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。     

关于两个正定矩阵之积的特征值估计的一个注记

令A>0及B>0记两个n×n(n≥2)厄尔米特正定矩阵;μ_1≥μ_2≥…μ_n及ν_1≥ν_2≥…≥ν_n记A和B的特征值;设λ为AB的任意特征值.ShaHu-yun证得2/nμ_n~2ν_n~2/μ_n~2 ν_n~2<λ相似文献   

常系数线性方程组的一种新解法

对于常系数线性微分方程组:dx/dt=Ax(A是n阶实常数矩阵)通过特征根λ和对应的特征行向量K:K~T(A-λE)=0将微分方程组化为线性方程组:1°当有n个互异的特征根λ_1,λ_2,…,λ_n,对应的线性无关的特征行向量为K_1,K_2,…,K_n,若记K_i=(k_1,k_2,…,k_n)(i=1,2,…,n),则有方程组:(n∑i=1 k_ix_i)′=λ_j(n∑i=1 k_ix_I)(j=1,2,…,n);2°当有不同的特征根λ_1,λ_2,…,λ_m其重数分别为n_1,n_2,…,n_m,n_1+n_2+…+n_m=n,对应的线性无关的特征行向量为K_i=(k_1,K_2,…,k_n)(i=1,2,…,m),则有方程组:(n∑i=1 k_rx_r)′=λ_k(n∑i=1 k_rx_r)((A-λ_jE)x_(n_i)=0;i=1),(n∑i=1 k_rx_r)′=λ_j(n∑i=1k_rx_r)+c_(n_i)e~(λ_jt)((A-λ_kE)x_(i-1)=Ex_i,i=2,…,n_i).     

重特征根的特征向量的正文化

<正> 在线性代数中,对于任～n 阶实对标矩阵A,必存在一正交矩阵P,使为对角矩阵,这里λ_1,λ_2,…是A 的特征根(可以包含重根)。不妨设其中互不相同的特征根为λ(_r_1),…λ(_r_(?)),λ(_r_i)的重数为s_i,则sum from i=1 to t s_i=n.如对应于每一个特征根λ(_r_i)(i=1,2,…t),的s_i 的特征向量为(?)α(_i_1),…(?)α_i:,采用施密     

由谱数据数值稳定地构造实对称带状矩阵

§1.引言 设r,n是正整数并且0r有a_(ij)=0.     

PROBLEM OF EQUALITIES IN EIGENVALUE INEQUALITIES FOR PRODUCTS OF POSITIVE SEMIDEFINITE HERMITIAN MATRICES

Let A∈C~(m×n),set eigenvalues of matrix A with |λ_1 (A)|≥|λ_2(A)|≥…≥|λ_n(A)|,write A≥0 if A is a positive semidefinite Hermitian matrix, and denote∧_k (A)=diag (λ_1(A),…,λ_k(A)),∧_((n-k).(A)=diag (λ_(k+1)(A),…,λ_n(A))for any k=1, 2,...,n if A≥0. Denote all n order unitary matrices by U~(n×n).Problem of equalities to hold in eigenvalue inequalities for products of matrices was     

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     

一个素变量丢番图问题

设k和r是满足k≥3及r≥Ψ(k)+1的正整数,这里当3≤k≤4时,Ψ(k)=2~(k-1);而当k≥5时,Ψ(k)=1/2k(k+1).假定δ和ε是给定的足够小的正数,λ_1,λ_2,…,λ_(r+1)是不全同号且两两之比不全为有理数的非零实数.对于任意实数η与0σ2~(1-2k)/r-1,证明了:存在一个正数序列X→+∞,使得不等式|λ_1p_1~k+λ_2p_2~k+···+λ_rp_r~k+λ_(r+1)p_(r+1)+η|(max(1≤j≤r+1)p_j)~(-σ)有》■X~(■-(2~(1-2k))/(r-1)+ε组素数解(p_1,p_2,…,p_(r+1)),这里(δX)~(1/k)≤p_j≤X~(1/k)(1≤j≤r)及δX≤p_(r+1)≤X.这改进了之前的结果.     

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。     

Kantorovich 不等式的推广及其在线性模型参数估计中的应用

本文给出两类行列式之比|X′B~(-1)AB~(-1)X||X′A~(-1)X|/|X′B~(-1)X|~2和|X′B~(-1)AB~(-1)Y||Y′A~(-1)X|/|X′B~(-1)X||Y′B~(-1)Y|的上界,其中 A 和 B 是 n×n 阶正定矩阵,X 和 Y 是任意的秩为 k 的 n×k 阶矩阵。并讨论其在线性模型参数估计理论中的应用。本文的结果是 Khatri 和 Rao1981年结果的推广。设 A 是 n 阶正定矩阵,其特征根为λ_1≥λ_2≥…≥λ_n>0,对任意非零的 n×1向量 x,不等式((x′Ax)(x′A(-1)x))/((x′x)~2)≤((λ_1 λ_n)~2)/(4λ_1λ_n) (1)称为 Kantorovich 不等式。此不等式已有一系列的推广,在[1—4]中都对不等式(1)以不     

齐次Fourier-Besov-Morrrey空间上广义磁流体力学方程组的存在性和渐近稳定性

考虑了R~n上n维广义磁流体力学方程组,当初值("_0,d_0)∈FN_(r,λ,∞)~(-β)×FN_(r,λ,∞)~(-β)时,广义磁流体力学方程组对应的Cauchy问题的存在性和渐近稳定性,其中1≤r≤∞,0≤λ≤n或者1≤r≤∞,λ=0以及n≥3,1/2≤σ=α≤(n+2)/4-(n-λ)/(4r),β=2σ-1+(n-λ)/r-n.最后,得到了广义磁流体力学方程组一类自相似解的渐近稳定性.     

椭球等高分布族下的非中心Cochran定理

本文在椭球等高分布假定下,讨论了二次型X′AX(A为对称阵)的非中心Cochran定理。主要结果如下: 若X～EC_n(μ,L_n;g),g(x)>0为x的连续函数,且X有有限的2n阶矩。A_i,i=1,2,…,m为n×n对称阵。A=∑A_i,λ_1,…,λ_k互不相同且非零。考虑下面的条件: (a) X′A_iX■sum from j=1 to k λ_jy_(ij),(y_(i1),…(y_(ik))′～Gχ~2(n_(i1),…,n_(ik);δ_(i1)~2,…,δ_(ik)~2;g)j=1,…,m。 (b) (X′A_1X,…,X′A_mX)■(sum from j=1 to k λ_jz_j…,sum from j=(m-1)k 1 to mk λ_(j-(m-1)k)z_j)(z_1…,z_(mk))′～Gχ~2(n_(11),n_(1k),n_(21)…,n_(mk);δ_(11)~2,…δ_(1k)~2,δ_(21)~2,…,δ_(mk)~2;g) (c) X′AX(?)sum from j=1 to k λ_jy_j,(y_1,…,y_k)′～Gχ(n_1,…,n_k;δ_1~2,…,δ_k~2;g) (d) r(A)=∑r(A_i)=∑∑r(A_iE_j),A=∑λ_jE_j,E_j~2=E_j,E_jE_(j′)=0,j≠j′=1,…,k, (e) k个等式n_j=∑n_(ij)中至少有k-1个成立。则 (Ⅰ) (a),(b)■(c),(d),(e), (Ⅱ) (a),(c),(e)■(b),(d), (Ⅲ) (b),(c)■(a),(d),(c), (Ⅳ) (c),(d)■(a),(b),(c)。     

关于完备λ超曲面的第二拼挤定理

欧氏空间R~(n+1)中满足方程H=-X~N+λ的浸入超曲面称为λ超曲面.本文主要研究欧氏空间中完备λ超曲面的第二拼挤问题.设M为R~(n+1)中具有多项式体积增长的n维完备λ超曲面.设M的第二基本形式为A.本文证明存在正的绝对常数γ,如果|λ|≤γ,β_λ≤|A|~2≤β_λ+~1/21,其中β_λ=1/2(2+λ~2+|λ|(λ~2+4)~1/2),那么|A|~2≡β_λ,λ≥0,且M必为n维球面S~n(n~1/2)、n维圆柱面S~k(k~1/2)×R~(n-k)(1≤ k≤ n-1)或S(((λ2+4)~1/2-|λ|)/2)×R~(n-1)之一.     

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_...     

关于Summability Methods的非一致Berry-Essen界及其对重对数律收敛速度、小参数问题的应用

设{X_j,j≥1}是一串独立r.v.序列,对每一个j≥1,c_j(λ)是(0,+∞)上的连续函数或λ仅取值n=1,2,….且设0≤c_j(λ)≤1对一切j,λ记S_λ=Σ_(j=1)~∞c_j(λ)X_j.对应于X_j,j≥1满足相同分布的情形,适当正则化后,在一定的条件下,[1],[2]研究了S_λ渐近正态分布的非一致收敛速度.[3],[4]则考虑了其重对     

素变量混合幂丢番图逼近(Ⅱ)（英文）

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well-spaced序列,δ0.证了:对于任意给定的大于或等于3的正整数k及任意ε0,v∈V,v≤X,使得λ_1p_1~22+λ2p_2~2+λ_3p_3~3+λ_4p_4~k-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~(σ+2δ+ε)),这里σ满足:当3≤k≤4时σ=1-4/11k;当k≥5时,σ=1-2/11k.这改进了之前[Chinese Ann.Math.Ser.A,2015,36(3):303-312]的结果.     

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)     

偶数阶调和算子△~(2m)的特征值界的估计

设Ω■R~m,m≥2,是边界充分光滑的有界区域,若正数ι满足下列三条件之一:1.l=2~k;2.l=2_0~(k k_1-1) 2~k_0-1,3.l=2~k_0 k_1-2~k,k=0,1,2,…,k_0,k_1=1,2,…,△~(2l)u-λu=0,x∈Ω,则问题u=аu/аn=…=а~(2l-1)u/аn~(2l-1)=0,x∈аΩ,（n是αΩ的单位外法向）的第n 1个特征值λ_(n 1)有下述隐式和显式表示的界     

边界层的奇性分析

设 λ∈[λ_0,∞)(0<λ_0<<1),H_1=H_0~2(Ω)∩H~3(Ω),H_2=H_0~1(Ω)∩H~3(Ω),H_3=H~3(Ω),k_1=1/4,k_2=1/12,k_3=1/36,J_6(λ)=integral d(x,Γ)≥a~λlog(1+a~(-β) |△▽(u_e-u)|~2dx,α(ε)=1/6×log_ε1/C(C>1).我们考虑问题(?)定理.若 u=f∈H_i,对问题(1),有如下三种情形成立:i)正规区域 当 λ_0≤λ≤1/6-α(ε)时,有J_6(λ)≤C‖f‖_(H~3(Ω))~2;ii)奇性增长区域当1/6-α(ε)<λ<1/6+k_i/6时,有J_6(λ)≤Cε~(-6λ+2k_i)‖f‖_(H~3(Ω))~2;iii)奇性稳定区域当 λ≥1/6+(k_i)/6时,有J_6(λ)≤Cε~(-1+k_i)‖f‖_(H~3(Ω))~2;其中 i=1,2,3,β≥(45)/(32),C 为同 ε 无关的常数(见图1).