双障碍问题的等价线性互补问题

R~n中双障碍问题是一类重要的变分不等式,可产生于数学物理问题的离散,也可直接来源于实际问题.其形式如下:求X~*∈K,使得(y-x~*)~T f(X~＊)≥0,(?)_y∈K(1)其中f(x)=Ax-q,K=multiply from i=1 to n(K_i),而A∈R~(n×n),q∈R~n,K_i为一维闭区间,也即取下列四种形式之一:(-∞,b_i],[a_i,b_i],[a_i, ∞),(-∞, ∞).为简单起见,上述问题我们用VIP(K,f)表示,且约定对下无界区间记a_i=-∞,上无界区间记b_i= ∞.显然,当K_i(i=1,2,…,n)为非负实半轴时,上述变分问题变为如下线性互补问题LCP(f):求X~*∈R_ ~n,使得     

环Z/(2e)上本原序列最高权位的0,1分布(Ⅱ)

设f(x)=x~n c_(n-1)x~(n-1) … C_0是Z/(2~e)上首一多项式,适合关系式a_(i n)=-(c_0a_i c_1a_(i 1) … c_(n-1)a_(i n-1)),i=0,1,2,…(1)的Z/(2~e)上序列a=(a_0,a_1,…)称由f(x)生成的线性递归序列,由f(x)生成的Z/(2~e)上的所有序列的集合记为G(f(x))_e,并记G’(f(x))_e={a∈G(f(x))_e│a≠0 mod 2}.递归式(1)等价于关系式f(x)a=0=(0,0,…),其中x表示移位算子,即xa=(a_1,a_2,a_3,…).Z/(2~e)上序列a有唯一权位分解a=a_0 a_12 … a_(e-1)2~(e-1),其中a_i=(a_(i0),a_(i1),…)是0,1序列,并称a_i是a的第i权位序列,称a_(e-1)为a的最高权位序列.对Z/(2~e)上首一n次多项式f(x),若f(0)(即c_0)是可逆元,则由文献[1],f(x)的周期per(f(x))_e≤2~(e-1)(2~n-1).当per(f(x))=2~(e-1)(2~n-1)时,称f(x)是Z/(2~e)上n次本原多项式,并称G’(f(x))_e中序列为f(x)生成的本原序列.文献[2]给出了本原多项式的系数     

若干图参数的关系

定义1 对图G(V,E),设,若V中的点或在σ中,或与σ中的点相邻,则称σ为G的点控制集。记 σ(G)=min{|σ||σ为G的控制集}并称σ(G)为G的控制数。 类似地可定义G的边控制数σ(G)。 定义2 对图G(G,E),设E,若V∪E中的元素或在A中,或与A中的元素相邻或相关联,则称A为G的全覆盖     

密度估计的一些结果

设X_1,…,X_n为从具密度f的一维总体中抽出的iid.样本。为估计f,传统的方法是适当选择一串常数C_n↓O,以K_n记X_1,…,X_n落在[X—C-n,x+C_n)中的个数,用(?)(x)=Kn/2nc_n估计f(x)。1965年,Loftsgarden等提出另一     

正定积分算子的本征值

设Ω=(0,1)×(0,1),K∈L~2(Ω),T是由下式定义的积分算子 Tf(x)=integral from 0 to 1 (x,y)f(y)dy。我们称算子T及其核K(x,y)是正定的,指并且对所有f∈L~2(0,1)有算子丁的本征值λ_n是大家感兴趣的。H.weyl(参     

绝对稳定性理论中S手续的无亏损性问题

考虑直接控制系统(?)=AX-b(?)(σ),σ=C’X,(1)其中A∈R~(nxn),A稳定,b,c∈R~n,且(A,b)能控,(?)(σ)∈F_∞(?){(?)(σ):R→R连续;(?)(O)=0;(?)(O)=0;σ(?)(σ)≥0}.研究系统(1)的绝对稳定性有两种基本方法,一种是用Lurie型Lyapunov函数,即若存在     

Gelfer函数与Yamashita问题

若函数f(z)在单位圆盘 △={|z|<1}中解析。f(0)=1,且对于一切z,ζ∈△,都有 f(z)+f(ζ)≠0,则称f为Gelfer函数,记其全体为G。并用G_(?)表示其单叶子类。于是,当f∈G时,     

调和Hardy空间和混合模空间之间的连续嵌入

设D={x∈R~n;λ(x)<0}是一具有光滑边界的有界区域,λ∈C~∞(R~n)是D的一个定义函数,(?)λ在(?)D={x∈R~n;λ(x)=0}的某个邻域内处处不为零.对r>0,我们以dσ_r和dσ分别记(?)D_r={x∈R~n; λ(x)=-r}和(?)D上的n-1维Hausdorff测度,而以dm记R~n中的Lebesgue测度D上复值调和函数的全体记h(D)对f∈h(D)及非负整数m,置grad_mf为f的m阶梯度,其模为此处α=(α_1,α_2,…α_n)为n重指标,|α|=α_1+α_2+…+α_n,grad(?)=f.对0相似文献   

具有给定的混合型光滑模的多元周期函数的表现和逼近

1 预备事项R~d表示d维欧氏空间,X=(X_1,…,X_d),Y=(y_1,…,y_d)∈R~d,其数量积记作〈X,Y〉=sum from j=1to(d)X_jy_jf(X)=f(x_1 ,…,x_d)表示实可测函数,对每一变量均以2π为周期.π_d=[0,2π)~d是d维周期2π的立方体.对q,1≤ q≤∞,记f∈L_q(π_d),倘若||f||_q:={(2π)~-d∫|f(X)|~qdx}~(1/q)<∞,1≤q<∞.||f||_∞:=ess sup|f(X)|<∞,q=∞.记f∈L_q(π_d),倘若f∈L_q(π_d),而且     

二阶线性中立型微分差分方程非振动解的类型与判别

本文讨论二阶线性中立型微分差分方程其中τ>0,σ>0,c∈R,p∈R~+-{0}。给出了方程(1)的非振动解的所有类型及其判别。 置 z(t)=x(t)-cx(t-τ)。 定理1 当c≤0时,方程(1)不存在     

全局渐近稳定性的Jacobi猜想的证明

设f∈C~1(R~2,R~2),f(o)=0.考虑平面微分方程x=f(x) (1)很久以来人们猜测:如果(?)x∈R~2,f的Jacobi矩阵Df(x)的特征值都具有负实部,则微分方程(1)的零解全局渐近稳定.在文献中,此猜想被称为Jacobi猜想或平面Markus-Yamabe猜想.1963年,Olech证明此猜想等价于f的全局单射性.1988年,Meisters和Olech证明,当f是多项式映射时,Jacobi猜想成立.1991年Gassull,Llibre和Sotomayor证明,当f是Khovansky函数(一类解析函数)时,Jacobi猜想成立.本文对一般情况证明了Jacobi猜想成立.1 预备知识设S~k(R~2,R~2)={f∈C~k(R~2,R~2)|(?)_x∈R~2,Df(x)是稳定矩阵},k=1,2,…, ∞ .设f∈S~∞(R~2,R~2),则(?)_x∈R~2,Lyapunov矩阵方程Df(x)G(x)十G(x)(Df(x))~T=-I_2 (2)有唯一正定解G(x),其中I_2为2×2单位阵.显然G∈C~∞(R~2,R~(2×2)).定义微分方程(?)y=G(y)ν,ν∈R~2, (3)y(0)=x,     

用Fourier部分和子列的线性平均逼近周期函数

设f(x)∈L_(2x),f(x)～a_0/2 sum from n=1 to ∞a_n cos nx b_n·sin nx。以s_n(f,x)表示其第n部分和。设M={m_j}为自然数子列,记σ_n~a(M,f;x)=1/((a)_v)sum from j=0 to n(a-1)_(n-j)s_m_j(f,x),其中(a)_v=(a v 1)/(a 1)(v 1)。对于空间X=L_(2x)或G_(2n)以E_v(f)_x表示在X中用阶不     

任意初始点下的广义梯度投影方法

本文考虑问题(NP): 其中只={x∈E~n丨h_i(x)≤0,j=1,2,…,m}。 记I={1,2,…,m},g(x)=-▽f(x),φ_θ(x)=max{0,φ(x)},A(x)=(▽h_i(x),j∈I);H(x)为-n×n维对角矩阵,其主对角元为     

关于遍历拟不变测度

本文给出了关于遍历拟不变测度的0-1律,还讨论了遍历测度乘积的遍历性,作为应用推广了关于高斯测度的Landan-shepp定理。设G是线性拓扑空间,R是Borel σ-代数,H是G的某线性子空间,Ω=(G,R,μ)是关于H遍历拟不变的正则概率测度。若f是其上可测实函数,满足下述条件(ⅰ)f(tg)=tf(g),(ⅱ)对每一h∈H,     

星像积分算子的星像阶数与Hadamard乘积

设f(z)=z a_2z~2 …是单位圆△:|z|<1中的单叶解析函数,其全体记为S。若f∈S,满足,称f(z)是ρ级星像函数。记其全体为S~*(ρ)。简记S~*(0)=S~*,S~*(1/2)=S_*。若△中的解析函数g(z),满足zg′(z)∈S~*(ρ),那么g(z)就是ρ级凸像函数,其全体记为K(ρ)。     

不连续系统的实用稳定性

本文研究F-不连续系统(d_x)/(d_t)=f(t,x)的实用稳定性,这时f在n 1维区域G=E_4~1×H上可测,对任意有界闭域DG,存在L可积函数m(t)使得|f(t,x)|≤m(t),a.e.(t,x)∈D成立,称x(t)为(1)式的解,若x(t)在J的每个列紧子集I上绝对连续,使得对a.e.t∈J满足关系式     

退化矩阵β分布

作为与正态样本有关的分布,矩阵β分布(也称多元β分布)在文献中有大量的研究.令A～W_m(n_1,Σ)和B～W_m(n_2,Σ)为两个独立的维希特分布矩阵,Σ为一正定矩阵. 令C=A B.分解C=T′T,其中T为一具正对角元的上三角阵 令U=(T′)~(-1)·AT~(-1).则U的分布称为矩阵β分布并记为B_m((n_1)/2,(n_2)/2)其中n_1 n_2>m-1. 如果n_i是实数,则还要求n_i>m-1(i=1及/或2).如果n_1,n_2都大于m一1,则U是非退化的并具有在m×m正定矩阵空间上的密度.本文采用文献[2]中的记号,并记A(S)=diag(λ_1(S),…,λ_n(S)),其中λ_i(S)为S的第i大(非零)特征根,S∈_(m,n)~1·S_(m,n)~(?)上的微分形式定义为(dS)=2~(-n)|L|~(m-n)×     

关于函数类Ω_P~(r+1)[0,1]的宽度估计

§1.引言设l≥1,r=2l,t_1,…,t_l≥0,D=(d/dx),I为恒等算子,记Q_(r 1)(D)=D(D~2-f_j~2I),q_r(x)=(x~2-f_j~2),Ω_p~(r 1)[0,1]={f(x);f~(r)在[0,1]上绝对连续,且‖Q_(r 1)(D)f(·)‖p≤1,f~(2k-1)(0)=f~(2k-1)(1)=0,k=1,…,l},(1.1)于是,f∈Ω_p~(r 1)[0,1],当且仅当     

Lienard方程零解的全局渐近稳定性

本文研究Lienard方程 x+f(x)x+g(x)=0 (1)的零解的全局渐近稳定性问题。已知的结果请参看文献[1—4]。以往大都采用Liapunov第二方法研究这个问题,而本文则采用Filippov变换的方法。所得结果包括已有的结果作为特例。本文总设 (ⅰ) f,g:R→R连续,xg(x)>0,x≠0。记F(x)=integral from n=0 to x f(s)ds,G(x)=integral from n=0 to x g(s)ds。令F_+(x)=max{O,F(x)},F_(x)=max{O,-F(x)},Γ_+(x)=integral from n=0 to x (1+F_+(s))~(-1)g(s)ds,Γ_(x)=integral from n=0 to x(1+F_(s))~(-1)g(s)ds,     

关于两类图的整和数

本文中的图均指无向简单图,以N,Z分别表示全体自然数及全体整数集合.对子集S(?)Z(N),S上的整和(和)图定义为图G=(S,E),满足条件对u,v∈S,uv∈E当且仅当u v∈s.此时,S称为G的一个整和(和)标号.一个图称为整和(和)图,如果它同构于某一子集S(?)Z(N)上的整和(和)图.容易验证,对一个有m条边的n阶图G,G∪mK_1是一个和图,只需标定G的顶点为2~i,1≤i≤n,同时对v_i,v_j∈E(G),标定对应的孤立点2~i 2~j即可.因此,对每一个图G,存在一个最小的非负整数r,使G∪rK_1为和图,记σ(G)=r,并称为G的和数.图的整和数ξ(G)类似定义,只是标号范围放宽到整数集上.容易看到ξ(G)≤σ(G).