利用初等变换求极大线性无关组

给出利用矩阵的初等变换求极大无关组的方法，并从理论上加以证明。此法简单易行，且计算量小。     

线性序拓扑空间中的子空间与子序空间

R.Engelking在《General Topology》中讨论了线性序集的序拓扑的子空间和子序空间的关系,指出两种子空间是不同的,并给出了它们同胚的一些充分条件。本文给出了它们同胚的充要条件;证明了任何可数线性序空间与有理数的某个子空间同胚,且举例说明对非可数线性序集并没有类似结果。最后证明了良序集和实数集合具有序拓扑遗传性。     

再谈体上线性映射的子空间的维数及其应用

（１）中给出了左向量空间的线性映射的某些子空间的维数恒等式，并讨论了它在体上矩阵秩的理论上的应用，本文对这类问题给出了进一步的讨论，并推广了（１）中的一些结论。     

关于余子空间个数的量性分析

本文对一些情况下的余子空间的存在性进行了更深入的量性分析。     

近似空间的乘积空间和子空间及映射

以往粗集理论的研究或应用均局限于单个近似空间.客观世界中的事物是彼此关联的,粗集作为近似描述模糊概念的数学工具局限于单个近似空间显然是不够的,粗集理论应该有更广阔的领域.在此尝试讨论近似空间之间的关系,提出乘积空间和子空间的概念,利用映射建立近似空间之间的联系,提出近似空间同构的概念.     

子空间上连续线性泛函的延拓

本文研究了拓扑矢量空间的子空间上的连续线性泛函的延拓，我们得出了下面新的结果；设Ｌ是复数域Ｋ上拓扑向量空间，并且ｆ是定义在Ｌ的子空间Ｍ上一个连续线性泛函，如果Ｍ＝Ｌ或Ｍ是有限余维的，则ｆ可以连续线性延拓到Ｌ上。     

半群SPOn的极大正则子半群

设SPOn是有限链Xn={1,2,3,…,n）上的严格保序部分变换半群．该文利用格林关系讨论了SPOn的极大正则子半群,确定了sPOn的所有极大正则子半群．     

基于互补子空间线性判别分析的人脸识别

基于随机子空间,提出了一种用于人脸识别的互补子空间线性判别分析方法. 与Fisherface和零空间线性判别分析相比,该方法同时在主元子空间和零空间中进行判别分析,并在特征层融合这两个子空间的判别特征. 根据最适宜的零空间状态构建随机子空间,随机子空间的融合在决策层进行. 多个人脸数据库上的实验结果表明,本算法能够有效地解决线性判别分析中的小样本规模问题.     

线性空间中与子空间的并集合基本上不相交的子空间的存在性及维数

在线性空间V中,对于一些真子空间的并集合M来说,一定存在着V的非零子空间V0使得M∩V0={0},并且这些V0的最大维数可确定。     

线性子空间的并集完全不覆盖的基

在n维线性空间V中,对于有限个真子空间的并集M,都存在V的一个无穷子集U使得M完全不能覆盖U,并且U中的任何的n个元都是V的基。在不可数数域上的n维线性空间V中,对于可数个真子空间的并集M,都存在V的一个无穷子集U使得M完全不覆盖U,并且U中的任何的n个元都是V的基。在n维欧氏空间V中,对于可数个真子空间的并集M,都存在V的一个可数的无穷子集所作成的序列U,使得M完全不覆盖U,并且U中含有V的标准正交基,U中任何的,n个相连的元都是V的基；对于任何的正整数m,V有m个标准正交基完全不被M覆盖。     

子空间辨识方法的研究与改进

文中研究了基于状态空间模型的子空间状态空间系统辨识方法,具体介绍了该方法的辨识原理,同时将该方法与AIC准则相结合,对子空间辨识方法进行了改进,并对该方法进行了仿真研究。结论表明:该方法可以非常准确地得到系统的阶次,避免由于阶次选择不同而引起的辨识误差,具有很广阔的实际应用前景。     

距离线性空间成为赋准范、赋拟范线性空间的条件

在距离线性空间成为赋范线性空间的基础上,导出了距离线性空间成为赋准范线性空间的条件是:距离d(x,y)还要满足平移不变性;距离线性空间成为赋拟范线性空间的条件是:此空间应为拟距离线性空间,且此拟距离还满足平移不变性及绝对齐性.     

拓扑线性空间与Euclid空间的线性同胚性

应用拓扑线性空间中局部基构造的方法,利用有界集的性质和Euclid空间的特点,对拓扑线性空间附加了一些条件,证明了拓扑线性空间与Euclid空间是线性同胚的.     

解线性方程组的子空间直交基裂分法

 提出了一种解线性方程组的新方法,目的在于降低方程组的阶数进行计算,比Schur算法在计算量方面大为减少,特别对阶数越高稀疏性越强的方程组计算量的减少越为显著,并且该方法的算法比较简单,是一个有效的算法,在实用和理论上都有一定意义;最后在计算机上举数值例子与Schur方法进行比较.     

赋范空间上紧线性算子零空间的性质

在赋范空间中，紧线性算子T的零空间有2个性质：(1)对每一非零的特征值，Tλ＝T-λI的零空间是N(Tλ)为有限维的；(2)总存在一正整数r使得对大于r的所有整数n，N(Ti)都相等，证明了这2个性质的假设条件还可减弱。     

解大型线性方程组的轮换重新开始Krylov子空间方法

重新开始Krylov子空间方法(包括Galerkin法和最小二乘法)是求解大型线性方程组的一类流行和重要的方法。然而,这类方法容易在收敛过程中发生中断或停滞现象。为了解决这一问题,本文提出一种新的重新开始格式,称之为轮换重新开始格式。该格式的基本思想是通过轮流使用方程组系数矩阵与其转置矩阵来生成Krylov子空间。轮换重新开始Krylov方法的迭代残量容易在各个特征向量方向上取得大致相等的收敛量,从而使得收敛得到改善。数值实验结果表明轮换重新开始Krylov子空间方法能够有效解决收敛失败的问题。     

基于子空间距离的局部切空间增量学习

提出一种基于子空间距离的局部切空间增量学习方法ISLTSA。首先采用基于划分的简化局部切空间排列算法SLTSA,把初始样本集划分为彼此重叠的多个局部最大线性片;然后引入向量到子空间的距离测度描述新数据点与局部最大线性片的接近程度,并将新数据点归入距离其最近的局部最大线性片中;最后,新数据点的全局低维坐标可由局部线性子空间与全局低维流形的仿射变换计算得出。对多个经典数据集的降维结果表明,ISLTSA算法能够保留数据集的局部几何性质,是一种有效的非线性增量学习方法。     

k元线性变换及其矩阵的性质

给出k元线性变换的等价条件,讨论了k元线性变换的性质;然后给出了k元不变子空间的定义,讨论了在k元不变子空间下k元线性变换的矩阵的性质。