不变性在线性代数中应用两例

本介绍数学中“不变性”思想，讨论了线性代数中某种条件下秩数不变、特征多项式带征值不变；对称性、半正定、正定性不变；以及度量性不变，一以初等变换为首要方法，解决线性代数中一类重要问题，阐述了矩阵或线性方程组线性变换的本质。     

高考预效度的混合估计

用传统的预测效度估计法估计高考预测效度，其估计值往往偏低。为此，本文应用回归分析中混合估计理论提出了高考预测效度的混合估计。这种估计是预测效度的无偏估计，并解决了预测效度估计值偏低的问题。     

一类带Wolfe条件的修改的Broyden算法

本文提出一类带Wolfe条件的修改的Broyden算法,证明了在一定条件下,算法具有整体收敛性、超线性收敛率和二阶收敛性,及Broyden算法的一些收敛性质。1.算法     

具有随机窗宽核估计的一致强相合性

设 X_1,…,X_m i.i.d.是取值于 R~n 中的随机向量,X_1 有概率密度 f(x),取正随机变量 H_m(x,ω)=H_m(x,X_2(ω),…,(ω))为随机窗宽,f(x)的核估计与最近邻估计分别如下:f_m(x)=(mH_m~n(x,ω))~(-1)sum from i=1 to m K((X_i-x)/H_m(x,w))f_m(x)=(ma_m~n(x,w))~(-1) sum from i=1 to m K((X_i-x)/a_m(x,w)),m≥1,x∈R~n.假定 K 为 R~n 中有界变差函数,当 f(x)与 K(x)的条件比[1]弱时,我们讨论了 f_m(x)与 f_m(x)的一致强相合性。本文所得随机窗宽的结果与[1]中常数窗宽的结果相同,这些结果也比[2]和[5]中的要好。     

在中心上整的内射齐次Noether环

本文证明了在中心上整的Ｎｏｅｔｈｅｒ环是内射平滑的当且仅当它是Ａｕｓｌａｎｄｅｒ－Ｇｏｒｅｎｓｔｅｉｎ和Ｍａｃａｕｌａｙ的以及在中心上整的Ｎｏｅｔｈｅｒ环是内射齐次的当且仅当它是Ａｕｓｌａｎｄｅｒ－Ｇｏｒｅｎｓｔｅｉｎ和局部Ｍａｃａｕｌａｙ的．     

角域上的调和函数与条件Brown运动

设中的角域．该文绘出了A上正调和函数的Martin表示，讨论了极小调和函数与条件Brown运动的一个0—1律之间的关系，并给出了A上极小调和函数的表现形式，     

一类广义差分方程组与CDS方法的收敛性

本文首先证明了基于 ILMM 的 CDS 格式是不收敛的,然后对一类广义差分方程组给出了解的估计式,最后,在这个基础上,对基于 IMLMM 的 CDS 格式建立了收敛性定理,给出的收敛阶也是最佳的。