二阶线性系统稳定性判定的数值方法

A为N阶方阵,N=2n,设A的特征值为ξ_1,ξ_2,…,ξ_N,根据[3]有如下定义: 定义1.若所有的 Reξ_i<0,则称系统(1.1)是渐近稳定的,相应的A阵叫渐近稳定阵;若所有的Reξ_i≤0且对所有的Reξ_k=0的ξ_k对应的初级因子均是线性的,则称系     

本原代换的非周期不动点的Hausdorff维数函数

设A={0,1,…,N-1},ξ是A上的一个本原代换,u是ξ的非周期不动点.记     

Y-数值半径的乘法因子

设A是一个n阶复数矩阵,y=(ξ1,…,ξn)是n维复数组,称ry(A)=max{|∑ξixi*Axi|∶xi*xi=1,xi∈Cn}为矩阵A的Y-数值半径,其中Cn表示复数域C上的n维向量空间.当y=(1,0,…,0)时,Y-数值半径变为标准数值半径r(A)=max{|x*Ax|∶x*x=1}.证得当sum from i=1 to n(ξi)≠0且ξi不都相等时,ry是广义矩阵范数,同时还讨论了ry的乘法因子.     

用二项分布解一类概率应用题

根据新教材第三册P7给出二项分布的定义知,满足下面两个条件的随机变量ξ(ξ表示的是在n次独立重复试验中,事件A发生的次数,ξ=0,1,2,…,n)服从二项分布,记为ξ～B(n,p).     

几何分布中两类问题的说明

在贝努里 (Bernoulli)试验中 ,事件A发生的概率为 p ,若以 ξ记A首次出现时所需的试验次数 ,则ξ是随机变量 ,它的所有可能取值为 1,2 ,3,… ,n ,… ,且概率函数为g(k ,p) =P(ξ=k) =(1- p) k - 1p ,k =1,2 ,3,…我们把由该式所决定的概率分布即称为几何分布 .其分布列为ξ 12     

“最值”的分布列求法

<正>大家熟知:当已知随机变量ξ的分布列为P(ξ=x_k)=p_k(k=1,2,…)时,则有:Dξ=Eξ²-(-Eξ)2-(-Eξ)²=(x_1-Eξ)2=(x_1-Eξ)² p_1+(x_2-Eξ)2 p_1+(x_2-Eξ)² p_2+…+(x_n-Eξ)2 p_2+…+(x_n-Eξ)² p_n+…≥0,可得知(Eξ)2 p_n+…≥0,可得知(Eξ)²≤Eξ2≤Eξ²,当且仅当x_1=x_2=x_3=…=x_n=…=Eξ时,取等号.下面举例说明,利用构造随机变量ξ的分布列的方法,来解一些非常规随机变量ξ的分布列的最值问题,供读者们赏析参考.     

依分布律收敛与分布函数a·e收敛的关系

依分布律收敛与分布函数ａ·ｅ收敛的关系方敏（北方交通大学）教材对于依分布律收敛的定义一般为：设随机变量ξｎ的分布函数是Ｆｎ，ｎ＝，２，…随机变量ξ的分布函数是Ｆ，若对Ｆ的每一连续点兄来说，Ｆｎ（ｘ０）→Ｆ（ｘ０），则称ξｎ的分布律收敛于ξ的分布律，记...     

Notes on Oscillation of Solution for aCertain Second Order Neutral Equation

Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｃｏｎｓｉｄｅｒｏｓｃｉｌｌａｔｏｒｙｏｆｅｑｕａｔｉｏｎ（１）［ｘ（ｔ）＋ｃｘ（ｔ－τ）］″＋∫ｂａｐ（ｔ，ξ）ｘ［ｇ（ｔ，ξ）］ｄσ（ξ）＝０，（１）ｗｈｅｒｅτ０；ｐ（ｔ，ξ），ｇ（ｔ，ξ）∈Ｃ（［ｔ０，＋∞）×［ａ，ｂ］，Ｒ）；ｇ（ｔ，ξ）ｔ，ξ∈［ａ，ｂ］；ｇ（ｔ，ξ）ａｒｅｎｏｎ－ｄｅｃｒｅａｓｉｎｇｗｉｔｈｔｏｔ，ξ，ｒｅｓｐｅｃｔｉｖｅｌｙａｎｄｌｉｍｔ→＋∞ｍｉｎξ∈［ａ，ｂ］｛ｇ（ｔ，ξ）｝＝＋∞，σ（ξ）∈（［ａ，ｂ］，Ｒ）ｉｓｎｏｎｄｅｃｒ…     

关于正态随机变量线性组合的分布的一个充要条件

设ξ_1,ξ_2,ξ_3,…,ξ_n 为定义在同一概率空间(Ω,(?),P)上的任意 n(≥2)个正态随机变量,本文给出 a_1ξ_1+…+a_nξ_n(其中 a_1,a_2,…,a_n 均为非零实数)不是正态随机变量,而其任意 r(1≤r≤n-1)个的线性组合均为正态随机变量的一个充要条件,并指出文[1]的结果是本文的一个特例.     

素＊-环上非线性保XY-ξYX~＊积

设M是包含非平凡投影P的单位素*-环.证明了非线性双射φ:M→M对所有A,B∈M,满足φ(AB-ξBA*)=φ(A)φ(B)—ξφ(B)φ(A)*.若ξ=1,则φ是线性或共轭线性的*-同构;若ξ≠1,则φ是*-环同构,且对所有A∈M,有φ(ξA)=ξφ(A).     

因子von Neumann代数上的非线性混合ξ-Jordan三重可导映射

设■是一个的因子von Neumann代数.我们证明了每一个非线性混合ξ-Jordan(ξ≠0,-1)三重可导映射Φ:■→■都是可加的*-导子,且对任意的A∈■,有Φ(ξA)=ξΦ(A).     

一个高阶边值问题

本文考虑如下高阶多点边值问题：ｘ（ｎ）＝ｆ（ｔ，ｘ，ｘ＇，…，ｘ（ｘ－１），ｘ（０）＝ｘ（ξ）＝（１）＝ｘ＇（ξ）＝…＝ｘ（ｎ－３）（ξ）＝０，其中ξ∈（０，１）．对于ｆ有非线性增长的情况，利用基于度理论的不动点定理，建立了某些存在唯一性定理．     

用伽辽金法解两点边值问题

设0=ξ_0<ξ_1<…<ξ_(p 1)=1,记I=(0,1),J_j=(ξ_(j-1),ξ_j)(j=1,2,…,p 1)。定义 H~m(I,ξ_1,…,ξ_p)={u|u∈H~1(I),在每一个J_j上u∈H~m(J_j)},L~∞(I,m,ξ_1,…,ξ_p)={u|在每一个J_j上u∈H~m(J_j),且D~mu∈L~∞(J_j)}。 L~2(I,ξ_1…,ξ_p)={u|在每一个J_j上u∈H~m(J_j)}。 H~m(I,ξ_1,…,ξ_p)中任意两个元素u,v的内积定义如下:     

Von Neumann代数上P点ξ-Lie导子的刻画

设A是没有I_1型中心直和项的von Neumann代数,P∈A是一个非中心的空核投影且其中心包络是I.研究了Von Neumann代数上P点ξ-Lie导子δ,得到了对任意A∈A,存在T∈A使得δ(A)=AT-TA,这里非零数ξ∈F且ξ≠±1.     

构造分布列 巧解竞赛题

<正>Eξ,Dξ分别为随机变量ξ的数学期望与方差,由关系式Dξ=Eξ²-(Eξ)2-(Eξ)²及Dξ≥0,知Eξ2及Dξ≥0,知Eξ²≥(Eξ)2≥(Eξ)².构造离散型随机变量ξ的分布列P(ξ=x_i)=p_i(i=1,2,…,n),利用Eξ2.构造离散型随机变量ξ的分布列P(ξ=x_i)=p_i(i=1,2,…,n),利用Eξ²≥(Eξ)2≥(Eξ)²(当且仅当x_1=x_2=…=x_n=Eξ时取等号),可以别具一格地求解一类形式优美、内涵丰富的分式竞赛题.     

具有随机足标的弱相依高斯序列最大值的极限分布

设ξ1,ξ2,…为标准化的平稳高斯序列.Mn=max.ξi,协方差Υn=Cov(ξ1,ξn+1)=E(ξ1ξn+1).{N(n)}为-列取正整数的随机变量,满足 0,n→∞.在条件Υnlogn→0,n→∞之下,给出了 MN(n)的极限分布.     

关于正态随机变量的线性函数的分布

<正> 关于正态随机向量有结论:一个n维正态随机向量(ξ_1,ξ_2,…,ξ_n)的线性函数a_1ξ_1+a_2ξ_2+…+a_nξ_n是一维正态随机变量,其中a_i,i=1,2,…,n是不全为0的实数。n个相互独立正态随机变量是n维联合正态的,故n个独立正态随机变量之线性函数是一维正态的。     

关于时间序列线性预报问题的单纯形算法

本文考虑稳定时间序列的p阶线性预报问题,提出一个不受异常值影响的数学模型: 其中当k<1及k>n时ξ_k=0。进而将(1)归结为含有自由变量的线性规划问题 min1~Tδ~++1~Tδ~- (2) s.t.Aα+[E,-E][δ~(+T),δ~(-T)]=b,δ~+,δ~-≥0。其中α=[α_1,…,α_p]~T,b=[-ξ_2,…,-ξ_n,0,…,0]~T∈R~(p+n-1),1=[1,…,1]~T∈R~(p+n-1),A是(p+n-1)×p阶Toeplitz矩阵     

Hilbert空间内m-增生算子的扰动

<正> 本文提出了一个充分条件(定理1),足以保证复 Hilbert 空间 H 内一个线性 m-增生算子和一个增生算子的和为 m-增生的.这个条件似乎是同类型的条件中较弱的一种.复 Hilbert 空间 H 内一个线性算子 A(以 D(A)为其定义域 R(A)为其值域)叫做增生的,如果 R_e(A_μ,μ)≥0对所有μ∈D(A).如果更有 R(A+ξ)=H 对某一ξ>0成立(从而对所有ξ>0成立),我们就说 A 是 m-增生的.     

两个离散型随机变量相互独立的等价形式

<正> 设ξ和η是概率场(Ω,A,P)上的实随机变量.若对任意的实数x 和y 有等式P(ξ相似文献