Markov积分半群的逼近

来源 :西南大学 | 被引量 : 0次 | 上传用户:wuww
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
关于Markov过程理论的研究,历来有概率方法和分析方法.近年来,数学家们以算子半群理论作为工具来研究Markov过程理论,并取得了丰富的成果。本文着力于使用分析的方法,以算子半群理论为工具,研究Markov积分半群的逼近理论。   由Anderson[1]知道转移函数P(t)是l1空间上正的强连续压缩半群,但P(t)一般来说不是l∞空间上的强连续半群,而P(t)是l∞上强连续半群的充要条件是q—矩阵Q是l∞上的一致有界q—矩阵。这是一种平凡的情形,实际生活中所遇到的参数连续Markov链所对应的q—矩阵通常都不满足此性质. Anderson[1]认为l∞空间太大了,不可能在其上得到一些有用的结果.因此,当我们在l∞空间上考虑时,强连续半群并不是研究参数连续Maxkov链的一个好工具.Y R.Li在[2]中给出了定义在l∞上的Markov积分半群,解决了一些Markov过程在l1空间上无法解决的问题,并给出了相应的一系列结果。本文主要给出了Maxkov积分半群的几种逼近:   第三章Maxkov积分半群的一般逼近;   第四章Maxkov积分半群的Yosida逼近;   第五章Markov积分半群的Trotter-Kato逼近。
其他文献
由于非线性输出反馈控制系统只有部分状态变量可以测量,并用于反馈,因此对于非线性项的限制条件较强。就一般而言,目前最弱的结果为到线性增长限制。放松这一限制条件,进而设计观
穿脱原理是一个不容忽视的概念,它广泛存在于大自然界中,在生活中它最具有代表性的模型可以说数不胜数。图式流形是将简单无向图中的所有边用管取代、所有顶点用圆周替换而得到
随着科学技术的迅速发展、计算机的广泛应用,数学模型已大量出现在自然科学、工程技术乃至社会科学的许多领域中,尤其是近几年来亚微电子装置技术的提出,半导体物理领域已经引起
在生活中存在许多不确定性因素,这使得对应问题成为不确定性问题.当最优化问题中出现不确定性参数时,相关模型称为不确定性优化问题.目前处理不确定性规划问题的主要方法包括
本文主要考虑如下椭圆方程(公式略)位势函数:(V1)存在常量α0>0,使得infx∈RN V(x)=α0.本文的主要结果如下:定理1.假设V是有界位势满足(V1)和(V2)V(x+z)=V(x)x∈RN,z∈ZN.假定β>1
本文考虑下面的半线性椭圆方程:{-△u+u=Q(x)|u|p-2u,x∈Ω,u>0,x∈Ω,(1)u=0,x∈аΩ,正解的存在性与多解性,其中Ω是RN中的带光滑边界的无界区域,RN(Ω)有界,方程中的指数p∈(2,2*),这里2