关于求解矩阵方程I=X+A~HX~(-1)A的简单迭代

1 引言 设A为m×m方阵,I为m阶单位阵,考虑关于X的非线性矩阵方程 I=X+A~HX~(-1)A的Hermite正定解问题。这是特殊的离散代数Riccati方程,在一定条件下与离散代数Riccati方程数学等价。由于离散代数Riccati方程还缺乏普遍有效的数值解法,因此研究(1.1)的数值处理就十分重要。最近,Engwerda等学者研究了c1)、c2)方程(1.1)可解的充分必要条件、最大解和最小解的存在唯一性,还提出如下简单迭代 X_o=I,X_(n+1)=I-A~HX_n~(-1)A,n=0,1,….(1.2) 证明了{X_n}_(n=0)~∞收敛于(1.1)的极大解X_L.这项研究为数值求解(1.1)提供了可能.本文研究下述三方面问题.首先是(1.2)的误差估计,它同时也是迭代过程(1.2)的收敛速度估计.然后给出一种执行格式.由于(1.2)每迭代一步要计算一个m阶方阵的逆矩阵,计算量很大,因而提出有效的执行格式是必要的.最后研究极大解X_L的扰动定理. 若不特别说明,以下的记号都是常规的,例如可参阅[3]. 2 误差估计 令A的数值半径为ω(A).Engwerda和Ran证明了下列结果:设A可逆,那么(1.1)存在对称正定解的充要条件为ω(A)≤1/2;若(1.1)有对称正定解则有唯一的最大解X_L;若(1.1)有对称正定解,则(1.2)产生的矩阵序列{X_n}收敛到X_L,且收敛过程是单调下降的.     

也谈方阵的平方根

文[1]讨论了二阶方阵的平方根和三角方阵的三角平方根问题,但其结论有误．这里指出其错误并给出正确的定理．定义1设A是一个n阶方阵,若存在n阶方阵B,使B2=A,则称方阵B为方阵A的平方根．若有Bm=A,则称B为A的m次方根．文[1]给出如下定理：上（下）三角方阵存在上（下）三角方阵的平方根．对上述定理,文[1]没有给出一般证明,仅以三阶上三角方阵为例来证．但可惜的是,即使这样一个特殊情况的证明仍有漏洞,结论并不成立．例如不存在上三角方阵的平方根．事实上,对任意上三角方阵可以验证,均不存在上三角平方根．我们有如下定理：…     

关于计算重根的若干迭代程序

考虑具有重数为m的实根x~*的代数或超越方程 f(x)=(x-x~*)~mg(x)=0, (1)此处m为大于1的正整数,g(x)在含有x~*的某邻域内连续、可微、有界且异于零。我们知道,广义Newton-Raphson I.F。 x_(?+1)=X_n-λf(X_n)/f′(X_n),(n=0,1,2,…) (2)只当在使用时先测得所求根x~*的重数m,且令λ=m时,它所产生的序列{X_n}才能以平方敛速逼近x~*。但精确测定方程(1)的根x~*的重数m,是需要进行一些专门计算的。因此,人们常用在求根过程中已有的信息来测定根的重数m,这里通常是获得一个逼近m的序列。     

非参数回归函数核估计的收敛速度

<正> §1.引言及记号设(Y,X),(Y_1,X_1),…,(Y_n,X_n)为 iid.(1+d)维随机向量,E(|Y|)<∞,m(x)=E(Y|X=x)为回归函数.Watson,Nadaraya 首先提出的基于样本(Y_1,X_1),…,(Y_n,X_n)的 m(x)的核估计为     

m阵列与M阵列的构作

给定正整数 m,n,r,s(1≤m≤r,1≤n≤s),A=(α_(ij))是 r×s 周期二元方阵.如果每个非零 m×n(二元)矩阵都是 A 的一个 m×n 子方阵,A 便叫做一个(r,s;m,n)-m 阵列.如果每个 m×n(二元)矩阵都是 A 的一个 m×n 子方阵,A 便叫做一个(r,s;m,n)-M 阵列.这分别是极大长度序列(或称 m-序列)及 de Bruijn 序列(或称 M-序列)的二维推广.本文讨论 m 阵列与 M 阵列的构作方法,以及它们的性质和存在性问题.     

半群PT_n(A)的正则性与格林关系

设X_n={1,2,…,n}并赋予自然序,PT_n是X_n上的部分变换半群.设A■X_n非空,令PT_n(A)={α∈PT_n:imα■A}.讨论了半群PT_n(A)的正则性与格林关系.     

满足AB=αBA的方阵A,B和AB的特征值的性质及其联系

设m阶方阵A,B满足AB=αBA,其中α=e~(2kπi/n),k,n为互素整数且n≥2.证明了σ(AB)■{α~(j-((n-1)/2))λ_AλB|λA∈σ(A),λB∈σ(B),j=0,1,…,n-1}及其它相关的结果,其中σ(A)表示方阵A的所有特征值的集合.     

积和式的一个性质

<正> 数域F上所有n×m矩阵的集合记为M_(n×m)(F),数域F上所有n阶方阵的集合记为M_n(F).设A=(a_(ii))∈M_n(F).方阵A的积和式(permanent)记为perA,它定义为     

矩阵的逆

§1.方阵众所周知,n阶方阵A的逆通常采用以下定义。定义1 设A是一个n阶方阵,如果存在有一个n阶方阵B,使得 AB=BA=I,其中I是n阶单位方阵,则A称为可逆方阵,而B称为A的逆,记作A~(-1)。上述定义中,用了两个矩阵方程AX=I,XA=I,其中X为n阶未知矩阵。容易产生的问题是:能否只用一个方程,例如AX=I,来定义方阵的逆?答案是肯定的。下面给出方阵的逆的另一定义: 定义2 设A是一个n阶方阵,如果存在有一个n阶方阵B,使得 AB=I,其中I是n阶单位方阵,则A称为可逆方阵,而B称为A的逆。为区别起见,A在定义2意义下的逆B记作A_2~(-1)。给出方阵的逆的定义之后,自然应讨论定义的合理性。这就需要讨论:(ⅰ)可逆方阵的存在性:即的     

m（n）—相依样本的经验分布函数及其在Hazard估计中的应用

设{X_n}为随机变量X的观察序列,{X_n}不必相互独立。本文在{X_n}为m(n)相依条件下得到了Glivenko-Cantelli定理的一种推广,并获得了密度函数核估计在紧集上的一致收敛速度,这两个结果合并导出Hazard核估计在紧集上的一致收敛速度。     

一类混合过程的 Data-Based 密度估计的 L_1-模强相合性

设{X_n}是平稳、φ混合随机变量序列.X_1…,X_n 的未知概率密度为 f(x_1,…,X_n),且 f(x_1,…,X_n)是关于 x_1,…,x_n 对称的函数.记     

矩阵的特征向量的摄动

<正> 考虑下述问题R_1=AQ_1-Q_1T_1,其中,A 为 n 阶方阵,T_1为 m 阶方阵 (m相似文献   

本期问题

<正> 1.设A为n阶方阵,秩为r,且所有特征根为实数,则(trA)~2≤相似文献   

两类矩阵反问题解的稳定性

1 引 言 用R~(n×m)表示所有n×m实矩阵的全体,R_r~(n×m)表示R~(n×m)中矩阵秩为r的子集。A>0(A≥0)表示方阵A是实对称正定(半正定)矩阵。SR_+~(n×n)(SR_0~(n×n)表示所有n×n实     

关于复方阵的平方根

本刊文 [1]中提出如何判断一个方阵是否存在平方根的问题 .这里 ,我们就 n阶复方阵情形给出三个判别准则 .设 A是 n阶复方阵 ,JA 表示它的若当标准形 ,则存在相似变换矩阵 P,使得 A=PJAP-1 .有关复方阵 A的若当标准形 JA 以及相似变换矩阵P的求法 ,见本刊文 [2 ]或 [3 ] ,本文不再赘述 .定义 1　设 A是 n阶复方阵 ,若存在 n阶复方阵 B,使得 B2 =A,则称 B为 A的平方根 .为书写简便 ,我们用记号 Jr( x) ( r≥ 1)与diag[B1 ,B2 ,… ,Bs]分别表示 r阶若当矩阵和对角块矩阵 :x 1 x 1x∈ Mr( C) ,B1 B2 Bs.用文 [2 ]中给出的计算复…     

N值随机变量序列的AEP型极限及若干强偏差定理

设{X_n,n≥1}是在S={1,2,…,N}中取值的随机变量序列,其分布为p(x_1,…,x_n),liminf[P(X_1,…,X_n)]~(1/n)与limsup[p(X_1,…,X_n)]~(1/n)称为AEP型极限。利用这些极限该文得到{X_n,n≥1}的若干强偏差定理,即一类用不等式表示的强极限定理。     

加权Moore-Penrose逆的扰动理论

§1.引言设A∈C~(m×n),M和N分别为m和n阶Hermite正定阵,则存在唯一的K∈C~(n×m),满足AXA=A,XAX=X,(MAX)=MAX,(NXA)=NXA.这里X称为A的加权Moore-Penrose逆,记作X=A_(MN)~+. 当M和N分别为m和n阶单位阵I_m和I_m时,A_(Im)~+=A~+,A~+称为A的Moors-Penrose逆,当A为非异方阵时,A~+=A~(-1).     

正态—正态模式下,结构串联系统可靠度的置信下界

设X_1,…,X_niid.～N(μ,σ~2),Y～N(0,1),Y与X_1,…,X_n独立,Z_1,…,Z_m为N(μ,σ~2)的iid.样本,σ~2已知,μ未知,本文证明R=P_r{X_1≥Y,…,X_n≥Y}的MVUE存在的充要条件是m≥nσ~2/n+σ~2,得到R的MVUE和UMA置信下界。     

随机加权法在线性模型中的应用

设 Y_n=X_nβ+e(n) (1.1)是一个回归模型,其中β是一个 p×1 未知参数向量;Y_n 是 n×1数据向量;X_n 是 n×p 矩阵,rank X_n=p,X_n 之元素是常数,X'_n=(x_1,…,x_n)表示 X_n 的转置;e(n)是 n×1 误差向量.设 (?)_n=(X′_nX_n)~(-1)X′_nY 为β的最小二乘估计.在[1]中讨论了随机变量 c′((?)_n—     

Lp-混合误差下线性与非参数回归模型估计量的平均相合性

1 引言 本文研究了一类误差是L~p_混合的线性模型与非参数回归模型,在免去了文献中对模型所施加的“误差绝对值的p次方一致可积”这一限制条件后,仍得到了估计量的p阶平均相合性. 定义1 设p≥1,(X_n,n≥1)为定义在概率空间(Ω,F,P)上的L~p-可积的随机变量列,{F_n,-∞相似文献