1) cyclic moment and time-varying moment
时变矩和循环矩
2) sum of the first and the last circulant matrices
首尾和循环矩阵
1.
In this paper, an algorithm for solveing the inverse(group inverse) of sum of the first and the last circulant matrices is presented by computing polynomials.
利用多项式矩阵理论,对首尾和循环矩阵给出了一种算法,用来计算它的逆矩阵或群逆。
3) circulant matrices
循环矩阵
1.
Eigenvalues of a kind of circulant matrices and its application on subdivision;
一类循环矩阵的特征值及其在细分方法中的应用
2.
VLSI decoding design of low-density parity-check codes based on circulant matrices
基于循环矩阵的低密度校验码的VLSI译码设计
3.
Making use of some relations between discrete Fourier transformation and convolution, I give a sufficiency and necessary condition which estimates that a matrix is a circulant matrix, and give concretely an accounting formula of m-orders circulant matrices.
利用离散Fourier变换与卷积的关系,给出了判断一个矩阵为循环矩阵的充要条件,并具体给出了一种求循环矩阵的m次幂通项的计算公式。
4) circulant matrix
循环矩阵
1.
An algorithm for computing the inverse of two kind circulant matrix;
两类循环矩阵求逆的一种算法
2.
On the properties and generalized inverse of (-1)-circulant matrix
(-1)-循环矩阵的性质及广义逆
3.
Based on the special charicteristics of circulant matrix, a new formula of inversion for a type of specific matrix is proved in this paper.
求逆矩阵通常的方法是初等变换法或伴随矩阵法,计算量大且容易出错,本文利用循环矩阵的特殊性质给出了一类特殊循环矩阵求逆的计算公式,简化了一类特殊循环矩阵求逆的计算。
5) circular matrix
循环矩阵
1.
Four theorems are presented and proved for eigenvalues and eigenvectors of circular matrix including symmetrical circular matrix, which forms the uniform mathematical principle of phase-sequence transformation for 3-phase and high phase order AC power networks.
给出了循环矩阵和对称循环矩阵的特征值和特征向量的4个基本定理:构成了含三相在内的多相交流电网相序变换的统一数学原理。
2.
Circular matrix may be diagonalized while diagonalized matrix is equal to similar circular matrix.
循环矩阵可对角化,矩阵可对角化等价相似循环矩
3.
The generalization of a theorem for circular matrix is given by using generalized Vandermonde matrix,and several properties of generalized circular matrix are obtained.
利用范德蒙矩阵对循环矩阵的一个定理给出了推广,并得到了广义循环矩阵的几个性质。
6) cyclic matrix
循环矩阵
1.
The inverse matrix of the special binary symmetry cyclic matrix;
特殊二元对称循环矩阵的逆矩阵
2.
On the inverse matrix of the double-binary level-2 (r_1,r_2)-cyclic matrix of type (n,m);
双二元(n,m)型二重(r_1,r_2)循环矩阵的逆矩阵
3.
On the inverse matrix of the binary level-2 cyclic matrix of type (n,2);
二元(n,2)型二重循环矩阵的逆矩阵
补充资料：矩
描述随机变量概率分布的宏观特性的一类常用的量。设X为一随机变量,F(x)是它的分布函数。对于任一正整数k,xk的数学期望EXk称为X 的k阶原点矩,它可以由如下的斯蒂尔杰斯积分表示和计算：
。一阶原点矩就是数学期望EX。E(X-EX)k称为X的k阶中心矩，同样可以表为。一阶中心矩永远等于零，二阶中心矩就是方差 varX ＝E(X-EX)2。
此外,对于任何正实数r，还可以定义X的r阶原点绝对矩和r阶中心绝对矩。
概率论中矩的概念与力学中矩的概念是类似的，如果将概率分布类比于物体的质量分布，则数学期望相当于重心，二阶矩相当于转动惯量，等等。由于各种矩在描述和确定概率分布时常起重要作用，因而它们在概率论与数理统计中有广泛运用。
设X与Y是两个随机变量,F(x,y)是它们的联合分布函数,则对于任何正整数k,Л,还可以定义X与Y的k+Л阶混合原点矩EXkYl和k+Л阶混合中心矩。其中最常用的是二阶混合中心矩,称之为X与Y的协方差，记作 cov(X，Y)，它又等于EXY-(EX)(EY)，且有如下的积分表达式：。协方差用来刻画两个随机变量之间线性联系的程度，为了消除不同量纲的影响,对于方差不为零的随机变量,常用它们的标准差加以标准化，协方差标准化后，记作
，称为X与Y的相关系数。ρXY的数值在－1与 1之间，而的充分必要条件是：存在三个常数α,b,с，其中α，b不全为零，使线性关系式αX+bY=с以概率 1成立。当ρXY=0时，称X与Y不相关,这时成立EXY=(EX)(EY)，var(X+Y)=varX+varY。当时,X与Y之间的关系是，其中Z为一随机变量，它满足ρYZ=0,EZ=0以及。由此可见，当ρXY≠0时，X与Y之间有某种线性联系；|ρXY|越接近1，这种线性联系的程度越密切。此外，若X与Y独立，则X与Y不相关，但逆之不然。
对于n维随机向量 X=(X1,X2,...,Xn)′，若令，ρij为Xi与Xj的相关系数，则n×n矩阵，，分别称为X的协方差阵(也称方差阵)和相关阵。它们都是非负定的对称矩阵（见矩阵）,能刻画X各分量与其数学期望间的平均偏离程度以及各分量之间的线性联系程度。
若Z1,Z2是两个复随机变量，则定义它们的协方差为，它们的相关系数为，其中varZ表示复随机变量的方差。
。一阶原点矩就是数学期望EX。E(X-EX)k称为X的k阶中心矩，同样可以表为。一阶中心矩永远等于零，二阶中心矩就是方差 varX ＝E(X-EX)2。
此外,对于任何正实数r，还可以定义X的r阶原点绝对矩和r阶中心绝对矩。
概率论中矩的概念与力学中矩的概念是类似的，如果将概率分布类比于物体的质量分布，则数学期望相当于重心，二阶矩相当于转动惯量，等等。由于各种矩在描述和确定概率分布时常起重要作用，因而它们在概率论与数理统计中有广泛运用。
设X与Y是两个随机变量,F(x,y)是它们的联合分布函数,则对于任何正整数k,Л,还可以定义X与Y的k+Л阶混合原点矩EXkYl和k+Л阶混合中心矩。其中最常用的是二阶混合中心矩,称之为X与Y的协方差，记作 cov(X，Y)，它又等于EXY-(EX)(EY)，且有如下的积分表达式：。协方差用来刻画两个随机变量之间线性联系的程度，为了消除不同量纲的影响,对于方差不为零的随机变量,常用它们的标准差加以标准化，协方差标准化后，记作
，称为X与Y的相关系数。ρXY的数值在－1与 1之间，而的充分必要条件是：存在三个常数α,b,с，其中α，b不全为零，使线性关系式αX+bY=с以概率 1成立。当ρXY=0时，称X与Y不相关,这时成立EXY=(EX)(EY)，var(X+Y)=varX+varY。当时,X与Y之间的关系是，其中Z为一随机变量，它满足ρYZ=0,EZ=0以及。由此可见，当ρXY≠0时，X与Y之间有某种线性联系；|ρXY|越接近1，这种线性联系的程度越密切。此外，若X与Y独立，则X与Y不相关，但逆之不然。
对于n维随机向量 X=(X1,X2,...,Xn)′，若令，ρij为Xi与Xj的相关系数，则n×n矩阵，，分别称为X的协方差阵(也称方差阵)和相关阵。它们都是非负定的对称矩阵（见矩阵）,能刻画X各分量与其数学期望间的平均偏离程度以及各分量之间的线性联系程度。
若Z1,Z2是两个复随机变量，则定义它们的协方差为，它们的相关系数为，其中varZ表示复随机变量的方差。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条