低维有限点集偏差的精确计算公式(Ⅰ)

设d≥1,S_d={u_k(1≤k≤n)}是d维单位立方体G_d=[0,1)~d中的有限点集,那么S_d的偏差定义为D_n=D_n(S_d)=(sup |A(J;n)/n-V(J)|,此处J遍历G_d中全部形如[0,α_1)×…[0,α_d),0<α_i≤1(1≤i≤d)的d维子长方体,V(J)=α_1…α_d是J的体积,     

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     

更新序列圈乘运算封闭性的一个证明

得到的数列u=(u_0,u_1,…)被称为f产生的更新序列。f则叫做u的f-序列。若v=(v_0,v_1,…),w=(w_0,w_1,…)是两个更新序列,令u_n=v_nw_n(n=0,1,…),则称u=(u_0,u_1,…)为v与w的圈积,记作u=vw,称为圈乘运算。     

Klein-Gordon方程的球对称数值解

用h,τ分别表示ρ和t的网格步长,ρ_j=(j+1/2)h,j=-1,0,1,……,t_k=kτ,k≥0.u_j~k=U(ρ_j,t_k),u_(t,j)~k,u_(t,j)~k-和u_(t,j)~k分别表示u_j~k对t的向前、向后与中心差商,u_(lt,j)~k-表示u_j~k对t的     

关于 L(S)的一点结果

设A_(m×n)是行和为R=(r_1,r_2,…,r_m)、列和为Q=(q_1,q_2 …,q_n)的(0,1)矩阵。设δ_i=(1,…,1,0,…,0),其中前r_i个位置为1,其余为0,A_(m×n)=称为A_(m×n)的极左矩阵,记其列和向量为S.设L(S)={S|SS,S的分量递降且为非负整数}。若S、TεL(S),S≠T,ST,且不存在V L(S),V≠S,V≠T,满足SVT,则称S是T的直接后继。设S=(S_1,S_2,…,S_n),T=(t_1,t_2,…,t_n),我们有定理1 若S是T的直接后继,则存在i、j’满足S_i+1=t_i,S_j-l=t_j,S_k=t_k(1≤k≤n,     

一个广义样条函数类上的极值问题

设q_r(x)=multiply from j=1 to l(x~2-t_j~2),r=2l(l≥1),t_1,…,t_l≥0。D=d/dx是微分算符。给定函数类Ω_(∞[0,1])~(2l):f(x)∈Ω_(∞[0,1])~(2l),当且仅当f~(21-1)(x)在[0,1]上绝对连续,f~(2k)(0)=f~(2k)(1)=0,k=0,…,l-1,且‖q_r(D)f‖L_∞≤1。任一f(x)∈Ω_(∞[0,1])~(2l)可表成     

基于扰动Chebyshev结点的高阶Hermite-Fejér插值

设X_n={x_(kn):1≤k≤n}(?)[-1,1]满足:-1相似文献   

可压缩的Navier-Stokes方程解的存在性

本文考虑如下形式的n维可压缩流体的Navier-Stokes方程(n≥2): (?)_tρ+sum from j=1 to n((?)_j(ρu_j))=0, (?)_tu_i-sum from j=1 to n(ρ~(-1)[μ(?)_j((?)_ju_j+(?)_iu_j)+μ′(?)_i(?)_ju_j])=-sum from j=1 to n(u_j(?)_ju_i-ρ~(-1)(?)_iP(ρ),(1) ρ|_(t=0)=(?)+(?)_0(x),u|_(t=0)=u_0(x),其中t≥0,x=(x_1,…,x_n),ρ为密度,u=(u_1,…,u_n)为速度,μ,μ′为粘性系数,P(ρ)为压力,为一常数,用|·|_s表示Sobolev空间范数。有如下结论:     

区间参数矩阵的稳定性

一、引言 区间矩阵的稳定性问题的研究,最近取得了一些较好的结果。所谓区间矩阵的稳定性,即考虑n×n实矩阵P=(p_(ij))、Q=(q_(ij)),其中p_(ij)≤q_(ij), i, j=1, 2, …, n,记 N[P,Q]={A=(a_(ij)∈R~(n×n)|p_(ij)≤a_(ij)≤q_(ij), i,j=1,2,…,n},若对任意A∈N[P, Q]均有A稳定(即A的所有特征根的实部均小于零),则称区间矩阵     

独立标准柯西变量的平方和分布

记n维随机向量Z=(z_1,…,z_n)、z_i i=1,…,n为i.i.d.C(0,1)变量(标准柯西变量);U=(u_1,…,u_n)服从R~n中单位圆上的均匀分布;D=(D_1,…,D_n)服从参数为     

关于本原矩阵严格Hall指数的一个猜想

设B_n是所有n阶布尔矩阵的集合,对A=(a_(ij)),B=(b_(ij))∈B_n,若a_(ij)≤b_(ij),i,j=1,2,…,n,则记A≤B。如果存在正整数k,使A~k=J_n(全1方阵),那么A∈B_n称为本原矩阵。这样最小的k称为A的本原指数,记作γ(A)。B_n中所有本原矩阵的集合记为P_n。如果存在置换矩阵Q,使Q≤A,那么A∈B_n     

L_p(R)中一个光滑函数类在L(R)尺度下的无穷维宽度和最优恢复

1 引言设 r 为一自然数,P_r(t)=(t-t_j),t_j 为实数,j=1,2,…,n.P,(D)(D=d/dt)表示 P_r(t)的导出微分算子.对1≤p,q,s≤∞,W_(pqs)(P_r)表示定义在全实轴 R 上所有具有 r—1次局部绝对连续且满足约束条件‖P_r(D)f‖_(pq)≤1的光滑函数 f∈L_s(R)构成的集合.这里范数‖·‖_(pq)按文献[1]定义如下:     

在迁移理论中的一类非线性积分方程的多解性

设k(x)在[0,1]上是单调增加的连续函数,并且0≤k(x)≤1和k′(x)有界。记P为Banach空间L~1[0,1】中的非负锥。对于一般型的H方程     

中位数交叉核实准则

考虑非参数中位数回归模型Y_(ni)=g(x_(ni)) ε_(ni),1≤i≤n,(1)其中g:[0,1]|→R是待估计的连续函数,{x_(ni):1≤i≤n}是区间[0,1]上的非随机设计点列,{ε_(ni):1≤i≤n}是iid随机变量,中位数为零,{Y_(ni):1≤i≤n}是观察值.对x∈[0,1],n≥1,记D_(nj)(x)为x的第j个近邻,j=1,2,…,n,即{D_(n1)(x),D_(n2)(x),…,D_(nn)(x)}为{x_(n1),x_(n2),…,x_(nn)}的一个置换,满足|D_(n1)(x)-x|≤|D_(n2)(x)-x|≤…≤D_(nn)(x)-x|,结按自然顺序消去.令Y_(ni)(x)和ε_(ni)(x)分别表示D_(ni)(x)(1≤i≤n)处的观察值和随机变量.下面的估计g_n(h,x)=(?){Y_(n1)(x),Y_(n2)(x),…,Y_(nh)(x)},(2)(?)表示样本中位数,这个估计称为g(x)的最近邻中位数估计(或者局部中位数估计),其中近邻个数h起着光滑参数作用.h的选择对估计的好坏起着决定性的作用.作者与郑忠     

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:     

一类描述非混沌映射的符号动力系统

1 符号空间上—类非混沌的动力系统设A_0=A_1=A_2=…={0,1},X=multiply from i=0 to ∞ (A_i).对整数k≥2,在X上定义度量d_k及d′_k为,对任a=(a_0,a_1,a_2,…)及b=(b_0,b_1,b_2,…)∈x,     

再论多重共轭Fourier级数的强求和

本文是文献[1]的继续,其目的是改进文献[1]关于多重共轭Fourier级数强求和的结果。 沿用文献[1]的记号。设Q={x=(x_1,…,x_k):-π≤x_j<π,j=1,…,k}。 L(Q)表示在Q上可积的函数的集合,设P(x)是一个n≥1次的k元齐次调和多项式。对于f∈     

关于k-定向流形的嵌入

设M是k-连通n维闭流形,x_0∈M,令M_0=M—x_0,Becker和Glover在文献[1]中证明了以下结果: 设0≤j≤2k,n≥2j+3,则流形M可微分嵌入到R~(2n-j)的充分必要条件是M_0可浸入R~(2n-j-1)。     

丢番图逼近论与近似分析

1.命r=(r_(11),…,r_(t1),…,r_(1s),…,r_(ts))表示st维欧氏空间R_(st)中的点,引入记号r_i=(r_(1i)…,r_(ti))(1≤i≤s),(?)_j=(r_(j1),…,r_(js))(1≤j≤t);q=(q_1,…,q_t)k=(k_1,…,k_s)与m=(m_1,…,m_s)为整系数矢量;(x,y)=sum from i=1 to s (x_iy_i)表示矢量x与y的     

关于积分Schoenberg样条的一些结果

设△_n:0=x_0相似文献