), &;\quad \text{如 果 孤 立 点 集 在} X \text{中稠密},\\ (Q, c_0), &;\quad \text{ 其他}. \end{array} \right.$ 还证明了, 对一个度量空间$X$, $(\dd {\rm USCC}(X),\dd {\rm CC}(X))\approx (\Sigma,c_0)$ 当且仅当 $X$是一个非紧的、局部紧的、非离散的可分空间.     

关於高維射影空間共軛网論的研究(Ⅱ)

<正> 本文是继前文[1]来討論n維射影空間S_n(n≥4)的共軛网有关的一些性貭,特別是第k类共軛和調和性貭.我們已經闡明,当k=1时,这些性貭变为普通共軛性貭和調和性貭.这里,很自然地发生一个問題:当一个拉普拉斯叙列{…X_3X_1X_2X_4…}是另一个拉普拉斯叙列{…A_3A_1A_2A_4…}的第k类內接叙列吋,能不能在这两个之間嵌入k-1个(k>1)拉普拉斯叙列{…A_3~((h))A_1~((h))A_2~((h))A_4~((h))…}(h=1,2,…,k-1),使一个內接着一个而且最后的一个內接于{…A_3A_1A_2A_4…}呢?我們将証明,問題中的嵌入完全可能,这     

无RNP性Banach格中鞅型序列的收敛性

本文证明了(1)设E是序连续Banach格,(x_n,(?)_n)_(n>l)是满足条件(C)的subpramart,若存在a.e.强收敛的强可测函数列(y_n)_(n≥1),使有 0≤x_n≤y_n,(?)_n≥1,则(x_n)_(n≥1~(a.e.))强收敛.且每一个 E~+值反向subpramart a.e.强收敛。(2)设E是AL空间,若(x_n,(?)_n)_(n≥1)是E~+值superpramart,则TLx_na.e.存在。     

一个三次样条插值定理

C.Davis和W.J.Kammerer曾先后用不同的方法证明了如下定理: 设y_0,y_1,…,y_n为实数,满足y_0>y_1,y_1y_3,…,则存在唯一的一个n次多项式P_n(x)和一组点x_0,x_1,…,x_n使得P_n(x_i)=y_i(i=0,1,…,n),P′_n(x_i)=0(i=1,2,…,n-1),0=x_0相似文献   

线性模型中误差方差估计的完全收敛性

在通常的线性模型y_i=x~_i′β_i+e_i(i=1,2,…)中,设σ~2=V_ar(e_i)。由前n次观测值y_1,y_2,…y_n可得基于残差平方和的σ~2估计(?)_n~2。本文中,当{e_n}为iid时,我们给出了许多(?)_n~2-σ~2完全收敛的充分必要条件,当{e_n)为独立但不同分布时,我们给出了(?)_n~2-σ~2完全收敛的充分条件,同时指出这些条件不能再减弱了。     

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)     

在Banach空间中推广的Roper-Suffridge算子(Ⅲ)

假定X是具有范数‖·‖的复Banach空间,n是一个满足dim X≥n≥2的正整数.本文考虑由下式定义的推广的Roper-Suffridge算子Φ_(n,β_22γ_2,…,β_(n+1),γ_(n+1))(f):(?)其中x∈Ω_(p1,p2,…,pn+1),β_1=1,γ_1=0和(?)这里p_j1(j=1,2,…,n+1),线性无关族{x_1,x_2,…,x_n}(?)X与{x_1~*,x_2~*,…,x_n~*}(?) X~*满足x_j~*(x_j)=‖x_j‖=1(j=1,2,…,n)和x_j~*(x_k)=0(j≠k),我们选取幂函数的单值分支满足(f(ξ)/ξ)~(β_j)|ξ=0=1和(f′(ξ))~(γ_j)|ξ=0=1,j=2,…,n+1.本文将证明:对某些合适的常数β_j,γ_j,算子Φ_(n,β_2,γ_2,…,β_(n+1),γ_(n+1))(f)在Ω_(p_1,p_2,…,p_(n+1))上保持α阶的殆β型螺形映照和α阶的β型螺形映照.     

适应性滤波器的强收敛速度

适应性滤波器的收敛性问题已经被许多学者研究.问题可以叙述如下.设{y_n}和{(?)_n}分别是输出信号和参考信号,欲求一序列{x_n},使其在每一时刻 n,y_n 被 x_n 加权,并且在     

ON THE APPROXIMATION OF (0,2) INTERPOLATION

Let $-1=x_{n,n}相似文献   

三次样条用端点值估计时的几个准确常数

设Δ_n(n=1,2,…)是把[a,b]分成n段的各种分划的全体,也即 Δ_n{(x_0,x_1,…,x_n):a=x_0相似文献   

准马尔可夫矩阵能扩充为转移矩阵的充要条件

<正> 一个取值于{0,1,2,…,N}的随机过程 Y(t)(t≥0) 称为 n 阶准马尔可夫链,如果对任意 i=1,2,…,N,T>0,在事件{Y(T)=i}和(?)_T={Y(s);0≤s≤T}的条件下,过程 Y(T+t) (t≥0) 的有限维分布仅依赖于 i 而不依赖于 T 和(?)_T(见[1]).当此性质对 i=0也成立,Y(t)就是通常的马尔可夫链.     

线性模型中误差方差估计相合性的收敛速度

考虑线性模型y_j=x′β+e_j,j=1,2,…,n,假定误差序列{e_j}为ⅱd,随机变量序列,满足Ee_1=0,00,n→∞; (ⅱ)对任何ε>0,n→∞; (ⅲ) 这个结果与{Y_j}为独立同分布场合完全一致。     

非线性算子具误差的隐迭代程序的强收敛性

设K是一致凸Banach空间中的非空闭凸子集,T_i:K→K(i=1,2,…,N)是有限族完全渐近非扩张映象.对任意的x_0∈K,具误差的隐迭代序列{x_n}为:x_n=α_nx_n-1+β_nT_n~kx_n+γ_nu_n,n≥1,其中{α_n},{β_n},{γ_n}■[0,1]满足α_n+β_n+γ_n=1,{u_n}是K中的有界序列.在一定的条件下,该文建立了隐迭代序列{x_n}的强收敛性.得到隐迭代序列{x_n}强收敛于有限族完全渐近非扩张映象公共不动点的充要条件.所得结果改进和推广了Shahzad与Zegeye,Zhou与Chang,Chang,Tan,Lee与Chan等人的相应结果.     

一类高维种群动力系统的持续性

§1.引言 对于下述形式的Kolmogorov系统: x_i=x_if_i(x_1,x_2,…x_n),i=1,2…,n, (1.1)其中x_i=dx_i(t)/dt,x_i(t)表示种群x_i在时刻t时的种群密度,X=(x_1,x_2,…,x_n)∈R_ ~n,f_i(x)∈C~1(R_ ~n),这里R_ ~n={X|x_i≥0,i∈N},而N={1,2,…,n},R_ ~(n,0)={X|x_i>0,i∈N},在条件X(0)={x_1(0),x_2(0),…,x_n(0)}∈R_ ~(n,0)下,如果对一切i∈N:有lim sup_(t→∞)x_i(t)>0成立,称系统(1.1)弱持续生存;若liminf_(t→∞)x_i(t)>0成     

鞅型序列的局部收敛

本文讨论鞅型序列的局部收敛和收敛,主要结果是(1)设(x_n,f_n)是subpramart,(y_n,f_n),(z_n,f_n)是适应可积序列,又x_n≤y_n+z_n,n≥1,若(y_n,f_n)∈C~+UPD,则(2)若(x_n,f_n)是GWT,若sup Ex_n~-<∞且τ∈T,则(x_n)依概率收敛。