低于临界指标的Bochner-Riesz平均的逼近性质

记Q~n={(x_1,…,x_n):-π≤x_j<π,j=1,…,n}。Z~#表示R~n中的整格点集。对于f∈L(Q~n)的n重Fourier级数及其共轭级数的α阶Bochner-Riesz平均定义为其中a_m(f)为f的Fourier系数,K(x)=P(x)|x|~(-n-k)(k≥1),P为k次齐次调和多项     

球调和级数的Bochner-Riesz平均的逼近性质

一、引言 设f是定义在(n+1)维欧氏空间R~(n+1)中单位球面上的可积函数。那么f可以展成如下球调和级数:     

扰动Chebyshev结点的(0-q′-q)型插值平均逼近阶

设X_n={x_(xk)}_k~n=1是任一组满足-1相似文献   

关于非负逼近的一个猜测

在文献[1]中,Halmos提出如下的猜测:对Hlbert空间上算子A=B+iC,成立 这里δ(A)表示A到Hilbert空间H中正算子集罗的距离。且证明了     

小波框架的齐次逼近性质

文章先给出了两个Banach空间，它们中的函数对于满足一定条件的参数序列能产生小波框架，并且在参数和生成元函数有微小扰动的情况下仍然为小波框架。后在前文的基础上放宽了函数属于F1（R）的充分条件。一步，F0（R）中的生成元产生的小渡框架满足强齐次逼近条件，也就是函数的小波框架展开式的逼近率在它进行伸缩平移以后是不变的。     

非光滑凸函数的Moreau-Yosida逼近

考虑问题 其中为一闭的正常凸函数。f的Moreau-Yosida逼近定义为 由文献[1]可知F_λ是R~n中的可微凸函数,且(1)式的极小点集恰是minF_λ(x)的极小点集,所以Moreau-Yosida逼近把求解一非光滑凸函数的极值问题转化为求解一光滑凸函数的极值问题。F_λ的导数为     

小波框架的齐次逼近性质

文章先给出了两个Banach空间,它们中的函数对于满足一定条件的参数序列能产生小波框架,并且在参数和生成元函数有微小扰动的情况下仍然为小波框架.后在前文的基础上放宽了函数属于F1(R)的充分条件.一步,F0(R)中的生成元产生的小波框架满足强齐次逼近条件,也就是函数的小波框架展开式的逼近率在它进行伸缩平移以后是不变的.     

小波框架的齐次逼近性质

文章先给出了两个Banach空间,它们中的函数对于满足一定条件的参数序列能产生小波框架,并且在参数和生成元函数有微小扰动的情况下仍然为小波框架。后在前文的基础上放宽了函数属于F1(R)的充分条件。一步,F0(R)中的生成元产生的小波框架满足强齐次逼近条件,也就是函数的小波框架展开式的逼近率在它进行伸缩平移以后是不变的。     

岭函数逼近的L~1-理论

用岭函数的有限和来逼近多变量函数是投影寻踪回归(简记为PPR)的基本工具,其L~2理论文献上已有不少讨论。本文讨论它的L~1理论,主要结果是:只要用有理方向的指数岭函数(只有可列个)的有限线性组合就可以L~1逼近任意的可积多变量函数;如果概率分布     

高阶拟Hermite-Fejer插值的一致收敛性

记是第二类 Chebyshev 多项式的零点构成的结点系.以下记号除非特别声明均同于文献[1].本文我们将考虑一种新的插值问题.对任意非负整数 q 及 f∈C_(-1,1],熟知,适合下述条件的多项式 Q_(nq)(f)∈ΠN(N=2(q+1)(n+1)-1)是唯一的:其中 c_(jkn),d_(in),gin 为给定的任意实数,称 Q_(nq)(f)为 f 的高阶拟 Hermite-Fejér 插值.我们证明了     

任意信源的一个极限性质

关于Shannon-McMillan-Breiman定理的研究是信息论中的一个重要问题.以往的工作分别对信源作了诸如遍历性、平稳性、渐近平稳性等限制(参见文献[1]及其所引文献).本文给出了一个对任意源均成立的类似定理.     

关于Hardy—Littlewood极大函数的有界性

本文得到了Hardy-Littlewood极大函数在Orlicz空间中有界的充分必要条件。 定义1 设φ是区间(0,+∞)上的一个实值函数,称φ为N-函数,如果它是一个     

Sl_q(2)无穷维表示相关的R-矩阵及其有限维分解结构

目前,联系于量子代数u_q((?))的有限维表示人们不仅得到了量子杨-Baxter方程(QYBE)的标准解(R-矩阵),而且在q为单位根情况下构造了各种新型R矩阵(包括非标准解和有颜色解)。本文将致力于构造另一类新的R矩阵,这类R矩阵联系于量子代数的无穷维表示。由于采用的无穷维表示是不可约的,得到的R矩阵不能分解成通常R矩阵的     

Kdv-Burgers方程行波解的参数变换性质

文献[1]曾提出，无界区域无基本流的自由湍流，其主要特征可从如下方程得到理解     

二维乘积限估计的一些渐近性质

设(X_i~O,Y_i~O),i=1,2,…,n是独立同分布,表示n对个体寿命的随机向量,它们有共同的生存分布函数S(s,t)=P(X~O>s,Y~O>t).又设(C_i,D_i)是一对表示删失时间的随机向量,且(C_i,D_i),i=1,2,…,n独立同分布,其生存分布函数为G(s,t)=P(C>s,D>t).在二元随机删失模型中,人们仅能观察到(X_i,δ_i,Y_i,△_i),i=1,2,…,n,其中X=min(X_i~O,C_i),δ_i;=I[X_i~O≤C_i],Y_i=min(Y_i~O,D_i),△_i=I[Y_i~O≤D_i],