共查询到20条相似文献,搜索用时 44 毫秒
1.
曾德备 《玉溪师范学院学报》1991,(1)
从文(1)和(2)中,我们知道,对于给定的实数域上m×n阶矩阵A,若有适合Penrose方程:(1)AGA=A;(2)GAG=G;(3)(AG)~T=AG;(4)(GA)~T=GA的全部或一部分条件的n×m阶实矩阵G,都称之为矩阵A的广义逆矩阵。通常把适合Penrose条件{i、j…}(这里{i、j…}是{1),2),3),4)}的一个子集)的所有广义逆矩阵G的集合,记为A{1,j,…}。而且还知道,结果在A{1}中找到一个特殊广义逆A~-就可以写出A{i}的通式G=A~- V(I-AA~-) (I-A~-A)U,U、V任取,同样,如果在A 相似文献
2.
设T是n阶的树,其邻接矩阵A(T)的特征值记为λ1,λ2,…,λn.Estrada指数被定义为EE(T)=ni=1Σ1eλi.由于矩阵的特征值很难计算,事实上,即使对于像A(T)这样的(0,1)‐矩阵也很难计算,因此研究者对Estrada指数建立了许多的上下界.然而,那些界仅仅给出了一些相当宽泛的估计.本文对近似计算树的Estrada指数的一种组合方法进行了研究。 相似文献
3.
余连兵 《六盘水师范高等专科学校学报》2011,23(3):1-7
应用不动点理论研究了如下的具有变时滞的细胞神经网络模型dxi(t)/dt=-ai(t)xi(t)+sum from j=1 to n[bij(t)fj(xj(t))+cij(t)fj(xj(xj(t-τj(t)))]+Ii(t) t≥0,i=1,2,…,n,其中xi(t)(i=1,2,…,n)是神经细胞的状态;n是细胞的数量;B(t)=(bij(t))n×n和C=(cij(t))n×n连续的矩阵函数,I(t)=(I1(t),I2(t),…,In(t))T是连续的概周期函数,f(x)=(f1(x1),f2(x2),…,fn(xn))T是细胞活动函数,A(t)=diag(a1(t),a2(t),…,an(t)),并且ai(t)〉0,(i=1,2,…,n),时滞0≤τi(t)≤τ(i=1,2,…,n)是有界函数,得出了其概周期解得存在性和全局指数稳定性的充分条件。 相似文献
4.
定义图Sm*Sn为V(Sm*Sn)={w;u1,u2,…,um}U{Viji=1,2,…,m;j=1,2,…,n},E(Sm*Sn)={wui|i=1,2,…,m}U{uiVij|i=1,2,…,m;j=1,2,…,n}.本文给出了Sm*Sn的点可区别的边色数. 相似文献
5.
欧阳晋泰 《上海海事大学学报》1986,(5)
关于用分段多项式作函数最佳平方逼近的问题: 设:y∈C[a,b] 求:{xi},i=1,2,…,n;{aif),i=O,1,2,…,n,j=0,1,2,…m,使本文应用最优性原理给出了一种求解方法。 相似文献
6.
庄礼斌 《贵阳金筑大学学报》2011,(4):1-4
S.L.Campbell在文献[1]中提出的形如[A B C 0]的分块矩阵的Drazin逆的表达式问题至今没有完全得到解决。本文对如下特殊情形的2×2分块矩阵[A AA* AA* 0],[AA* A A 0],其中A为立方幂零矩阵,A*为A的共轭转置矩阵,利用Drazin逆和Moore-Penrose逆的关系及立方幂零矩阵性质,给出了这些分块矩阵的Drazin逆的表达式。 相似文献
8.
陈寿元 《玉溪师范学院学报》1987,(4)
众所周知,对等关系有下面性质:没A~B,A_1~B_1,如果A∩A_1=ф,B∩B_1=ф,则A+A_(1)~B+B_1.我们自然会想到是否有下面的性质?设A~B,A_1~B_1,则A-A_1~B-B_1. 相似文献
9.
刘桂香 《扬州教育学院学报》2007,25(3):3-6
设R为实数域,A∈R2k×2k,J=[0 Sk -Sk 0,]若JAJT=A,AT=-A,则称A为反对称自正交相似矩阵.全体n阶反对称自正交相似矩阵的集合记为AJn×n,n=2k.本文研究了如下反对称自正交相似矩阵反问题:问题Ⅰ:己知X、B∈Rn×m,求A∈AJn×n,使得AX=B;问题Ⅱ:已知A*∈Rn×n,求~A∈SE,使得‖A*-‖=inf A∈SE‖A*-A‖.其中SE是问题Ⅰ的解集.给出了问题Ⅰ解存在的条件及一般解的表达式,也给出了问题Ⅱ的唯一解. 相似文献
10.
考虑如下纵向数据半参数回归模型:yij=xijβ+g(xij)+еij,i=1,2,…,n,j=1,2,…,mi,结合现有文献,利用最小二乘法和非参数权函数估计方法给出了模型中参数分量β,回归函数g(.)和误差方差σ2的估计量形式,并在适当条件下,证明了它们的r(r≥2)阶平均相合性。这些结果是截面数据半参数回归模型yi=xiβ+g(xi)+еii=1,2,…,n,的研究基础上的推广。 相似文献
11.
设A∈Cm×nr,子空间T Cn,S Cm且dimT=dimS⊥=t≤r。在AT S=Cm条件下,适当地选取矩阵U和V,文[2,4,5]中给出了广义逆A(2)T,S的Urquhart型表达式A(2)T,S=U(VAU)-1V,其中R(A(2)T,S)=R(U)及N(A(2)T,S)=N(V)。本文用矩阵满秩分解的方法,给出了A ,A M,N,Ad,Ag,A(-1)(L),A( )(L),和Ad,W等A的多种广义逆的类似的表达式。 相似文献
12.
古典概型是概率论中基本的内容之一,它研究的是等可能随机事件的概率.求古典概型的概率时,关键是确定样本空间所含样本点的总数及所求事件包含样本点的个数.因为有些样本空间可用不同的样本点来描述,所以,对于同一个问题就会出现不同的解法.因此,在教学中,应启发学生从多种角度出发,寻找最简、最好的方法求解,这对培养学生分析问题解决问题的能力是大有好处的.下面给出一些从多种解法中寻求最简方法解题的例子.1.利用对称性选取适当的样本空间例1,任掷两颗骰子一次,求出现的点数之和为奇数的概率P(A).解法一:若用二维数组表示样本点,其中i,j表示两骰子出现的点数,则样本空间Ω={(i,j),i,j=1,2,3,…,6}样本空间总数n=6×6=36,A事件包含的样本点个数r=C_2~1P_3~1P_3~1=18.故P(A)=r/n=18/36=1/2. 相似文献
13.
李宏忠 《上海海事大学学报》1990,(4)
本文解决以下两个问题:问题1,给定X,B∈R~(n×m),寻找A∈H,使得AX=B,其中H表示所有n阶正交矩阵组成的集合,这样的A组成集合S,研究集S非空的充分必要条件,给出集S元素的通式表示。问题2,给定■∈R~(n×n),求■∈S使得■ 相似文献
14.
割线法求方程根收敛速度的一个证明 总被引:1,自引:0,他引:1
1 序设f(x)是一元非线性实函数.而f(x)=0是非线性方程,且其根通常难以用公式表示,所以当方程(1)有根存在时,求根往往要用迭代逼近的方法.定义1 :设序列{x_n}收敛于S,l_n=S-x_n≠0,n=0,1,2,…….若存在实数r≥1和非零常数C,使得:则称序列{x_n}具有r阶收敛速度.割线法是一种常用的有效方法.它的迭代序列为:x_(-1),x_0,x_1 ,x_2,……x_n,……是由公式: 相似文献
15.
设R,S为广义自反矩阵,若矩阵A满足RAS=A(RAS=-A),则称之为广义反射矩阵(广义斜反射矩阵).得到了矩阵方程组AX=B,XC=D有广义反射解X的充要条件和通解表达式;对任意给定的矩阵,得到了上述问题解集合中的唯一最佳逼近解. 相似文献
16.
冷岗松 《玉溪师范学院学报》1992,(2)
1、引 言 1968年,P.Bartos引进了几维单形顶点角的概念: 设Ω是E~n中的n维单形,e_0,e_1,…,e_n,依次是Ω的n+1个界面上的单位法向量,令 D_i=det(e_0,e_1,…,e_(i-1),e_(i+1),…,e_n)则把θ_i=arcsin/D_i/定义为此单形的第i个界面对应的顶点角。从这个定义出发,Bartos建立了几维单形的正弦定理: 相似文献
17.
18.
佘连兵 《六盘水师范高等专科学校学报》2010,22(3):20-27
应用不动点理论研究了如下的具有变时滞的细胞神经网络模型
其中xi(t)(i=1,2,…,n)是神经细胞的状态;n是细胞的数量;B(t)=(bij(t)max连续的矩阵函数,I(t)=(I1(t),I2(t)…,In(t))r是连续的概周期函数,f(x)=(f1(x1),f2(x2),…,fn(xn))r是细胞活动函数,A(t)=diag(a1(t),a2(t)…,an(t)),并且a1(t)〉0,(i=1,2,…,n),时滞0≤τ1(t)≤τ(i=1,2,…,n)是有界函数,得出了其概周期解得存在性和全局指数稳定性的充分条件。 相似文献
19.
刘绪欣 《武汉市教育科学研究院学报》2000,(1)
众所周知,Maxwell 在研究电磁场性质时,曾推出一个类似于弹性力学的方程,后人便将这一方程中与应力相当的张量称为 Maxwell 张量。在静电场中,此张量可用电场强度 E表示。若利用引力场与静电场的应力相似特征,则很容易通过类比方法得到如下引力场的应力张量:T_(ij)=1/(4πG)(E_iE_j-(1/2)~2δ_(ij)) (1)式中 G:万有引力恒量~2:引力场场强i,j=1,2,3为 Kronecher 参量 相似文献
20.
陈家声 《玉溪师范学院学报》1991,(3)
1 nr -。。__.。__/1_。、。_ 定义:al,a。,…,an,为n个正数,称M。-【二*aZ ) 为al,a。,…,an的r次幂 i。1平均。 性质 1,huM。。J“1“2’“”“2,零次幂平均就是几何平均。 r 0’ rlnai、l__ 。。、t”“‘“”’tiffs;. Mbfl飞’a。e=互十…一二二一一一十o(r“) 二aZ 的 … aZ=n r(ha;·a。…。。) 。(r‘) n ]-- r r — —. a.=1 -Ina’··吧n o(r“) n-- ’ n i=1 ]_厂r。”。、 filM。tellll 1 一ill81··二81 O(t“)I ——~r 叉n“——””j ],r-’ =、Ilna’…an Otr“)I r 飞 *-“”厂 、’=nilsl…an lttlVI。fi_lie… 相似文献