RS_K积分与普通RS积分的关系

A.M.Russell定义并研究了RS_K积分.本文将研究各类RS_K积分与普通RS积分的关系,指出在所有RS_K 积分存在条件下,都可把它化成RS 积分.定义设f、g 是定义在[a′,b′]上的实函数,分法Γ(x_(K+1),…,x_(n+K-1)):a′≤x_(K+1)<…0,(?)δ(ε)>0,当‖Γ‖=max (x_i-x_(i-1))<δ(ε),ζ_i∈[x_i,x_(i+K)]     

一类可解群的自同构

令R为有1的交换环,T(R)为由下定义的非Abelian群。生成元:x_(ij)(a),i相似文献   

一有限自动机的误差传播有界弱逆的结构

定义 设M=和M′=是两个有限自动机。任何s∈S和s′∈S′,若对任何x_0,x_1,…∈X都存在x_(_t),…,x_(-1)∈X使得λ′(s′,λ(s,x_0x_1…))=x_(-t)…x_(-1)x_0x_1…成立,且对任何l≥n≥0,任何x_0,…,x_l∈X和任何y_0~′,…,y_(n_1)~′,y_0,y_1,…,y_l∈y,都可由y_0…y_l=λ(s,x_0…x_l)推出λ′(s′,y_0 … y_l)=_(n+c)λ′(s′,y_0~′…y_(n-1)~′y_n…y_l),则称(s,s′)为延迟t步误差传播长度不大于e的匹配对,其中e是一非负整数,a_0a_1…a_l=_tb_0b_1…b_l表示a_t…a_l=b_t…b_l。对任何     

关于线性模型中LS估计相合的条件

考虑线性模型如下: y_i=x′_iβ+e_i,i=1,2,…,(1.1) 其中x′_i=(x_(i1),x_(i2),…,x_(ip))是已知常值向量,β′=(β_1,…,β_p)为未知参数向量,e_i为随机误差。记设计矩阵X_n=(x_1,x_2,…,x_n)′;Y_n=(y_1,y_2,…,y_n)′;S_n~(-1)=(X′_sX_n)~(-1)(S_(ij)~((n)))_(1≤i,j≤n)并且假定当n充分大时S_n满秩,则熟知β的最小二乘(LS)估计(n)有如下表达式:     

一类褶积矩阵方程的解

设x~((n))=(x_0,x_1,…,x_n)~T,x_i,i=0,1,2,…,n为实数,T为转置,x~((n))的z变换记为x_n(z),它在单位圆周上的值为x_n(w),记[x~((n))]~*=(x_n,…,x_0)~T,它的z变换记为X_n~*(z),称矩阵Δ(x~((n))=[a_(ij)],i,j=0,…,n,为褶积矩阵,其中     

t可约m×n 二部分竞赛图的得分表偶

设(X,Y)是m×n 二部分竞赛图T_(m,n)的顶点集合V(T_(m,n))的有序分划,其中X=(x_1,x_2,…,x_m},Y={y_1,y_2,…,y_n},x_i、y_j 在T_(m,n)中的得分分别为a_i、b_j,l≤i≤m,l≤j≤(?),且a_1≤a_2≤…≤a_m,b_1≤b_2≤…≤b_n.记A=(a_1,a_2,…,a_m),B=(b_1,b_2,…,b_n),则T_(m,n)     

一类非自治非线性系统零解的稳定性

dx_i/dt=A_i(t)x_i,(i=1,…,r) (3)的一个线性关联。这里x_i=col(x_1~((i)),…,x_(ni)~((i)))(i=1,…,r),n_1 … n_r=n,x~T=(x_1~T,…,x_r~T),A_i(t)为n_i×n_i(i=1,…,r)阶实对称矩阵,其特征方程的根关联项A_(ij)(t)为n_i×n_j阶矩阵,A(t)的每一元素连续有界,设|a_(ij)(t)|     

关于用相似性法鉴别双生儿类型的准确率

关于用相似性法鉴别双生儿类型,本文给出较一般的准确率公式,并指出文[1]中存在的问题.设双生儿有n 个指标x_1,x_2,…,x_n 一致,其中第i(i=1,2,…,n)个指标x_i 来自婚配型A_(ij) 的概率为P_(ij),并且sum j=1 to n_i p_(ij)=1,而婚配型A_(ij)中出现这第i 个指标x_i 的概率为q_(ij)(j=1,2,…,n_i).又设一对双生儿为二卵性起源(即一对双生儿为双合子双生儿(二卵双生儿或异卵双生儿))的概率为p,而且上述事件都互相独立,那末上述n 个指标一致的一对双生儿为双合子双生儿的概率为     

有限总体的自适应岭型预测

假设我们所感兴趣的总体由N个可识别的个体组成,它们分别标以1,2,…,N。对于第i个个体,有一已知的p维向量x_i和未知量y_i,i=1,2,…,N。记y′=(y_1,…,y_N),X′=(x_1,…,x_N)。假设所考虑的变量之间关系满足线性模型     

连续自映射——Ω爆炸

1.设(X,d)为紧致度量空间。用C~0(X,X)表全体X上连续自映射的集合并赋以C~0拓扑(一致收敛拓扑)。设f∈C~0(X,X)和任给ε>0。设x,y∈X。从x到y的一个ε链是指有限序列{x_0,…,x_n},使得x_0=x,x_n=y且d(f(x_(i-1)),x_i)<ε,i=1,2,…,n。用CR_ε(x)表X的这样的子集,使得y∈CR_ε(x)当且仅当存在从x到y的ε链。当y∈CR_ε(x)     

GM(1,1)模型预测的校正公式

设有原始数列y_1,…,y_N累加生成x(i):=y_1 … y_i(i=1,…,N),x(t)≠const,且满足GM(1,1)模型定理对上述模型参数a与b的邓聚龙灰色预测值(?)与(?),有     

关于一组同余式的解

的整数解。显然,(1)式的解x_1,…,x_n中x_i,(?)x_j(i(?)j),不失一般,可设x_1相似文献   

关于张量积空间中的厄米特算子

V为n维酉空间,(?)~kV为定义了诱导内积(x~(?),y~(?))=multiply from i=1 to k (x_i,y_i)的k 阶张量积空间,其中x~(?)=x_1(?)…(?)x_k,y~(?)=y_1(?)…(?)y_k 为(?)~kV 中的可合张量.对于(?)~kV 中的线性算子(?),K.Fan与Marcus 等人在[1,2]中定义了(?)的数值域W~(?)(?)={((?)x~(?),x~(?))|x_1,…,x_k,o.n.},并研究了它的若干基本性质.最近,王伯英证明了,若(?)=A_1(?)…(?)A_k,A_i∈L(V),i=1,…,k,k相似文献   

最小二乘估计相合性的若干结果

(?)≡(x_1,x_2,…)是已知的p维向量序列,e≡(e_1,e_2,…)是随机误差列,β≡(β_1,…,β_i)′是未知的回归系数向量.记S_n=x_1x_1~′…+x_nx_n~′.设当n≥n_0时,S_1~(-1)存在.把p×n矩阵S_n~(-1)(x_1…x_n)的(j,i)元记为u_(nji),则β的最小二乘(LS)估计为     

线性模型中最小二乘估计的强收敛速度

考虑线性模型如下:y_i=x_i~′β+e_i,i=1,2,…, (1)其中x_i~′=(x_(ij),…,x_(ij)为已知常值向量,β′=(β_r,…β_p)为未知参数向量。令设计矩阵X_n=(x_1…,x_n)′;Y_n=(y_1,…,y_n)′;S_n~(-1)=(X_n~′X_n)~(-1)(?)(S_(ij)~n)1≤i,f≤n。熟知β的最小二乘估计(n)有如下表达式     

关于一类缺插值样条的一般结果

设△:0=x_0相似文献   

关于吴氏非退化条件的一点注记

对多项式组PS:h_1(y_1…,y_n),…,h_s(y_1,…,y),由里特-吴整序原理,经适当更换诸yi的记法,可得一升列AS:f_1(u,)x_1),f_2(u,x_1,x_2),…,f_r(u,x_1,…,x_r),其中u=(u_1,u_2,…,u_d)。f_i关于x_i的最高次     

Vandermonde方程解的复杂性

一、引言 设V(a_1,a_2,…,a_n)=(a_(j+1)~i)_(i,j=0)~(n-1)为复数域上的n阶Vandermonde矩阵,简记V.若V可逆,即a_i≠a_j(i≠j,i,j,=1,2,…,n)时,用Causs消元容易给出方程 Vx=c (1.1)     

关于对角型不定方程sum from i=1 to n(a_ix_i~u)=0

文献[1]有一个猜想:m是正偶数,整数a,b,c满足(a±b±c)(a±b)(a±c)(b±c)≠0,u充分大且使q=um+1素,则不定方程ax~u+by~u= cz~u仅有平凡解.Granville证明了此猜想.本文在较少的条件下,对更一般的问题得到了更好的结论.定义 a_1,…,a_n是整数,ε_i∈{0,1,-1},若sum from i=1 to nε_ia_i=0当且仅当ε_i全为零,则称整数 a_1,…,a_n简单无关.定理 设m>1是整数,a_1,…,a_n简单无关,且     

关于Znám问题

1972年,捷克数学家Znám提出一个问题:是否对每一个整数n>1,都存在整数x_i>1(i=1,…,n),使得对每一个i,x_i是x_1…x_(i-1)x_(i 1)¨x_n 1的真因子?1975年,Skula证明了对于2≤n≤4,不存在这样的整数,并提到在n=5时,Janàk找到了一组解2,3,11,23,31(Acta Fac. Rer. natur.