一个不等式的拓广

Kantorovich 不等式的推广文〔4〕给出了x′Ay y′A~(-1)x/(x′xyy′)的上界,其中A是n 阶实正定阵,x、y 是n 维非零实向量。本文给出x′Ay y′A~(-1)x/(x′xy′y)的上界和下界,其中A 是任何n×m 实矩阵,A~(-1)是A 的广义加号逆,x、y 分别是n 维和m 维非零实向量。     

解超定病态线性方程组问题

给出超定方程组 Ax=b (1.1)其中A是秩为r的m×n矩阵,b是m维向量,x是n维未知向量. 目前处理病态线性方程组的方法大体上可以分为两类.一类是投影法(即降维法);另一类是正则化法.降维法是把右端向量b投影到A的极大线性无关列所张成的子空间中求解.数值相关性理论为其实际运用奠定了基础.降维法解病态线性方程组的     

解病态线性方程组的一个新算法及其解精度的估计

§1.算法的建立为简单计,本文讨论的问题为 Ax=b, (1)其中,A是n阶非奇异实方阵,b是已知的n维向量。定理1.设(1)中的b为非零向量,n阶非异方阵H使得Hb=se_n,其中s为一非零常数,e_n=(0,…,0,1)~T。设HA=LQ,L为下三角阵,Q为直交阵,则Q~T的第n列平行于解向量x。证。记Q~T=(q_1,q_2,…,q_n),L阵的第n个对角元为l_(nn),则由HA=LQ及     

南京大学1981年研究生入学考试试题(三小时)

1.给定线性方程组Ax=b,其中A为m×n阶实矩阵,b为m维常向量,x为n维待定向量.试证明方程组对任意的b都最多只有一个解的充分必要条件为rank(A)=n,这时存在有n×m阶的左逆A,使BA=I_n.(18分)     

关于正定实方阵的注记

所谓n阶实方阵A是正定的,是指对任意非零列向量x∈R~n,x~TAx>0。这篇短文给出了n阶实方阵为正定的充要条件。另外还给出了线性方程组Ax=β的反问题具有正定实方阵解的充要条件,以及线性方程组的反问题的正定实方阵解的一般形式。     

Ax=b在广义正定矩阵类中的反问题求解

有许多类直接控制系统的绝对稳定性[1]涉及到这样一类线性方程组协Ax＝b的反问题：对于给定的x，b∈Rn，n阶实矩阵类Ⅱ（n），求解集Ⅰ（Ⅱ（n）；x，b）＝｛A∈Ⅱ（n）｜Ax＝b｝非空的条件．文[2]讨论了反问题Ⅰ（Ps（n）；x，b）≠（Ps（n）为正定降类）和Ⅰ（O（n）；x，b）≠（O（n）为正交阵类）的条件，文[3]进一步给出了Ⅰ（M-阵类；x，b）和Ⅰ（S-阵类；x，b）有解的条件．本文将研究这类反问题在更广的一类矩阵类─—广义正定矩阵[4，5]类中的求解，从而使这类反问题得到了较完满的解决．     

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).     

Jacobi矩阵的逆特征问题

本文研究了两个Jacobi矩阵的逆特征问题：I给定实数λ,μ(λ＞μ）和n维非零实向量x，y，求n阶Jacobi矩阵J,使Jx=λx，Jy=μy,且λ＞λ2（J）＞…＞λi-1（J）＞μ＞λi＋1（J）…＞λn（J），或λi（J）＞λ2（J）＞…＞λi－1（J）＞λ＞λi＋1（J）＞…＞λn-1（J）＞μ·II给定实数λ，μ（λ＞μ）和n维非零实向量x，y，求n阶Jacobi矩阵J，使Jx＝λx，Jy＝μy，且λ1（J）＞λ2（J）＞…＞λi－1（J）＞λ＞μ＞λi＋2（J）＞…＞λn（J）．文中给出了问题I；II有唯一解的充要条件，并给出了解的表达式．     

Dedekind整环的一种推广

交换环R称为β-环,如果对R的每个非零理想A和A中的每个非零元素a,都存在元素b∈A使得A=(a,b)。本文用熟知的环给出了有单位元的β-环的完全分类,并给出了一类β-环的结构定理,最后提出了一个有待解决的问题。     

最小一乘线性回归(下)

一、计算问题 在前篇(见《数理统计与管理》 1989年第5期)中我们讨论了用最小一乘法去处理一元线性回归的问题,本篇要讨论用这个方法去处理多元回归的情形,为此使用矩阵和向量的记号在书写上较为简便,我们将用A′记A的转置矩阵,当用一个字母表示一个向量时,我们总是指的列向量,例如,″p维向量b″是指b1…, bp是b的分量, b′是b的转置,即行向量(b1,…, bp),而(b1,…, bp)′即列向量b. 现设在某个问题中有p个自变量x(1),…,x(p)和因变量y,记x=(x(1),…,x(p))′设在x=xk处观察了y之值为yk,k=1,…,n (在不少问题中,x和y是同时观察的,不一定能先…     

Ax=b 在 M-阵和 S-阵类中的反问题

引言对给定的 n 维实向量 x 和 b,欲求某类 n 阶实矩阵 A,使满足 Ax=b,称为线性方程组Ax=b 的反问题.这种问题的实际背景来自控制系统的绝对稳定性.文[2]讨论了上述反问题在正定阵、正交阵等类中有解的条件.本文将研究这种反问题在 M-阵类和 S-阵类中有解的条件.我们利用这两类矩阵的分块判定法,得到了一些充要条件,使问题完满解决.     

一类高维非自治系统的周期解

§1.引言在文献[1]中 Lasota-Opiul 对于非自治周期系统(?)=A(t,x)x b(t,x),(1.1)其中 A(t,x)是 n×n 连续矩阵,且 A(t ω,x)=A(t,x);b(t,x)是 n 维连续向量,且 b(t ω,x)=b(t,x).在“A(t,x)属于某一个 Banach 空间中的有界弱闭子集”的假设下,获得该系统周期解存在性定理.而这个假设条件不易验证,给定理的应用带来很大的不便.本文利用泛函分析的方法,借助于 Schauder 的不动点定理和矩阵测度的性质,对系统(1.1)的周期解的存在性进行了讨论.给出一个可以直接从系统(1.1)的右端函数性质来判别其周期解存在的定理.并且分别应用于系统(?)=A(t)x e(t),(1.2)     

广义预条件迭代方法

§1.引言和新方法的提出 设线性代数方程组 Ax=b,(1.1)这里A是n阶非奇异矩阵,x,b是n维向量且b是已知向量,x是未知向量.对于(1.1)的数值解,我们考虑如下的分裂:     

非齐次对称特征值问题

引言 用SR~(n×n)表示所有。n×n实对称矩阵的集合。R~n表示n维线性空间。||·||_2表示向量的Euclid范数或矩阵的谱范数。 本文研究如下问题: 问题ISEP 给定矩阵A∈SR~n×n和向量b∈R~n,求实数λ和向量X∈R~n使得 AX=λX+b, (1) ||X||_2=1. (2) 若b=0,则问题ISEP就是通常的实对称矩阵特征值问题,若b≠0,则问题ISEP称为非齐次对称特征值问题,使(1)和(2)式成立的数λ和向量X分别称为非齐次特征值和相应的非齐     

半正定矩阵及矩阵方程AX=B的反问题

文从研究一类控制系统的实际背景提出对已知实向量x,b求满足Ax=b的对称正定阵A的一类反问题。文[2]与[3]研究了上述反问题在对称正定类、正定类中有解的充要条件及解的一般形式。本文讨论复矩阵方程 AX=B(1)(X,B为m×n阵,A为m×m阵)在半正定、正定、H半正定、H正定类中反问题有解的充要条件及其解集的一般形式。如无特别申明,本文总考虑复矩阵和复向量,其共轭转置用“*”表     

解线性规划改进的Bartels-Golub算法

其中A是秩为m的m×n矩阵,c、x是n维向量,b是m维向量,由凸性理论知,约束(1.2)构成一个n维欧几里德空间的凸多面集,这个凸多面集的顶点就是约束的基本可行解,线性函数z=c~Tx在这个凸多面集的顶点上取得它的极值。根据这个理论,线性规划的单纯形法就是从某个基本可行解过渡到另一个基本可行解,而使目标函数值下降。     

一个新的线性规划多项式算法——Karmarkar 方法

<正> 最近,《纽约时报》和《时代》周刊等许多报刊均以醒目的标题详细地报道了美国贝尔实验室28岁的印度数学家 N.Karmarkar 在线性规划理论方面取得重大突破的消息.所谓线性规划问题,就是在一组线性不等式的约束下求一个线性目标函数的极值问题.其数学模型的一般形式可表示为min c~Tx,x∈P,其中 P-{x∈R~n|Ax≤b,x≥0},c 和 b 分别是 n 维和 m 维实向量,A 是 m×n 实矩阵.就是这样一个简单的问题,其应用广泛性简直令人惊讶.据国外有人统计,它占用了世界上计算机的大部分时间.     

随机规划中的几个新的凸性命题

在随机规划(stochastic programming)中有一类所谓机会约束规划(chance constrained programming),它的一般形式是 极小化 φ(x) 满足约束 P(w|A(w)x≥b(w))≥a,0≤a≤1 x∈X其中φ(x)是凸函数,X是R~n上的凸集;A(W)是m×n矩阵,b(W)是m维向量,它们     

关于半格的一个定理

文中给出了如下定理：设（L，V，∧，∏，∑），A包含于L，则（A，∨，∧，∑）=（A，∨，∧，∏，∑）iff存在（L，∧）上的内部算子I，使得A={x:I(x)=x}=range(I)&;amp;∨B包含于A，I（∧b∈b b)=∧b∈bl I(b)另外，还给出[1]中定理1的一个改进证明。     

关于线性规划问题的复杂性

一、线性规划问题 1.1 引言设A是m×n矩阵,b是m维向量,c是n维向量,我们要求满足约束Ax≤b的n维向量x,使得c~Tx达到最大值: max·c~Tx s.t.Ax≤b.(1.1)这就是线性规划问题。它的建模和求解与生产计划、最优控制、对策论、组合学、离散变量的最优化、计算复杂性理论和许多离散的应用数学问题的研究有密切的关系。世界上的电子计算机有相当大的部分时间用于解线性规划问题。