关于丢番图方程15+25+…+x5=y2的通解公式

证明了丢番图方程15 25 … x5=y2必有无穷多组正整数解(xn,yn)=(xn,xn(x2n 1)un),且满足:xn 2=10xn 1-xn 4,x1=1,x2=13un 2=10un 1-un,u1=1,u2=11,给出了部分由计算机程序得到的解.     

一类多元函数的线性函数方程

在函数Fi(x1,x2,...,xn) (i=1,2,...,n)对xn具有连续二阶偏导数的条件下,应用微分法和数学归纳法,确定了函数方程∑ni=1(-i)i-1[Fi(x1,...,xn-i 1 xn-i 2,...,xn 1) Fi(x1,...,xn-i 1-xn-i 2,...,xn 1)]-2Fn 1(x1,x2,...,xn)=0的一般解.     

Hilbert空间中几种基的关系

目的 研究Hilbert空间H上的Hilbert基、Bessel基、Riesz基三者间的关系,及其与Bessel列、小波Ricsz基的关系.方法 算子论方法 .结果 证明了对于Hilberr空间日的任一Schuder基{xn},序列{xn xn≠}是H的一个Besselian基且{xn xn≠}≥{xn},{xn xn≠}≥{xn≠}.结论 对于H的任一Schuder基{xn},定义U(xn xn≠):xn≠则{xn}是H的一个Besselian基当且仅当‖U‖<1.而且给出了彤eSZ基的5个等价刻画.     

微分法在求多维连续型随机变量函数的概率密度中的应用

多维连续型随机变量的分布函数F(x1 ,… ,xn)与密度函数f(x1 ,… ,xn)的关系是 n x1 … xnF(x1 ,… ,xn) =f(x1 ,… ,xn) ,dF(x1 ,… ,xn) =f(x1 ,… ,xn)dx1 …dxn.利用这一关系给出了用微分法求多维连续型随机变量函数的概率密度的方法及实例 ,在许多情形下 ,它比通常的方法要简单一些     

差分方程xn+1=(α+βxn+γxn-1)/(A+Bxn+Cxn-1)两个猜想的证明

证明差分方程xn 1=α βxn γxn-1A B xn Cxn-1,n=0,1,…当C∈(0, ∞)时每个非负解是有界的.     

收敛的非线性迭代数列x_(n+1)=g(x_n)的等价数列

本文讨论在非线性迭代xn+1=g(xn)过程中,当迭代数列{xn}收敛时,给出与迭代数列{xn}收敛速度相同的等价数列.     

Banach 空间中间意义下的渐近k-严格伪压缩映象 不动点的迭代逼近

设E是实Banach空间,C是E的非空闭凸子集,T:C→C是一致L-Lipschitz的中间意义下的渐近k-严格伪压缩映象且∑∞n=1γn<∞,任取一点x0∈E,{xn}是根据xn+1=(1-αn-βn)xn+αnTnxn+βnun定义的具误差的修改的Mann迭代序列,若F(T)非空有界,在对参数的一些适当限制条件下,得到了{xn}强收敛于T的一个不动点的充要条件是lim infn→∞D (xn,F(T))=0;去掉F(T)有界的条件后对参数进行同样的限制,得到了根据xn+1=(1-αn)xn+αnTnxn定义的修改的Mann迭代序列{xn}强收敛于T的一个不动点的充要条件是lim infn→∞D (xn,F(T))=0。     

Banach代数上n-上循环的Hyers-Ulam稳定性

设A是Banach代数,M是BanachA模,从An到M的n元线性映射f:An→M称为n-上循环是指任给x1,…,xn+1∈A都有x1f(x1,…,xn+1)+(-1)n+1f(x1,…,xn)xn+1+nΣi=1(-1)if(x1,…,xi-1,xixi+1,xi+2,…,xn+1)=0.证明了从An到M上的n-上循环是Hyers-Ulam稳定的.     

非扩张映像Ishikawa迭代参数趋向[0,1]端点时的收敛定理

设X是一致凸Banach空间,C是X中非空闭凸子集,T：C→C是具不动点的非扩张映像,对任意的x1∈C,存在Ishikawa迭代过程{xn|(xn 1=(1-tn)xn tnT(snTxn (1-sn)xn),tn→1,sn→0,∞↑∑↓（n=1) (1-tn)= ∞的子序列{xnk},使‖xnk-Txnk‖→0(k→∞）,证明了当映像T具紧性时,Ishikawa迭代过程{xn}强收敛于某不动点,当空间X满足Opial’s条件时,Ishikawa迭代过程{xn}弱收敛于某不动点。     

一类非线性非自治差分方程的振动性

研究了一类非线性非自治差分方程xn＋1-Qn△xn＋Pnf（n,xn-1,xn）=0,n=1,2…。给出了上述差分方程所有解振动的充分条件。     

差分方程x_(n+1)=f(x_n,x_(n-k))的全局渐近稳定性

研究差分方程xn+1=f(xn,xn-k)在一定条件下所有负解的全局渐近稳定性,得到方程唯一的负平衡点是一个全局吸引子.在应用中给出了差分方程xn+1=α+xn-k xn的不变区间及所有负解的全局吸引性的充分条件.     

微分法在求多维连续型随机变量函数的概率密度中的应用

多维连续型随机变量的分布函数F（x1,…，xn)与密度函数f(x1,…,xn)的关系是δ^n/δx1…xnF(x1,…，xn)＝f(x1,…,xn)，dF(x1,…，xn)dx1…dxn。利用这一关系给出了用微分法求多维连续型随机变量函数的概率密度的方法及实例，在许多情形下，它比通常的方法要简单一些。     

逻辑方程和逻辑方程组的解法

首先给出了一类线性逻辑方程组的解法,然后通过主和取范式把F(x1,x2,…,xn)=1、F(x1,x2,…,xn)=0,F(x1,x2,…,xn)=G(x1,x2,…,xn)等类型的逻辑方程转化为线性逻辑方程组求解,最后给出了任意逻辑方程组的求解方法.     

Banach空间中有限簇非扩张非自映象具误差的迭代逼近

设E是一致凸的B anach空间,K是E的非空有界闭凸子集而且是E的非扩张收缩核.设T1,T2,…,TN：K→E是N个非扩张非自映象.证明了在一定条件下,由{xn＋1=P[（1-an1）xn＋an1T1yn1＋un1],yn1=P[（1-an2）xn＋an2T2yn2＋un2],……ynN-2=P[（1-anN-1）xn＋anN-1TN-1ynN-1＋unN-1],ynN-1=P[（1-anN）xn＋anNTNxn＋unN],n≥1定义的带误差的迭代序列{xn}分别弱和强收敛于公共不动点,也推广和改进了一些已知的最新结果.     

一类二元离散神经网络模型的收敛性

研究离散二元神经网络模型{xn 1=λxpf(xn) (1-λ)f(yn)[xn] yn 1=λxn qf(yn) (1-λ)f(xn)[yn] 解的收敛性. 这里λ∈(0,1)是常数,p,q时非负已知常数且p·q=0;[x] 表示:[x] ={x,x＞0, 0,x≤0.信号传输函数f为三段非线性常数函数.     

广义区间估计及其最优性(Ⅰ)

将普通区间估计的概念(x1,x2,…,xn)→[G1(x1,x2，…，xn)，G2(x1,x2，…，xn)]拓广为广义区间估计的概念(x1，x2,…,xn)→|Aλ|Aλ∈Θ^~Aλ∩[G1(x1,x2,…,xn)]∈Φ|.于广义区间估计上建立了最优性概念，证明了广义区间估计与假设检验的最优性之间的关系，推演了一个重要区间估计的最优性．     

Banach空间中有限个一致L-李普希茨映象的强收敛定理

首先将序列{xn}的迭代定义为:x0∈K,xn+1=(1-α1n)xn+α1nTn1y1n,y1n=(1-α2n)xn+α2nTn2y2n,...,y(m-1)n=(1-αmn)xn+αmnTnmxn,其中{αin}满足一定的条件.若存在严格增加的函数:[0,∞)→[0,∞),且(0)=0,使得〈Tnix-x*,j(x-y)〉≤kn‖x-x*‖2-(‖x-x*‖),j(x-x*)∈J(x-x*),x∈K,i=1,2,...,m,那么{xn}强收敛到x*.x*是K中有限个一致L-李普希茨映象的公共不动点. K是Banach空间E的非空闭凸子集.     

渐近非扩张映射修正的Ishikawa迭代程序收敛定理

主要在E*具有KK性质等条件下证明了T存在不动点当且仅当由修正的Ishikawa迭代程序xn+1=tnTnyn+(1-tn)xn yn=snTnxn+(1-sn)xn所定义的序列{xn}弱收敛且xn-Txn→0.设C是一致凸Banach空间E的非空有界闭凸子集,T:C→C是渐近非扩张映射.     

一类非线性非自治脉冲差分方程的振动性

讨论非线性非自治脉冲差分方程xn+1-Qn.Δxn+Pnf(n,xn-1,xn)=0,n≠nk,n 0,xnk+1-xnk=αkxnk,k=1,2,….给出了保证上述脉冲差分方程所有解振动的若干充分条件.     

数列{x_n|x_n~k+b/x_(n+1)~m≤h}收敛判别定理

本文解决了数列 xn|xkn+ bxmn + 1 h 的收敛性 ,并求得Limn ∞xn=b·mk1m +k