非正交试验的平方和分解及其应用

在方差分析中,平方和分解占有很重要的地位.在正交试验里,可以将平方和分解为各效应平方和和误差平方和之和,且使各效应平方和相互独立,从而对各效应假设分别作F 检验.但在实际中,我们经常碰到的数据并不是正交的,此时用最小二乘法得到的估计,其总平方和不再等于各效应平方和与误差平方和之和,而且计算复杂,应用起来极不     

解Helmholtz传输特征值问题的一种谱混合法

对Helmholtz传输特征值问题,在Cakoni等提出的混合变分公式的基础上,给出了一种谱混合法并作了相应的误差分析.报道了二维和三维区域的数值试验,计算出了高精度的实和复传输特征值.数值结果表明这种方法的高效性.     

二次特征值问题特征对的一阶与二阶偏导数

本文研究了解析依赖于多参数的二次特征值问题特征对偏导数的计算.利用计算广义特征值问题特征向量偏导数的模态法.提出了一种计算二次特征值问题特征对一阶、二阶偏导数的方法.本文最后以弹簧质点阻尼系统为例验证了所给结论的正确性和方法的有效性.     

具有混合型边界条件的左定Sturm-Liouville问题特征值的下标计算(英文)

本文研究具有混合型边界条件的左定Sturm-Liouvile问题特征值的下标计算问题.首先给出具有分离型边界条件和混合型边界条件的左定Sturm-Liouville问题的特征值之间的不等式;然后利用这个结果给出一种计算混合型边界条件下左定Sturm-Liouville问题特征值下标的方法.     

多参数结构特征二阶灵敏度

提出了一种有效计算多参数结构特征值与特征向量二阶灵敏度矩阵--Hessian矩阵的方法.将特征值和特征向量二阶摄动法转变为多参数形式,推导出二阶摄动灵敏度矩阵,由此得到特征值和特征向量的二阶估计式.该法解决了无法用直接求导法计算特征值和特征向量二阶灵敏度矩阵的问题.数值算例说明了该算法的应用和计算精度.     

部分追加试验设计的严格方法及其应用

部分追加试验设计是用来解决不同水平的试验问题 ,是正交设计和非正交设计交叉的一种选优方法 .本文对这种试验设计的数据分析和方差分析给出严格方法 .即对离差平方和及它们的自由度 ,修正系数等用数学关系式作了推导和说明 .同时把部分追加法和拟水平法灵活相结合 ,发挥各自优点 ,既减少试验次数又便于计算分析 .     

粘性阻尼线性振动系统的复模态特征值问题的一种新的矩阵摄动分析解法

本文提出了对粘性阻尼线性振动系统的复模态二次广义特征值问题进行高效近似求解的一种新的矩阵摄动分析方法,即先将阻尼矩阵分解为比例阻尼部分和非比例阻尼部分之和,并求得系统的比例阻尼实模态特征解;然后以此为初始值,将阻尼矩阵的非比例部分作为对其比例部分的小量修改,利用摄动分析方法简捷地得到系统的复模态特征值问题的近似解.这一新方法适用于振系阻尼分布不十分偏离比例阻尼情况的问题,因此对大阻尼(非过阻尼)振动系统也有效.这是它优于以前提出的基于无阻尼实模态特征解的类似摄动分析方法的重要特点.文中建立了复模态特征值和特征向量的二阶摄动解式,并通过算例证实了其有效性.此外还讨论了利用比例阻尼假定估计阻尼系统固有振动的复特征值的可行性.     

图的正(负)特征值平方和界的估计

图G的特征值是指该图邻接矩阵的特征值,图G的正特征值平方和用符号S+(G)表示.关于图的正(负)特征值平方和界的估计,[Discrete Math.,2016,339(9):2215-2223]给出一个有趣的猜想:对于连通图G有min{S-(G),S+(G)}≥n-1,其中n表示图G的顶点数,S-(G)表示图G负特征值...     

求解右定两参数特征值问题的精化Jacobi-Davidson方法(英文)

在文献[1]中,作者M E Hochstenbach和B Plestenjak认为精化的方法不适合两参数特征值问题,原因是求解两参数特征值问题的精化方法存在着三个问题:即精化Ritz向量收敛性差,运算量大,不能计算多个特征值.本文指出,事实并非如此.针对右定两参数特征值问题,本文提出了一种有效的精化数值方法.并通过理论证明和数值实验说明了Ritz值的收敛性,以及精化Ritz向量具有比通常的Ritz向量更好的收敛性.     

张量特征值的一种扰动分析（英文）

本文研究了在张量扰动之后,其特征值的变化以及其在图像处理方面的应用.在理论分析之后,得到如果C=A+B,扰动之后C的特征值之和等于原始张量A,B特征值之和的加.如果A,B是对角张量,则C有n个H-特征值,其为张量A,B的对角元素之和,且H-特征值的重数为(m-1)~(n-1).如果m为偶数,且m=2l.当l≥2时,张量C的E-特征值的个数严格小于n(m-1)~(n-1).对于一般的对称张量C,至多有(m-1)~n-1/(m-2)个规范的E-特征值.通过实验,本文验证了上述理论的正确性.最后,本文分析噪声对图像特征值的影响.结果显示图像的失真程度和元素的变化在一定的概率上并不会对图像特征值之和以及数量造成影响.     

矩阵特征值的一类新的包含域

用盖尔圆盘定理来估计矩阵的特征值是一个经典的方法,这种方法仅利用矩阵的元素来确定特征值的分布区域.本文利用相似矩阵有相同的特征值这一理论,得到了矩阵特征值的一类新的包含域,它们与盖尔圆盘等方法结合起来能提高估计的精确度.     

特征值问题的预变换方法(I): 杨辉三角阵变换与二阶PDE 特征多项式

本文提出一类求解特征值问题的下三角预变换方法, 目标是通过相似变换后矩阵下三角元素平方和明显减少、且变换后的特征值及其特征向量较易求解, 使变换后的对角线可作为全体特征值很好的一组初值, 其作用如同对于解方程组找到好的预条件子, 加速迭代收敛. 以二阶PDE 数值计算为例,对于以Laplace 方程为代表的特征波向量组及正交多项式组有广泛的应用前景.
杨辉三角是我国古代数学家的一项重要成就. 本文引入杨辉三角矩阵作为预变换子, 给出一般矩阵用杨辉三角矩阵作为左、右预变换子时变为上三角矩阵的充要条件, 给出了元素为行指标二次多项式的两个矩阵类(三对角线阵与五对角线阵) 中特征值何时保持二次多项式的充要条件, 并应用于构造新的二元PDE 正交多项式.     

方差分析法的简易算法

方差分析是一种常用的数理统计方法.但因其计算过程比较复杂。给现场的应用带来一些困难,下面介绍利用电子计算器作单因素方差分析的简易方法. 方差分析的基本作法是将总变差分解为代表因素效应的因素平方和与代表随机偏差的误差平方和.用以上两个平方和的均方构成服从F分布的统计量,来判断因素效应的显著性. 方差分析的一般步骤,在许多书刊上已有详细的介绍。为了与本文介绍的方法进行比较,现简述如下: (1)将因素处于不同状态下所得到的数据,分组列表如表1.设共有K组,各,组样本容量均为n.(3)计算因素平方和SSC (4)计算误差平方和SSE (5…     

微分算子的迹

§1.引言、常型 微分算子的单个特征值一般是很难求的.矩阵也是如此.不过矩阵论中有一个非常重要的事实:全体特征值的对称函数可以用矩阵的元素(算子量)直接表出.事实上,由展式:可知,特征值之和∑λj等于对角线元素之和(矩阵的迹)∑αjj;特征值的二次基本对称函数∑λjλk等于A的一切二阶主子式之和,等等. 对于微分算子,全体特征值的对称函数是否也可用算子量直接表出呢?最简单的对称函数是∑λj,不过由于微分算子的无界性,它是发散的.一个自然的想法是将它正则化,即从     

一类四阶左定Sturm-Liouville算子特征值的计算问题

主要研究一类四阶左定Sturm-Liouville问题特征值的计算问题.主要方法是将具有混合型边界条件的一般四阶左定正则自伴问题转化成向量型具有分离型边界条件的四阶右定正则自伴问题,这为具有混合型边界条件的一般四阶左定正则问题的特征值的数值计算提供了理论依据.     

求解对称特征值问题的修正Jacobi共轭预处理梯度法(英文)

对于对称特征值问题,基于对原有复杂Jacobi共轭条件的简化,提出了一种修正的Jacobi共轭预处理梯度法.在理论上证明了在求解单个端部特征值时修正方法与原始方法有着渐近等价的共轭性.而在求解多个端部特征值时,修正方法与原始方法展现出极为相似的收敛性,但其矩阵乘积运算更少,因而计算代价也更小.数值算例进一步验证了修正方法的有效性和优越性.     

亏损特征值的灵敏度分析

研究了广义特征问题中特征值和不变特征子空间对参数的导数,利用隐函数定理证明了亏损广义特征值问题的平均特征值对参数的解析性,并利用标准特征值的灵敏度分析得到了可约化广义亏损特征值的平均值和相应的不变子空间对参数的导数.这一结果在结构优化、模型修正、以及故障诊断等领域中有着重要应用,为工程计算提供了理论依据.     

利用矩阵的初等变换求方阵的特征值

高阶方阵的特征值的求得,需求解一元高次方程,这往往有一定的难度.本文依据矩阵的初等变换的一些良好性质,介绍两种利用矩阵的初等变换化简方阵的特征值的计算的方法.     

求解陀螺系统特征值问题的收缩二阶Lanczos方法

本文研究陀螺系统特征值问题的数值解法,利用反对称矩阵Lanczos算法,提出了求解陀螺系统特征值问题的二阶Lanczos方法.基于提出的陀螺系统特征值问题的非等价低秩收缩技术,给出了计算陀螺系统极端特征值的收缩二阶Lanczos方法.数值结果说明了算法的有效性.     

基于符号数值混合计算的混成系统Lyapunov函数构造

基于平方和松弛和有理向量恢复,提出了一种符号数值混合计算方法来构造多项式Lyapunov函数以判定非线性混成系统的稳定性,首先,为Lyapunov函数预定一个给定次数的多项式模板,则Lyapunov函数构造问题可转化为相应的带参数的多项式优化问题,然后运用平方和松弛方法求得一个近似的数值多项式Lyapunov函数,再应用高斯-牛顿精化和有理向量恢复将数值多项式转化为验证的有理多项式Lyapunov函数.