SUR回归系统部分方程系数Zellner估计的有限样本性质

对于SUR回归系统(1),本文在弱于[2],[3]和[4]的条件X_l′X_i(i=2,…,m)下考虑第一个方程系数β_1的Zellner的两步估计(4),得到了β1基于非限定残差的两步估计(?)_(Z1)的均方误差矩阵精确结果,由此结果容易得到[3],[4]和[5]给出的已知结果。     

矩阵分块的Gauss-Seidel迭代收敛的若干准则

在文[1],[2],[3]中,先后讨论了分块矩阵的度量性质及矩阵分块普通迭代的收敛性.本短文给出矩阵分块的Gauss—Seidel迭代收敛准则及敛速估计.并给出实例说明这种迭代的优越性. 考虑N维线性代数方程组:     

椭圆型问题一类广义差分法的L~2模误差估计

1.引 言 广义差分法作为处理偏微分方程的离散技术,能够保持质量,动量,能量等物理量的守恒.广义差分法（有些文献称为box method[3];finite volume element method[4],[5],[6]）利用在对偶剖分体积单元积分原始方程,并将近似解限制于某一有限元空间而得到离散方程.因此,它在局部区域保持了原始方程的物理守恒性和其他重要特性.从而被广泛地应用于数值求解数学物理方程,特别是计算流体力学和热传导问题[11]. 对广义差分法的研究已有许多文献,专著[10]有详细的介绍.早期的工作主要考虑标准的重心对偶剖分.近年来Cai et,al[4],[5],[6],在某些假定下对较一般的对偶剖分给出了能量模误差估计,Huang and Xi[9]去掉了文献[6]中的这些限制.Chou,Li[8]和Li,     

二阶椭圆型方程的Александров-Бакельман极值原理

二阶椭圆型方程的极值原理,不仅推广了古典极值原理,而且在解的Holder模估计上也起到了作用(见[22],[32]-[34].不过这类极值原理的陈述和证明,却至少散布在[4]-[9],[11]-[14]这一系列文献中,而且有的文献很难查找,学起     

矩阵方程AXB=D解的研究

给出了矩阵方程AXB=D相容的又一充要条件,同时讨论它的极小范数解、最小二乘解和极小范数最小二乘解,推广了文献[1]和[3]的结论.     

锁相环路方程分界线环的研究及数值计算

<正> 1.引言文[1],[2],[3]对几种锁相环路方程作了定性研究,本文着重研究无噪声混合锁相环路方程的分界线环,并给出了分界线参数值的近似值,这可供实际工作者参考.而关于混合锁相环路的结构及数学模型可参看[5]第三章.     

竞争扩散系统共存态分析的分支方法

含迁移影响的两个竞争种群的演化问题,通常可归结为下面的竞争扩散系统这里a,b,c,d,e,f均为正的常数,Ω(?)R~3是具有光滑边界的有界区域,对这个问题的研究已有很多的工作,如[1],[3],[8],[9]及[10]等,系统中的参数a,b,c,d,e,f对平衡态的结构及稳定性有很大的影响,在齐次Neumann边界条件下,即B[u]≡(?)u/(?)n时,[2]及[10]已给出了较圆满的结果。在齐次Dirichlet边界条件下,即B[u]≡u时,     

一类非线性代数方程组的并行算法——适用于MIMD系统

为连续对角映射.而A=(a_(ij)∈L(R~n)是单调矩阵,B∈L(R~n)为非负矩阵,b∈R~n为已知向量. 方程组(1.1)具有丰富的实际背景,许多非线性微分方程的求解问题,经过有限元或差分离散,均可归纳为(1.1)的求解.特别,如[7],[10]以及[11]讨论的弱非线性椭圆方程和Stefan问题等,均可作为(1.1)的特例.     

非线性互补问题解的存在性检验

在数学规划研究领域中这是一个受到广泛关注的问题,并提出多种求解的迭代算法,但是几乎没有算法可以在计算数值解的同时自动给出解的误差界,Alefeld、Chen和Potra在[1],[2]中讨论了求解线性与非线性互补问题的可靠性算法,该算法是将非线性互补问题归结为：等价的非线性方程（经常被称为Pang方程[7]）     

各向异性网格下Bogner-Fox-Schmit元的超收敛

1引言 有限元超收敛的研究已有三十多年的历史,至今为止已取得了丰富的成果,可见[3],[18],[10],[6],[5]以及[17].1981年,陈传淼(见[2]345-372页)考虑了四阶板问题有限元解的超收敛性,得到了高一阶的超收敛结果.1995年,林群和罗平[8]用积分恒等式技巧再次研究这个问题,在均匀矩形网格的条件下,得到了更好的结论,有限元解与有限元插值函数之间的误差在H2范数下,有高二阶的超收敛.     

Least-Squares Solutions of the Matrix Equation ATXA = B Over Bisymmetric Matrices and its Optimal Approximation

A real n×n symmetric matrix X=(x_(ij))_(n×n)is called a bisymmetric matrix if x_(ij)=x_(n 1-j,n 1-i).Based on the projection theorem,the canonical correlation de- composition and the generalized singular value decomposition,a method useful for finding the least-squares solutions of the matrix equation A~TXA=B over bisymmetric matrices is proposed.The expression of the least-squares solutions is given.Moreover, in the corresponding solution set,the optimal approximate solution to a given matrix is also derived.A numerical algorithm for finding the optimal approximate solution is also described.     

一类矩阵方程的埃尔米特自反最小二乘解

利用埃尔米特自反矩阵的表示定理和矩阵的拉直方法,研究了矩阵方程$AX+BY=C$的埃尔米特自反最小二乘问题,进一步,给出了方程在埃尔米特自反矩阵集合中可解的充分必要条件,得到解的一般表达式,最后,对任意给定的一对复矩阵,得到了其相关最佳逼近问题解的表达式.     

双对称线性矩阵方程的最佳逼近解

本文讨论了wang和Chang的双线件矩阵方程(ATXA,BTXB):(C,D)对称解的一致性条件.利用Hilbert空间的投影定理、商奇异值分解及其通解表达式和典型相关分解(CCD)的有效工具,获得了关于这个矩形方阵对的最小二乘问题的明确的解析表达式反对称(或最小Frobenius范数反对称解作为特例)最佳逼近解.     

矩阵方程AX＋XB=C的双对称解及其最佳逼近

提出一种求解线性矩阵方程AX＋XB=C双对称解的迭代法.该算法能够自动地判断解的情况,并在方程相容时得到方程的双对称解,在方程不相容时得到方程的最小二乘双对称解.对任意的初始矩阵,在没有舍入误差的情况下,经过有限步迭代得到问题的一个双对称解.若取特殊的初始矩阵,则可以得到问题的极小范数双对称解,从而巧妙地解决了对给定矩...     

Least-Squares Solution with the Minimum-Norm for the Matrix Equation A^TXB ＋ B^TX^TA = D and Its Applications

An efficient method based on the projection theorem,the generalized singular value decompositionand the canonical correlation decomposition is presented to find the least-squares solution with the minimum-norm for the matrix equation A~TXB B~TX~TA=D.Analytical solution to the matrix equation is also derived.Furthermore,we apply this result to determine the least-squares symmetric and sub-antisymmetric solution ofthe matrix equation C~TXC=D with minimum-norm.Finally,some numerical results are reported to supportthe theories established in this paper.     

矩阵方程AXAT+BYBT=C的亚半正定解

讨论了矩阵方程AXAT+BYBT=C关于亚半正定矩阵X,Y有解的充要条件,并在有解时给出了解的通式.     

矩阵方程ATXB+BTXTA=D的极小范数最小二乘解

1引言本文用Rm×n表示所有m×n实矩阵全体,ORn×n,ASRn×n分别表示n×n实正交矩阵类与反对称矩阵类.‖·‖F表示矩阵的Frobenius范数,A+为矩阵A的Moore-Penrose广义逆,A*B与A(?)B分别表示矩阵4与B的Hadamard乘积及Kronecker乘积,即若A=(aij),B=(bij),则A*B=(ajibij),A(?)B=(aijB),vec4表示矩阵A的按行拉直,即若A=[aT1,aT2,…,aTm],其中ai为A的行向量,则vecA=(a1a2…am)T.设A∈Rn×m,B∈Rp×m,D∈Rm×m,我们考虑不相容线性矩阵方程ATXB+BTXTA=D(1.1)     

线性流形上反埃尔米特广义汉密尔顿矩阵的最小二乘问题与最佳逼近问题

利用反埃尔米特广义汉密尔顿矩阵的表示定理,得到了线性流形上反埃尔米特广义汉密尔顿矩阵反问题的最小二乘解的一般表达式,建立了线性矩阵方程在线性流形上可解的充分必要条件．对于任意给定的n阶复矩阵,证明了相关最佳逼近问题解的存在性与惟一性,并推得了最佳逼近解的表达式．     

Least-Squares Mirrorsymmetric Solution for Matrix Equations （AX=B, XC=D）

In this paper, least-squaxes mirrorsymmetric solution for matrix equations (AX = B, XC = D) and its optimal approximation is considered. With special expression of mirrorsymmetric matrices, a general representation of solution for the least-squares problem is obtained. In addition, the optimal approximate solution and some algorithms to obtain the optimal approximation are provided.     

一类矩阵方程的反中心对称最佳逼近解

利用矩阵的正交相似变换和广义奇异值分解,讨论了矩阵方程 AXB=C具有反中心对称解的充要条件,得到了解的具体表达式.然后应用Frobenius范数正交矩阵乘积不变性,在该方程的反中心对称解解集合中导出了与给定相同类型矩阵的最佳逼近解的表达式.