一类可解群的自同构

令R为有1的交换环,T(R)为由下定义的非Abelian群。生成元:x_(ij)(a),i相似文献   

Preneel猜想的证明

GF(2)中的m×m矩阵V=(V_(ij))若满足ⅰ)V_(ij)=0,V_(ij)=V_(ji)(1≤i,j≤n),ⅱ)矩阵V在GF(2)中可逆,则该矩阵称为V型矩阵。最近比利时学者B.Preneel等提出了一个猜想:     

关于线性模型中LS估计相合的条件

考虑线性模型如下: y_i=x′_iβ+e_i,i=1,2,…,(1.1) 其中x′_i=(x_(i1),x_(i2),…,x_(ip))是已知常值向量,β′=(β_1,…,β_p)为未知参数向量,e_i为随机误差。记设计矩阵X_n=(x_1,x_2,…,x_n)′;Y_n=(y_1,y_2,…,y_n)′;S_n~(-1)=(X′_sX_n)~(-1)(S_(ij)~((n)))_(1≤i,j≤n)并且假定当n充分大时S_n满秩,则熟知β的最小二乘(LS)估计(n)有如下表达式:     

退化矩阵β分布

作为与正态样本有关的分布,矩阵β分布(也称多元β分布)在文献中有大量的研究.令A～W_m(n_1,Σ)和B～W_m(n_2,Σ)为两个独立的维希特分布矩阵,Σ为一正定矩阵. 令C=A B.分解C=T′T,其中T为一具正对角元的上三角阵 令U=(T′)~(-1)·AT~(-1).则U的分布称为矩阵β分布并记为B_m((n_1)/2,(n_2)/2)其中n_1 n_2>m-1. 如果n_i是实数,则还要求n_i>m-1(i=1及/或2).如果n_1,n_2都大于m一1,则U是非退化的并具有在m×m正定矩阵空间上的密度.本文采用文献[2]中的记号,并记A(S)=diag(λ_1(S),…,λ_n(S)),其中λ_i(S)为S的第i大(非零)特征根,S∈_(m,n)~1·S_(m,n)~(?)上的微分形式定义为(dS)=2~(-n)|L|~(m-n)×     

随机线性方程组的一个极限性质

考虑随机线性方程组这儿W_n=(w_(ij))_(nxn),w_(ij),i,j=1,2,…为一列iid随机变量序列且EW_(ij)=0。V_n=(α_1,…,α_n)′为n×1列向量,{α_n},n=1,2,…为一列常数序列。这类方程组在一些物理大系统中起着十分重要的作用.Geman和Hwang(参见Z.wahrsch.     

广义Kac-Moody代数模的权链与权集

广义Kac-Moody代数的概念是由Borcherds首先引入的,普通Kac-Moody代数的许多结果都可推广到其上去(详见文献[1]和[2]中§11.13),本文讨论了广义Kac-Moody代数模L(A)的权链和权集的某些性质.设A=(a_(ij))_(n×n)为一实矩阵且满足(Cl)a_(li)=2或a_(ii)≤0,(C2)a_(ij)≤O,如果i≠j;a_(ij)∈Z,如果a_(ii)=2,(C3)a_(ij)=O当且仅当a_(ji)=0,     

可微函数类上的最优恢复

§1.问题的提出 给定n≥2,W_∞~(n)(R)表示R上定义的n阶可微函数全体,其中每一f∈W_∞~(n)(R)有局部绝对连续的n—1阶导数f~((n-1)),且满足约束条件‖f~(n)‖_∞≤1。记K=W_∞~(n)(R)∩L~∞(R)。以E表示可列点集ζ={ζ_j}_(j=-∞)~(+∞)的集合,其中每一ζ_j满足2j≤ζ_j—α<2(j+1)对某个α(随ζ变动的数)成立,j=0,±1,±2,…。并以(?)_(2k)表示E的以2k为周期的子集,即(?)∈(?)_(2k),     

半相依回归方程的一种优于BLUE的估计

一、引言 考虑半相依回归方程Y_i=X_iβ_i+ε_i(i=1,2),其中Y_i是n×1的随机观测向量,X_i是n×p_i阶列满秩矩阵,β_i是p_i×1的未知回归系数,ε_i是n×1的随机误差向量,且满足E(ε_i)=0,cov(ε_i,ε_j)=σ_(ij)I (i,j=1,2),其中σ_(12)≠0,I是n阶单位阵,Σ=(σ_(ij))是2×2阶正定阵。这样的方程可以写为如下线性模型:     

几种群Lotka-Volterra周期竞争系统的定性分析

考虑n种群Lotka-Volterra竞争系统:其中b_i(t),a_(ij)(t)(i,j=1,2,…,n)为连续的ω周期函数,且integral from n=0 to ω b_i(t)dt>0和a_(ij)(t)>0     

部分线性模型中M型回归样条估计的一些新结果

考虑下列部分线性模型Y_1-X′_1β_0+g_0(T_1)+e_i,1≤i≤n,其中(T_1,X_1,Y_1),…,(T_n,X′_n,Y_n)是随机向量(T,X′,Y)的 i.i.d.样本,X∈R~d,T∈[0,1],β_0为未知参数向量,g_0是一光滑未知函数.这个模型在文献[1]中首次被提出,文献中研究过β_0和 g_0(t)的估计,例如,基于惩罚函数法的平滑样条估计;基于核方法的估计;用分段多项式来逼近 g_0,基于最小二乘法的估计.由于上述估计不稳健,文献[8]用分段多     

硫系Ge_(15)Te_(8l)S_2Sb_2非晶态半导体薄膜的电导特性

Ge_(15)Te_(81)S_2Sb_2薄膜的直流电导与温度的关系.观察到两个线性区域并遵从如下关系式:σ_(dc)=σ_(01)exp(-△E_1/kT) σ_(02)exp(-△E_2/kT)式中k是玻耳兹曼常数,T是绝对温度.实验得到:两个线性区发生转折的温度是244K左右.△E_1(0.494eV)为载流子在扩展态(T>244K)中输运的激活能,它与样品厚度无关;△E_2(0.267eV)为载流子在定域态(T<244K)中输运的激活能. σ_(01)=1.5×10~(-1)(Ω·cm)~(-1),σ_(02)=1×10~(-3)(Ω·cm)~(-1),σ_(01)/σ_(02)≈10~2表明扩展态与定域态中载流子的迁移率相差很大.在201～400K温度范围,测量了硫系     

泛可积模的可约性

设是A=(α_(ij))_(i,j=1)~n是一个可对称化的广义Cartan矩阵,(η,π,π~v)是A的一个实现,其中π={α_1,…,α_n};π~v={α_1~v,…,α_n~v}。设(A)是结合于A的Kac-Moody代数,{e_i,f_i|1≤i≤n}是(A)的Chevalley生成员的集合。P={λ∈η~*|<λ,α_i~v>∈Z,1≤i≤n}     

关于用相似性法鉴别双生儿类型的准确率

关于用相似性法鉴别双生儿类型,本文给出较一般的准确率公式,并指出文[1]中存在的问题.设双生儿有n 个指标x_1,x_2,…,x_n 一致,其中第i(i=1,2,…,n)个指标x_i 来自婚配型A_(ij) 的概率为P_(ij),并且sum j=1 to n_i p_(ij)=1,而婚配型A_(ij)中出现这第i 个指标x_i 的概率为q_(ij)(j=1,2,…,n_i).又设一对双生儿为二卵性起源(即一对双生儿为双合子双生儿(二卵双生儿或异卵双生儿))的概率为p,而且上述事件都互相独立,那末上述n 个指标一致的一对双生儿为双合子双生儿的概率为     

中位数交叉核实准则

考虑非参数中位数回归模型Y_(ni)=g(x_(ni)) ε_(ni),1≤i≤n,(1)其中g:[0,1]|→R是待估计的连续函数,{x_(ni):1≤i≤n}是区间[0,1]上的非随机设计点列,{ε_(ni):1≤i≤n}是iid随机变量,中位数为零,{Y_(ni):1≤i≤n}是观察值.对x∈[0,1],n≥1,记D_(nj)(x)为x的第j个近邻,j=1,2,…,n,即{D_(n1)(x),D_(n2)(x),…,D_(nn)(x)}为{x_(n1),x_(n2),…,x_(nn)}的一个置换,满足|D_(n1)(x)-x|≤|D_(n2)(x)-x|≤…≤D_(nn)(x)-x|,结按自然顺序消去.令Y_(ni)(x)和ε_(ni)(x)分别表示D_(ni)(x)(1≤i≤n)处的观察值和随机变量.下面的估计g_n(h,x)=(?){Y_(n1)(x),Y_(n2)(x),…,Y_(nh)(x)},(2)(?)表示样本中位数,这个估计称为g(x)的最近邻中位数估计(或者局部中位数估计),其中近邻个数h起着光滑参数作用.h的选择对估计的好坏起着决定性的作用.作者与郑忠     

关于线性型转换定理的一个注记

命m与n为整数≥1及(?)_(ij)(1≤i≤m,1≤j≤n)为给予的一组mn个实数。命‖x‖表示实     

最小二乘估计相合性的若干结果

(?)≡(x_1,x_2,…)是已知的p维向量序列,e≡(e_1,e_2,…)是随机误差列,β≡(β_1,…,β_i)′是未知的回归系数向量.记S_n=x_1x_1~′…+x_nx_n~′.设当n≥n_0时,S_1~(-1)存在.把p×n矩阵S_n~(-1)(x_1…x_n)的(j,i)元记为u_(nji),则β的最小二乘(LS)估计为     

自然数因子分解的幂指数的渐近式(Ⅰ)

设n=P_1~(α_1)P_2~(α_2)…p_r~(α_r),定义h(n)=min(α_1,α_2,…,α_r)。P.Erd(?)s猜想: sum from j=1 to n(h(j)=n c(n~(1/2)) o(n~(1/2))), 此处c=ζ(3/2)/ζ(3),ζ(s)表示Riemnan-zeta函数。     

可压缩的Navier-Stokes方程解的存在性

本文考虑如下形式的n维可压缩流体的Navier-Stokes方程(n≥2): (?)_tρ+sum from j=1 to n((?)_j(ρu_j))=0, (?)_tu_i-sum from j=1 to n(ρ~(-1)[μ(?)_j((?)_ju_j+(?)_iu_j)+μ′(?)_i(?)_ju_j])=-sum from j=1 to n(u_j(?)_ju_i-ρ~(-1)(?)_iP(ρ),(1) ρ|_(t=0)=(?)+(?)_0(x),u|_(t=0)=u_0(x),其中t≥0,x=(x_1,…,x_n),ρ为密度,u=(u_1,…,u_n)为速度,μ,μ′为粘性系数,P(ρ)为压力,为一常数,用|·|_s表示Sobolev空间范数。有如下结论:     

部分线性模型参数分量的M估计的渐近正态性

Engle等人提出了下列部分线性模型Y_i=X_i~tβ_0 g_0(T_i) u_i,1≤i≤n其中(T_1,X_1~t,Y_1),…,(T_n,X_n~t,Y_n)是随机向量(T,X~t,Y)的i.i.d.样本,U_i为随机误差,U_1,…,U_n与(T_1,X_1~t),…,(T_n,X_n~t)相互独立,X∈R~d,T∈[0,1],β_0为未知参数向量,g_n是一光滑未知函数.文献中,有许多学者讨论了关于这个模型的估计问题,包括惩罚函数法、基于分段多项式逼近的最小二乘法和基于核函数近似的最小二乘法.由于上述方法得到的估计不稳健,本文用分段多项式逼近g_0讨论较稳健的M估计.记g_n(t)=(?)(t)~ta为一分段m阶多项式,其段数为M_n,其中(?)(t)是一函数向量,β_0和     

区间参数矩阵的稳定性

一、引言 区间矩阵的稳定性问题的研究,最近取得了一些较好的结果。所谓区间矩阵的稳定性,即考虑n×n实矩阵P=(p_(ij))、Q=(q_(ij)),其中p_(ij)≤q_(ij), i, j=1, 2, …, n,记 N[P,Q]={A=(a_(ij)∈R~(n×n)|p_(ij)≤a_(ij)≤q_(ij), i,j=1,2,…,n},若对任意A∈N[P, Q]均有A稳定(即A的所有特征根的实部均小于零),则称区间矩阵