关于多元分布函数列弱收敛的一个定理

本文证明了关于多元分布函数列弱收敛的一个定理,从而把[1]中P138定理3推广到了多元的情形。     

"步幅常数"型随机算法收敛性分析

研究了步幅为常数的随机算法：Hh 1=Hk μ（Pk-FkHk）,得到了一弱收敛定理,确定了收敛点与步幅μ之间的关系。     

Lp空间上几种收敛性的关系

主要探讨了在Lp空间上几种收敛性的关系,给出了弱收敛的充要条件以及弱收敛与强收敛之间的关系,并且相应的给出了一些推论,证明了弱收敛的充要条件和有关弱收敛与强收敛之间的关系,并用举例说明了定理的一些特殊情况.     

随机元的稳弱收敛

证明了取值于Polish空间的稳弱收敛随机元列,在加大概率空间时,必存在极限,其次,对Jacod提出的弱收敛必是稳弱收敛相对紧证明有缺陷作了补正。     

自反Banach 空间上的函数序列的弱上境收敛的几个结果

本文对定义在自反Ｂａｎａｃｈ空间的内部非空有界闭凸集上的函数序列的弱上境收敛（ｗ－ｅｐｉ－ｃｏｎｖｅｒｇｅｎｃｅ）进行了研究，并得到了关于弱上境收敛的极限函数的一个下确界刻划，且其中下确界能取到的结果．在此基础上得到了弱上境收敛极限函数的弱序列下半连续性．     

关于LP空间中的几种收敛性

收敛概念是从数列的收敛性到函数列的收敛性、级数收敛、积分序列的收敛性,即分析学研究的出发点就是收敛性.在现代分析中主要包括:几乎处处收敛,依测度收敛,强收敛,弱收敛等概念,文章对它们的定义和性质进行归纳,并讨论他们之间的关系和区别.     

再谈关于Lp〖KG-*3〗空间的几种收敛关系

讨论了Lp空间弱收敛、强收敛、几乎处处收敛、依测度收敛的相互转换关系，给出了证明，并通过举例的方式说明了一些定理的特殊情况.     

关于各种收敛性关系的若干反例及两个新的定理

主要研究了Lp（p≥1）空间中的强收敛（依范数收敛）、弱收敛与几乎处处收敛、依测度收敛、一致收敛之间的关系,并举出了若干反例;进一步对函数序列或测度空间作某些假设,得到了一些肯定的蕴涵关系与重要的结论.     

统计收敛与平均收敛

证明了有界序列统计收敛必平均收敛,并给出例子说明对于无界序列的这两种收敛不相互蕴含,最后还给出了有界序列统计收敛的一个充要条件.     

可积函数空间LP中的几种收敛性关系

文章对可积函数空间L~P中强收敛、弱收敛和依测度收敛几种收敛的定义和性质进行归纳和总结,讨论他们之间的关系,并给出了相应结果的证明,从而使各种收敛关系更加明晰和透彻。     

广义一致收敛与亚一致收敛

本文讨论了连续函数列{f_2(x)}的极限函数f(x)连续的条件。采用了先把{f_2(x)}为正则收敛的条件减弱为弱正则收敛,或减弱为一致收敛,再减弱为广义一致收敛,最后成为一个定理:在[a,b]上的连续函数列{f_n(x)}的极限函数f(x)连续的充要条件是{f_n(x)}在[a,b]上是亚一致收敛的。     

关于各种收敛性关系的若干反例及两个新的定理

主要研究了Lp(p≥1)空间中的强收敛(依范数收敛)、弱收敛与几乎处处收敛、依测度收敛、一致收敛之间的关系,并举出了若干反例;进一步对函数序列或测度空间作某些假设,得到了一些肯定的蕴涵关系与重要的结论.     

空间L~p(Ω)中强收敛和弱收敛的一些判别方法

考虑勒贝格控制收敛定理的应用和强收敛的充分必要条件问题,运用由勒贝格控制收敛定理导出的近代新结果,对一些古典结果的证明方法给予了新的简化处理,给出了强收敛的充分必要条件判别定理.     

函数序列关于弱收敛概率测度序列积分的控制收敛定理

研究了函数序列关于弱收敛概率测度序列积分的控制收敛性,得到了控制收敛性定理,进而研究了期望泛函序列的上图收敛性,得到了概率测度弱收敛的若干新的等价条件.     

一种基于弱拟牛顿方程的单调梯度法的收敛性

基于弱拟牛顿方程,Leong W J等人提出了一种单调梯度法,该算法在每次迭代时利用对角矩阵逼近Hessian矩阵,使计算量和存储量明显减少,并且此算法对凸函数具有收敛性。在此算法的基础上,进一步研究了算法对于一般函数的收敛性,并证明了在一定的假设条件下算法仍具有全局收敛性、R-线性收敛性和超线性收敛性。     

可估函数岭估计的一个结果

在不要求Sn的逆存在的情形下,给出了可估函数岭估计的弱相合性与均方相合性等价的条件。     

Riemann—Lebesgue引理的推广

本文从泛函序列弱（*）收敛的角度,对Riernann-Lebesgue引理作了多种推广．