分块K—循环Toeplitz矩阵求逆的快速付氏变换法

1算法描述及推导 Toeplitz矩阵及Toeplitz系统的求解在谱分析、线性预测、误差控制码、自回归滤波器设计等领域内起着重要的作用~[1-3]，而分块Toeplitz矩阵在计算机的时序分析、自回归时序模型滤波中也经常出现~[4]。对一般Toeplitz矩阵求逆，其算术复杂性为O(n~2)~[5]-[6]，其中n为Toepleitz矩阵的阶，而K-循环Toeplitz矩阵的求逆，其算术复杂性可降为O(nlog_2n)，本文提供了mn附分块K-循环Toeplitz矩阵求逆的一种快速付氏变换算法，其算术复杂性为O（mnlog_2mn）.     

分块带状矩阵的逆

1引言如果分块矩阵A=(A_(ij))_(n×n)满足A_(ij)=O(j-i＞p且i-j＞q),其中A_(ij)为m阶矩阵,则称A为(p,q)-分块带状矩阵．分块带状矩阵在一些实际问题中经常出现,例如在量子场论中用途很广的非线性Schr(?)dinger方程的差分离散问题,解热传导问题等,都会遇到分块带状矩阵．常见的分块三对角矩阵,分块五对角矩阵都是特殊的分块带状矩阵．采用通常的方法求解分块带状矩阵的逆矩阵时,需要进行O(n~3)次m阶矩阵的运算．本文首先将分块带状矩阵扩充成可逆的分块上(下)三角矩阵,利用其逆矩阵导出了分块带状矩阵的逆矩阵表达式;进而利用所得到的公式分别推导了分块三对角矩阵及分块五对角矩阵的逆矩阵的快速算法,所需运算量为O(n~2)次m阶矩阵的运算．本文的结果扩充了文[1]等关于分块三对角阵求逆的相关结果．     

关于矩阵多项式的新快速算法

设A为n×n矩阵,对于计算矩阵多项式 f(A)=a_0I十a_1A a_2A~2 … a_mA~m (m(?)n)我们给出了工作量为O(mlogn)的快速算法,改进了文[1]和[2]的复杂性结果。     

r-对称循环矩阵及逆矩阵三角分解的快速算法

根据r-对称循环矩阵的特殊结构给出了求这类矩阵本身及其逆矩阵三角分解的快速算法,算法的运算量均为O(n2),一般矩阵及逆矩阵三角分解的运算量均为O(n3).     

关于矩阵乘法与整数卷积最佳算法运算量的估计

§1.引言 [1]通过构造一个大整数然后作整数乘除法给出了用于有理数矩阵相乘的算法,运算量为O(n~2),达到了矩阵乘法复杂性下界,是最佳算法。[2]曾指出[1]中忽略了不同字长有不同运算量这一事实。但对[1]中算法复杂性未作具体讨论和质疑。最近,[3]—[4]采用类似于[1]中的大整数乘除法分别提出整数向量卷积的算法,并认为运算量级为     

广义对角占优矩阵与M—矩阵的判定准则

广义对角占优矩阵与M—矩阵是计算数学中应用极其广泛的矩阵类。作者在文[1]中证明若A=(α_(ij))∈C~(n×n)为具有非零元素链对角占优阵或A满足:|α_(ii)‖α_(kk)|>Λ_iΛ_k,i,k∈N={1,…,n},则A为广义对角占优矩阵,detA≠0,揭示了文[3],[4]中detA≠0的共同本     

关于对广义的正定矩阵进一步研究

通常讨论矩阵的正定性只局限在实对称矩阵范围内(以下我们把全体n阶实对称正定矩阵的集合记为S~+),随着数学本身的发展和其它学科的需要,有不少人开始研究未必对称的较广义的实正定矩阵.李炯生在文[1]中给出了一类较广义的实正定矩阵的定义: 设A是n阶实方阵.如果对于任何非零的n维列向量X都有 X~TAX>0,其中X~T表示X的转置,则把A叫做正定矩阵.全体这类矩阵的集合记为P(I).文[1]证明了A∈P(I)的充分必要条件是A的对称分量是对称正定矩阵(即把A表示为对称矩阵与反对称阵的和的形式,前者称为对称分量,后者称为反对称分量).同时还推得P(I)中矩阵其     

Toeplitz型矩阵的逆矩阵的快速三角分解算法

针对有关“型”矩阵的三角分解问题 ,提出了一种 Toeplitz型矩阵的逆矩阵的快速三角分解算法 .首先假设给定 n阶非奇异矩阵 A,利用一组线性方程组的解 ,得到 A- 1的一个递推关系式 ,进而利用该关系式得到 A- 1的一种三角分解表达式 ,然后从 Toeplitz型矩阵的特殊结构出发 ,利用上述定理的结论 ,给出了Toeplitz型矩阵的逆矩阵的一种快速三角分解算法 ,算法所需运算量为 O( mn2 ) .最后 ,数值计算表明该算法的可靠性 .     

奇异H-矩阵并行算法

1　引　　言对于H矩阵类,到目前为止,人们关注的是非奇异H矩阵,对于奇异H矩阵研究结果很少,不象奇异M-矩阵研究的丰富[1-4]及获得了半收敛的一些结论,王川龙和游兆永将并行算法用于奇异M矩阵[5].本文的目的就是将并行算法用于奇异H矩阵.为此,首先讨论了奇异H矩阵与奇异M矩阵的关系.2　符号特征设Mn(R)代表实方阵的全体,A∈Mn(R),不特殊说明,A=D-B表示Jacobi分裂,〈A〉是A的比较矩阵,detA表示A的行列式,ρ(A)表示A的谱半径,μ(A)表示A的谱〈n〉={1,2,…,n},A[α|α]表示由α所决定的主子矩阵,α∈〈n〉.定理2.1[8]　设A是实H矩阵…     

非奇异H-矩阵一类新的实用性判据

1引言在计算数学、数学物理、控制论与矩阵论中,非奇异H-矩阵是有着重要应用的一类特殊矩阵,有关其数值判定也一直是矩阵计算的重要课题,不少学者对此进行了研究,得到了许多结果,如文[1]-[10]都给出一些比较实用的判别方法．本文另提出了一些新的实用性判别,进一步改进了文[1]的主要结果．用Cn×n表示n阶复矩阵集,设A=(aij)∈Cn×n,记,若|aii|≥Λi(i=1,2,…,n)(本文用Λi表示Λi(A)),则称A为对角占优矩阵;如果每个不等号都为严格成立,则称A为严格对角占优矩阵,记A∈D;若存在正对角阵X,使得AX为严格对角占优矩阵,则称A为广义严格对角占优阵,记A∈D．设A∈Zn×n={(aij)∈Cn×n|aij≤0,i≠j;i,j∈N},若A=sI-B,s>ρ(B),其中B为非负方阵,ρ(B)表示B的谱半径,则称A为非奇异M-矩阵．若A∈Cn×n的比较矩阵M(A)=(mij)为非奇异M-矩阵,则称A为非奇异H-矩阵,其中     

关于正整数奇偶分拆数的计算问题

正整数n的分拆是指将正整数n表示成一个或多个正整数的无序和,设O(n,m)表示将正整数n分拆成m个奇数之和的分拆数;e(n,m)表示将正整数n分拆成m个偶数之和的分拆数.本文用初等方法给出了将O(n,m),e(n,m)分别化为有限个O(n,2),e(n,2)的和的计算公式,进而达到计算O(n,m),e(n,m)的值.同时,还讨论了将正整数n分拆成互不相同的奇数或偶数的分拆数的相应的递推计算方法.     

关于矩阵乘法的一个改进算法的时间复杂度

两个ｎ阶非负整数方阵相乘,常规算法的时间复杂度为Ｏ（ｎ^３）,文献［１］提出一个“运算次数”为Ｏ（ｎ²）的“最佳”算法,文献［２］对此算法做了进一步研究,提出三种改进策略．本文根据算法分析理论,得出改进后的算法的时间复杂度仍不低于Ｏ（ｎ^３ｌｏｇｎ）,因而其阶仍高于常规算法的运算量的阶．     

半群OI_n(k)的秩

设OI_n是[n]上的保序严格部分一一变换半群.对任意1≤k≤n-1,研究半群OI_n(k)={α∈OI_n:(■x∈dom(α))x≤k■xα≤k}的秩,证明了半群OI_n(k)的秩为n+1.     

关于矩阵乘法的一个算法的时间复杂度

两个n阶非负整数方阵相乘,常规算法的时间复杂度为O(n³),文献[1]提出一个“运算次数”为O(n²)的“最佳”算法,本文根据算法分析理论得出此算法的时间复杂度不低于O(n³log₂ⁿ),因而比常规算法的运算量还大.     

Algorithms on Minimizing the Maximum Sensor Movement for Barrier Coverage of a Linear Domain

In this paper, we study the problem of moving $n$ n sensors on a line to form a barrier coverage of a specified segment of the line such that the maximum moving distance of the sensors is minimized. Previously, it was an open question whether this problem on sensors with arbitrary sensing ranges is solvable in polynomial time. We settle this open question positively by giving an $O(n^2\log n)$ O ( n 2 log n ) time algorithm. For the special case when all sensors have the same-size sensing range, the previously best solution takes $O(n^2)$ O ( n 2 ) time. We present an $O(n\log n)$ O ( n log n ) time algorithm for this case; further, if all sensors are initially located on the coverage segment, our algorithm takes $O(n)$ O ( n ) time. Also, we extend our techniques to the cycle version of the problem where the barrier coverage is for a simple cycle and the sensors are allowed to move only along the cycle. For sensors with the same-size sensing range, we solve the cycle version in $O(n)$ O ( n ) time, improving the previously best $O(n^2)$ O ( n 2 ) time solution.     

WDM网络中的一个改进的最优半光通道路由算法

本文在一个限定的条件下，提出了一个WDM网络中的寻找最优半光通道算法，使时间复杂度从O（k^2n km knlog(kn))提高到O（k^2n km nlogn)。     

A Note on the Green Invariants in Finite Group Modular Representative Theory

As in Finite Group Modular Representation Theory, let be a commutative complete noetherian ring with an algebraically closed residue field k. Let G be a finite group and let N be a normal subgroup of G. First suppose that V is an indecomposable -module, so that Inf ^G _G/N (V) is an indecomposable G-module. We relate the Green invariants of V as an -module to those of Inf ^G _G/N (V) as an G-module. Secondly, let V and W be indecomposable G-modules. Assume that W is an endo-permutation lattice and that is also an indecomposable G-module. We relate the Green invariants of the G-modules V and . (This situation arises under important Morita equivalences.) Received: December 11, 2006. Revised: August 22, 2007.     

关于整数向量卷积的一个算法的时间复杂度

众所周知,两个n维整数向量循环卷积的常规算法(即按定义计算)的时间复杂度为O(n~2),现在已有时间复杂度为O(nlog_2n)的快速算法,[1]中提出一个新算法,称其时间复杂度为O(n),因而是最佳的。 本文首先指出[1]的错误原因,再根据算法分析理论得出[1]中算法的时间复杂度不低于O(n~2log_2n),因而比常规算法的运算量还大。     

关于最小化最大延迟的分批排序问题的一个动态规划算法的注解（英文）

In parallel-batching machine scheduling, all jobs in a batch start and complete at the same time, and the processing time of the batch is the maximum processing time of any job in it. For the unbounded parallel-batching machine scheduling problem of minimizing the maximum lateness, denoted 1|p-batch|L_(max), a dynamic programming algorithm with time complexity O(n~2) is well known in the literature.Later, this algorithm is improved to be an O(n log n) algorithm. In this note, we present another O(n log n) algorithm with simplifications on data structure and implementation details.