控制问题中的容许性问题

<正> 设■为一组回归方程,其中e_i,i=1,…,p为iidN(0,1),设计矩阵X_p=(x_1,…,x_p)′为p×p非退化矩阵,β∈R~p为参数,Y_p=(y_1,…,y_p)′为观察值向量.所谓控制问题就是寻找控制点x_(p+1)=x_(p+1)(Y_p),使得对应的输出y_(p+1)=x_(p+1)β+e_(p+1)与指定值y=1靠近,其中e_(P+1)～N(0,1)并且与Y_p独立.观察值Y_p只是起着训练样本的作用.这     

用Householder变换约化对称带形矩阵为三对角形

对于对称带形矩阵,在[1]中用Givens变换将它约化为三对角形.现在我们用House-holder镜象变换进行约化.给出向量x=(x_1,…,x_(r-1),x_r,x_(r+1),…x_j,x_(j+1),…,x_n)~T,其中x_r,…,x_j不全为零,可以找到一个镜象变换H=I-uu~T/(2k~2),(1)其中向量u的分量u_i=0(i=1,2,…,r-1,j+1,…,n),u_r=x_r+s,u_i=x_i(i=r+1,…,j),s=±(sum from i=r to j x_i~2)~(1/2),2k~2=s~2+x_r s,s的正负号选取与x_r一致,使得Hx=(x…,x_(r-1),-S,0,     

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     

加法与乘法逆特征值问题的可解性

1.引言 本文讨论如下代数特征值反问题可解的充分条件: 问题A(加法逆特征值问题)。给定一Hermite矩阵A=(a_(ij))_(n×n)及n个实数λ_1,…,λ_n,求一实对角阵D=diag(c_1…,c_n),使得A+D的特征值为λ_1,…,λ_n。 问题M(乘法逆特征值问题)。给定一正定Hermite矩阵A=(a_(ij))_(n×n)和n个正实数     

n維向量間的一個問题

本文是討論4個n維向量問的一個問題,具體地來說,就是定理:設A=(a_1,a_2,…,a_n),B=(b_1,b_2,…,b_n),X=(x_1,x_2,…,x_n)和Y=(y_1,y_2,…,y_n)為4個非零的n維向量,其向量分適合 (1) a_ib_j+a_jb_i=x_iy_j+x_jy_i(i,j=1,2,…,n)之諸關係式:那麼A,B一定分别和X,Y或Y,X成比例,即必有二數λ≠0,μ≠0致A=λX,B=μY,或A=λY.B=μX。 證明:當n=1時,A=(a_1),B=(b_1),X=(x_1),Y=(y_1)。因題設A,B,X,Y均非零向量,故此時應為a_1b_1x_1y_1≠0,故A=λX,B=μY或A=σY,B=γX之4個異於零之數λ,μ,σ,γ之存在甚為顯明,此即示定理對於一維向量來講是成立的——實際上,由於(1)的原故,此時還顯然有λμ=1或σγ=1。今用數學歸納法假定定理對於n-1維向量而言是成立的,而來考察適合關係式(1)的4個n維向量A,B,X和Y。因A為非零向量,故它必至少有一個向量分     

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.     

判断Birkhoff插值矩阵平衡性的一些方法

<正> Birkhoff 插值问题可以描述为:设E=(e_(ij))_(i=0,j=0)~(k+1 n)是一个0,1矩阵(或插值矩阵),其中恰有n+1个1,设x_0相似文献   

一个可被中学生掌握的插值公式

在中学函数教学中,利用描点法,作出简单函数y=f(x)的图象,是要求学生必须掌握的基本功。好动脑筋的同学不禁要问:若把问题反过来,知道几个点A_1(x_1,y_1),A_2(x_2,y_2),……A_n(x_n,y_n),(其中要求x_1,x_2,…x_n两两不等)能寻求一个函数y=f(x),使其图象恰好过A_1,A_2,…A_n各     

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     

疏系数多维自回归模型的建立

§1.多维自回归模型的建立在实际问题中,我们经常需要处理多维量测数据.假设{X_t,1≤t≤N}是 k 维平稳序列,X_t=(x_(1t),x_(2t),…,x_(kt))~T,满足如下形式的多维自回归模型X_t=A_0+A_1X_(t-1)+…+A_pX_(t-p)+U_t,p相似文献   

一个命题的应用

命题:设已知两点P_1(x,y_1)、P_2(x_2,y_2)的连线交直线l:Ax+By+C=0于点P(P_2不在直线l上) 求证:P_1P/PP_2=-(Ax_1+By_1+C)/(Ax_2+By_2+C) 证明:设P_1P/PP_2=λ,则点P坐标为 ((x_1+λx_2)/(1+λ),(y_1+λy_2)/(1+λ)) ∵点P在直线l上, ∴ A(x_1+λx_2)/(1+λ)+B(y_1+λy_2)/(1+λ)+C=0 解得λ=-(Ax_1+By_1+C)/(Ax_2+By_2+C) 所以P_1P/PP_2=-(Ax_1+By_1+C)/(Ax_2+By_2+C) (Ax_2+By_2+C≠0) 此命题在平几中用于证明比例线段问题,常能奏效。下面略举数例。例1.P为△ABC的边BC所对的中位线DE上任意一点,CP交AB于M,BP交AC于N,     

圆的直径式方程

<正>若圆的直径的两个端点为A(x_1,y_1),B(x_2,y_2),则此圆的方程可这样求:设圆上任一点为P(x,y),我们有AP⊥BP,即AP·BP=0.而AP=(x-x_1,y-y_1),BP=(x-x_2,y-y_2).∴圆方程为(x-x_1)(x-x_2)+(y-y_1)(y-y_2)=0,即x²+y2+y²-(x_1+x_2)-(y_1+y_2)+(x_1x_2+y_1y_2)=0.     

求解特征值反问题的同伦方法

§1.引言 本文讨论经典的加法问题,即 问题A.给定一个n阶实对称矩阵A和n个实数λ_1,…,λ_n,求n维实向量x=(x_,…,x_n)~T,使得A+diag(x_1,…,x_n)的特征值是λ_1,…,λ_n。 求解问题A的数值方法已有很多,一般是先把问题A化为一个等价的非线性方程组,然后用Newton法求解相应的非线性方程组.在[6]中,Friedland等对这方面的工     

t-可约二部分竞赛图的得分表偶

设 T_(m,n)是 m×n 二部分竞赛图,(X,T)是 T_(m,n)的顶点集合 V(T_(m,n)的有序分划,其中|X|=m,|Y|=n.设 X={x_1,x_2,…,x_m},Y={y_1,y_2,…,y_n}.顶点x_1,x_2,…,x_m 在 T_(m,n)中的得分依次为 a_1,a_2,…,a_m,a_1≤a_2≤…≤a_m;y_1,y_2,…,y_n 在 T_(m,n)中的得分依次为 b_1,b_2,…,b_n,b_1≤b_2≤…≤b_n.记 A=(a_1,a_2,…,a_m),B=(b_1,b_2,…,b_n).有序向量偶(A,B)称为 T_(m,n)的得分表偶.反之,给定有序非负整向量偶(A,B),其中 A=(a_1,a_2,…,a_m),a_1≤a_2≤…≤a_m,B=(b_1,b_2,…,b_n),b_1≤b_2≤…≤b_n,是否存在 m×n 二部分竞赛图 T_(m,n),使得(A,B)是 T_(m,n)的     

解广义特征值反问题的同伦方法

1.引言 我们讨论下列广义特征值反问题: (G)已知B是n×n阶对称半正定矩阵,λ=(λ_1,…,λ_(2n-1))~T∈R~(2n-1),且{λ_i}~(n_3),和{λ_i}_(n+1)~(2n-1)严格交错。问题是欲求一个实对称三对角n×n阶矩阵A,使得λ_1…,λ_n是Ax=λBx的特征值,λ_(n+1),…,λ_(2n-1)是A_(n-1)x=λB_(n-1)x的特征值,其中A_(n-1),B_(n-1)分别是矩阵A,B的前n-1阶主子阵。     

一类非线性调节系统的稳定性

一引言本文利用大系统分解的基本思想研究一类非线性调节系统dxX‘十 “a=ct(t)xrA‘,(t)a, b‘(t)f‘=C~t(t)x的零解的渐近稳定性与不稳定性。其中 X~T=(x_1~T,…,x_r~T),X_(?)=col(?),…,(?),A_i(t),(?)分别为 n_i×n_i 和 n_i×n_j 阶连续矩阵,b_i(t)=col(?)为连续向量函数(i,j=1,…,r i≠j);n_1 … n_r=n;σ=C~T(t)X 表示公共时变脉冲信号,C(t)=col(c_1(t),…,c_n(t))且 c=(?){|c_i(t)|}<∞;f_i(σ)为标量函数,满足0<     

均匀Ⅱ-型三角剖分上带边界条件的二元四次C~2样条函数空间

正1引言设矩形域Ω是一个闭长方形域[x_0,x_(m+1)]■[y_0,y_(n+1)],取x_0≤x_1≤,…,x_m ≤x_(m+1),y_0≤y_1≤,…,y_m ≤y_(m+1),并用直线簇x=x_i,i=1,…,m,y=y_j,j=1,…,n对Ω进行矩形剖分.在矩形剖分的基础上,连接其中各个小矩形胞腔的斜率为正的对角线所形成的三角剖分即为所谓的I-型三角剖分■,     

平稳随机序列的变秩顺序统计量的联合渐近分布

设{X_n}是平稳序列,X_1~((n))≤…≤X_n~((n))是X_1…X_n的顺序统计量。{k_n(r)},r=1,2是二变秩序列。本文在某种相关条件限制下得到了{X_(kn)~((n))(1),X_(n-_(kn))~((n))(2)+1)}的极限分布。特别地,对满足k_n(r)/n→λ(r)∈[0,1),r=1,2的特殊秩序列,得到了{(X_(kn)~((n))(1),X_(n-_(kn))~((n))(2)+1)}的所有可能的极限分布类。     

用法向量证明线面位置关系

<正>若→a⊥α,则向量→a叫做平面α的法向量,利用这条法向量就可以解决立体几何中解(证)问题.法向量的求法:设平面α的法向量为→a=(x,y,z),平面内相交两条直线所在的向量为→b=(x_1,y_1,z_1),→c=(x_2,y_2,z_2)     

一类光滑插值的显式表示及其对曲面插值问题的应用

本文研究的问题是[0,∞)上的这样一类光滑插值问题:假设给定[0,∞]上的个等距点列 0=x_0相似文献