关于完备随机内积模中的Lax-Milgram定理的注记

设(S,X)为数域K上以σ-有限测度空间(Ω,A,μ)为基的完备的RIP-模,而且α:S×S→L(μ,K)满足如下条件:(A)存在ξ∈L (μ),使得a(p,q)ξ·X~p·X~q,p,q∈S;(B)a是coercive(即,存在η∈L (μ),使得a(p,p)η·X~p2,p∈S且μ({ωη(ω)=0})=0);(C)对每个q∈S,a(·,q):S→L(μ,K)是模同态,且对每个p∈S,a(p,ξq1 ηq2)=ξ-a(p,q1) η-a(p,q2),q1,q2∈S及ξ,η∈L(μ,K).则存在唯一的连续模同态A:S→S使A-1存在且μ-a.s.有界,还满足:(1)a(p,q)=XA(p),q,p,q∈S;(2)X~A-1(p)1ηX~p,p∈S.     

自适应设计广义线性回归多维拟似然估计的渐近正态性

本文研究了自适应设计下广义线性回归的拟似然方程∑ni=1xi(yi-μ(xi′β))=0,其中yi是q维向量,xi是p×q阶随机矩阵,在一定条件下证明了方程的解^βn具有渐进正态的性质.     

两类积图的邻点可区别全染色

本文.证明了,当n≥2时,Xat(K_n×K′_n)=2n;当p,q≥2时,Xat(C_(2p)×K_(2q))=2q 3,其中K_n×K′_n是两个不同标号完全图的积图,C_(2p)×K_(2q)是偶圈和偶阶完全图的积图.     

一般的 Gauss-Markoff 模型中回归系数的线性估计的可容许性

此处 X 为已知的 n×p 矩阵;V 为已知的 n 阶非负定对称矩阵,记为 V≥0;β∈R~p,σ~2>0都是未知参数.设 Sβ可估(S 为已知的常数阵).我们想用 n 维随机向量 Y 的线性函数 LY(L 已知)去估计 Sβ.对于 V>0(即 V 为正定的对称矩阵),C.R.Rao 在二次损失函数     

ARMA序列协方差阵求逆和参数估计

§1.引言 如何求ARMA(p,q)序列的N个样本的协方差阵Γ_N的逆,已有不少人研究过。这个问题不但有理论上的重要意义,而且可应用于参数估计中。对于(p,0),(0,1)阶序列,较早就已得到结果,但对一般的(p,q)阶序列,近年来才有进展。在一维情形,[2]将Γ_N的求逆化为p+q阶阵求逆和一些递推算法;[1]进一步把求逆的阶数从p+q降低为r=max{p,q}。也就是说,虽然对一般的(p,q)阶序列,Γ_N~(-1)诸元不能象(p,0),     

非线性薛定谔方程组的散射

本文主要考虑如下非线性薛定谔方程组的柯西问题:{-iu1t=△u1-μ|u1 |p1u1--α |u1 | q1-2 |u2 |q2u1,(x,t)∈RN×(0,T),-iu2t=△u2-ν |u2 |p2u2-β|u1|q1|u2 | q2-2u2, (x,t)∈RN×(0,T),u1 (x,0)=φ(x),u2(x,0)=φ2(x), x∈RN,其中μ,ν,α,β＞0,q1+q2=p3+2,且α/q1=β/q2=b.本文主要研究一些渐近性质,并分别在Sobolev空间、Σ空间及L2(RN)中建立散射理论,这里三={u∈H1(RN),|x|u∈L2 (RN)}.     

含有线性约束及非负回归系数的回归模型

本文考虑如下的回归模型 Y=Xβ 8 β≥0,Hβ=C ε～N_n(0,σ~2l_n) 其中Y:n×1,X:n×p,ε:n×1,H:q×p(q相似文献   

二次损失下方差分量模型中回归系数线性估计的-可容许性

一、问题和结果考虑方差分量模型(?)(1.1)其中 X 为已知的 n×p 阶矩阵,V_i≥0,i=1,2,…,m,已知,β∈R~p,θ_i≥0或θ_i>0,i=1,2,…,m 都是参数.我们要估计线性可估函数 Sβ,S 为已知的 k×p 矩阵,选取估计类     

有限局部环上酉群阶的计算

设K=F_(q^2),其特征为p, q=p^α,K有对合自同构ω:a→a^q. G是一个p 群，其阶为p^β, 群代数R=KG为一局部环. K的2阶自同构ω可延拓为R的一个2阶自同构，记为ω'，为方便，对任意a∈R, 记ω‘(a)为~a. R上2n级酉群定义为U_(2n)R={A∈GL_(2n)R|A(0,I^n,I^n,0)~A^t=(0,I^n,I^n,0)} 该文计算了U_(2n)R的阶.      

种公牛育种值预测的BLUP方法及应用一例

设一般的混合线性模型是 Y=Xβ Zu e (1)其中Y是n维观测值向量,X、Z分别是已知的n×p和n×q矩阵,β是一个p维(未知)固定参数向量,u是一个q维随机参数向量,e是n维随机误差向量,且有 E=0 Var (2)在实际问题中,常有R=σ_6~2I,G也常常是对角阵。七十年代初,C.R.Henderson提出用混合模型来预测种公牛育种值,他把环境效应(为牧场一年一季效应)、固定遗传效应(为公牛组效应)看作固定参数β,而把公牛效应及其与环境、遗传的交互效应看作随机参数向量u(交互效应一般不显著,故实际上常略去),目的是要     

线性回归系数两种可估性的关系

<正> 设有满足Gauss-Markov(GM)条件的线性模型Y=Xβ+e,E_e=0,COV(e)=б~2l,此处X为已知的n×p矩阵,β=(β_1,…,β_p)′为p维未知向量,I为n阶单位阵,0<σ~2<∞,σ~2也未知.设c为一已知的p维向量,则当x的秩为P时,c′β必为线性可估.反过来,若X的秩小于p,则对某些c,c′β不是线性可估,甚至也可以不是可估的.     

小Bloch型空间上的加权复合算子

本文将刻划从小Bloch型空间β0p到β0q(0＜p,q＜∞)上加权复合算子Tψ,ψ的有界性和紧性.同时得到了Tψ,ψ是Bloch型空间βp到βq(p＞1,0≤q≤1)有界算子的充要条件以及Tψ,ψ是Bloch型空间βp到βq(0≤p,q＜∞)紧算子的充要条件.     

Bergman空间中的Hardy-Littlewood型定理

称满足上述条件的函数的全体为加权Bergman空间A~p,q,a(见[1]),若其中p=q,a=0,记为A~p.定义f(z)的β(β>0)阶分数导数为(令D~0f=f)D~βf(z)=sum from n=0 to∞(n+1)~βa_nz~n.[2]和[3]均曾在A~p中考虑这样的问题:若f’∈A~p,那么q=?(与p有关),才能使f∈A~q.本文在较广的A~p,q,a中完全解决了上述问题.并将f’推广到D~βf.得到     

体上矩阵广义逆的共变条件

设K为任意除环,F记其中心,K_r~m×n记K上秩r的m×n矩阵的集合.若A∈K_r~m×n则A’记A的转置,又设σ为K的对合反自同构则A→A’~σ为一个对合函数,记A’~σ=A,由此可定义A的M—P广义逆A~ 本文中I_n记n阶单位阵,GL_n(K)记K上n阶一般线性群,(E_ij)_mn记K上m×n矩阵且(i,j)位置为1,其余位置为0,本文研究广义逆的共变条件,推广了[2]的有关结果.     

争鸣

问题103已知条件p:x2 ax 1≤0,条件q:x2-3x 2≤0.若条件p是条件q的充分但不必要条件,求实数a的取值范围.令A={x|x2 ax 1≤0},B={x|x2-3x 2≤0}.根据条件p是条件q的充分但不必要条件可知,集合A是集合B的一个真子集.观点1认为A B且A可以等于空集.据此解得实数a的取值范围是-2≤a<     

带变量核的广义高阶Marcinkiewicz积分交换子在Herz型Hardy空间的有界性

设A是R~n上的一个m阶可导函数,且D~λA∈Λ_β(0β1,|λ|=m),Ω(x,z)∈L~∞(R~n)×L~s(S~(n-1))(sn/(n-β))是零阶齐次函数且关于变量z满足消失条件.该文证明了广义高阶Marcinkiewicz积分交换子μ_Ω~A及其变形μ_Ω~A在Herz型Hardy空间的有界性.     

非负整数对称阵可实现性问题的算法

1引 言 设P是有p个元素,oj,j＝1,…,p,的有限集,{Si｝,I=1,…,n,为P的子集族.记A=(aij)为{Si｝的关联矩阵,其中,当Oj∈Si时aij=1,否则aij=0.若AAT＝B＝(bij),即bij=|Si ∩ Sj|,则B是对称的且bii≥Bij≥0.反过来,已知n阶非负整数对称阵B,是否存在一个n×m的0-1矩阵A使B=AAT,以及如何计算使B=AAT成立的最小的m(即容度),这即是John B Kelly于1968年在文献[1]中讨论的非负整数对称阵的可实现性问题.     

对称非负定矩阵反问题解存在的条件

R~(n×m)表示所有n×m阶实阵集合,R_r~(n×m)表示R~(n×m)中秩为r的子集.R_K表示所有K阶对称非负定阵集合.A≥0(>0)表示方阵A对称非负定(正定).R(A),N(A),A~+分别表示A的列空间,零空间和Moore-Penrose广义逆.dim(·)表示子空间维数,I_K表示K阶单位阵.||·||表示Frobenius范数.现考虑如下问题:     

非齐型空间上分数型Marcinkiewicz积分算子的加权估计

令(H,d,μ)为满足所谓上倍双倍条件和几何双倍条件的度量测度空间.设M_(β,ρ,q)为(H,d,μ)上的分数型Marcinkiewicz积分算子.在本文中,作者证明了若β∈[0,∞),ρ∈(0,∞),q∈(1,∞)且M_(β,ρ,q)在L~2 (μ)上有界,则M_(β,ρ,q)是从加权Lebesgue空间L~p(w)到加权弱Lebesgue空间L~(p,∞)(w)上有界和从加权Morrey空间L~(p,κ,η)(ω)到加权弱Morrey空间WL~(p,κ,η)(ω)上有界.     

RELATIONS BETWEEN PACKING PREMEASURE AND MEASURE ON METRIC SPACE

Let X be a metric space andμa finite Borel measure on X. Let pμq,t and pμq,t be the packing premeasure and the packing measure on X, respectively, defined by the gauge (μB(x,r))q(2r)t, where q, t∈R. For any compact set E of finite packing premeasure the authors prove: (1) if q≤0 then pμq,t(E)=pμq,t(E);(2)if q>0 andμis doubling on E then pμq,t(E) and pμq,t(E) are both zero or neither.