关于单调函数Borel的一个定理的推广

在过去的工作中,我证明了下列定理:定理1 设f(x),γ(t)及δ(x)为三函数满足下列条件:f(x)于x≥x_0为非减并且f(x)≥T_0.γ(t)于t≥T_0为正、连续并且非增;∫_T0~∞γ(t)dt收敛.δ(x)于x≥x_0为正、连续并且非增;∫_x0~∞δ(x)dx发散.     

非线性最优化一个超线性收敛的序列方程组方法

本文考虑如下的优化问题:这里x=(x_1,…,x_n)∈E~n.对于问题(P),本文给出了一个超线性收敛的序列方程组算法.此算法与现有的序列二次规划(SQP)方法相比,具有以下三个重要的性质:(1)由于算法每一次迭代只需计算三个系数矩阵完全相同的线性方程组,因此算法每一次迭代的计算量要比现有的SQP方法大为减少;(2)算法每一次迭代产生的点都是可行的;(3)算法是一步超线性收敛的.     

关于连续函数用正算子逼近的阶的注记

O.Shisha和B.Mond首先给出了C[0,1]的函数f(x)用连续线性正算子序列{L_n(f,x)}逼近的阶:     

一类时间序列模型线性性的K-S型检验

1 定理 考虑如下非线性时间序列模型: (1) 具有如下假设: (A1)是R~2中的开子集; (A2){∈_t}是i.i.d.序列,∈_t和x_(t-1),独立,且 (2) (A3)h(·)是正可测函数满足当|x|→∞时,h(x)→∞,h(x)/|x|→0,且对每一C>0, (A4){x_t}是混合序列,满足     

周期性随机序列的非线性复杂度

定义序列(?)的非线性复杂度为C(?)=min{m:存在m元布尔函数f生成(?)}.易见,C(?)指生成(?)的反馈移位寄存器的最小级数,并且当(?)以p为周期时,0≤C(?)≤p.众所周知,在流密码体制中,序列的线性和非线性复杂度是衡量密钥流安全性的两个重要指标.由于密钥流序列终归是周期序列,因而是一个具有重要实际意义的问题:周期性重复的二元随机序列(?)=x_1x_2…x_px_1x_2…,它的复杂度的变化情况是怎样的?其中X~(p)=x_1x_2…x_p是     

病态方程Tikhonov正则化方法的最优正则化参数

本文研究病态问题 ∧x=g.K是定义在Hilbert空间H_1上取值于Hilbert空间H_2的全连续线性算子。R(·)表示算子的值域。g≠0 g∈R(K);δ>0,g~δ∈H_2,‖g~δ‖>δ,‖g~δ—g‖≤δ;x,x_α,x_α~δ分别是泛函     

Banach空间上有限秩算子的谱刻划

设X是复Banach空间,B(X)表示X上有界线性算子全体所成的集合.在文献[1]中,Jafarian给出了B(X)中秩1算子的谱刻划:定理J设A∈B(X),A≠0,则下列条件等价:(i)A是秩1算子;(ii)对任意T∈B(x)和C≠1有σ(T A)∩σ(T cA)(?)σ(T).定理J在保谱线性映射的研究中有重要作用.最近,韩德广对于某些特殊的秩1算子得到一些新结果.本文推广了Jafarian定理,给出了B(X)中有限秩算子的谱刻划.主要结果为:定理1设A≠0是B(X)中任一算子.(i)如果A是秩n算子,则对任意了T∈B(X)和任意一组互不相同的非零数 c_i(i=0,1,     

线性迭代算法基本定理

我们考虑非定线性方程组:Ax=b。 定理1 线性迭代法x~(k+1)=Sx~k+d,k=1,2,…对任意初值x~0都收敛的充要条件是: (1) x=Sx+d有解。     

连续自映射——Ω爆炸

1.设(X,d)为紧致度量空间。用C~0(X,X)表全体X上连续自映射的集合并赋以C~0拓扑(一致收敛拓扑)。设f∈C~0(X,X)和任给ε>0。设x,y∈X。从x到y的一个ε链是指有限序列{x_0,…,x_n},使得x_0=x,x_n=y且d(f(x_(i-1)),x_i)<ε,i=1,2,…,n。用CR_ε(x)表X的这样的子集,使得y∈CR_ε(x)当且仅当存在从x到y的ε链。当y∈CR_ε(x)     

高度图的全色数

定义1 图G(V,E)的染色x:V∪E→{1,2,…}满足 (ⅰ)邻点和邻边染色不同; (ⅱ)点与其关联的边染色不同,则称π为G的全染色。 定义2 G的全染色π所用的最少颜色数,称为G的全色数,简记为x_2(G)。     

一个边着色定理

Berge曾给出一个边着色定理,下面为使用方便起见,我们不妨称它为B定理。著名的Vizing定理和另外一些边着色的结果都可以作为B定理的推论。我们叙述这个定理如下:B定理 设G是一个无环重图,[a,b]_0是G的一条边,令G′=G—[a,b]_0,若G′是可q-边着色的,且q≥d_G(a),q≥d_G(b);d_(G′)(x) m_(G′)(a,x)≤q,则G也可q-边着色。这里d_G(x)表示顶点x在图G中的次;m_(G′)(x,y)表示在图G′中以x和y为端点的边数;Γ_(G′)(x)表示顶点x在G′中的邻点集合。     

x-p=P_3解数的下界

设x是充分大的偶数,p是素数,记P_r为不超过r个素因子的乘积的数.此外,记C_x=multiple from p>2 (1-1/((p-1)~2)) multiple from 2相似文献   

关于Hrmander条件

设T:D→D’为线性连续算子,其分布核K(x,y)限制在R~n×R~n\{x=y}上满足大小条件|K(x,y)|≤A|x-y|~(-n),(1)以及光滑性条件|K(x,y)-K(x’,y)| |K(y,x)-K(y,x’)|≤B|x-x’|r|x-y|~(-n-r),当|x—x’|≤|x-y|/2,(2)其中0相似文献   

自由C*-代数与非交换Hahn-Banach定理中的完全收缩扩张的唯一性问题

1 引言及主要结果Arveson 把经典的Hahn—Banach扩张定理推广到了C-代数的自伴线性闭子空间上.从此,许多数学工作者对Arveson扩张定理作了推广,下述结果属于G,Wittstock,命题1.1(见文献[2]定理4.2)设X是-算子空间,A是一有单位元的 C-代数且A(?)X,若(?):X→B(H)是一完全收缩映射,则存在完全收缩映射(?):A→(H)使得(?)|X=(?)且||(?)||_cb=||(?)||_cb利用该命题易得:推论1.1 设X与Y均为算子空间且Y(?)X,若(?):Y→(H)是一完全收缩映射,则存在完全收缩映射(?):x→B(H)使得(?)|Y=(?)且||(?)||_cb=||(?)||_cb但命题1.1中的(?)的唯一性问题从未被人涉及,本文用自由C-代数和遗传C-代数为工具,给出了命题1.1中扩张(?)对任何Hilbert空间H均具唯一性的一个充要条件,即下述的:定理1.1 设X和Y均为算子空间,且Y(?)X,1∈X,则下述等价:(1)对每个Hilbert空间H及每个完全收缩映射(?):Y→B(H),都唯一存在完全收缩扩张映射(?):x→B(H)使得(?)|Y=(?)且||(?)||_cb=||(?)||_cb(2)C(Y)是C(X)的遗传C-子代数,定理1.2 记号同于命题1.1,则对每个Hilbert空间H,(?)均唯一存在的充要条件为:I(X)是A的遗传C-子代数,其中I(X)是由X生成的A的C-子代数,     

环Z/(2e)上本原序列最高权位的0,1分布(Ⅱ)

设f(x)=x~n c_(n-1)x~(n-1) … C_0是Z/(2~e)上首一多项式,适合关系式a_(i n)=-(c_0a_i c_1a_(i 1) … c_(n-1)a_(i n-1)),i=0,1,2,…(1)的Z/(2~e)上序列a=(a_0,a_1,…)称由f(x)生成的线性递归序列,由f(x)生成的Z/(2~e)上的所有序列的集合记为G(f(x))_e,并记G’(f(x))_e={a∈G(f(x))_e│a≠0 mod 2}.递归式(1)等价于关系式f(x)a=0=(0,0,…),其中x表示移位算子,即xa=(a_1,a_2,a_3,…).Z/(2~e)上序列a有唯一权位分解a=a_0 a_12 … a_(e-1)2~(e-1),其中a_i=(a_(i0),a_(i1),…)是0,1序列,并称a_i是a的第i权位序列,称a_(e-1)为a的最高权位序列.对Z/(2~e)上首一n次多项式f(x),若f(0)(即c_0)是可逆元,则由文献[1],f(x)的周期per(f(x))_e≤2~(e-1)(2~n-1).当per(f(x))=2~(e-1)(2~n-1)时,称f(x)是Z/(2~e)上n次本原多项式,并称G’(f(x))_e中序列为f(x)生成的本原序列.文献[2]给出了本原多项式的系数     

Hilbert零点定理的推广

在文献[1]中,Abian证明了: 定理A(Abian) 设C为复数域,P=C[x_0,x_1,…,x_E,…]为C上的多项式环,其中x_0,x_1,…,x_E,…为C上的一组不相关不定元,其个数不超过C的基数|C|。设Π是P的一个子集,其基数|Π小于|C|。如果Π中任意有限个多项式都在C中有公共零点,则Π中全     

三种形式的Putnam-Fuglede定理是等价的

对于复Hilbert空间上的(有界线性)算子,我们证明了下列三种形式的Putnam-Fuglede定理是等价的:定理PF(1951) 设M、N是正规算子,则对任意算子X,MX=XN必蕴涵M~*X=XN~*。定理Y(1980) 设M、N是正规算子,则对任意算子X,MXN=X必蕴涵M~*XN~*=X。定理A(1981) 设(M_1,M_2)、(N_1,N_2)为可     

非线性算子方程的一个三解定理

本文的目的是证明非线性算子方程的一个三解定理。本文处处假定X是Hilbert空间,f(x)是X上的C~1泛函,A_x=f'(x)是X到自身的梯度算子,并满足局部李普希兹条件;Q_R={x|‖x‖r。本文的主要结论是:     

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:     

具有二阶细焦点和零特征根奇点的二次系统

对于一般的系统(4),有下述引理1和引理2,其证明分别见脚注所引的参考文献。 引理1 若曲线F(x_2)=F(x_1)与曲线G(x_2)=G(x_1)在区域D{(x_1,x_2)|X_(02)相似文献