可积函数空间上两种收敛性的关系

可积函数空间Lp空间中的函数列{fn(x)}依测度收敛与依范数收敛的基本关系:依范数收敛可推出依测度收敛,但逆命题不成立.本文在依测度收敛的基础上,加上必要的条件fn(x)≤fn 1(x)ae于E且‖fn‖p→‖f‖p或为{f,f1,f2,…}为一致可积族,使得依测度收敛能够推出依范数收敛.     

一类函数列积分中值点像点的单调性

探讨闭区间上非负连续函数列{g(x)fn(x)}积分中值点xn所产生的数列{f(xn)}的单调性,以及序列{fn(xn)}的收敛性,从而将与积分∫bag(x)fn(x)dx有关的积分极限问题转化为数列极限来解决.     

关于积分变上限函数列一致收敛性的讨论

本文讨论了积分变上限函数列Fn(x)=φn∫(x)af(t)dt及Fn(x)=φ(∫x)afn(t)dt的一致收敛性。得出了当{fn(x)}在[a,b]上一致收敛于可积函数f(x)时,如果φ(x)有界;或{φn(x)}在[a,b]上一致收敛于φ(x),且φ(x),f(x)有界,那么{Fn(x)}在[a,b]上一致收敛的结论。     

函数的а-多项式逼近

提出用α-多项式进行函数逼近的问题,首先给出广义的伯恩斯坦多项式,利用它证明了α-多项式逼近定理,即:对于闭区间[a,b]上的连续函数f(x),存在α-多项式序列{pn(x,α)},使{pn(x,α)}在[a,b]上一致收敛于f(x)。从理论上解决用α-多项式进行函数逼近的问题。最后用数值例子说明对于有些数据用α-多项式(α≠1)进行函数逼近效果会更好。     

关于可测函数列收敛性的注记

讨论可测函数列依测度收敛与近一致收敛之间的关系，并给出Riesz定理的推广：若fn→f于E，则存在子列{fni}包含{fn},使fni近一致→f于E。     

函数的α-多项式逼近

提出用α-多项式进行函数逼近的问题,首先给出广义的伯恩斯坦多项式,利用它证明了α-多项式逼近定理,即对于闭区间[a,b]上的连续函数f(x),存在α-多项式序列{pn(x,α)},使{pn(x,α)}在[a,b]上一致收敛于f(x).从理论上解决用α-多项式进行函数逼近的问题.最后用数值例子说明对于有些数据用α-多项式(α≠1)进行函数逼近效果会更好.     

Lp空间上依测度收敛与依范数收敛的关系

Lp空间中的函数列{nf(x)}依测度收敛与依范数收敛的基本关系是:依范数收敛可推出依测度收敛,但逆命题不成立.本文在依测度收敛的基础上,加上必要的条件fn(x)≤fn 1(x)a.e于E且‖fn‖p→‖f‖p或为{f,f1,f2,…}为一致可积族,使得依测度收敛能够推出依范数收敛.     

逐次有理L2逼近的收敛性

设Rn(x)∈Rlm={P(x)/Q(x)},(n=1,2,…)是函数f(x)的第n次最佳L2逼近元,记Sn(x)=∑nk=1Rk(x),(n=1,2,…),在某些附加条件下证明了序列{Sn(x)}一致收敛于f(x),给出了序列{Sn(x)}一致收敛于f(x)的充要条件,并在另一较弱条件下证明了序列{Rn(x)}及其各阶导函数序列{R(k)n(x)},(k=1,2,…) 一致收敛于零.     

广义一致收敛与亚一致收敛

本文讨论了连续函数列{f_2(x)}的极限函数f(x)连续的条件。采用了先把{f_2(x)}为正则收敛的条件减弱为弱正则收敛,或减弱为一致收敛,再减弱为广义一致收敛,最后成为一个定理:在[a,b]上的连续函数列{f_n(x)}的极限函数f(x)连续的充要条件是{f_n(x)}在[a,b]上是亚一致收敛的。     

Lipshitz条件下密度估计函数的收敛性

为了研究密度估计函数及其收敛性问题,构造了与f(x)相对应的密度函数估计fn(x),在连续的条件下证明了密度函数估计fn(x)是f(x)的渐近无偏估计、均方收敛估计和一致估计;在Lipshitz条件下讨论了当参数取不同值时fn(x)的均方收敛速度。该结果对密度估计工作有一定的推进。     

L_1核密度估计的弱相合和完全相合性

设x_n的密度函数为f(x),X∈R~d,f_n(x)=(nh~d)~(-1)sum from i-1 to n k((x-x_i)/h)为f的核估计,其中0相似文献   

(R)积分中“积分号下求极限”定理的推广

<正>~~     

Further results on generalized LCM matrices

Let S={x_1,x_2,...,x_n } be a set of n distinct positive integers and f be an arithmetic function.By(f[S])(resp.( f[S])),we denote the n*n matrix whose i,j entry is Σ[x_i,x_j]|l l∈S f(l) (resp.Σx∈Sf(x)-Σ x_i,|l l∈S f(l)-Σ x_j,|l l∈S f(l)+Σ[x_i,x_j]|l l∈S f(l)).In this paper,we first investigate the structures of the matrices ( f[S]) and( f[S]),then we give the formulae for the determinants of these matrices.These extend the results obtained by Bege in 2011.Finally,we give two examples to demonstrate the validity of our main results.     

用M—判别法判别函数{f_n(x)}的一致收敛

函数列{f_n(X)}的一致收敛性判别法很多,本文利用M—判别法判别函数列的一致收敛性,方法十分简捷。并对创造性思维能力的培养也是一种尝试。文中给出了函数列{f_n(X)}的M一判别法,并列举了实例。     

一个关于紧映射序列极限的不动点定理

设M为Banach空间X中的有界子集,在M上有一致收敛于f0的紧映射序列{Fn}。当{Fn}中每个元Fn满足一定条件时,Fn在集{Fn(x),x∈M}上均有不动点且唯一,然后讨论极限映射f0在集D=f0({f0x,x∈M})上不动点的存在性与唯一性。     

函数列{Sn(x)}在区间I非一致收敛性问题研究

运用数学多向论证的思维方法,研究函数列在区间 I上非一致收敛的判定性证明问题,从而系统地总结出5种证法(定义法、柯西准则法、上确界法、最大值法和端点发散法)及其证题技巧.     

线性小波密度估计L1-模相合性

用小波方法对未知密度f(x)进行估计 ,并在某些假定下建立了一种估计量的L1-模强相合性 ,以及在某些限制下 ,弱相合与强相合的等价性 .顺便也给出L1-相合的一个必要条件 .     

区间[0,+∞)上有界函数的最大值与最小值定理

在本文,我们给出了区问[O,+∞)上有界函数f(x)的最大值与最小值定理,其中:inf{f(=)1=∈[O,+∞)}相似文献   

条件密度的相合随机窗宽双重核估计

本文研究了条件密度函数的随机窗宽双重核估计及其一致弱相合性。