增长曲线模型非齐次线性估计的可容许性

讨论增长曲线模型Y =X1BX2 +ε中回归矩阵B的函数C1BC2 的估计L1YL2 +A ,在矩阵损失 (LT2 L1)Y +A - (ST2 XT2 S1X1)B (LT2 L1)Y +A - (ST2 XT2 S1X1)B T 下 ,我们得到了非齐次线性估计L1YL2 +A在非齐次线性估计类Г ={L1YL2 +A|L1:t×p ,L2 ;n×n ,A :t×s均为已知实阵 }中可容许的充要条件 :L1YL2在Г0 ={L1YL2 |L1:t×p ,L2 :n×s均为已知实阵 }中容许且当LT2 XT2 L1X1=ST2 XT2 S1X1时有A =0。     

广义亚正定阵收敛算法

对重要矩阵类GMP={A∈Rn×n|正对角阵D,使得A0≠x∈Rn,x'(DA)x>0},用非线性规划的方法建立一个收敛算法,即使得当A∈Rnc={A∈Rn×n|A的一切主子式全为正}(这里矩阵类Rnc(∩)GMP)时,能判断是否A∈GMP;而当A∈GMP时,能具体求出满足条件的正对角阵D.     

Bernstein算子和Bernstein—Kantorovic算子的∧_ω(A)类保持性质

设ω(x)是[0,1]上的上凸连续模函数,记Λ_∞(A)={f∈C[0,1]:ω(f,x)≤Aω(x)},本文得到f∈A_∞(A)(?)L_n(f)∈Λ_∞(A),其中L_n表示Bernstein算子或Bernstein-Kantorovic算子。     

The Boundedness of Nonlinear Control Systems

In this paper we consider nonlinear control sysfemdx/dt=A(t)x+B(t)f(x),(1)Where x(t)∈R~n is the state vector,A(t)=(a_(ij)(t))_(n×n)is the System matrix,B(t),an nxr time-varying matrix,is the input matrix;f(x)∈R~r is nonlinearvector function,and A(t),B(t)∈c[t_0,∞),f(x)∈c[x_0,∞)Here we are to discuss thc boundedness of system(1)in various cases ofmatrix A(t),and the following results shall be obtained.In this paper,weshall use the results of Bihari and other authors.     

二维多目标凸规划较多解的求解方法

(其中C∈Rm×2,g(x)=(g_1(x),…,g(x))~T∈R~?,b∈R~?,g(x)(i=1,2,…,p)为凸函数)较多有效解的求解方法。 记C~i为矩阵C的第i个行向量,且 X={x∈R~n|g(x)≤b}≠φ由[2]知,若x~*是问题(1)的较多有效解,则     

有限维与无限维线性空间某些性质的差别

本文说明有限维线性空间中有些性质在无限维线性空间中是不成立的,如在教学中注意这些问题,是很有益处的.(本文符号采用I)性质1 设W是V的真子空间,在有限维线性空间中,显然W的维数不能等于V的维数,即维V≠维W.但在无限维线性空间中却有这情况存在.例1.设F[x]是数域F上无限维线性空间.F[x]的真子空间:W={sum from i=0 to n(a_ix~(21))|γ_n∈N∪{0},a_i∈F},这里有维W=维F(X),且W同构于F(X).性质2 在有限维线性中间中,设V_1,V_2是V的两个真子空间,有结论:维V_1+维V_2=维(V_1+V_2)的充分必要条件是V_1∩V_2={0}.但在无限维线性空间中,却有情形,维V_1+V_2=维V,有V_1∩V_2≠{0}.例2 F[x]的真子空间:V_1=xF[x]={xf(x)|f(x)∈F[x]},{sum from i=0 (a_ix~(21))|γ_n∈N∪{0},a_i∈F}于是维V_1十维V_2=维F[x],但V_1∩V_2≠{0}下面着重说明一下,有限维线性空间有:性质3 设V是n维线性空间.A是V中任一线性变换,则下列命题等价:(1)A是可逆变换;(2)若Aα=Aβ,则α=β;(3)A~(-1)(0)={0},即A的核由一个零向量组成;     

一类指数型算子的一致逼近

由文献[4]我们知道,当P(x)不同时,由齐次偏微分方程(α/αx×w(n,x,u)=n/p(x)×w(n,x,y)·(μ-x)及规范化条件integral from -∞=1 to ∞×w(n,x,u)du=1确定出的指数型算子integral from -∞=1 to ∞×w(n,x,u)f(u)·du亦不同。文[1]讨论了p(x)是至多二次的多项式时指数型算子的一致逼近问题,本文将就P(x)的更一般的情形给出一致逼近的正定理及饱和类。     

关于广义Fibonacci矩阵集合上的Fermat方程

设Am是阶广义Fibonacci矩阵，设B={Am^k ｜k∈Z，k≥0}．证明了：方程x^n＋y^n=z^n，x，y，z∈B，n∈N，n≥2没有解（n，x，y，z）．     

矩阵的中心化子为交换环的一个充分条件

本文给出数域P上矩阵A的中心化子作成P上n阶矩阵环的交换子环的一个充分条件,改进了[1]的结果。     

一类二阶线性时变系统的ляпунов函数

文[1,2]在n×n矩阵A(t)的特征值都有负实部的情况下,通过构造变系数二次型函数,对系统x=A(t)x零解稳定之判定给出了充分条件.我们在A(t)为 2×2矩阵,而其特征值一个为零,另一个为负数的情况下,根据A(t)的不同情况,构造不同的变系数二次型函数,对所论系统零解稳定之判定给出了充分条件.     

非奇异H 矩阵与M 矩阵的判定准则

给出了非奇异H 矩阵与M 矩阵的新的实用充分条件，从而改进和推广了以往的相应结果，并给出了相应的数值例子说明了结果的有效性。     

对合矩阵与对角矩阵相似的一种证法

我们利用向量组的线性相关性以及分块矩阵的运算性质给出了下列命题的另一种有趣的证法:若n阶对合矩阵A满足条件秩(A In)=r,则A相似于对角矩阵diag{Ir,-In-r}.这种证法连同Schmidt标准正交化方法一起,还可以用来证明:当上述矩阵A是实对称(Hermite)矩阵时,A正交(酉)相似于对角矩阵diag{Ir,-n-r}.     

对合矩阵与对角矩阵相似的一种证法

我们利用向量组的线性相关性以及分块矩阵的运算性质给出了下列命题的另一种有趣的证法：若n阶对合矩阵A满足条件秩（A＋In）=r，则A相似于对角矩阵diag{Ir，-In-r}．这种证法连同Schmidt标准正交化方法一起，还可以用来证明：当上述矩阵A是实对称（Hermite）矩阵时，A正交（酉）相似于对角矩阵diag{Ir,-n-r}．     

块Jacobi迭代阵的收敛性

研究大型线性方程组迭代解法中分块ＪＡＣＯＢＩ迭代阵的收敛性。采用块矩阵分析方法和谱半径降维估计法得到块Ｊａｃｏｂｉ迭代阵收敛的实用充分条件。     

矩阵的广义次对角占优性

给出了广义次对角占优矩阵及双次对角占优矩阵的概念,得到了广义严格次对角占优矩阵的若干判定准则.     

双正矩阵的一个等价条件

本文证明了实对称矩阵成为双正矩阵或严格双正矩阵的充分必要条件,此充分必要条件与所考虑实对称阵之主子矩阵的特征值及特征向量有关.     

广义Jacobi矩阵的基本性质

给出了广义Jacobi矩阵的特征多项式、特征值及特征向量具有的一些基本性质     

矩阵对角占优性的推广

本文给出了a-对角占优矩阵的定义,讨论了块对角占优矩阵的判定及应用,这些结果推广和改进了[1]～[3]的相应结果.     

广义次正定矩阵

定义了广义次正定矩阵，研究了广义次正定矩阵的一些性质，给出了判定ｎ阶矩阵是广义次正定矩阵的一系列充要条件     

广义对角占优矩阵的充分条件

根据不可约对角占优、具非零元素链对角占优与广义对角占优矩阵等概念,利用比较矩阵,研究了广义对角占优矩阵的判定, 用简捷的方法,给出了新的判定定理。推广了相应文献的结果,进一步补充和完善了对角占优矩阵的理论。