一个关于线性型转换定理的注记

命n≥1,■_1,…,■_n为n个实数,且1,■_1,…,■_n在有理数域Q上线性独立。命‖x‖表示实数x至它最近的整数的距离,■=max(1,|x|)。命题A 对于任意■>0,皆存在仅依赖于     

гельфнд超越性判别法则多变量情形的推广(Ⅱ)

对于P∈C[x_1,…,x_x],H(P)表其高，并令t(P)=max(logH(p),1 degx_1(p),…1 degx_x(p).设n≥1,(θ_1,…,θ_n)∈C~n.A(θ_1,…,θ_n)表示所有具有下列性质的实数η>1的集:存在实数N_0>0,使对于任何实数N≥N_0有多项式 F=F_N∈Z[x_1,…,x_n],t(F)≤N,     

ABV~(p)函数Fourier系数和Riemann系数的精确估计

设f 是R~1的区间I=[a,b]上的实值函数,若I_n=[a_n,b_n](?)I,则置|f(I_n)|~p=|f(b_n)-f(a_n)|~p.假定区间I_n(n=1,2,…)是不相重叠的,若A={λ_n)是一非减的正实数序列,满足sum from n=1 to ∞1/λ_n=∞,并假定对于{I_n}的每一种选择,级数sum from n=1 to ∞|f(I_n)|p/λ_n 都收敛,则称f 具有p(≥1)次A 有界变差(ABV~(p)).这些和的上     

完美匹配树最小正特征值的界

设G为n阶简单图,称其邻接矩阵A(G)的特征值为G的特征值。因A(G)是实对称方阵,故G的特征值均为实数,可按大小顺序排列:λ_1(G)≥λ_2(G)≥…≥λ_n(G)。若G是     

关于虚根的几个注记

虚根是Kac-Moody代数中的一个非常重要的概念,它体现了Kac-Moody代数与有限维单Lie代数的本质上的区别.在本文中,我们首先描述Kac-Moody代数的严格虚根.然后再刻划极小虚根,这是文献[1]中结果的进一步完善.1 基本概念设A=(a_(ij))~n_(i,j)=1是一个广义Cartan矩阵,((?),Π,Π°)是A的一个实现,其中П={α_1,…,α_n}(?)*;Π~v={α°_1,…α°_n}(?),g(A)是关联于A的Kac-Moody代数.Q=sum from n=l toZα_i和 Q_ =sum from n=l toZ_iα_i分别是g(A)的根格和正根格.W和Sw分别是gw的Weyl群和D”忱n图.我们用的和坡分别表示g(A)的所有正实根的集合和正虚根的集合.令     

一类函数的插值

对实数a令(?)=max(1,|a|)。设s≥1。用G_s表示s维单位立方体,用(x,y)表示R~s中矢量x,y的内积。对m=m_1,…,     

关于拟多项式映射零点分布的一个结果

设C~n是n维复空间。称P:C~n→C~n是拟多项式映射,如果P的每个分量P_i的每一项都具有形式αZ_l~(β_1)…Z_n~(β_n),其中α为复常数,Z_i为复变量,β_i为非负实数,并且每个P_i是有限个这样的项的和,对每个分量的每一项,考虑和式β_1+…+β_n。令α_i为第     

长方(0,1)-阵积和式值的分布及置换相抵标准形

其中■_n是1,2,…,n的全体排列组成的集合,A(i_1,…,i_m)是由A的第i_1,…,i_m列依其在A中的次序所组成的子阵,而A~T表A的转置。易见A     

关于Campbell提出的三个问题

设A、B 是任给的两个序列集合,(A,B)是A 到B 的乘子所成之集合,即若{λ_n)∈(A,B),则对每个{α_n}∈A,有{α_nλ_n}∈B.把一个解析函数看作由其Taylor 系数组成的序列.记l(2,∞)={{λ_n}:sup(?) sum from n=2~(m-1) to 2~m-1 |λ_n|~2<∞}.对于序列空间A,记s(A)=(l~∞,A).D.M.Campbell 于1984年提出关于乘子理论的22个未解决问题.其中问题9是“X     

Cartan型Z-阶化李超代数W(n)与S(n)的阶化模

本文首先将文献[1]的混合积推广到李超代数,然后决定了混合积(作为W(n)模与S(n)模)的不可约子模及合成因子,从而决定了李超代数W(n)与S(n)的不可约的正的阶化模.本文总设F是特征零的代数闭域,A(n)是F上具有生成元ξ_1,…,ξ_n的外代数.则A(n)=(?)是Z阶化的超代数.我们将A(n)中元素ξ_1∧ξ_2∧…∧ξ_n用ξ表示.符号(?)(i_1,…,i_r)表示(?)中删去因子所得到的元素.显然(?).设gl(n)为F上n阶阵的     

光子在弯曲时空中的等效静质量

在平直时空中,矢量场所满足的无源普洛卡方程为《□—m_0~2]A_μ=0。(1)不难证明,在弯曲时空中相应的方程为((?)—m_0~2)A_μ+R_μ~vA_v=0。(2)式中□是弯曲时空中的达朗伯尔算子((?)□A_μ=g~(λρ)A_(μ(?)λρ),R_μ~v是Ricci张量。由无挠条件( Γ_(μν)=     

对称随机加权法

1 引言与主要结论设X_1,…,X_n是R~1上i.i.d的随机样本,未知期望为μ.记分别为样本均值和方差,统计上要对μ做区间估计或假设检验时,通常采用如下的学生化统计量T_n(?)n~(1/2)((?)-μ)/σ_n.只要能有效地分析出T_n的分布性质,就可以给出μ的合理的统计推断.由于总体的分布未知,故只能考虑T_n的渐近分布.典型的方法是用标准正态来替代T_n的     

随机康托集和从属过程产生的分形的测度性质

设μ是直线上的Lebesgue测度,(Ω,g,P)=([0,1],B([0,1]),μ)~N,N={1,2,…},{X_n,n∈N}是(Ω、g,P)上的独立随机变量列,(?)_ω=(ω_1,ω_2,…)∈Ω,X_n(ω)=ω_n,(n∈N),对a.s.的ω∈Ω,存在一个随机半序<,使     

关于加权全最小一乘的探讨

近来我们研究了加权全最小一乘问题,即:寻找适当的α∈R~1和μ∈R~k,使S={ν_1,ν_2,…ν_n,(?)R~k中各点到超平面μ~Tν α=0的垂直距离之加权和达到最小,其中“μ~T”表示μ的转置,q_i>0,i=1,2,…,n,是预先给定的权.由于问题的非线性、非光滑性,其最优解的解析表达很难找到,甚至可能不存在.     

关于Campbell和Leach的三个问题

给定二个单重复数序列空间A,B,记(A,B)是从A到B的乘子空间。更确切地说,(A,B)={λ_n}_0~∞:{λ_nα_n}_0~∞∈B,对一切{α_n}_0~∞∈A。记λ*α是序列{λ_nα_n}_0~∞。我们把一个     

关于方程(1/(x_1))+…+(1/(x_s))-(1/(x_1…x_s))=1及其应用

我们知道,数论中的孙子定理有着广泛的应用。例如,利用孙子定理可构造x的模系数记数法。设s>1,m_1,…,m_s两两互素,M=m_1…m_s,0≤s_m_1,…,_m_s},其中_m_1表示x模m_j(j=1,…,s)的最小非负剩余。这一记     

带有四个不同主曲率的等参超曲面

一、预备与引理 我们首先回顾Abresch的主要定理:给定球面S~(n+1)上的一个g=4的等参超曲面,则数对(m_-,m_+)(设m_-≤m_+)必须满足下列三个条件之一:     

最近邻密度估计的一致收敛速度

设总体有分布F,密度f,而X_1,…X_n,…为抽自该总体的独立随机样本,为估计f,Loftsgarden和Quesenberry(AMS,1965,p.1049)提出了如下的方法:选自然数K_n≤n,找最小的α_n(x),使[x-α_n(x),x α_n(x))这个区间包含样本X_1,…,X_n中的至少     

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)×     

有限型子移位的Chaos集

用∑_n表示n个符号的双向符号序列全体组成的集合,σ表示移位映射。(∑_n,σ)称符号动力系统。设A为n×n矩阵,其中每个元素A_(ij)=A(i,j)都是0或1。