拟双曲轨道的极根伪轨跟踪性

把伪轨跟踪性引理推广到具有弱双曲性的d-极根伪轨上.设M是n-维C∞闭的光滑流形,f是M上的微分同胚,考虑f所诱导的离散动力系统.我们将证明微分同胚f在拟双曲轨道上的极限伪轨跟踪性.假设Λ是f的闭不变集合,并且Λ具有连续不变分解TΛM=E⊕F,即DfEx=Ef(x),DfFx=Ff(x).则对任意λ∈(0,1),存在L＞0,d0＞0,使得对任意的d∈(0,d0],任意相对于分解TΛM=E⊕F的λ-双曲d-极限伪轨{xi,ni}∞i=-∞,都存在一点x∈M,ld-极限跟踪{xi,ni}∞i=-∞.     

双随机Dirichlet级数的收敛性和增长性

文章研究系数{Xn}满足∑n=0^＋∞P{｜Xn｜≥n^p}〈＋∞，∑n=0^＋∞P{n^p｜Xn｜≥c}=＋∞（任意〉0）及指数在条件limλn/Eλn=1下的双随机Diriehlet级数的收敛性和增长性。     

隐格式组产生迭代序列逼近Lipschitz映像族公共不动点

设K是Banach空间E中非空闭凸集．{Ti}i-1^N是K中具公共不动点集F=∩i-1^NF（Ti）的Lipschitz映像族，其中F（Ti）=（x∈KiTix=x}，{αn}n-1^∞}，{βn}n-1^∞包含[0，1]是实数列，且∑n=1∞（1-αn）〈＋∞，（1-αn）L^2〈1，这里L是{Ti}i=1^N的公共Lipschitz系数．对任意x0∈K，{xn}n-1^∞由文中隐格式组（2）和（3）产生，则（i）{xn}在K中收敛；（ii）{xn}收敛于{Ti）i=1^N公共不动点的充分必要条件是lim d（xn,F）=0．对于（2），如聚βn=0。隐格式组变为xn=αnxn-1＋（1-αn）Tm^2xn,如果βn=1，隐格式组变为Xu与Or1的形式xn=αnxn-1＋（1-αn）Tnxn，对于（3），如果βn=1，隐格式组变为显格式xn=αnxn-1＋（1-αn）Tnxn-1．对于这三种特殊迭代格式，结论（i）（ii）自然成立．     

一类拟线性椭圆型方程正奇异解的能量估计

本文给出了如下问题{div（｜△↓u｜^p-2△↓u）＋λf（u）=0，x∈Ω/u｜δΩ=0，奇异解的能量估计，其中p≥2，Ω=B1是单位球，λ〉0是一个参数．进一步得到了uλ是上述问题的正则正解序列且当λ→λ0∈（0，∞）时逐点收敛于奇异解U，则在L^q＋1（B1）和H0^1（B1）中，当λ→λ0时uλ收敛于U。     

误差为ρ-时非线性模型M估计的强相合性

对于非线性模型yi=f（xi,θ）＋ei,i=1,2,…,n,当{ei,i=1,2,…,n}为ρ-混合序列时,在适当的条件下证明了θ的M估计的强相合性.     

误差为ρ~-时非线性模型M估计的强相合性

对于非线性模型yi=f（xi,θ）＋ei,i=1,2,…,n,当{ei,i=1,2,…,n}为ρ-混合序列时,在适当的条件下证明了θ的M估计的强相合性.     

广义复合泊松风险模型的大偏差与破产时刻

进一步研究广义复合泊松风险模型的大偏差问题,其中{N（t）;t≥0}是一强度为λ〉0的泊松分布,{Xn;n≥1}是独立同分布的随机变量序列,具有共同分布F,（其中0〈μ=EX1〈∞．）{M（t）;t≥0}是一强δ〉0的泊松分布,{N（t）;t≥0},{Xn;n≥1}和{M（t）;t≥0}是相互独立的．理赔剩余过程S（t）∑i=1^N（t）Xi-cM（t）,t≥0．在F∈C上得到了一系列大偏差和破产时刻的结果,这些结果可以应用在某些金融与保险问题中．     

PA序列下半参数回归函数估计的强相合性

对于半参数回归模型Yni=β.tni＋g（xni）＋εni,（1≤i≤n）,在误差{εni,1≤i≤n}为平稳PA相依序列条件下,得到未知函数g（x）的权函数估计和未知参数β估计的强相合性.     

一类高阶拟线性方程的非振动准则

考虑高阶差分方程△^2（＋△^2yn｜^（α-1）△^2yn）＋qn｜yr（n）｜^（β-1）yr（n）=0。α,β是正常数,{qn}n0^∞二是正实数列,n0∈N0{1,2,…}。lim↑a→∞t（n）=∞,T（n）≤n,获得非振动解存在的充要条件。     

关于Lipsehitz严格伪压缩映象的带误差的Ishikawa型迭代程序

设K是任意实Banach空间X中的闭凸子集,T：K→K是Lipschitz严格伪压缩映象,在没有假设∑n=0^∞ αnβn〈∞之下,本文证明了由xa＋1=（1-αn）xn＋αnTyn＋un与yn=（1-βn）xn＋βnTxn＋vn,任意n∈N,生成的带误差的Ishikawa迭代序列强收敛到T的唯一不动点,并给出了更为一般的收敛率估计：若un=vn=0,任意n∈N,则有｜｜xn＋1-x^＊｜｜≤（1-γn）｜｜xn-x^＊｜｜≤…≤∏j=0^n（1-γj）｜｜x0-x^＊｜｜,其中{γn}是（0,1）中的序列,满足γn≥1/1＋kmin（ε,η-ε）αn。所得结果改进和推广了最新的一些结果。     

B（H）上广义Jordan triple可导映射

利用算子论方法,证明了YA∈（B）（B）,若δ满足δ（AA＊ A）=δ（A）A＊A-Aδ（A）＊A＋AA＊δ（A）,则（E） S,T∈（B）（B）和λ∈{C＼R}∪{0},且S＊-S=T＊-T=λi,使得（a） A∈（B）（B）有δ（A）=SA-AT.     

无穷维空间上的双曲不变流形的拓扑稳定性

设$A$为$Banach$空间$W$上的一个正定扇形算子, $M$为$W$上的发展方程$\partial_{t}u+Au=F(u) $所生成的半群$S_{1}(t)$的紧双曲不变流形. 我们将证明对任意给定的$\epsilon>0$, 存在$\delta>0$, 对$\|G\|_{\{A;C^1(\Omega)\}}<\delta$, 存在连续映射$h: M\mapsto W$和严格递增函数$\varphi:R^+\rightarrow R^+$, 使得$\|A^{\beta}(h-I)\|<2\epsilon$, 并且对方程$\partial_{t}y+Ay=F(y)+G(y)$所生成的半流$S_{2}(t)$, 在$M$上满足$h\circ S_{1}(\varphi(t))=S_{2}(t)\circ h$.     

图的邻点可区分染色猜想成立的两个充分条件

简单连通图G的邻点可区分全染色(邻强边染色)是图G的一个正常全(边)染色,并且使得任意两个相邻的点u,v满足C(u)≠C(v),其中C(u)={f(u)}∪{f(uw)|uw∈E(G),w∈V(G)}(C(u)={f(uw)|uw∈E(G),w∈V(G)}).满足图G有一个邻点可区分全染色(邻强边染色)所用的最少颜色数记为χat(G)(χ′as(G)).图G的最大度记为Δ(G).本文给出了χat(G)=Δ(G)+3的一个充分条件和χ′as(G)=Δ(G)+2的一个充分条件.     

相依样本下误差密度核估计的相合性

对于线性模型Yi=xiTβ+ei,i=1,2,…,n,{ei,i≥1}是φ-混合的,且有公共的未知分布密度f(x).基于φ-混合样本,去掉了对设计点列{xi}的限制,在比现有文献条件弱的情况下,得到了f(x)的核估计■n(x)=1nan∑ni=1K■-x/an的逐点弱、强相合性,其中■为β的M-估计所得到的残差,推广了已有文献的结论.关键词:线性模型,M-估计,φ-混合     

三阶三点非齐次边值问题多个正解的存在性

通过利用锥上的不动点定理讨论了下列三阶三点边值问题{u″′（t）＋a（t）f（t,u（t））=0,0〈t〈1 u（0）=u＇（0）=0,u＇（1）-au＇（η）=λ,多个正解的存在性,这里η∈（0,1）,α∈[0,1/η）是常数,λ∈（0,＋∞）是一个参数．     

一类半线性波动方程整体解的存在性

研究具有非线性衰减项与线性记忆项的半线性波动方程：uu＋g（ul）-K（0）△u-∫0^∞K＇（s）△u（t～s）ds＋f（u）=h（x）,利用Faedo—Galerkin逼近方法,证明了强解与弱解的整体存在性。     

Mlinex损失函数下指数分布尺度参数的Bayes估计

在Mlinex损失函数下,求出了指数分布的尺度参数的唯一Bayes估计量,并对Bayes估计δB的容许性和形如d[c＋T（x）]的估计量的容许性进行讨论。其主要结果是：在Mlinex损失函数下,指数分布的尺度参数的唯一Bayes估计是δB=[Г（α＋β）/Г（α＋β-c）]^1/c（λ＋∑i=1^mxi,而且可容许的;形如dEc＋T（z）]的估计量当C〉0,d’〈d〈∞以及当c〉0,d。一d时是可容许的。     

PA样本回归函数估计的强相合性

针对非参数回归模型Y1=g(x1)+ε1,1≤i≤n,在{εi,1≤i≤n}为一致可积的平稳PA相依序列条件下,得到未知函数g(x)的权函数估计gn(x)=nΣi=1wni(x)Yi的强相合性.