交换环上Rao正则矩阵的广义Cramer法则

Gong Z,Aldeen M和Elsner L在[A note on a generalized Cramer’s rule,Linear AlgebraApp.,2002,340:253-254]中给出结论:对任意的k,α∈Qk,n,β∈Qk,m有|Xα,β|=|A-1|AYαβ,其中A∈n×n可逆矩阵,AX=Y.本文给出交换环上Rao正则矩阵的广义Cramer法则.     

关于条件期望E[Y|X=x]的定义和性质

本文将对条件期望E[Y|X=x]的定义和性质进行总结,并给出条件期望E[Y|X=x]的其他表达形式.     

矩阵对角占优性的推广及应用

§1.引言设 A=(a_(ij))_(n×n)为一复矩阵,若有一正向量 d=(d_1,d_2,…,d_n)~T 使得d_i|a_(ij)|≥sum from j≠1 d_j|a_(ij)|,(1)对每一 i∈N={1,2,…,n}都成立,则称 A 为广义对角占优矩阵,记为 A∈D_0~*;如若(1)式中每一不等号都是严格的,则称 A 为广义严格对角占优矩阵,记为 A∈D~*.特别地,当 d=(1,1,…,1)~T 时,A∈D_0~*及 A∈D~*即是通常的对角占优与严格对角占优,分别记作 A∈D_0及 A∈D.利用矩阵的对角占优性质讨论其特征值分布是矩阵论中的重要课题,文献[5]—[10]给出了这方面的重要结果.n 阶实方阵 A 称为 M-矩阵,如果 A具有形式:A=sI-B,s>ρ(B),其中 B 为 n 阶非负方阵,ρ(B)表 B 之谱半径,利用广义严格对角占优的概念,文[1]给出了 M-矩阵的等价表征:若 n 阶实方阵     

Kantorovich 不等式的推广及其在线性模型参数估计中的应用

本文给出两类行列式之比|X′B~(-1)AB~(-1)X||X′A~(-1)X|/|X′B~(-1)X|~2和|X′B~(-1)AB~(-1)Y||Y′A~(-1)X|/|X′B~(-1)X||Y′B~(-1)Y|的上界,其中 A 和 B 是 n×n 阶正定矩阵,X 和 Y 是任意的秩为 k 的 n×k 阶矩阵。并讨论其在线性模型参数估计理论中的应用。本文的结果是 Khatri 和 Rao1981年结果的推广。设 A 是 n 阶正定矩阵,其特征根为λ_1≥λ_2≥…≥λ_n>0,对任意非零的 n×1向量 x,不等式((x′Ax)(x′A(-1)x))/((x′x)~2)≤((λ_1 λ_n)~2)/(4λ_1λ_n) (1)称为 Kantorovich 不等式。此不等式已有一系列的推广,在[1—4]中都对不等式(1)以不     

|A B|~(1/n)≥|A|~(1/n) |B|~(1/n)的一个证明

文[1]、[2]用两种方法证明了命题:设A,B是n阶正定矩阵,则有|A B|~(1/n)≥|A|~(1/n) |B|~(1/n)等号成立当且仅当A=kB(k>0)。本文用矩阵迹的概念给出一个不同的证明。我们首先证明下面两个引理。     

某些特殊循环矩阵的逆

<正> 文[1]给出了某些特殊循环矩阵逆的求法。本文就此深入讨论给出一些简便方法。设循环矩阵A为则D也为循环矩阵,有时称为基础循环矩阵.令D~k=(_(I_k)~0 _0~(I_(n-k)),(k=1,2,…,n—1),D~n=I.则循环矩阵A可表示为     

一类2-Hessenberg矩阵的广义逆

在[2]中,Ikebe给出了一类下Hessenberg矩阵之逆的上三角部分的求法,从而导出三对角矩阵求逆的一种方法.文[4]中获得了计算该类Hessenberg矩阵的逆和广义逆的显式公式,由此也可得出计算三对角矩阵广义逆的方法,文[3]将[2]中的结果推广到更一般的k-Hessenberg矩阵,进而得到带状矩阵求逆的一种方法.本文研究一类实2-Hessenberg矩阵的广义逆,表明这些广义逆可由低阶三角矩阵的逆和几个简单的秩-1或     

关于自共轭算子的特征

在[2]中,Fong讨论了Hilbert空间上算子T=UP=X iY的自共轭条件,证明了当X≥P时,Y=0。同时提出了一个猜测:若T满足|x|≥P时,Y=0。我们在[4]中讨论了有关的问题。本文继续讨论这个问题。 在[4]中证明了当T=UP为半亚正常时,由|x|≥P可推出Y=0,这时,首先由条件也有|x|≥UPU,下面我们证明定理1。     

矩阵之和的加权Moore—Penrose逆

§1.引言 Cline在[2]中讨论了矩阵UU~* VV~*的广义逆,并当UV~*=0(或U~*V=0)时给出了矩阵之和U V的广义逆的表达式。本文讨论矩阵UW_1U~* VW_2V~* VT~*U~* UTV~*的加权广义逆,其中[_(T~*W_2)~(W_1T)]是正定矩阵。并当UN~(-1)V~*=0(或U~*MV=0)时给出了矩阵之和U V的加权广义逆的表示。作为特例,给出了不同于[2]的UU~* VV~*及U V的广义逆的表达式。     

一类四元数受限矩阵表达式的最大秩（英文）

确立了一类分块矩阵M11 M12 XM21 M22 M23Y M32 M33的最大秩公式,其中,X和Y是两个受限于四元数线性矩阵方程A_1X=C_1,XB_1=C_2,A_3XB_3=C_3,A_2Y=D_1,YB_2=D_2.的变量矩阵。作为该公式的一项应用,我们推导出上述矩阵方程解集等同于另一四元数二次矩阵方程组解集的条件。     

“关于厄米特矩阵的一个不等式”的几点注记

<正> 文[1]提出并证明了下面的定理.设 A_j,B_j,…,C_j(j=1,2,…,k) 都是正定的同阶 (≥2) 厄米特矩阵,α,β,…,γ都是正实数,且 α+β+…+γ=1,则有sum from i=1 to k|A_j|~α|B_j|~β…|C_j|~γ<|sum from i=1 to k A_i|~α·|sum from i=1 to k B_i|~β…|sum from i=1 to k C_i|~γ.以下几点意见,供参考.第一,文[1]中的引理1和引理2是早有的结果.引理1见[2]p.15,[3]p.16及p.13,引理2是 Minkowski 行列式定理的直接推论,见[4].事实上,文[1]的定理是 H(?)lder 不等式和 Minkowski 行列式定理的自然结果.因为     

算子的线性相关性及其应用

设 X,Y是BanaCh 空间,B(X,Y)表示 X 到 Y 的有界线性算子全体,A_i∈B(X,Y)(i=1,2,…,n).本文给出了 A_1,A_2,…,A_n 线性相关的几个充要条件,及其应用,并给出一个反例,指出[1]中的引理2是错误的.定理1 设 A,B∈B(X,Y),则下列命题等价.(1)A,B 线性相关.     

线性约束非线性规划的梯度投影法

我们考虑问题(LNP) minf(x),x∈R={x|A~Tx≤b,x∈R~n},其中A是n×m矩阵,b为m维向量,R~n为n维欧氏空间f(x)∈C~1.记I(x)={i|a_i~Tx=b_i,i=1,…,m},P_(I(x))为R~n到U_(I(x))={x|a_i~Tx=0,i∈I(x)}的投影矩阵.特别记I_k=I(x~k),U_k=U(I_k),N(I_k)=(a_i~T,i∈I_k)~T.本文恒假定秩N_(I(x))=|I(x)|,(即I(x)中的元素个数).     

线性模型中均值向量的最小二乘估计和最佳线性无偏估计之差的范数界的注记

我们讨论一般线性模型:Y=Xβ e,E(e)=0,Cov(e)=σ~2V,V为非负定协方差矩阵。我们知道μ=Xβ的最小二乘估计和最佳线性无偏估计分别为μ~*=X(X′X)~-X′Y和■=X(X′T~-X)~-X′X~-Y,这里T=V XUX′,U是一个对称阵使得R(T)=R(V■X)以及T≥0。本文讨论V≥0时,■与μ~*之差的范数界,把V>0时■和μ~*之差在Haberman条件下的范数界推广到V≥0,且在取常用的欧氏范数时,得到使Haberman条件成立的便于应用的充要条件。本文还证明了[2]界的推广形式,并把[3]界推广到V≥0的情况。     

一类Moran测度的谱性

令R_k=(ak00bk)为正整数扩张矩阵,D_k={0,1,…,q_k-1}v_1+{0,1,…,q_k-1}v_2,其中v_1=(1,0)~t,v_2=(0,1)~t,q_k1为正整数.本文研究由{R_k}_(k=1)~∞和{D_}_(k=1)~∞生成的Moran测度μ{R_k},{D_k} :=δ_(R1)(-1)~D_1*δ(R_2R_1)~(-1)D_2*···*δ(R_K···R_2R_1)(-1)D_K*···的谱性,证明了当q_k|a_k且q_k|b_k时,μ{R_k},{D_k}为谱测度.这推广了文献[J.Funct,Anal.,2014,266(1):343-354]和[J.Funct.Anal.,2002,193(2):409-420]中的结论.     

线性流形上的广义中心对称矩阵反问题

设R∈Cn×n是满足R=RH=R-1≠±In的广义反射矩阵.若A∈Cn×n满足RAR=A,则称A为n阶广义中心对称矩阵,n阶广义中心对称矩阵的全体记为GCSCn×n.令X1,Z1∈Cn×k1,Y1,W1∈Cn×l1,S={A|‖AX1-Z1‖2+‖Y1HA-W1H‖2=min,A∈GCSCn×n},本文研究如下问题.问题Ⅰ.给定矩阵Z2,X2∈Cn×k2,Y2,W2∈Cn×l2,求A∈S,使得其中‖·‖是Frobenius范数.问题Ⅱ.给定矩阵A∈Cn×n,求A∈SE,使得其中SE是问题Ⅰ的解集合.本文给出了问题Ⅰ解集合SE的表达式,并导出了矩阵方程AX2=Z2,Y2HA=W2H有解A∈S的充分必要条件及其通解表达式,并给出了问题Ⅱ解的表达式以及求解问题Ⅱ的数值方法和数值例子.     

关于正定厄米特矩阵的一个定理

本文推广了文献 [2 ]给出的一个不等式 ,得到以下结果 :设 Ai,Bi,… ,Ci( i=1 ,2 ,… ,k)都是 n阶正定厄米特矩阵 ,α,β,… ,γ都是正实数 ,且 α+β+… +γ=p≥1 ,则∑ki=1|Ai|α|Bi|β… |Ci|γ <∑ki=1Ai α ∑ki=1Bi β… ∑ki=1Ci γ     

非参数回归函数混合型估计的均方收敛性

Stone提出了用权函数法与最小二乘法结合起来估计回归函数m(x)=E(Y|X)的方法并研究了估计的弱相合性;赵江研究了这种估计的均方相合性,其中要求E|Y|~(8d+8)<∞。本文给出一种改进的混合型估计,在只要求EY~2<∞且其它条件与[2]相同的情形下证明了改进估计的均方相合性。     

Bipartition of graph under degree constraints

Let G be a graph, let s be a positive integer, and let X be a subset of V(G). Denote δ(X) to be the minimum degree of the subgraph G[X] induced by X. A partition(X, Y) of V(G) is called s-good if min{δ(X), δ(Y)} s. In this paper, we strengthen a result of Maurer and a result of Arkin and Hassin, and prove that for any positive integer k with 2 k |V(G)|- 2, every connected graph G with δ(G) 2 admits a1-good partition(X, Y) such that |X| = k and |Y| = |V(G)|- k, and δ(X) + δ(Y) δ(G)- 1.     

不等方差线性模型中的AP统计量与信息比统计量

对线性模型：Y=Xβ ρ，E（ρ）=0,cov(ρ）=σ^2G,G=diag(g1,…gn)，探讨了单个数据点对σ^2的估计-↑σ^2，β的估计-↑β的广义方差|cov-↑β|及Fisher信息阵：σ^2X′G^-1X的影响，给出了度量准则和它的化简式及统计解释。