关于高级诱导极限的连续映象定理

在这里我们所要讨论的是有关能量空间中高级(有穷的)诱导极限的连续映象定理,首先叙述这样一个定义(徐利治,1951;数学学报,88-97):假定X={X_n}的a级导集X~(a)只包含一个点x_0,则便称叙列{X_n}收歛于a级的诱导极限x_0,记作对于一个已经知道具有诱导极限的叙作{X_n}来说,其诱导极限的级也可以表作a=〈x_n〉现在我们来证明下面一个命题:定理1.假设K个叙列{X_1,n},{X_2,n},…,{X_k,n}分别是完全能量空间S_1,S_2…,S_k,中的各含相異元素的紧致集,又设这些叙列都有着高级诱导极限点并且{(X_1,n,X_2,n,…,X_k,n)}是乘积空间S_1×S_2×…×S_k中的阴集,那末〈x_1,n〉=〈x_2,n〉     

压缩映象原理的扩充

本文的主要结果是下列定理,它是压缩映象原理和裴鹿成的定理的推广. 定理设f是把完备距离空间X的元素变为X的元素的连续变换,从x_0出发,取x_(n 1)=f(x_n),设序列{x_n}满足σ(Sk,N_(k 1))≤ασ(S_(k-1),N_k),k=1, 2,3……其中σ(n,m)=max σ[x_(n j),x_(n j 1)], o≤j相似文献   

关于Banach空间X的Maluta常数D(X)的遗传不变性

Banach空间X的Maluta常数D(X)定义为D(X)=sup{limsup d(X_(n+1),co(x_1,… ,x_n)):{X_n}是X中的序列且diam(X_n)=1}.本文主要讨论任何无限维闭子空间的Maluta常数不变的Banach空间同时建立了Maluta常数与光滑模的一个不等式.     

强大数律的充要条件

设{X_n,n≥1}为定义在概率空间(Ω,■,Ρ)上的随机变量序列,EX_n=0,n=1,2、…,人们熟知{X_n}服从强大数律的必要条件为(i){X_n}服从弱大数定律,(ii)(X_n)/na、c、0·但其逆命题不成立。当(i)和(ii)成立时,还需加上什么条件才能使{X_n)服从强大数律?本文给出条件(iii),对任-ε>0、存在0>δ<ε,使得P{∩∪(ε-δ≤(|S_n|)/n<ε)}=0使(i),(ii),(iii)合起来才是强大数律的充要条件。并且(iii)和(i),     

几类随机变量序列的大偏差估计

设{X_n,n≥1}是定义在概率空间(Ω,F,P)上的随机变量序列,{S_n,n≥1}是{X_n,n≥1}的部分和序列,给出了鞅差序列、φ-混合序列、p阶M-Z型随机变量序列的部分和序列以及NOD序列的部分和序列在条件■下的大偏差估计.     

自治系统的周期解

考虑自治系统: dx_i/dt=f_i(X_1,X_2,…,X_n)(i=1,2,…,n)(1)其中右端函数满足解的存在与唯一性定理条件。定义1 相空间的点y称为点x_0的ω极限点,如果存在时间序列{t_n}当n→+∞,t_n→+∞且y=lim x(t_n,x_0)。n→∞定义2 给定环面体G的截面S(在n—1维超平面上)称为G的拟截割,如果对任意~x∈S,有S_x?S,x∈S_x和δ=δ(x)>0,使得φ((-δ,δ),S_x)为R·中包含x的开集,这里φ(t,P)为方程(1)满足初值x(0)=P的解。     

连续随机序列样本熵的强偏差定理

设{X_n,n≥1}是连续随机序列,其联合分布密度为g_n(x_1,…,x_n),f_k(x_k)是X_k的边缘分布密度。利用关于乘积分布密度sum from n to k=1 f_k(x_k)的相对熵和相对熵率的概念,建立了连续随机序列关于样本微分熵的一类强偏差定理。     

关于相关数列极限的注记

设 k 为某一自然数,数列{x}、{y}当n>k 时满足y_n=C_0x_n+C_1x_(n-1)+…+C(?),则称{y_n}为{x_n}的相关数列.设 g_1(t),g_2(t),…,g(t)在 u(t_0)内严格单调且连续,g(t_0)=x_0,i=1,2,…,k.g_i(t)的反函数为 g~(-1)(x),它在 u(x_0)内严格单调且连续,g~(-1)(x_0)=t_0,i=1,2,…,k设F(t)=C_1f〔g_1(t)〕+C_2f〔g_2(t)〕+…+Cf〔g(t)〕,且存在 l,1≤l≤k,使|C_1|>(?)|C_i|.     

具2+δ阶矩的一类时变MAX(q)序列的样本均值的极限分布

本文继续作者在文献[1]中的工作,证明具2+δ(0<δ<1)阶原点矩的时变 MAX(q)序列{x_n)的样本均值 N~(1/2)(_N-E_N)渐近正态分布 N(0,ν_2-ν_2-(2q+1)μ~2),其中μ_1=Ex_1,ν_2=E(x_1+x_2+…+x_(q+1))~2,ν_2=E(x_1+x_2+…+x_q)~2,从而,减弱了文献[1]中要求{x_n}具有限三阶原点的限制条件.但其论证方法与文献[1]不相同.     

求方程全部实根的一个二阶方法

本文建立了一个求解单变元非线性方程f(x)=0全部实根的一个二阶方法:(n=0,1,2,……) 且当根号前取“+”号时所得的序列{X_n}单调增地收于X_o右侧距X_o最近的实根;当根号前取“-”号时所得到的序列{X_n}单调递减地收敛于X_o左侧距X_o最近的实根。该方法初值选取任意,敛速与牛顿法相当,是非线性方程求解行之有的方法之一.     

Banach空间值独立随机变量序列尾和的重对数律

本文描述了Banach空间值随机变量序列尾和的重对数律。证明了下面的定理:设{X_n,n≥1}是独立B-值随机变量序列,EX_n=0,E‖X_n‖~2=σ_n~2,sum from 1=1 to ∞σ_i~2<+∞,则条件(1)和(2)包含此批s_n~2=sum from i=n to ∞σ_i~2     

ALNQD序列密度函数核估计的强相合性

设{X_n,n≥1}为一同分布的渐近线性负相依(ALNQD)序列,f_n(x)为密度函数f(x)基于样本X_1,…,X_n的核估计.在适当的假设条件下,利用ALNQD序列的矩不等式和Borel-Cantelli引理,证明核密度估计的强相合性、一致强相合性及r阶相合性.     

非平稳NA序列更新过程的精确渐近性

设服务时间{X_n,n≥1}为非负非平稳负相伴(NA)随机变量序列,N(t)为由其产生的更新过程.利用NA序列部分和S_n的精确渐近性结果及S_n与N(t)之间的关系{N(t)n}={S_nt},证明非平稳NA序列更新过程的精确渐近性.     

鞅收敛定理的讨论

设(Ω,F,μ)为一概率空间,{F_n}_(n∈N)为一列上升的F的子σ代数,N表示非负整数集合。定义设{X_n,F_n}_(n∈N)为一鞅(上鞅),由{X_n}的任一子列{X_n_k}构成的鞅(上鞅){X_n_k,F_n_k}_(k∈N)称为{X_n}的子鞅(子上鞅)。为方便起见,简记鞅(上鞅)为{X_n},子     

四元数方程AXB+CYD=E通解中复矩阵分量极秩

借助四元数矩阵的复表示方式Φ(·),将四元数体上的线性矩阵方程AXB+CYD=E转换为复数域上的等价复矩阵方程Φ(A)XΦ(B)+Φ(C)Y~Φ(D)=Φ(E).同时,利用该复矩阵方程的通解和分块矩阵的极秩性质,求出原四元数矩阵方程通解中复矩阵分量集{X_0}、{X_1}、{Y_0}和{Y_1}的最大秩、最小秩公式.作为这些极秩公式的应用,推导出了该四元数矩阵方程通解中包含复矩阵解或全为复矩阵解的充要条件.     

混合序列密度函数核估计的相合性

设{X_n,n≥1}是一随机变量序列,f(x)为其概率密度函数,基于样本X_1,X_2,…,X_n,对密度函数f(x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了ρ-混合和φ混合序列核密度估计的强相合性、r阶相合性.     

Riemann可积的充要条件

设 f:[a,b]→R,P={x_i|a≤x_0相似文献   

关于解代数方程的劈因子法的收敛性

对于汛函方程x=φ(x) (1)的迭代法的收敛性定理是本文的基础.在这里,我们假设φ(x)是将Banach空间X的元素x变为同一空间的元素的非线性算子.且设在所指定的x_0(方程(1)的初始逼近)的邻域内φ(x)在Fre'chet意义下二次可微。定理1.设方程式(1)及其初始逼近x_0满足条件:1) ‖φ'(x_0)‖≤Q<1;2) ‖x_0-φ(x_0)‖≤η;3)在球(2)中有不等式‖φ″(z)‖≤L     

LPQD序列密度函数核估计的相合性

设{X_n,n≥1}是一LPQD序列,f(x)为其概率密度函数,基于样本X_1,X_2,…,X_n,对密度函数f(x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了核密度估计的强相合性、r阶相合性.     

在拓扑混合映射下轨迹对于时间的异常依赖性

本文指出在拓扑混合映射的定义域中有非常多的点的轨迹呈现出一种对于时间高度异常的依赖性,即若f:X→X是一个拓扑混合映射,其中X是一个由无限多个点组成的紧緻度量空间,则对于任何正整数递增序列{q_i}和X中任何稠密的可数集S,存在着X的一个c-稠密子集C满足条件:(1)对于任何s∈S,序列{q_i}有一个子序列{q_i}使得(?)(y)=s对于任何y∈C成立,(2)对于任意n>0,C中任意n个点y_1,y_2,…,y_n,和X中任意n个点x_1,x_2,…,x_n,序列{q_i}有一个子序列{t_i}使得(?)(y_j)=x_j,对于每一个j=1,2,…,n成立。