1.$\ell^p\ (1\leq p<\infty)$ 的对偶 求证: $\dps{\sex{\ell^p}^*=\ell^q\quad\sex{1\leq p<\infty,\ \frac{1}{p}+\frac{1}{q}=1}}$. 证明: 设 $1\leq p<\infty$. 一方面, 对 $y=\sed{\eta_k}_{k=1}^\infty\in \ell^q$, 由 H\"older 不等式, $$\bex \sev{\sum_{k=1}^\infty\xi

1 ( 10 分 ) 设 $\mathcal{X}$ 是 Banach 空间, $f$ 是 $\mathcal{X}$ 上的线性泛函. 求证: $f\in \mathcal{L}(\mathcal{X})$ 的充分必要条件是 \[ N(f)=\{ x\in \mathcal{X};\ f(x)=0 \} \] 是 $\mathcal{X}$ 的闭线性子空间. 证明: 必要性. 设 $N(f)\ni x_n\to x$, 则 $$\bex f(x)&=&\lim_{n\to\infty}f(

在本节中, $\scrH$ 均指 $Hilbert$ 空间. 1.在极大闭子空间的交的最佳逼近元 设 $f_1,f_2,\cdots,f_n$ 是 $\scrH$ 上的一组线性有界泛函, $$\bex M=\cap_{k=1}^n N(f_k), \eex$$ 其中 $$\bex N(f_k)=\sed{x\in \scrH;\ f_k(x)=0}\ (\forall\ 1\leq k\leq n). \eex$$ $\forall\ x_0\in \scrH$, 记 $y_0$ 为 $x_0$

1.次线性泛函的性质 设 $p$ 是实线性空间 $\scrX$ 上的次线性泛函, 求证: (1)$p(0)=0$; (2)$p(-x)\geq -p(x)$; (3)任意给定 $x_0\in \scrX$, 在 $\scrX$ 上必有实线性泛函 $f$, 满足 $f(x_0)=p(x_0)$, 以及 $f(x)\leq p(x)\ \sex{\forall\ x\in \scrX}$. 证明: (1)$p(0)=p(2\cdot 0)=2\cdot p(0)\ra p(0)=0$. (2)$0=

1. 对测度是 $\sigma$ 有限的情形证明 Radon-Nikodym 定理. 证明: 设 $\mu,\nu$ 均为 $\sigma$ 有限的非负测度, 则存在分割 $$\bex X=\cup_{i=1}^\infty X_i=\cup_{j=1}^\infty Y_j \eex$$ 使得 $$\bex \mu(X_i)<\infty,\quad \nu(Y_j)<\infty. \eex$$ 写出 $$\bex X=\cup_{i,j=1}^\infty (X_i\cap Y_j),

1. 证明满足 (6) 的范数可以由一个内积诱导出来. 这个结论属于 von Neumann. 证明: 以实线性空间为例, 取内积 $$\bex \sex{x,y}=\cfrac{1}{4}[\sen{x+y}^2-\sen{x-y}^2], \eex$$ 则 $\sex{x,y}$ 为内积, 且 $\sex{x,x}^\frac{1}{2}=\sen{x}$. 2. 证明内积连续地依赖于它的因子, 即若 $x_n\to x$, $y_n\to y$ (这意味着 $\sen{x_n-x}\to

1. (a) 证明 (6) 定义了范数. (b) 证明它们在 (5) 式意义下是等价的. 证明: $$\bex |(z,u)|'\leq |(z,u)|\leq 2|(z,u)|',\quad |(z,u)|''\leq |(z,u)|\leq \sqrt{2}|(z,u)|''. \eex$$ 2. 证明定理 2. 证明: 对 $y_1,y_2\in \bar Y$, $$\bex \exists\ Y\ni y_{1n}\to y_1,\quad Y\ni y_{2n}\to y_2, \e

1. 证明: 若在 4.1 节中取 $S=\sed{\mbox{正整数}}$, $Y$ 是收敛数列构成的空间, $\ell$ 由 (14) 式定义, 则由 (4) 给出的 $p$ 和由 (11) 定义的 $p$ 相等. 证明: $$\bex p(x)=\inf_{x\leq y\in Y}l(y)=\inf_{a_n\leq b_n,\sed{b_n}\in Y}\vlm{n}b_n. \eex$$ 由 $a_n\leq b_n$ 知 $$\bex \vls{n}a_n\leq \vlm{n}b

1. 证明 $(10'$). 证明: $\ra$: 由 $p_K(x)<1$ 知 $$\bex \exists\ 0<a<1,\st \cfrac{x}{a}\in K. \eex$$ 既然 $0$ 是 $K$ 的内点, $$\bex \forall\ y,\ \exists\ \ve=\ve(y)>0,\st |t|<\cfrac{\ve}{1-a}\ra ty\in K. \eex$$ 于是由 $K$ 的凸性, $$\bex |t|<\ve\ra x+ty =a\c

1. 验证两个线性映射的复合仍是线性映射而且满足分配律: $$\bex {\bf M}({\bf N}+{\bf K})={\bf M}{\bf N}+{\bf M}{\bf K},\quad ({\bf M}+{\bf K}){\bf N}={\bf M}{\bf N}+{\bf K}{\bf N}. \eex$$ 2. 证明定理 1. 证明: 证 (iii). 定义 $$\bex {\bf M}:\quad X/ N_{{\bf M}}\ni [x]\to {\bf M} x\in R_{{

1. 证明定理 1. 2. 验证上述结论. 3. 证明定理 3. 4. 证明定理 4. 证明: 由 $$\bex x=\sum_{k=1}^{n-1}a_k\cdot \sum_{j=1}^{n-1}\cfrac{a_j}{\sum_{k=1}^{n-1}a_k}x_j+a_nx_n \eex$$ 及数学归纳法即知结论. 5. 证明定理 5. 证明: 仅证明 (iv). 设 $A,B$ 为两凸子集, 则对 $$\bex \forall\ x+y,u+v\in A+B, \eex$$ 有 $$\b

设 $H^{-1}$ 是 $H^1_0$ 的对偶空间, 定义域为 $[0,1]$. 试证: (1) $\sed{h\sin (2\pi hx);\ h>0}$ 在 $H^{-1}$ 中有界; (2) 试求 $h\sin (2\pi hx)$ 在 $H^{-1}$ 中的弱极限. 证明: (1) 对 $\forall\ f\in H^1_0$, $\sen{f}_{H^1}\leq 1$, $$\beex \bea \sef{h\sin (2\pi hx),f(x)}&=\int_0^1 h\s

一.期末考试成绩班级前几名 胡晓波(90).杨彦婷(88).宋卓卿(85).唐指朝(84).陈建兵(83).宋沛颖(82).王昊越(81).白睿(80).韩沅伯(80).王艺楷(80).张漠林(80).张子涵(80) 二.总成绩计算方法 平时成绩根据交作业的次数决定,本学期共交作业12次,10次以上(包括10次)100分,少一次扣10分. 总成绩=平时成绩*20%+期中考试成绩*20%+期末考试成绩*60% 三.最终成绩及人数 最终成绩 人数 A 26 A- 1 B+ 14 B 16 B- 20

https://www.douban.com/group/topic/11115261/ 在过去的一年中,我一直在数学的海洋中游荡,research进展不多,对于数学世界的阅历算是有了一些长进. 为什么要深入数学的世界 作为计算机的学生,我没有任何企图要成为一个数学家.我学习数学的目的,是要 想爬上巨人的肩膀,希望站在更高的高度,能把我自己研究的东西看得更深广一些.说起来,我在刚来这个学校的时候,并没有预料到我将会有一个深入数学的旅 程.我的导师最初希望我去做的题目,是对appearance和m

作者:林达华 一.为什么要深入数学的世界 作为计算机的学生,我(原作者)没有任何企图要成为一个数学家.我学习数学的目 的,是要想爬上巨人的肩膀,希望站在更高的高度,能把我自己研究的东西看得更深广一些.说起来,我在刚来这个学校的时候,并没有预料到我将会有一个深入数 学的旅程.我的导师最初希望我去做的题目,是对appearance和motion建立一个unified的model.这个题目在当今Computer Vision中百花齐放的世界中并没有任何特别的地方.事实上,使用各种Graphical M

家里蹲大学数学杂志[官方网站]从由赣南师范大学张祖锦老师于2010年创刊;每年一卷, 自己有空则出版, 没空则搁置, 所以一卷有多期.本杂志至2016年12月31日共7卷493期, 6055页.既然做了, 就必须对自己和各位同学负责, 本杂志利用Latex精心排版, 整齐美观; 利用所学所知, 证明简单明了, 思路清晰;利用软件验算, 解答过程清楚, 结果准确. 从2017年起本刊除非应邀给出试题解答, 极少更新, 而逐步向``跟锦数学’’和``数学分析高等代数考研试题参考解答’’转换. 本杂志

https://www.douban.com/group/topic/11395706/ 作者:伊藤清 当我得知苏联伟大的数学家,84岁的 Andreyii Nikolaevich Kolmogorov 教授于1987年10月20日离开人世时,我感到像是失去了支柱那样悲哀与孤寂.在我还是学生时(1937年)读了他的名著<概率论的基本概念>之后,便立志钻研概率论,并持续了50年之久.对于我来说,Kolmogorov 就是我的数学基础. 我与 Kolmogorov 教授仅会过 3 次面.第一次是1

格式:n=norm(A,p)功能:norm函数可计算几种不同类型的矩阵范数,根据p的不同可得到不同的范数 以下是Matlab中help norm 的解释 NORM   Matrix or vector norm.    For matrices...      NORM(X) is the largest singular value of X, max(svd(X)).      NORM(X,2) is the same as NORM(X).      NORM(X,1) is the 1

向量定义:x1 = c(1,2,3); x2 = c(1:100) 类型显示:mode(x1) 向量长度:length(x2) 向量元素显示:x1[c(1,2,3)] 多维向量:multi-dimensional vector:rbind(x1,x2); cbind(x1,x2) > x = c(1,2,3,4,5,6) > y = c(6,5,4,3,2,1) > z = rbind(x,y) > z [,1] [,2] [,3] [,4] [,5] [,6] x 1 2 3 4

What: 就是将统计学算法作为理论,计算机作为工具,解决问题.statistic Algorithm. How: 如何成为菜鸟一枚? http://www.quora.com/How-can-a-beginner-train-for-machine-learning-contests 链接内容总结: "学习任何一门学科,framework是必不可少的东西.没有framework的东西,那是研究." -- Jason Hawk One thing is for sure; you ca