矩阵乘法AB＝BA成立的两个充要条件与一个充分条件

矩阵乘法ＡＢ＝ＢＡ成立的两个充要条件与一个充分条件韩锦扬（湖北汽车工业学院）我们知道，矩阵的乘法不满足交换律，即在一般的情况下，ＡＢ／ＢＡ。这就是说，矩阵乘法ＡＢ—ＢＡ成立是有条件的。比如，对于ｎ阶矩阵Ａ、Ｂ中任意一个为ｎ阶单位矩阵Ｅ时，矩阵乘法ＡＥ...     

线性齐次微分方程一种特解的矩阵求法

线性齐次微分方程一种特解的矩阵求法周传忠（华南师范大学数学系５１０６３１）设ａｉｊ（ｉ＝０，１，…，ｍ；ｊ＝０，１，…，ｎ）均为常数，ｒ为非负整数，λ为复数；为求微分方程的ｔＴｅλｔ型特解，称为（１）的系数矩阵，用０ｋ表示ｋ个零行，记定理１方程（１）...     

被开方数高于一次的函数极值的几何求法

１９９９年第３期《中学数学》刊登了陈宽国老师的文章“函数ｆ（ｘ）＝Ａａ１ｘ＋ｂ１＋Ｂａ２ｘ＋ｂ２的值域的几何求法”，读后颇有启发．并且马上产生了写作此文的想法，聊以助兴．例１　求函数ｆ（ｘ）＝ｘ２＋４＋ｘ２－１０ｘ＋３４的最小值．解析１　用立体几何知识．函数可化为ｆ（ｘ）＝ｘ２＋２２＋（５－ｘ）２＋３２．构造如图１所示的长方体，其三度长分别为２、３、５，设ＢＥ＝ｘ，则　ＡＥ＝ｘ２＋２２，ＥＣ′＝（５－ｘ）２＋３２，∴　ｆ（ｘ）＝ＡＥ＋ＥＣ′．这样，原题就化归为在棱ＢＢ′上找一点Ｅ′，使折线ＡＥ′…     

厄米特矩阵的迹的几点性质

应用矩阵Ａ＝（ａｉｊ）∈Ｃｎ×ｎ的弗罗伯尼范数ＡＦ和谱范数ＡＳ，研究厄米特矩阵的迹的性质，得到几个结论：Ｔｒ（ＡＢ）＝∑ｎｉ＝１λｉ∑ｎｊ＝１ｔｉｊμｊ（λｉ，μｊ分别为Ａ，Ｂ的特征值，０≤ｔｉｊ≤１，且∑ｎｉ＝１ｔｉｊ＝１，ｊ＝１，２，…，ｎ）；Ｔｒ（ＡＢ）≤Ｔｒ（Ａ）ＢＳ；Ｔｒ（ＡＢ）Ｈ（ＡＢ）］≤Ｔｒ（ＡＨＡ）［ｍａｘ１≤ｉ≤ｎλｉ］２（λｉ是Ｂ的特征值）等．     

矩阵方程X＋A^TX^—1A=Q存在可稳定化解的充分必要条件

１引言一般的时离散代数Ｒｉｃｃａｔｉ方程具有下面的形式：这里如果方程（１）中的系数矩阵满足：（ｎ＝ｍ）则方程（１）变为当Ｑ＝ＱＴ＞０时,Ｅｎｇｗｅｒｄａ,詹兴致等人研究了方程（２）存在正定解的充分必要条件［１］［２］［３］．本章利用方程（２）与（１）的关系,从另一角度讨论了Ｑ为对称矩阵时,方程（２）存在可稳定化解的充分必要条件．２基本概念与记号首先我们简单回顾一下以前的概念与记号．矩阵束Ｍ—Ｎ,Ｍ,Ｎ为正则的,也就是说ｄｅｔ（λＭ－Ｎ）＝０;如果λ０为ｄｅｔ（λＭ－Ｎ）的ｋ重根,则称λ０为它的ｋ…     

n阶矩阵m次方幂的一般求法探讨

文[1]、文[2]给出了全部特征值相等及全部不同特征值为两个,并满足一定条件的n阶矩阵m次方幂的求法。本文对一般的n阶矩阵A的m次方幂A~m的求法进行探讨。本文要点: 1.提出将A~m化为次数低于n的A的多项式r(A)的一个比较简单的途径,即本文(3)式。2.对矩阵λE—A进行λ矩阵的初等变换,     

一类无穷矩阵代数的乘法序列连续性

设λ，μ是两个序列空间并有符号弱滑脊性，（λ，μ）是变换λ进入μ的无穷矩阵算子所成的无穷矩阵代数，本文研究了这类代数的强，Mackey、弱乘法序列连续性问题。     

利用矩阵的初等行变换对矩阵的特征值与特征向量同步求解

利用矩阵的初等行变换对矩阵的特征值与特征向量同步求解刘国琪，王保智（河北电力职工大学０７１０５１）一般教科书中介绍的求矩阵Ａ的特征值与特征向量的方法是：首先，求问ＩＡＥ—Ａｌ＝０，得特征值Ａ。；然后，对每一个人，间方程组（Ｇ怎一Ａ）Ｘ—。，得特征向量...     

体上的矩阵方程AX—XB=C与AX±XB=±C

设Ｆ和Ω分别是一个任意的体和一个具有对合反自同构的有限维中心代数且ｃｈａｒΩ≠２．本研究体上的下列矩阵方程：ＡＸ－ＸＢ＝Ｃ，（１）ＡＸ－ＸＢ＝Ｃ，（２）ＡＸ＋ＸＢ＝－Ｃ（３）分别给出了在Ω上（１）有一般解，（２）自共轭解及（３）有斜自共轭解的充要条件，并将Ｗ．Ｅ．Ｒｏｔｈ的相似定理推广到了任意的体Ｆ上。     

关于可达矩阵的求法探讨

在《离散数学》、《图论》课程中 ,用矩阵表示图时 ,涉及到一类重要的矩阵——可达矩阵 ,它是判别图中任意两点是否有通路的重要手段 ,也是求强分图的重要方法 ,但是可达矩阵的求法比较复杂 .本文针对这一问题 ,对可达矩阵的求法进行了改进 ,提出了一种简单可行的算法 .     

关于广义Aluthge变换的谱性质的研究

设T∈H（H），T=U｜T｜是算子T的极分解，则定义T^λ=｜T｜^λU｜T｜^1-λ和T^λ（＊）=｜T＊｜^λU｜T＊｜^1-λ，（其中0〈λ〈1）分别为算子的广义Aluthge变换和广义＊-Aluthge变换．本文中主要研究了三者之间的几种谱的关系．同时，还证明了算子T满足修正的Weyl定理当且仅当弘满足修正的Weyl定理当且仅当T^λ（＊）满足修正的Weyl定理．最后证明了算子T满足a—Weyl定理当且仅当T^λ满足a—Weyl定理．     

矩阵方程AX + XB=0求解初探

一、矩阵方程ＡＸ＋ＸＢ＝０解的判定命题＝设Ａ、Ｂ均为ｎ阶方阵,则矩阵方程ＡＸ＋ＸＢ＝０（＊）与矩阵方程Ｑ·Ｙ＝０等价;其中ＹＴ＝（ｘ１１,ｘ１２,…,ｘ１ｎ,ｘ２１,…,ｘ２ｎ,,ｘｎ１,ｘｎｎ）证明设Ａ＝（ａｉｊ）,Ｂ＝（ｂｉｊ）,Ｘ＝（ｘｉｊ）均为ｎ阶方务,则（＊）式等价于由矩阵相等关系知（＊＊）等价于下列ｎ组线性方程组现在就第（１’）式进行讨论,将（１’）展开为用矩阵表示为（ａ１１Ｅ＋ＢＴａ１２Ｅａ１３Ｅ…ａ１ｎＥ）Ｙ＝０（１’）其中ＹＴ＝（ｘ１１ｘ１２…ｘ１ｎ,ｘ２１…ｘ２ｎ…ｘｎ１…ｘ…     

局部凸空间(λ,μ)中的有界集与弱收敛

［１］首次在完备矩阵环Σ（λ）中引入拓扑，使之成为局部凸拓扑代数，并进行了一系列讨论．本文将把这一工作再拓广一步，在（λ，μ）中引入拓扑，使之成为局部凸线性拓扑空间．（λ，μ）的特例（λ，λ）即为Σ（λ）．本文讨论了（λ，μ）中的有界集，正规收敛与弱收敛等价的充要条件及弱收敛与有界且坐标收敛等价的充要条件．从而推广了［２］的结果．作者在［３］，［４］中曾经讨论了特别当λ为Ｅｃｈｅｌｏｎ空间时，（λ，μ）中的有界集和弱收敛．利用本文的结果，可立即得到［３］，［４］中的结果，并得到了进一步的推广．     

图的独立数的一个新下界

设α（Ｇ）表示简单图Ｇ＝（Ｖ，Ｅ）的独立数．本文给出了α（Ｇ）的一个新的下界：α（Ｇ）≥∑ｖ∈Ｖ（λｄ（ｖ）＋１）／（ｄ（ｖ）＋λｄ（ｖ）＋１），其中λｄ（ｖ）＝ｍａｘ｛０，βＮ（ｖ）－ｄ（ｖ）｝，ｄ（ｖ）＝｜Ｎ（ｖ）｜，Ｎ（ｖ）＝｛ｗ∈Ｖ｜（ｖ，ｗ）∈Ｅ｝，βＮ（ｖ）＝ｍｉｎｗ∈Ｎ（ｖ）ｄ（ｗ）．     

关于四面体的一个性质

四面体是空间里较为简单的几何体 ,笔者通过将它与三角形的有关性质进行类比 ,得到一个有价值的结论 .定理　四面体Ａ -ＢＣＤ中 ,Ｅ ,Ｆ ,Ｇ ,Ｈ分别在棱ＡＢ ,ＢＣ ,ＣＤ ,ＤＡ上 ,且 ＡＥＥＢ =λ1,ＢＦＦＣ =λ2 ,ＣＧＧＤ =λ3,ＤＨＨＡ =λ4 .则内接四面体ＥＦＧＨ的体积ＶＥＦＧＨ =｜λ1·λ2 ·λ3·λ4 -1｜(1 +λ1) (1 +λ2 ) (1 +λ3) (1 +λ4 ) ＶＡＢＣＤ证明　如图 1 ,连结ＥＤ ,ＢＧ ,得四棱锥Ｅ -ＦＢＤＧ ,Ｇ-ＥＢＤＨ ,在△ＣＢＤ ,△ＡＢＤ中 ,ＳＣＦＧＳＣＢＤ =ＣＦ·ＣＧＣＢ·ＣＤ =11 +λ2 · λ31 +λ3=λ3(1 +λ…     

直四面体中的角公式

读完《异面直线距离的公式求法》［１］一文，感觉可类比求出异面直线所成的角．如图图１１，α⊥β，ＡＢα，ＣＤβ，∠ＡＢＣ＝θ１，∠ＤＣＡ＝θ２．于是在平面β内过Ａ作ＡＥ∥ＤＣ，则∠ＥＡＣ＝θ２．异面直线ＡＢ，ＤＣ所成的角是∠ＢＡＥ．又α⊥β，∴∠Ｂ...     

Jacobi矩阵的逆特征问题

本文研究了两个Jacobi矩阵的逆特征问题：I给定实数λ,μ(λ＞μ）和n维非零实向量x，y，求n阶Jacobi矩阵J,使Jx=λx，Jy=μy,且λ＞λ2（J）＞…＞λi-1（J）＞μ＞λi＋1（J）…＞λn（J），或λi（J）＞λ2（J）＞…＞λi－1（J）＞λ＞λi＋1（J）＞…＞λn-1（J）＞μ·II给定实数λ，μ（λ＞μ）和n维非零实向量x，y，求n阶Jacobi矩阵J，使Jx＝λx，Jy＝μy，且λ1（J）＞λ2（J）＞…＞λi－1（J）＞λ＞μ＞λi＋2（J）＞…＞λn（J）．文中给出了问题I；II有唯一解的充要条件，并给出了解的表达式．     

矩阵代数上的局部合同变换和局部相似变换

令F表示任意域,Mn（F）表示由F上所有n×n矩阵形成的结合代数.本文的目的是研究Mn（F）上具有如下性质的两类线性映射,其中一类线性映射在Mn（F）上每一点的取值与Mn（F）的某个合同变换在该点的取值相同,另一类线性映射在Mn（F）上每一点的取值与Mn（F）的某个相似变换在该点的取值相同,随着Mn（F）上的点不同,这些合同变换和相似变换可能也不同.利用矩阵的秩、幂等阵以及幂零阵的性质,通过矩阵计算的方法证明了第一类线性映射或者是合同变换或者是合同变换与转置变换的复合,第二类线性映射或者是相似变换或者是相似变换与转置变换的复合.由这个结果可知存在真正意义上的局部合同变换和局部相似变换,从而丰富了局部映射理论的研究。     

矩阵的特征根与特征向量及其相似对角形的优化求法

研究了矩阵的特征根与特征向量及其相似对角形的优化求法.优化了文[1]的方法,只要对矩阵A的特征矩阵λE-A施行初等变换化为对角形,即可同时求出A的特征根与特征向量,判断A是否可对角化.在A可对角化时,可直接写出相应的可逆矩阵T,使T~(-1)AT为对角形矩阵.     

多元回归系数线性估计可容许的几个结果

设Ａ和Ｂ均为矩阵，符号Ａ＾－表示Ａ的“减”的广义逆，λｉ（Ａ）表示方阵Ａ的第ｉ大特征根，ｔｒ（Ａ）表示方阵Ａ的“逆”，ＡＢ表示矩阵Ａ和Ｂ的Ｋｒｏｎｅｃｋｅｒ积，Ａ表示Ａ按行拉直Ａ≥Ｂ或Ａ＞Ｂ表示Ａ－Ｂ对称且半定或正定，符号″Ｍ→Ｎ”表示可由命题Ｍ推导出命题Ｎ，″→Ｎ”表示命题Ｍ和Ｎ等价。