一类Stiefel流形上极小化问题的低秩解

<正>1引言记冗R~(m×n)为m×n阶实数矩阵集合;A~T表示矩阵A的转置;I_p表示p×p阶单位矩阵.对任意矩阵A=(a_(ij))∈R~(m×n),[A]_(ij)表示A的第ij个元素,即[A]_(ij)=a_(ij);‖A‖_F表示矩阵A的Frobenius范数,且有关系‖A‖_F~2=tr(A~TA),(1.1)其中tr(·)表示矩阵的迹,且有性质tr(A+B)=tr(A)+tr(B),tr(AB)=tr(BA),tr(B~T)=tr(B).(1.2)本文研究如下Stiefel流形上的极小化问题:     

仿射型李代数g(A)的某些自同构群

§0 引言 A=(α_(ij))是n阶广义Cantan矩阵,即A满足:ⅰ)α_(ii)=2,i=1,…n。ⅱ)当i≠j时,α_(ij)是非正整数。ⅲ) a_(ij)=0 α_(ji)=0。 h是复数域C上2n-l维向量空间,h是h的对偶空间。Π={α_1,…α_n},Π分别是h与h中线性无关子集,满足     

四维二阶 Hadamard 矩阵的分类

一、引言所谓 n 维 m 阶 m~n Hadamard 矩阵(简称为 H 阵)就是满足下面两个条件的 n 维矩阵A=[A_(ij…z)]。条件1:A_(ij…z)=±1(0≤i,j,…,z≤m-1),其中 A_(ij…z)的下标有n 个。条件2:sum from p sum from q…sum from y A_(pq…ya)A_(pq…yb)=m~(n-1)δ_(ab)(这里(Pq…yn),是(ij…z)的任意一个置换,δ_(ab)=(?)容易看出当 n=2时,它就是以前大家所熟知的Hadamard 矩阵。关于高维 Hadamrd 矩阵的细节可见[1]。     

回归系数线性函数的均方相合估计——问题与猜测

设有线性模型 Y_i=x′_iβ+e_i,i=1,…,n,… (1) 其中{x_i}为已知的p维向量,β为未知的p维向量,{e_i}为随机误差序列。以β_π记β的基于(1)的前n个观测值Y_1,…,Y_π的最小二乘估计(LSE)。在[1]中,我们曾建立如下的结果:     

A类零壹矩阵的基的一些定理

定义1 令n≥3,A=(a_(ij))_(n×n),i=1或0,对任固定的i(1≤i≤n)存在唯一的一个j_o(1≤j_o≤h)使得a(ij)_o=1,其余的a(ij)=0(j jo,1≤j≤n),则称(0,1)一矩阵A为A型的矩阵。 显然A型矩阵在矩阵乘法运算下成为一个具有单位元的半群。 定理2 令A={A:A是n级的A型矩阵},B A,若对任A A总存在有B_1,B_2,…B_K B使得A=B_1B_2…B_K,则称S为A的一个基。     

相依误差下回归系数 LS 估计的收敛速度

其中 x(ij)(j=1,…,p,i=1,2,…)是已知常数,常称之为模型(1)的设计常数或设计点列,β_1,…,β_p,为未知的回归系数,y_i,e_i 分别为第 i 次量测时的量测值和量测随机误差。以下,我们记设计矩阵(x_(ij))(?)≤(?)≤n,(?)≤j p 为 X_n,Y_n=(y_1,…,y_n)′,β=(β_1,…,β_p)′.并假定对某N,X′_N X_N 非退化,那么当 n≥N 时,X′_n X_n 亦非退化,且回归系数β的基于前 n 次量测值 Y_(?)及设计矩阵 X_(?)的最小二乘估计(通常简记为 LS 估计) b_(?)=(b_(?)1, …,b_((?)p)'为     

关于二次型教学的浅见

<正> 任给二次型f=sum from i,i=1 to n (a_(ij)x_ix_j(a_(ij)=a(j1)),总有正交变换X=PY,使f化成标准形:f=λ_1y_1~2=…=λ_ny_n~2,其中λ_1,…,λ_n是f的矩阵A=(a_(ij))的特征值。这里我们只在实数范围内进行讨论。用正交变换化二次型为标准形的问题,也就是用正交矩阵P化实对称矩阵A为对角矩阵A的问题。这历来是教学中的重点和难点。一则由于这方面的内容有着广泛的应用,因而     

广义严格对角占优阵的判定程序

1 引言和符号 在本文中,均采用下列符号而不再重申.恒用N表示前n个自然数的集合;而用Mn(C)和Mn(R)分别表示所有n阶复矩阵和所有n阶实矩阵的集合. Z_N={A|A=(a_(ij))_(n×n)∈Mn(R),a_(ij)≤0,i,j∈N,i≠j},I恒表示单位矩阵. 如果A∈Mn(R)且A的所有元素都为非负实数,则称A为非负方阵,并记为A≥0;若A的所有元素都为正数,则称A为正矩阵,并记为A>0. 对A=(a_(ij))(n×n)∈Mn(C),令A_i(A)=sum from j=1 j≠i to n (|a_(ij)|(i=1、2…… n)) ;若把A的非零元用1代替 而得到—个n阶(0,1)矩阵。称为A的导出矩阵。记为;而把A的比较矩阵记为 u(A)=(b_(ij))_(n×n))其中b_(ij)=|a_(ij)|,b_(ij)=-|a_(ij)|(i,j∈N i≠j)     

代数特征值反问题之解的稳定性分析

考虑如下代数特征值反问题: 问题 G(A;{A_k}_1~n;λ).设 A=(a_(ij)),A_k=(a_(ij)~((k))),k=1,…,n是n+1个n×n的实对称矩阵,λ=(λ_1,…,λ_n)是n维实向量且λ_i≠λ_j,i≠j.求n维实向量c=(c_1,…,c_n)~T,使矩阵A(c)=A+sum from k=1 to n (c_kA_k)的特征值是λ_1,…,λ_n. 这一问题是经典加法问题的推广.当A_k-e_ke_k~~T(e_k是n阶单位阵的第k列)时,     

关于两类线性变时控制系统的一致渐近稳定性

其中,x(t)∈R~n 是状态向量,u(t)∈R~r 是输入向量,A(t)=(a_(ij)(t))_(n×n)是系数矩阵,B(t)=(b_(ij)(t))_(n×r)是输入变量系数矩阵,根据 Lagrange 常数交易公式,系统(1)的解可表为:     

B类零壹矩阵的基的一些定理

定义1 令n≥3,M=(m_(ij))_(n×n),m_(ij)=1或0,对任意固定的i(1≤i≤n)最多存在一个j_0(1相似文献   

对称次反对称矩阵的一类反问题

1 引言 用R~(m×n),SR~(n×n),ASR~(n×n),OR~(n×n)分别表示所有m×n实矩阵,n阶实对称矩阵,n阶实反对称矩阵和n阶实正交矩阵组成的集合,I_k表示k阶单位矩阵,S_k表示k阶反序单位矩阵,||A||表示矩阵A的Frobenius范数。若A=(a_(ij))∈R~(n×n),记D_A=diag(a_(11),a_(22),…,a_(nn)),L_A=(l_(ij))∈R_(n×n)其中当i>j时,l_(ij)=a_(ij),当i≤j时,l_(ij)=0,(i,j=1,2,…,n).若A=(a_(ij)),B=(b_(ij))∈R~(m×n),A*B表示A与B的Hadamard乘积,其定义为A*B=(a_(ij)b_(ij))。     

一类超越方程根皆具负实部的条件

一、引言与引理以λ为未知数的超越方程det(a_(ij)+b_(ij)e~((-λ)_τ_(ij))+λC_(ij)e~(λrij)-δ_(ij)λ)=0 (1)的根皆具有负实部的条件与下面时滞动力系统的稳定性密切相关     

圈的多重联图的邻点可区别E-全染色的一些结果

记χ_(at)~e(C_n_i)为n_i阶的圈C_n_i的邻点可区别E-全色数.若n_i≡0(mod 2)(i=1,2,3…,t),则χ_(at)~e(C_n_1+C_n_2+…+C_n_t)=2t;若n_i≡0(mod 2)(i=1,2,3…,r,l相似文献   

非奇异H-矩阵的新判据

1引言与记号设A=(a_(ij))∈C~(n×n),记N={1,2,…,n},∧_i(?)∧_i(A)=sum from j≠i|a_(ij)|,S_i(?)S_i(A)=sum from j≠i|a_(ij)|,(?)i,j∈N。若|a_(ij)>∧_i(A),(?)i∈N,则称A为严格对角占优矩阵。     

非线性灰色时滞离散系统的稳定性

的零解的稳定性,其中k∈Z(Z为全体整数之集),l为一确定的自然数;x∈R~n,f:Z×C→R~n,C为所有从{-1,-1 1,…,0}到R~n的映射组成的集合,x_k∈C,x_k=x_k(r)=x(k r)(r=-l,-l 1,…,0);A((×))=(α_(ij)((×)))及A_k((×))=(α_(ij)~(h)((×)))(h=1,2,…,l)为n×n矩阵,它们的元素不确知,只知其上、下界,即     

子矩阵约束下矩阵方程AX=B的正交投影迭代解法

<正>1引言记R~(m×n)为全体m×n阶实矩阵集合;给定矩阵A,B∈R~(m×n),记(A,B)=tr(A~TB)为矩阵A与B的内积;||A||_F=(A,A)~(1/2)=(tr(A~TA))~(1/2)为矩阵A的Frobenius范数;vec(A)为矩阵A的拉直向量;A(p_1:p_2,)为矩阵A的pz行到p2行元素组成的子矩阵;A(,q_1:q_2)为矩阵A的q_1列到q_2列元素组成的子矩阵;A(p_1:p_2,q_1:q_2)为矩阵A的p_1行到p_2行和q_1列到q_2列相交处元素组成的子矩阵;如果(A,B)=tr(A~TB)=0,则称     

一类椭球等高矩阵分布的矩

设X是m×n随机矩阵,n≥m,S=XX’,O_m是所有m×m正交阵的集合。如果对任意的Γ∈O_m,ΓX(?)X 则对任意整数k E(S~k)=c~kI_m cov(vec S~k)=α_kI_(m~2)+β_kK_(m~2)+γ_kQ_(m~2)其中 c_k、α_k、β_k、和γ_k是某些常数; I_l,l×l单位阵; K_(m~2)=sum from ij=1 to m(H_(ij)(×)H′_(ij)); Q_(m~2)=sum from ij=1 to m(H_(ij)(×)H_(ij));而 H_(ij)表示这样的 m×m矩阵,除了h_(ij)=1外,其它元素为零,(×)表示 Kronecker积。另外,本文也求出了一些特殊的α_k,β_k,γ_k和c_k的值。     

非负矩阵谱半径的两个性质及其应用

本文改进了Perron-Frobenius非负矩阵理论中有关非负矩阵谱半径的两条定理,利用该结果给出了文[3]中Jacobi迭代收敛定理的一种简单证明。以下记:n阶方阵A(α_(ij))_(n×n),非负矩阵|A|(|a_(ij)|)_(n×n),ρ(A)表示A的谱半径,I表示单位矩阵。     

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.