利齐循环空间的几个定理

设Vn(n>2)是一个n维黎曼空间。当Vn的黎曼曲率张量R~h_(ijk)满足R~h_(jik),m=0,则称Vn是一嘉当意义下的对称空间,本文中有时简称为对称空间。其中逗号表示关于Vn的基本张量g_(ij)的共变导数(下同). 当Vn的R~h_(ijk)满足R~h_(ijk,m)=a_mR~h_(ijk),R~h_(ijk)(?),0{a_m}是一非零向量,则称Vn是一循环空间。近来很多学者开展了对共形对称空间;共形循环空间;射影对称空间;射影循环空间     

双随机Dirichlet级数的收敛性和增长性

文章研究系数{Xn}满足∑n=0^＋∞P{｜Xn｜≥n^p}〈＋∞，∑n=0^＋∞P{n^p｜Xn｜≥c}=＋∞（任意〉0）及指数在条件limλn/Eλn=1下的双随机Diriehlet级数的收敛性和增长性。     

B值随机变量一类加权和的完全收敛性

设{Xni:1≤i≤n,n≥1}为行间独立的B值r.v.阵列,X为实值r.v.,E｜X｜p<∞,p>2,且对 x>0, 1≤i≤n,n≥1,都有P(‖Xni‖>x)≤P(｜X｜>x).{ani:1≤i≤n,n≥1}为满足条件∑ni=1a2ni=1,n≥1的实数阵列.则1n1 p∑ni=1aniXnip0蕴涵1n1 p∑ni=1aniXni完全收敛于0.     

关于相关数列极限的一个注记

设yn=c0 xn+c1 xn-1+…+ckxn-k,其中{xn}、{yn}是数列,k是正整数,当0≤j≤k时,存在某个j,使得k∑i=0 i≠j|ci|<|cj|成立,则limn→∞yn=A的充要条件为limn→∞xn=A/k∑i=0ci.从而推广了已有的研究成果.     

一类以Lucas数为系数的线性不定方程

设a ,b为整数 ,b≠ 0。广义的Lucas序列 {Vn}定义为v0 =2 ,υ1=α ,υn z=αvn 1bvn(n≥ 0 )。设a ,b ,c ,n ,k ,m ,r为整数 ,求解关于t1,… ,tm -r 的不定方程　　 ∑m -ri=1tieiυk(m 1-i) =c(k >0 ,m - 1>r≥ 0 ,c∈Z ,ei =± 1,i=1,… .m -r) .给出了在求解及构造F-L恒等式方面的应用例子。     

非齐次马氏链泛函变换的若干极限定理

设 { Xn,n≥ 0 }是一列非齐次马氏链 ,{ f (.,.) ,n≥ 1}是一列二元可测函数 ,{ Vn,n≥ 1}是一列可预报随机序列 .引入非齐次马氏链二元泛函停时变换的概念 ,即Γn =∑nk=1Vkfk(Xk-1,Xk) .利用鞅方法讨论了变换的强极限定理 ,得到 limn a-1n ∑nk=1Vk{ fk(Xk-1,Xk) - E[fk(Xk-1,Xk) | Xk-1]} =0 .作为特殊情形 ,将随机选择的概念拓展到非齐次马氏链中 ,得到了关于有限非齐次马氏链随机选择的若干极限定理     

两类非线性差分方程的全局渐近稳定性

利用泛函分析方法证明差分方程xn 1=∑i∈Zk-{j,s,t}xn-i xrn-t xn-jxmn-s A∑i∈Zk-{j,s,t}xn-i xnm-s xn-jxnr-t A,n=0,1,…,其中k∈{2,3,…},j,s,t∈Zk≡{0,1,…,k}(s≠t,j{s,t}),A,r,m∈[0, ∞)且初始条件x-k,x-k 1,…,x0∈(0, ∞),和差分方程xn 1=∑i∈Zk-{j0,j1,…,js}xn-i xn-j0xn-j1…xn-js 1∑i∈Zk-{j0,j1,…,js-1}xn-i xn-j0xn-j1…xn-js-1,n=0,1,…,其中k∈{1,2,3,…},1≤s≤k,{j0,…,js}Zk(ji≠jl对i≠l)且初始条件x-k,x-k 1,…,x0∈(0, ∞)的唯一平衡点-x=1是全局渐近稳定的.该结果推广了文献[3~5,7]中相应的结果.     

随机级数∑n=1^∞Xn（ω）fn（x）的收敛性

运用简化原理,得到了对称随机级数∑n=1^∞Xn（ω）fn（x）若在Lω^2中a．s．收敛或Cesaro有界,则它关于dω^-（x）几乎必然几乎处处收敛的结果,并给出一反例,说明这个结果的逆是不正确的．然后研究了在一般的情况下,当随机系数{Xn}满足“A↓n〉0,EXn=0,aE1/2｜Xn｜^2≤E｜Xn｜〈∞”的条件下,该级数收敛的充分必要条件．     

由三级数定理导出的一类强极限定理

设 {an,n≥ 1 }是一正数列 ,{Xn,n≥ 1 }是一独立随机变量序列 ,{gn,n≥ 1 }是定义在 (-∞ , ∞ )上的一列非降的正值偶函数 ,对于每个gn,存在pn >0 ,当｜x｜增加时有gn(x)｜x｜pn ↓ .若∑∞n =1Egn(Xn)gn(an)1qn < ∞ ,其中qn ≥ 1 ;0 1 ,则∑∞n =1Xnana .s.收敛     

Dziok-Srivastava算子的应用

∑p表示E0={z：0〈｜z｜〈1}内解析且形为f（z）=z^-p＋∑^∞ n=1anz^n-p的P叶函数全体组成的类。主要研究Dziok—Srivastava算子Hp,q,s（α1）一些性质。     

Q-相对紧致空间

利用q-开集,q-覆盖给出一个新的概念Q-相对紧致空间,拓扑空间(X,T)称为Q-相对紧致空间,如果对于X的每个q-覆盖{Va|a∈I},存在一个有限子族{Vai|i=1,2,……n},它们闭包的并集为X.继而讨论了它的一些性质,得到一些较有趣的结果.     

Q-闭空间

在q-开集、q-覆盖的基础上给出一个新的概念-Q-闭空间.拓扑空间(X，T)称为Q-闭空间，如果对于X的每个q-覆盖｛Vα｜α∈I｝，存在一个有限子族｛Vαi｜i=1,2,…,n｝，它们的闭包的并集为X.     

渗流方程的第二边值问题

运用上、下解及闸函数讨论了渗流方程的第二边值问题解的存在性、唯一性及非饱和区域在有限时间消失的条件。     

Kn—e图中的路因子

G是一个Kn-e图,e∈E（Ka）。设σ2（G）表示不相邻顶点度和的最小值．令｜V（G）｜=n=∑^ki=1 a,并且σ2（G）≥,n＋k-1．证明对于图G中任意的k个顶点v1,v2,…vk。存在点不相交的路P1,P2,…Pk,使得对于1≤i≤k,都有｜V（Pi）｜=ai．并且vi是Pi的一个端点．     

非扩张映象带误差的Ishikawa迭代过程的收敛性

设D是赋范空间X的一子集,T:DX是一非扩张映射.给定D中序列{xn}和两个实数序列{tn}和{sn}满足: 0≤tn≤t<1和∑∞n=1tn=∞; 0≤sn≤1和∑∞n=1sn<∞; xn+1=tnT(snTxn+(1-sn)xn+vn)+(1-tn)xn+un,n=1,2,3,…,其中{un}和{vn}是两个在X中的可合序列,且limn→∞t-1n‖un‖=0.证明了若{xn}有界,则limn→∞‖Txn-xn‖=0.并给出了保证{xn}弱和强收敛到T的不动点时,关于D,X和T的条件.     

Hilbert空间中严格伪压缩映射Mann迭代的一个收敛定理

设H是实Hilbert空间,K为H中的紧凸集,T:K→H为严格伪压缩映射,满足弱内向条件.本文给出的主要结论是:若{αn}为(0,1)中的数列满足控制条件∑∞n=1αn(1-αn)=∞,x1∈K,则Mann迭代序列{xn}强收敛于T的一个不动点,此结果改进了文献[1]的结论.     

一类半线性椭圆方程的多重解

本文利用Z2指标理论获得Dirichlet边值问题-△u=f(x,u)a.ex∈Ω,u| Ω=0的多重解定理。其f(x,t)中,f(x,u)满足:存在整数m≥1,b>0,λm+b≤limt≤λm+1(λm是特征值问题-△u=λu,u∈Ω;u| Ω=0的t→0第m个特征值且0<λ1<λ2<…<λm<…)。     

均匀经验过程几乎处处中心极限定理的一个注记

设{ξ1,ξ2,…,ξn}为来自［0,1］上服从
均匀分布的独立同分布样本, 产生的经验过程为Fn(t)=n-1/2∑〖DD(〗n〖〗i=1
〖DD)〗(I{ξi≤t}-t), 0≤t≤1; ‖·‖表示一致模, 即‖Fn‖=sup〖D
D(〗〖〗0≤t≤1〖DD)〗〖JB(|〗Fn(t)〖JB)|〗; U为D［0,1］上的Brown桥, ‖U‖
=sup〖DD(〗〖〗0≤t≤1〖DD)〗〖JB(|〗U(t)〖JB)|〗. 利用概率强收敛工具,
得到了关于‖Fn‖及sup〖DD(〗〖〗0≤t≤1〖DD)〗Fn(t)的形如l
im〖DD(〗〖〗n→∞〖DD)〗〖SX(〗1〖〗log
n〖SX)〗∑〖DD(〗n〖〗k=1〖DD)〗〖SX(〗1〖〗k〖SX)〗I{‖Fk‖≤x}=P{‖U‖≤x}=1
+2∑〖DD(〗∞〖〗k=1〖DD)〗(-1)ke-2k2x2 a.s.
的几乎处处中心极限定理.     

随机利率风险模型中的破产问题

考虑带保费和理赔的支付时间及利率因素的两个离散时间保险风险模型中的破产问题.对其中一个模型,文献中仅在利率{In,n=1,2,…}是定值时,即n≥1,In=r,r是常值情形下,考虑破产前赢余分布和破产持续时间的概率性质两个破产严重性的破产问题.本文考虑了利率{In,n=1,2,…}是独立同分布的随机变量时的两个离散时间保险风险模型,获得了破产前赢余分布和破产持续时间概率的递推公式.     

线性回归模型中的最小距离估计：φ-混合情形

考虑线性回归模型 Y_ni=x_niβ+ e_ni,i=1,…,n,其中β是待估计的未知参数,x_ni是已知的常数。假定对每个 n, e_n1,…,e_nn 与ξ₁,…,ξ_n同分布,其中｛ξ_t, t=…,-1,0,1,…｝是定义于概率空间(Ω,B,P)上取值于R的严平稳φ-混合序列。研究了一类由Cramer-von Mises型距离所定义的参数β的最小距离估计的渐进性质。证明了β的估计β_d是渐进正态的。