正定矩阵之逆的几何意义及其一个应用

已给一个正定矩阵A_(nxn)=[α_(ij)]。我们知道在n维欧氏空间中存在n个矢量e_1,e_2,……,e_n;记e_i与e_j的点乘积为〈e_i·e_j〉,它们使α_(ij)=〈e_i·e_j〉,对i,j=1,2,…,n。定义:称E(A|B_1,B_2,…,B_n)是A在B_1,B_2,…,B_n生成线性子空间x(B_1,…,B_n)中正交投影。若此矢量满足:     

分配格上的双线性方程

本文将讨论分配格L上的双线性方程A_1X=A_2X的解之构造,得到了如下结果.定理1分配格L上的双线性方程A_1X=A_2X即:)(a_(ji)∧x_i)=(b_(ji)∧x_i),j=1,2,…,m,总有解.定理2 分配格L上的双线性方程A_1X=A_2X即:a_(ji)∧x_i)=b_(ji)∧x_i),j=1,2,…,m_1的解集为:上面结果所要求的条件仅是背景格为分配格,这是文[2],[3],[4]的推广.     

两类分析问题的概率论方法

<正> 引言 众所周知,人们常用概率论的思维方法证明分析中的组合恒等式,所用的方法是构造完备事件组:A_1,A_2,…,A_n,A_i∩A_j=φ,i≠j,i,j=1,2,…,n,且 A_i=Ω(Ω是必然事件,φ是不可能事     

正相协序列生成的平均移动过程的Davis大数定律的精确渐近性

{εt;t∈N*}是一严平稳零均值正相协随机变量序列,00有E|ε1|2 δ'<∞对某个ρ>0有μ(n)=0(n-ρ).给出了∞∑n=0(lognδ/nP{|Sn|≥ε√nlogn}当ε→0时的精确渐近性.     

有限型条件的刻画

若自相似迭代函数系{φj}^mj=1（满足φj（x）=ρjRjx＋bj,bj∈R^d，其中0〈ρj〈1，Rj为d×d正交矩阵）关于不变开集Ω满足有限型条件，K是迭代函数系{φj}^mj=1生成的自相似集．但是，Ω与K的交集可能为空集．本文用构造方法证明存在一个不变开集U，使得U∩K≠φ，且迭代函数系{φj}^mj=1关于不变开集U也满足有限型条件．     

一阶非线性椭园型复方程于全平面上解的性质及其应用

本文建立了一阶非线性一致椭圆型复方程Wz=F(Z,W,Wz),F=Q_1Wz+Q_2Wz+A_1W+A_2W+A_3 Q_j=Q_j(Z,W,Wz),j=1,2 ,A_j=A_j(Z,W),j=1,2,3在全平面 E上的两种表示定理。以这两个表示定理为工具,并运用Leray-Schauder定理,证明了方程,于全平面E上有界解的一种存在定理。利用这一存在定理、消去法及保角粘合定理,我们讨论了方程于多连通区域上的卡来曼边值问题与哈斯曼边值问题的可解性。     

某类柯西变换的罗朗系数性质

假设{Sj}q-1j=0是由压缩映射Sj(z)=εj ρ(z-εj)(1.1)组成的迭代函数系(IFS),其中0<ρ<ρq,εj=e2jπiq(ρq的定义见[1]),K是{sj}q-1j=0的吸引子,μ是支撑在K上的Hausdorff测度,最近,文[1]中讨论了自相似测度的柯西变换F(z)=∫K(z-w)-1dμ(w)在|z|>1内的罗朗系数.本文主要研究H(z)=∫K(λz-w)-1dμ(w)在|z|>1内的罗朗系数,其中|z|=1.得到了一些结果.     

非Lipshitz一般集值变分不等式的广义投影算法

设K是实Hibert空间H的非空闭凸子集,T:H→2H为集值映象,g:H→H为单值映象且Kg(H)。所谓一般集值变分不等式问题,即是指,求x*∈H,使得g(x*)∈K,w∈T(x*)且〈w,g(y)-g(x*)〉≥0,g(y)∈K。在求解以上一般集值变分不等式中,投影算法是常用的算法,但是传统的投影算法需集值映象T关于Hausdoff距离是Lipschtz的。首先,在不需要集值映象T关于Hausdoff距离是Lipschtz的情况下,建立了求解一般集值变分不等式的广义投影算法:第0步:取数列{ρ}j使得0ρj1,∑!j=0ρj=+!,∑!j=0ρj2+!.取g(x0)∈K,令j:=0。第1步:令vj∈T(xj),如果vj=0,则停止,此时xj为问题的解。如果vj≠0,则找wj使得〈vj,g(y)-g(xj)〉+〈wj,g(y)-g(xj)〉≥0,g(y)∈K。如果wj=0,则停止,此时xj是问题的解;否则,进入第2步。第2步:计算xj+1使得g(xj+1)=PK[g(xj)+ρjwj];令j←j+1,回到第1步。然后,在{w}j有界和集值映象T为g-强伪单调的条件下,证明了由该算法产生的序列{x}j强收敛于一般集值变分不等式的解。最后,对广义投影算法作一些修正,保证算法中的序列{w}j是有界的。     

关于一个相关函数行列式的计算

用两种方法计算了下列行列式:F_(z)=(?)其中(?)为正定阵。这行列式来源自平稳随机序列的相关函数。在计算过程中还证明了一个有趣的行列式等式:任给矩阵 A=(a_(ij))_(i,i=1,…,n 和两个列向量 b1=(?)及 b_2=(?)以 A_(i,0) 记把矩阵 A 的第 i 列换成 b_1所得之矩阵,以 A_(0,j)记把矩阵 A 的第 j 列换成 b_2所得之矩阵,以 A_(i,j)(i≠j)记把矩阵 A 的第 i 列及第 j 列分别换成 b_1及 b_2所得之矩阵,则(i≠j)|A||A_(i,j)|=|A_(i,0) ||A_(0,j)|-|A_(j,0) ||A_(0,i)|     

非Lipshitz一般集值变分不等式的广义投影算法

设K是实Hibert空间H 的非空闭凸子集,T:H→2H为集值映象,g:H→H 为单值映象且K g(H)。所谓一般集值变分不等式问题,即是指,求x*∈H,使得g(x*)∈K,w∈T(x*)且≥0, g(y)∈K。在求解以上一般集值变分不等式中,投影算法是常用的算法,但是传统的投影算法需集值映象 T 关于Hausdoff距离是Lipschtz的。首先,在不需要集值映象T 关于Hausdoff距离是Lipschtz的情况下,建立了求解一般集值变分不等式的广义投影算法:第0步:取数列{ρ j}使得0<ρj<1,∑￥j=0ρj = +￥,∑￥j=0ρj2<+ ￥.取g(x0)∈K,令j:=0。第1步:令vj∈T(xj),如果vj=0,则停止,此时xj为问题的解。如果vj≠0,则找wj使得 # 。如果wj=0,则停止,此时xj是问题的解;否则,进入第2步。第2步:计算xj+1使得g(xj+1)=PK[g(xj)+ρjwj];令j←j+1,回到第1步。然后,在 {w }j有界和集值映象T 为g-强伪单调的条件下,证明了由该算法产生的序列 {x }j强收敛于一般集值变分不等式的解。最后,对广义投影算法作一些修正,保证算法中的序列{w }j是有界的。（注：#处为公式）
     

一阶非线性椭园型复方程的非线性边值问题

§1 非线性边值问题的提法本文中,我们考虑有界多连通区域D 上的一阶非线性一致椭园型复方程(1.1)W(?)=F(Z,W,W_z),F=QW_z A_1W A_2(?) A_3,这里Q=Q(Z,W,W_z),A_j=A_j(Z,W),j=1,2,3。令D 是Z 平面上的N 1连通区域,其边界Γ=Γ_0 Γ_1 … Γ_(?)(0<μ<1),不失一般性,可认为D 是单位园内的N 1连通区域,     

具有随机足标的平稳正态序列的部分和与最大值的联合极限分布

设X1，X2，…为标准化平稳正态序列，相关系数ρli-j1=EXiXj(i≠j），N（n）为取正整数的随机变量且N（n）/n P→η，η为大于0的随机变量．得到了：当ρnlog n→γ∈(0，∞)时，最大值MN（n）和部分和SN(n)的联合极限分布．     

一阶椭圆型方程组在多连通区域上的斜微商边值问题

本文讨论平面上的一阶非线性一致椭圆型复方程(实方程组的复形式): (1.1) W(?)=F(z,W,W_z),F(z,W,W_z)=Q_1(z,W,W_z)W_z Q_2(z,W,W_z)(?) A_1(z,W)W A_2(z,W)(?) A_3(z,W)~(*))在N 1连通区域G上的斜微商边值问题。为了叙述简便起见,我们令G是单位圆|z|<1内去掉N个圆:|z-z_j|≤r_j(j=1,2,…,N)的N 1连通圆界区域,且z=0∈G,易知G的边界Γ是N 1个圆周Γ_j:|z-z_j|=r_j(j=1,2,…,N),Γ_o:|z|=1。     

一个共轭梯度方法的全局收敛性

给出一种较弱的线搜索:寻找一个步长tk=jρkΔk满足f(xk jρdk)-f(xk)≤αjρgkTdk-m2(jρ)2‖dk‖2,α∈(0,1),ρ∈(0,1),m>0和gkT 1dk 1<0,将此线搜索应用于求解共轭梯度公式的βk*,得到一种新共轭梯度算法,并证明新算法具有全局收敛,用数值实验说明新算法是有效的.     

一类高阶线性微分方程解在角域上的增长性

主要研究了高阶微分方程 f（k）+ Ak -1 f（k -1）+…+ A1 f ＇+ A0 f =0的解在角域上的增长性,其中 A0,Aj （1≤j≤k -1）为亚纯函数,且假设 A0以有限复数 a 为亏值,ρ（Aj ）=0（1≤j≤k -1）,通过给定适当的条件,证明了齐次线性微分方程的任一非零解在某些角域上的增长级为无穷。     

分担值与亚纯函数的正规族

本文通过定义R1={f1=f-c;f∈R},将R在Δ上的正规转换为研究R1在Δ上的正规。运用文献[8]得到R1在Δ 不正规的充分必要条件：存在点列zj∈Δ,函数列f1j∈R1和正数列ρj→0＋ ,使得gj（ξ）=f1j（zj＋ρjξ）→g（ξ）,并且g（ξ）是非常数亚纯函数,再运用分担值的定义和文献[9]中的不等式得到g（ξ）又必为一个常数,通过反证推广了陈怀惠和方明亮的结果。设R是区域D 上的一族亚纯函数,k是一不小于2的正整数,a,b,c是有穷复数,a≠b,如果对任意的f∈R,f-c的零点重级至少是k,并且f和f（k）在D 分担a 与b,则R在D 上正规。     

非张量Г_(jk)~i与аA~f/аx~j的平行移动——兼评吴大猷著《相对论》关于δΓ_(jk)~i的论述

在给定Г_(jk)~i的微分流形上张量A~i的平移变更δA~i是有定义的。因而A~i的协变导数A_(;j)~i的平移变更δA_(;j)~i也是可运算的。但δA_(;j)~i=δ[(A~i/x~i)/Г_(jk)~iA~K],而我们却没有δ(A~i/x~j)与δГ_(jk)~i的定义。通常都回避了括号中两部分各自的平移运算,这是很不自然的。本文给出了δ(A~i/x~j)与δГ_(jk)~i的定义,使得作为整体的A_(;j)~i可作平移运算,分成两部分以后也可进行平移运算,并得出相同的总运算结果。 文章最后,顺便对文献[1]中关于δГ_(jk)~i的论述作了一些评论。     

谈“古典概型”概率的计算

<正> 概率论中把具有下列特征的随机现象的数学模型称为古典概型:1)在观察或试验中它的全部可能结果只有有限个,譬如说 n 个,记为 A_1,A_2,…,A_n,而且这些事件满足:A_iA_j=φ(i,j=1,2,…,n、i≠j),A_1+A_2+…+A_n=Ω;2)P(A_1)=P(A_2)=…=P(A_n)。这即是所谓“有限性”、“互不相容性”、“完全性”及“等概性”。古典概型在概率论中占有相当重要的地位。一方面,由于它简单,对它的讨论有助     

一类高阶线性微分方程解的增长性

设A1(z)是方程f″+P(z)f=0的非零解,其中P(z)是n次多项式,Aj(z)≠0(j=2,3…,k-1)是整函数,A0(z)是一个超越整函数且满足ρ(Aj)<ρ(A0)≤12,j=2,3…,k-1,那么方程f(k)+Ak-1(z)f(k-1)+…+A1(z)f'+A0(z)f=0的每一个非零解都是无穷级。     

正相协序列生成的平均移动过程的Baum-Katz大数定律的精确渐近性

设{εt;t ∈ N*}是一严平稳零均值正相协随机变量序列,0＜Eε21＜∞,及σ2=0＜Eε21 2∞∑j=2Eε1εj,0＜σ2＜ ∞,{aj;j ∈N}是一实数序列,并且∞∑j=0|aj|＜ ∞.义移动平均过程Xt=∞∑j=0ajεt-j,t≥1,令Sn=n∑t=1Xt,n≥1.假设对某个δ'＞0有E|ε1|2 δ' ＜ ∞,对某个ρ＞0有μ(n)=0(n-ρ),给出了∞∑n=1nr/p-2P{|Sn|≥εn1/p},∞∑n=11/nP{|Sn|≥εn1/p}当ε→0时的精确渐近性.