线性空间替换定理的一个证明

替换定理:设向量组{α_1,α_2,…α_r}线性无关,且每一α_i都可由向量组{β_1,β_2,…,β_s}线性表示。那末r≤s,并且必要时可以对向量组{β_1,β_2,…,β_s}中向量重新编号,使得用向量α_1,α_2,…,α_r替换β_1,β_2,…,β_r后,向量组{α_1,α_2,…,α_r,β_(r 1),…,β_s}与{β_1,β_2,…‘β_s}等价(见张禾瑞,郝鈵新编《高等代数》221页)。这个定理许多教材只讨论前半部分,张、郝二先生     

关于交子空间的基的求法的两点注记

文[1]与文[2]都给出了由子空间的基求交子空间的基的方法。求交子空间的基的问题,主要是求生成子空间的交子空间的基的问题。对此,文[1]给出了一种方法,即为求L(α_1,α_2,…,α_s)∩L(β_1,β_2,…,β_t)的基,先解齐次线性方程组     

奇完全数的两个猜想

运用初等方法讨论有关奇完全数的两个猜想.证明了:(i)如果n=p~αq_1~(2β_1)q_2~(2β_2)…q_s~(2β_s)是奇完全数,其中P,q_1,q_2,…,q_s是不同的奇素数,α,β_1,β_2,…,β_s是正整数,p≡α≡1(mood4),而且q_i≡-1(mod m)(i=1,2,…,s),m是大于2的正整数,则.1/2σ(p~α)必为合数;(ii)如果n=a~2~x+b~2~x,其中a,b,x是适合ab,gcd(a,6)=1,2|ab的正整数,则当x≥log_2log_2log_2 a时,n不是奇完全数.     

一种正交化方法

本文给出R~n空间里n个线性无关向量在普通内积意义下的一种正交化方法。 定理:设α_i=(α_(i1)…,α_(in))(i=1,…,n)是R~n空间里一组线性无关向量,则可以用初等变换的方法求得n阶可逆阵T作为从(α_1,…,α_n)到(β_1,…,β_n)的过渡阵,使β_1,…,β_n是正交向量组。 证明:     

n=3时的費尔馬問题

华罗庚教授在其所著“数论导引”一书中,借域R(ω)(R是有理数域,ω为1之三次原根)証明了方程 x~3+y~3+z~3=0,xyz≠0无整数解。本文给出一个比较初等的証法,而无需涉及复数域。先証以下引理: 引理1.不定方程 x_1x_2…x_n=w~3(x_1,x_2,…,x_n两两互质) (1)之一切整数解均可由公式 x_1=α~3,x_2=β~3,…,x_n=τ~3,w=αβ…τ (2)表出,其中α,β,…,τ两两互质。 証.由(2)确定的x_1,x_2,…,x_n,w显然适合(1).今设x_1,x_2,…,x_n,w为(1)之一组解,令 x_1=α~3x′_1,x_z=β~3x′_2,…,x_n=τ~3x′_n,使x′_1,x′_2,…,x′_n为不再含有立方因数之正数。因x_1,x_3,…,x_n两两互质,故α,β,…,τ与x′_1,x′_2,…,x′_n皆两两互质。由(1)知α~3β~3…τ~3|w~3,即αβ…τ|w;设w=αβ…τw_1,代入(1),便得x′_1x′_2…x′_n=w_1~3。若w_1有质因数p,则应有p~3|x′_1x′_2…x′_n。因x′_1,x′_2,…,x′_n两两互质,所以p~3整除某x′_s,这与x′_s沒有     

在Banach空间中推广的Roper-Suffridge算子(Ⅲ)

假定X是具有范数‖·‖的复Banach空间,n是一个满足dim X≥n≥2的正整数.本文考虑由下式定义的推广的Roper-Suffridge算子Φ_(n,β_22γ_2,…,β_(n+1),γ_(n+1))(f):(?)其中x∈Ω_(p1,p2,…,pn+1),β_1=1,γ_1=0和(?)这里p_j1(j=1,2,…,n+1),线性无关族{x_1,x_2,…,x_n}(?)X与{x_1~*,x_2~*,…,x_n~*}(?) X~*满足x_j~*(x_j)=‖x_j‖=1(j=1,2,…,n)和x_j~*(x_k)=0(j≠k),我们选取幂函数的单值分支满足(f(ξ)/ξ)~(β_j)|ξ=0=1和(f′(ξ))~(γ_j)|ξ=0=1,j=2,…,n+1.本文将证明:对某些合适的常数β_j,γ_j,算子Φ_(n,β_2,γ_2,…,β_(n+1),γ_(n+1))(f)在Ω_(p_1,p_2,…,p_(n+1))上保持α阶的殆β型螺形映照和α阶的β型螺形映照.     

一个错误的例题

邦德列雅金著《连续群》第六章有一个如下的例题(中译本283页)。 例65 设α_1,…,α_r为线性无关的无理数的有限组(以整数n_1,…,n_r为系数的和n_1α_1 … n_rα_r,只当所有系数为零时才为零)。我们来证,对任何正数e     

线性模型中均值向量的LSE和BLUE的偏差估计

对于线性模型 Y=Xβ+e,E(e)=0,cov(e)=σ~2∑,∑≥0μ=Xβ的LSE和BLUE分别为■=X(X′X)-X′Y和μ~*=X(X′T-X)-X′T-Y,其中T=∑+XUX′,U是对称阵且使Rank(T)=Rank(∑X)和T≥0,本文证明了‖■-μ~*‖_2≤(λ_r-λ_ζ)/(2(λ+λ_k)~(1/2))‖Y-■‖_2这里λ_4=ch_4(T),i=1,2,…,n,λ_1≥…≥λ_n≥0。k=Rank(X),‖a‖_2=(a′a)~(1/2),并且给出了‖cov(■)-cov(μ~*)‖_s‖PT~2P-(PTP)~2‖_s和‖(cov+(μ~*))~(1/2)cov(■)(cov+(μ~*))~(1/2)‖s的上界,这里‖A‖_s=(tr(A′A)~(3/2))~(■),s≥1。     

广义周期样条类的极值问题和广义Bernoulli核的宽度

本文研究由实系数线性系微分算子 P_r(D)=(D~2-2α_8D α_8~2 β_8~2)(D-λ_i)(α_8、β_8、λ∈R,β_8>0)定义的2π周期函数类={f:f~((r-1))绝对连续.f_(j)(0)=f~(j)(2π),j=0,1…,r-1,P_r(D)f(t)dt=0}当 p=1,2,∞,n>N(N 为某一确定的自然数)或0≤<1/4,1≤p≤∞,n=1,2,3,…时,我们求得了 d_n(,L)、d′_2n(,L)、d~2n(,L)d_2n(,L_p)、d′_2n(,L_p)、d_n(,L_p)等宽度的精确估计.我们还讨论了用广义周期样条的最佳逼近,从而找到了相当广泛的一类广义周期样条做为 d_2n(,L)的极子空间.     

关于线性空间到欧氏空间的映射与线性映射

文[2]推广了文[1]的全部定理,文[3]又推广了文[2]的全部定理,本文进一步推广了文[3]的全部定理,且证法简洁明快.本文约定,若V,ω是线性空间,则Vω表示V到ω的所有映射的集合,L(Vω)表示所有V到ω的线性映射的集合,L(V)表示V的所有线性变换的集合.本文总假定V是实数域上的线性空间,ω,ω1,ω2,…,ωn为欧氏空间.引理1　设A,B∈Vω,Ct,Dt∈Vωt(t=1,2,…,n),若α,β∈V有(Aα,Bβ)=∑nt=1(Ctα,Dtβ)(1)则x1,x2,…,xr,　y1,y2,...,ys∈R(r,s∈N)α1,α2,…,αr,　β1,β2,...,βs∈V,有(∑ri=1xiAαi,∑sj=1yjBβj)=∑nt=1(∑ri=1x…     

E^n中P维与q维平面间的夹角公式

本文将柯西不等式进一步推广为[α_1β,…,α_mβ][α_iα_j]~(-1)[α_1β,…,α_mβ]~T+(|α∧|β~2)/(|α|~2)≤β~2其中β=b_1∧…∧b_q,q≤p≤n,α_i 是从 p 个向量α_1,…,α_p 中任取 q 个作成的 q 重向量,m=c_p~q.接着给出了 n 维欧氏空间 E~n 中 p 维与 q 维平面间的夹角公式:cos~2θ=[α_1β,…,α_mθ][α_iα_j]~(-1)[α_1β,…,α_mβ]~T/β~2用它导出了 n-1维球面型空间 S_(n-1,1)中关于单形(顶点 P_n 到对面上)的高 h_n 的公式.     

具有两个方差分量的线性模型的比较

考虑线性模型(?)其中 X 为已知 n×p 矩阵,V 是已知或未知的 n 阶非负定阵,β=(β_1,…,β_p)′∈R~p 是参向量.记具有结构(1.1)的模型为 L=(Y,Xβ,V).设有两个模型 L_1(Y_1,X_1β,V_1),L_2=(Y_2,X_2β,V_2),当 V_1,V_2已知,Ehrenfeld定义了 L_1优于 L_2的概念,并证明了当 V_1,V_2非奇异时,L_1优于 L_2当且仅当 X′_1V_1~(-1)X_1-X′_2V_2~(-1)X_2≥0(非负定);Stepniak,Wang and Wu 继续研究了 V_1,V_2奇异的情形;Stepniak and Torgersen 又定义了当 V_1,V_2具有形式 σ~2V(σ~2未知,V 已知)时,L_1优于 L_2的概念;而且 Stepniak 证明了 L_1优于 L_2当且仅当 X′_1(V_1+X_1X′_1)-X_1-X′_2(V_2+X_2X′_2)-X_2≥0.但是,我们知道,在许多统计问题中,可观察的随机向量 Y 的协方差阵 V却有这样的形式 V=∑θ_iV_i,这里θ_i 为未知参数.事实上,在求方差分量的估计时,由均值-方差对应法导出的新模型其新的协方差阵往往不具有 σ~2V 这么简洁的形式(参见[5]).本文考虑的模型是 L_i=(Y_i,X_i,σ_1~2U_i+σ_2~2V_i),这里 U_i,V_i 均为已知非负定阵;σ_1~2,σ_2~2为未知参数.我们将给出 L_1优于 L_2(记为 L_1(?)L_2)的定义及判定准则。     

再谈线性空间到欧氏空间的映射与线性映射

设 V、W是线性空间 ,本文用“VW”表示 V到 W的所有映射的集合 ,L( V)表示 V的所有线性变换的集合 ,L( VW)表示 V到 W的线性映射的集合。本文假定 V是实数域上的线性空间 ,W为欧氏空间。[1 ]证明了如下定理 :定理 1 [1] 　设σ是欧氏空间 V的一个变换 ,φ∈ L ( V)且可逆 ,则对 α,β∈ V,均有 (σα,σβ) =( φα,φβ) ,当且仅当存在 V上正交变换 T,使 σ=Tφ。[2 ]推广 [1 ]的结果得 :定理 2 [2 ]　设 A,B∈ VV( 1 )若 B可逆 ,则有 α,β∈ V,( Aα,Aβ) =( Bα,Bβ) ,当且仅当存在 V的正交变换 T使 A=TB。( 2 )若 B…     

两个Smarandache复合函数的混合均值公式

对任意正整数n,Smarandache函数U(n)、V(n)定义为:U(1)=V(1)=1,n>1时,若它的标准分解式是n=p_1~(α_1)p_2~(α_2)…p_r~(α_r),U(n)=1{α_1·p_1α_2·p_2,…,α_r·p_r};V(n)={α_1·p_1,α_2·p_2,…,α_r·p_r}.研究了这两Smarandache函数U(n)与V~m(n)的值分布,并用初等方法及素数分布定理得到了几个较强的渐近公式.     

一种方式分组随机模型中估计方差分量的最小风险设计

§1.引言一种方式分组随机模型:y_(ij)=β α_i ε_(ij),i=1,…,n,j=1,…,m_i,(1.1)其中 ε_(ij)(i=1,…,n,j=1,…,m_i)是相互独立的随机误差,α_i(i=1,…,n)是独立的随机变量.Eα_i=Eε_(ij)=0,varε_(ij)=θ_1>0,varα_i=θ_2≥0,cov(α_i,ε_(ij))=0.β、θ_1、θ_2是未知参数,β∈R~1,(θ_1,θ_2)~T∈Θ(?){θ_1>0,θ_2≥0}.     

关于有限域上线性方程的原根解

设q是一个素数的方幂,F_q是q个元素的有限域.对F_q中任意确定的非零元素a_1,…,a_r及b,如果存在F_q中的原根ξ_1,…,ξ_r,使得a_1ξ_1+…+a_rξ_r=b,则称(ξ_1,…,ξ_r)是方程 a_1x_1+…+a_rx_r=b (1) 的一个原根解。令N(r,q)表示方程(1)的原根解的个数。1952年,文[1]证明     

两张回归平面在有限矩形区域上的比较

一、引言考虑两条回归线E(z|X=x)=α_i+β′_ix,i=1,2,其中 α_i,β_i=(β_(i1),……,β_(ik))′是回归系数,x=(x_1,…,x_k)′是自变量.通常要检验这两条回归线的重合性,即是检验假设 H_0∶α_1+β′_1x=α_2+β′_2x,对于一切 x;H_1∶α_1+β′_1x(?)α_2+β′_2x,对至少一个 x 成立.这是统计中的一个典型问题.在许多试验中往往要考虑更为特殊的对立假设.经典的例子如在假定 β_1=β_2下,检验 α_1 与 α_2的差异是否显著;或在假定α_1=α_2下,检验 β_1与 β_2的差异是否显著.后者称为平行性检验.Zellner,Smith 和 Choi 对这类问题作了一些工作.     

《标准正交基的一种求法》的注记

贵刊1991年第3期《标准正交基的一种求法》一文,给出用矩阵的合同变换把R~n的一个基{α_1.α_2,…,α_n}化为标准正交基{β_1,β_2,…,β_n}的一种方法。这种方法是以向量α_1的分量作为第i列(i=1,2,…,n)作出矩阵A,A′A是一个n阶正定矩阵,所以存在n阶可逆矩阵T     

仿射型李代数g(A)的某些自同构群

§0 引言 A=(α_(ij))是n阶广义Cantan矩阵,即A满足:ⅰ)α_(ii)=2,i=1,…n。ⅱ)当i≠j时,α_(ij)是非正整数。ⅲ) a_(ij)=0 α_(ji)=0。 h是复数域C上2n-l维向量空间,h是h的对偶空间。Π={α_1,…α_n},Π分别是h与h中线性无关子集,满足     

集论公理的简约与基数的方幂

如命tran_R m指,而xR_(*y)指,则集论的六条公理(对偶、联集、幂集、分出、替换、无穷)可合并为一条:这里“y”指“最多只有一个y”,而xpb指“x为b的幂集”。 给定无穷基数α后,可定义:f_o(α)=μβ(α~β>α),σ_o(α)=μγ(γ~((fo)(α))>α;f_(k 1)(α)=μβ,σ_(k 1)(α)=μγ(γ~((fk 1(α))则有定理:当1≤β相似文献