-
题名两个矩阵和的{1,3}-逆与{1,4}-逆
- 1
-
-
作者
张凤霞
-
机构
聊城大学数学科学学院
-
出处
《兰州理工大学学报》
CAS
北大核心
2012年第1期136-139,共4页
-
基金
山东省教育厅科研发展计划项目(J09LA05)
-
文摘
利用矩阵的秩方法与广义Schur补的最大秩与最小秩,研究两个矩阵和的{1,3}-逆与{1,4}-逆分别与各个矩阵的{1,3}-逆与{1,4}-逆的和之间的关系.得到{A^((1,3))+B^((1,3))}={(A+B)^((1,3))}以及{A^((1,4))+B^((1,4))}={(A+B)^((1,4))}成立的充要条件.
-
关键词
{1
3}-逆
{1
4}-逆
广义SCHUR补
最大秩
最小秩
矩阵秩方法
-
Keywords
{1
3}-inverse
{1
4}-inverse
generalized Schur complement
maximal ranks
minimal ranks
matrix rank method
-
分类号
O151.21
[理学—基础数学]
-
-
题名两个线性模型间最优线性无偏预测的等价性(英文)
- 2
-
-
作者
刘永辉
-
机构
上海金融学院应用数学系
-
出处
《应用概率统计》
CSCD
北大核心
2011年第5期522-532,共11页
-
基金
supported in part by Shanghai Municipal Natural Science Foundation(10ZR1420600)
Foundation of Shanghai Municipal Education Commission(11ZZ182)
-
文摘
设M_1和M_2是两个带有预测量的线性模型,通过使用矩阵秩方法,本文给出了模型M_1下预测量的最优线性无偏预测同时也是模型M_2下的最优线性无偏预测的充分必要条件.作为这个结果的应用,我们给出了两个线性混合模型间最优线性无偏预测等价性的充分必要条件.
-
关键词
一般线性模型
混合线性模型
最优线性无偏预测
矩阵秩方法
-
Keywords
General linear model, mixed linear model, best linear unbiased predictor (BLUP), matrix rank method.
-
分类号
O151.2
[理学—基础数学]
O212.1
[理学—概率论与数理统计]
-
-
题名行块矩阵M-P逆的充要条件
被引量:1
- 3
-
-
作者
李晓彬
刘永辉
-
机构
上海金融学院应用数学系
-
出处
《数学的实践与认识》
CSCD
北大核心
2008年第21期233-236,共4页
-
基金
上海市教育委员会科技创新项目资助(07ZZ171)
上海市教委重点学科建设项目(J51601)
-
文摘
通过使用矩阵秩方法,证明了如下结果:[A,B]+=[αA+βB+]βAA*αBB*.[A,B][A,B]+=αAA++βBB+R(A)=R(B).这里,α+β=1,α>0,β>0.这两个结果是2007年田永革在国际线性代数学会会刊中获得的相应结果的推广.
-
关键词
Moore—Penrose广义逆
矩阵秩方法
代数
数学教学
-
Keywords
Moore-Penrose inverse
matrix rank method
-
分类号
O151.21
[理学—基础数学]
-