标准Jacobi矩阵的混合型特征反问题

0 引言 本文讨论如下标准形式的Jacobi矩阵 其中a_i>0(i=1,2,…,n),b_i>0(i=1,2,…,n-1)。 对于Jacobi矩阵(对称三对角矩阵)的特征反问题,已有的成果[1],基本上集中在由两组频谱或两个特征对(指特征值及相应的特征向量)构造Jacobi矩阵的元素这样两类问题上,习惯上称之为频谱型或特征向量型反问题。本文提出且求解了第三类型——混合型特征反问题。即由一组频谱数据和一个特征向量构造矩阵元素的问题: 问题Ⅰ 给定正数λ~(1),λ~(2),…,λ~(n)和实向量x=(x_1,x_2,…,x_n)~T,其中x_1=1。构造一个标准形式的Jacobi矩阵J,使其第k阶顺序主子阵恰以λ~(k)(k=1,2,…,n)为其特征值。且(λ~(n),x)为其特征对。 问题Ⅱ 给定正数0<λ_1~(n)<λ_1~(n-1)<…<λ_1~(1)和正向量x=(x_1,x_2,…,x_n),其中x_=,x_k>0(k=2,…,n),构造一个标准形式的Jacobi矩阵J,使其第K阶顺序主子阵恰以λ_1~(k)为其最小特征值,而(λ~(n),x)为J的特征对。 问题Ⅲ 给定n个实数0<λ_1)<λ_2<…<λ_n和m个实数λ~(1),λ~(2),…,λ~(m)及m维向量x=(x_1,…,x_m)~T。构造n阶标准形式的Jaeobi矩阵J,使其第K阶顺序主子阵恰以λ~(k)(k=1,2,…,m)为其特征值,而(λ~(m),x)为第m阶顺序主子阵的特征对,且λ_k(k=1,2,…,n)为J的特征值。这里系大于或等     

一个加性混合幂丢番图不等式(英文)

证明了如果λ_1,λ_2,…,λ_(12)是非零实数,不全同号并且两两之比不全为有理数,那么对于给定的任意实数η和σ,0σ1/16,不等式|λ_1x_1~2+λ_2x_2~4+λ_3x_3~4+…+λ_(12)x_(12)~4+η|(max_(1i12)|x_i|)~(-σ)有无穷多正整数解x_1,x_2,…,x_(12)     

上期问题解答

<正> 1.证明:当r=0时,结论显然成立。假定r>0,记λ_1≥λ_2≥…≥λ_n为A的特征根,则A~2的特征根为λ_2~2≥…≥λ_n~2。因A的秩为r,故λ_1≥…≥λ_r>0,λ_(r+1)=…=λ_1=0。考虑S=sub from i=1 to r(λ_i一λ)~1,     

混合幂次为2和3的整数变量非线性型的整数部分

证明了:假设λ_1,…,λ_6是正实数,λ_1/λ_2是无理数,Dirichlet L函数满足黎曼猜想,x_1,…,x_6是正整数,那么,λ_1x_1~2+λ_2x_2~2+λ_3x_3~3+λ_4x_4~3+λ_5x_2~3+λ_3x_3~3的整数部分可表示无穷多素数.     

解广义特征值反问题的同伦方法

1.引言 我们讨论下列广义特征值反问题: (G)已知B是n×n阶对称半正定矩阵,λ=(λ_1,…,λ_(2n-1))~T∈R~(2n-1),且{λ_i}~(n_3),和{λ_i}_(n+1)~(2n-1)严格交错。问题是欲求一个实对称三对角n×n阶矩阵A,使得λ_1…,λ_n是Ax=λBx的特征值,λ_(n+1),…,λ_(2n-1)是A_(n-1)x=λB_(n-1)x的特征值,其中A_(n-1),B_(n-1)分别是矩阵A,B的前n-1阶主子阵。     

带噪声的叠加指数信号的EVLP估计的渐近性质

本文研究了如下的带噪声中的指数信号模型 Y_j(t)=∑a(kj)λ_k~j e_j(t) t=0,1,…,n-1,j=1,2,…,N k=1 其中λ_1,λ_2,…,λ_q是未知的模为1的复参数,λ_(q 1),…,λ_p是未知的模小于1的复参数。并假设λ_1,λ_2,…,λ_p不相同,p已知,q未知,a_(kj)(k=1,p,j=1,N)为未知的复参数。e_j(t)(t=0,n-1,j=1,N)为独立同分布的复随机噪声变量,且有其中δ~2未知, Ee_1(0)=0,E|e_1(0)|~2=δ~2 0<δ~2<∞,E|e_1(0)|~4<∞ 本文给出了 1.q的强相合估计、 2.λ_1,λ_2,…,λ_q,δ~2及|a_(kj)|(k≤q)的强相合估计; 3.上述某些估计的极限分布; 4.λ_k及a_(kj)(k>q)不存在相合估计的证明; 5.N→∞情形的讨论。     

一类新的 Kantorovich 型不等式及其在统计中的应用

一、引言我们称x′∧xx′∧~(-1)x≤((λ_1 λ_n)~2)/(4λ_1λ_n) (1)为 Kantorovich 不等式,其中 x 是满足 x′x=1的 n 维向量,∧=ding(λ_1,λ_2,…,λ_n),λ_1≥λ_2≥…≥λ_n>0.不等式(1)当 x′=1/√2(1,0,…,0,1)时等号成立.(1)式有各种各样的推广形式.它们总称为 Kantorovich 型不等式.Kantorovich 型不等式在统计中的应用主要是讨论广义 Gauss-Markoff 模型中归系数向量的最小二乘估计相对于最佳线性无偏估计的效率的界,见文[1]及其参考文献.本文证明了一类新的 Kantorovich 型不等式,以及它在估计一类新的最小二乘估计效率的界中的应用,并且给出了它在估计一类广义相关系数和多元正态线性模型下一类线性假设检验统计量的界中的应用.     

混合幂的素变数丢番图逼近

证明了:如果λ_1,λ_2,λ_3,λ_4是正实数,λ_1/λ_2是无理数和代数数,V是well-spaced序列,δ0,那么对于v∈V,v≤X,ε0,使得|λ_(1p_1~2)+λ_(2p_2~2)+λ_(3p_3~3)+λ_(4p_4~3)-v|v~(-δ)没有素数解p1,p2,p3,p4的v的个数不超过O(X~(20/21+21δ+ε)).     

求解逆特征值问题的牛顿类方法的收敛判据

<正>1引言多年来,众多数学工作者在推导和分析如下定义的逆特征值问题(IEP)的理论和算法上表现出了相当大的兴趣.以下我们设c=(c_1,c_2,….c_n)~T E R~n,{A_i}_(i=1)~n是n个实对称的n×n矩阵.定义A(c)=∑ni=1c_iA_i.(1)设A(c)的特征值为{λ_i(c)}_(i=1)~n且λ_1(c)≤λ_2(c)≤…≤λ_n(c).设{λ_i~*)_(i=1)~n为任意给定的n个数并且满足λ_1~*≤λ_2~*≤…≤λ_n~*.我们这里考虑的IEP就是寻找向量c~*∈R~n使得λ_i(c~*)=λ_i~*对任意的i=1,2,…,n.(2)     

三维双曲空间中平行曲面族的两个定理

设 M 是三维双曲空间 H~3中的光滑曲面,M 的两个主曲率为λ_1和λ_2.设{M_t}是 M的平行曲面族(-ε相似文献   

矩阵特征值的几个扰动定理

1 引言 设A∈C~(n×m),B∈C~(m×m)(m≤n),它们的特征值分别为{λ_k}_(k=1)~n和{μ_k}_(k=1)~m.令 R=AQ-QB (1)这里Q∈C~(n×m)为列满秩矩阵.Kahan研究了矩阵A在C~(n×m)上的Rayleigh商的性质,证明了下列定理:设A为Hermite矩阵,Q为列正交矩阵,即Q~HQ=I,而B=Q~HAQ,则存在 1,2,… ,n的某个排列π,使得 {sum from j=1 to m │μ_j-λ_(π(j))│~2}~(1/2)≤2~(1/2)‖R‖_F (2)其中R如(1)所示,‖·‖_F为矩阵的Frobenius范数.刘新国在[2]中将此定理推广到B为可对角化矩阵的情形,并且还建立了较为一般的扰动定理:设A为正规矩阵,B为可对角化矩阵;存在非奇异矩阵G,使得G~(-1)BG为对角阵,则存在1,2,…,n的某个排列π,使得 │μ_j-λ_(π(j))│≤2(2~(1/2))nK(G)_(σ_m~(-1))‖R‖_F,j=1,2,…,m. (3)     

幂次为2,3和4的整变量非线性型的整数部分

假设λ_1,λ_2,λ_2,λ_4是正实数,λ_i/λ_j(1≤ij≤4)至少有一个是无理数.那穇,对于正整数x_1,x_2,x_3,x_4,λ_1x_1~2+λ_2x_2~3+λ_3x_3~4+λ_4x_4~4的整数部分可表示无穷多素数.这个证明极大改进了以前的结果.     

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。     

线性模型中的一个假设检验问题(英文)

本文讨论了多元线性模型中的一个假设检验问题。假定 的各行独立、正态、同协差阵Ⅴ。现在要检验假设H_0:存在矩阵C使θ=Cη是否成立。首先可将问题化为法式的形式,对法式分两种情况进行讨论: (一)V=σ~2I, σ~2未知。此时可求出θ, C,σ~2的最大似然估计(当H_0成立时)是中的资料阵y_1,y_2,d1,…,d_K是y′_3y_3的全部特征根。λ_1~*≥…λ_(p+q)~*是(y_1 y_2)(y′_1 y′_2)的全部 Λ=sum from j=p+1 to k /sum from j-1 to k d_j,λ_1≥λ_2…≥λ_k是y′_1y1+y′_2y_2的全部特征根。 (二)一般情形V未知。此时θ,C的估计量同前,可求出 (?)=1/n(y′_2T_(22)T′_(22)y_2+y′_3y_3).H_0相应的Lawley不变检验是 sum from j=p+1 to k β_j≥α_1,其中β_1≥β_2≥…≥β_k是y′1y_1+y′_2y_2的相对于y′_3y_3的全部特征根。 有关Λ的以及sum from j=p+1 to k β_j的极限分布将在另外的文章中讨论。     

具有可选服务的M/M/1排队模型的进一步研究

研究具有可选服务的M/M/1排队模型的主算子在左半实轴上的点谱.当顾客的到达率λ,必选服务的服务率μ_1与可选服务的服务率μ_2满足λ/μ_1+λ/μ_21时,证明区间(η,-λ)中的所有点都是该主算子的几何重数为1的特征值,其中η=max{-μ_1,-μ_2,-4/3λ,-2λμ_2/(μ_1+μ_2)-λ,-μ_1μ_2(μ_1μ_2-λμ_1-λμ_2)+λ~3μ_1(1-λ)/[μ_1~2(μ_2-λ)+μ_1μ_2(μ_1-λ)](1-γ)+λ~2μ_1-λ}r表示顾客选择可选服务的概率.     

素变量混合幂丢番图逼近

设λ_1,λ_2,λ_3,λ_4是正实数,λ_1/λ_2是无理数和代数数,V是具有良好间隔的序列,δ0.证明了:对于任意的ε0及v∈ν,v≤X,使得λ_1p_1~2+λ_2p_2~2+λ_3p_3~3+λ_4p_4~3-v|v~(-δ)没有素数解p_1,p_2,p_3,p_4的v的个数不超过O(X~((67)/(72)+2δ+ε)).这改进了之前的结果.     

素变量混合幂丢番图逼近

设λ_1,λ_2,λ_3,λ_4为不全为负的非零实数,λ_1/λ_2是无理数和代数数.■是具有良好间隔的序列,δ>0.本文证明了:对于任意ε>0及v∈■,v≤X,使得不等式|λ_1p_1~2+λ_2p_2~2+λ_3p_3~3+λ_4p_4~3-v|相似文献   

输出反馈极点配置问题的一个算法

在线性多变量控制理论中,存在一个代数特征值反问题——输出反馈极点配置问题。问题叙述如下: 问题PAO.给定A∈R~(n×n),B∈R_m~(n×m),C∈R_p~(p×n)和?={λ_1,λ_2,…,λ_n},?在复共轭下封闭.求K∈R~(m×p),使得A+BKC具有事先给定的特征值λ_1,λ_2,…,λ_n。 [2]和[5]等证明了     

关于布尔矩阵行空间基数的若干存在区间

Let B_n be the set of all n×n Boolean Matrices;R(A) denote the row space of A∈B_n,|R(A)| denote the cardinality of R(A),m,n,k,l,t,i,γ_i be positive integers,S_i,λ_i be non negative integers.In this paper,we prove the following two results: (1)Let n≥13,n-3≥k > S_l,S_(i+1)> S_i,i = 1,2,…,l-1.if k+l≤n,then for any m=2~k+2~(S_(l)) + 2~(S_(l-1))+…+ 2~(S_(1)),there exists A∈B_n,such that |R(A)|= m. (2)Let n≥13,n-3≥k>S_(n-k-1)> S_(n-k-2)>…>S_1>λ_t>λ_(t-1)>…>λ_1,2≤t≤n-k.If existγ_i(k+1≤γ_i≤n-1,i=1,2,…,t-1)γ_i<γ_...     

一类特殊矩阵的逆特征值问题

本文主要讨论如下形式矩阵的逆特征值问题:即对给定n个实数λ_1>λ_2>…>λ_2与n-1个实数μ_1>μ_2>…>μ_(n-1),满足λ_1>μ_1>λ_2>…>λ_(n-1)>μ_(n-1)>λ_n,在α_2>α_3>…>α_(n-1)的条件下,存在唯一的一个矩阵A_n是以λ_i为其特征值;且其截边矩阵的特征值为μ_1,μ_2,…,μ_(n-1).