共查询到20条相似文献,搜索用时 546 毫秒
1.
考虑线性系统■其中x=(y~T·z~T)~T,y=(x_1,…,x_m)~T,z=(x_(m+1),…,x_n)~T P>0,P+m=n);A,B,C,D是相应阶数的常数矩阵;A(t),B(t),C(t),D(t)均为[a,+∞)上相应阶数且足够连续可微的有界矩阵。 相似文献
2.
一类非自治非线性系统零解的稳定性 总被引:3,自引:0,他引:3
dx_i/dt=A_i(t)x_i,(i=1,…,r) (3)的一个线性关联。这里x_i=col(x_1~((i)),…,x_(ni)~((i)))(i=1,…,r),n_1 … n_r=n,x~T=(x_1~T,…,x_r~T),A_i(t)为n_i×n_i(i=1,…,r)阶实对称矩阵,其特征方程的根关联项A_(ij)(t)为n_i×n_j阶矩阵,A(t)的每一元素连续有界,设|a_(ij)(t)| 相似文献
3.
(?)≡(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 相似文献
4.
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: 相似文献
5.
6.
非负整值随机变量序列的一类强律 总被引:4,自引:0,他引:4
设{X_n,n≥1}是一列在S={0,1,2,…}中取值的随机变量,其分布为f(x_1,…,x_n)=P(X_1=x_1,…,X_n=x_n)>0,x_k∈S,1≤k≤n.(1)易知{X_n,n≥1}独立同分布的充要条件是存在S上的分布(p(0),p(1),…),P(i)>0,i∈S,(2)使得对任意正整数n有f(x_1,…,x_n)=multiply from k=1 to n p(x_k),x_k∈S,1≤k≤n.(3)为了表征{X_n,n≥1}与服从分布(3)的独立随机变量之间的差异,我们引进如下的似然比: 相似文献
7.
对任意自然数n和Hausdorff空间X.记S_n为n次对称群,X~n为X的n重乘积空间,以及SP~nX=X~n/S_n为X的n重对称积.SP~nX中元素z通常记为z=[x_1,…,x_n], 相似文献
8.
线性模型中最小二乘估计的强收敛速度 总被引:1,自引:1,他引:0
考虑线性模型如下:y_i=x_i~′β+e_i,i=1,2,…, (1)其中x_i~′=(x_(ij),…,x_(ij)为已知常值向量,β′=(β_r,…β_p)为未知参数向量。令设计矩阵X_n=(x_1…,x_n)′;Y_n=(y_1,…,y_n)′;S_n~(-1)=(X_n~′X_n)~(-1)(?)(S_(ij)~n)1≤i,f≤n。熟知β的最小二乘估计(n)有如下表达式 相似文献
9.
本文用矩阵谱半径这个重要数据建立一类泛函B_i(i=1,2,…,n)的乘积空间,x=col(x_1,x_2,…x_n)方程逐步逼近法的两个控制收敛性定理。∈B,意指x_i∈B_i(i=1,2,…n)可仿n维欧氏空间 设B(?)B_1×B_2…×B_n为n个Banach空间的三种赋范方式对B赋范。 相似文献
10.
这里扼要给出我们在非线性正系统方面所得到的几个结论,有关定义见文献[1].文献[2]中通过矩阵给出了线性正系统的概念.以下定义是更一般的:定义设某系统在零时刻由x 出发的轨线为φ(t,x),并记R_+~n={(x_1,x_2,…,x_n)~T∈R~n|x_i≥0,i=1,2,…,n).若对任意的x∈R_+~n,有φ(t,x)∈R_+~n,(?)t≥0,则该系统为一正系统.其中t 对于连续系统属于实数集R,对于离散系统属于整数集Z. 相似文献
11.
设f(x)是n次复多项式。H. W. Kuhn构造了序列(x_(jk),d_(jh),j=1,…,n,k=1,2,…,使得,这里x_1,…,x_n都是,f(z)的根(Fixed Points; Algorithms and Applications, Acade-mic Press, New York. 1977)。 相似文献
12.
用相位确定信号的一个问题 总被引:4,自引:0,他引:4
设x(n)和y(n)是两个实数列,其中n取值0,1,2,…,它们的Z变换分别为 X(z)=sum from n=0 to ∞ x(n)z~n,y(z)=sum from n=0 to ∞ y(n)z~n。若x(z)和Y(z)在|z|≤1上解析,于是当ω∈[-π,π)时有 X(e~(iω))=|X(e~(iω))|e~(iω)x~(ω),Y(e~(iω))=|Y(e~(iω))|e~(iθ)y~(ω),这里θ_x(ω)和θ_y(ω)分别称为x(n)和y(n)的相位谱。现在的问题是如果θ_x(ω)=θ_y(ω),则x(n)和y(n)应有怎样的关系?Oppenheim等在文献[1]中得到一些结果,主要的是下面的 相似文献
13.
设X=(x_1,x_2,…,x_n)为n 个症状(或体征,为方便计,以下统称为症状)的向量.各分量用0或1赋值,即x_j={1,若第j 个症状出现, 0,其他情况,j=1,2,…,n.又设U={X}是症状向量的集合,它一共有2~n 小元素.令S_(?)(i=1,2,…,m)表示m 个证 相似文献
14.
15.
16.
V为n维酉空间,(?)~kV为定义了诱导内积(x~(?),y~(?))=multiply from i=1 to k (x_i,y_i)的k 阶张量积空间,其中x~(?)=x_1(?)…(?)x_k,y~(?)=y_1(?)…(?)y_k 为(?)~kV 中的可合张量.对于(?)~kV 中的线性算子(?),K.Fan与Marcus 等人在[1,2]中定义了(?)的数值域W~(?)(?)={((?)x~(?),x~(?))|x_1,…,x_k,o.n.},并研究了它的若干基本性质.最近,王伯英证明了,若(?)=A_1(?)…(?)A_k,A_i∈L(V),i=1,…,k,k相似文献
17.
A.M.Russell定义并研究了RS_K积分.本文将研究各类RS_K积分与普通RS积分的关系,指出在所有RS_K 积分存在条件下,都可把它化成RS 积分.定义设f、g 是定义在[a′,b′]上的实函数,分法Γ(x_(K+1),…,x_(n+K-1)):a′≤x_(K+1)<…0,(?)δ(ε)>0,当‖Γ‖=max (x_i-x_(i-1))<δ(ε),ζ_i∈[x_i,x_(i+K)] 相似文献
18.
m值随机变量序列一类极限定理的信息条件 总被引:8,自引:0,他引:8
设{X_s,n≥1}是在S={1,2,…,m}中取值的随机变量序列,其联合分布为P(X_1=x_1,…,X_n=x_n)=p(x_1,…x_n)>0, 相似文献
19.
设F是特征为零的域,f_i∈F[x_1,…,x_n],1≤i≤n。若多项式映射φ=(f_1,…,f_n)-F~(?)→F~n (x_1,…,x_n)(?)(f_1(x_1,…,x_n),…,f_n(x_1,…,x_n))可逆,易知其Jacobi行列式J(f_1,…,f_n)=det((?)f_i/(?)x_i)必为F中非零元。这一命题之逆,就是著名的Jacobi猜想。从Keller正式提出这一问题起,迄今已近五十年,仍未得到解决。 相似文献
20.
本文中,假定基域k是代数封闭域P_k~n是n-维射影空间,V是P_k~n的射影代数闭集,W是P_k~m中射影代数闭集.{F_i}_(i=0)~m(?)k[X_0,…,X_n],F_i是齐次多项式且次数都是d.假定V(F_0,…,P_m)(?)V=Φ,可定义一个正则映射F:V→W满足: F(x_0,…,x_n)=(F_0(x_0,…,x_n),…,F_m(x_0,…,x_n)),其中(x_0,…,x_n)∈V。 利用Gr(?)bner基给出F是“限制同构”的充要条件。为此先给出其定义。 定义 如上所述的F:V→W,如果存在L使得L:W→V,满足F(?)L=id_w,L(?)=id_v,并且L=(L_0,…,L_n),{L_i}_(i=0)~n(?)k[Y_0,Y_0,…,Y_m],L_i为齐次多项式并且次数都是d′. 我们所用Gr(?)bner基的表述和结论都来源于文献[1]~[3]。 相似文献