iljak猜想的反例及进一步结果

R~(n×n)表示 n 阶实矩阵组成的集合,R~n 表示 n 维实向量空间.本文中的矩阵假定都属于 R~(n×n).给定一个矩阵 A∈R~(n×n),A>0(A≥0)表示 A 是一个对称正定(非负定)矩阵;A 称为正(非负)矩阵,如 A 的元素都是正的(非负的).矩阵 A 称为稳定矩阵,如A 的特征值的实部都是负的.     

两类矩阵反问题解的稳定性

1 引 言 用R~(n×m)表示所有n×m实矩阵的全体,R_r~(n×m)表示R~(n×m)中矩阵秩为r的子集。A>0(A≥0)表示方阵A是实对称正定(半正定)矩阵。SR_+~(n×n)(SR_0~(n×n)表示所有n×n实     

实对称矩阵的两类逆特征值问题

§gi.两类逆特征值问题先说明一些记号.R~(m×n)是所有m×n实矩阵的全体,R~n=R~(n×1),R=R~1;SR~(n×n)是 所有n×n实对称矩阵的全体;OR~(n×n)是所有n×n实正交矩阵的全体;I~((n))是n阶单位矩阵;A~T是矩阵A的转置;A>0表示A是正定的实对称矩阵.?(A)是矩阵A的列空间;A~+是矩阵A的Moore-Penrose广义逆;P_A=AA~+表示到?(A)的正交投影.λ(A)是A的特征值的全体;λ(K,M)是广义特征值问题K_x=λM_x的特征值的     

对称非负定矩阵反问题解存在的条件

R~(n×m)表示所有n×m阶实阵集合,R_r~(n×m)表示R~(n×m)中秩为r的子集.R_K表示所有K阶对称非负定阵集合.A≥0(>0)表示方阵A对称非负定(正定).R(A),N(A),A~+分别表示A的列空间,零空间和Moore-Penrose广义逆.dim(·)表示子空间维数,I_K表示K阶单位阵.||·||表示Frobenius范数.现考虑如下问题:     

实对称带状矩阵特征值反问题

用R~(n×m)表示所有n×m实矩阵的集合;OR~(n×n)表示所有n×n正交矩阵的集合;S_(n,r)表示所有带宽为2r+1的n阶实对称矩阵的集合;||·||_F表示矩阵的Frobenius范数,||·||表示向量的Euclid范数.任取A∈R~(n×m),满足AA~-A=A 的A~-∈R~(m×n)叫做A的内逆,满足AA_l~-A=A和(AA_l~-)~T=AA_l~-的A_l~-∈R~(m×n)叫做A的最小二乘广义逆,     

线性流形上对称正交对称矩阵逆特征值问题

1.引言 令R~(n×m)表示所有n×m阶实矩阵集合;OR~(n×n)表示所有n阶正交矩阵全体;A~+表示A的Moore-penrose广义逆;I_к表示К阶单位阵;SR~(n×n)表示n阶实对称矩阵的全体;rank(A)表示A的秩;||·||是矩阵的Frobenius范数;对A=(a_(ij)),B=(b_(ij))∈R~(n×m),A＊B表示A与B的Hadamard乘积,其定义为A*B=(a_(ij),b_(ij))。     

偕正矩阵的判定

<正>1引言与背景知识本文中,我们用A≥0(0)表示A是非负(正)矩阵(向量).若没有特殊说明,以下所讨论的矩阵(向量)都是n阶实对称矩阵(n维实向量).定义1对称矩阵A称为偕正的(copositive),如果     

非负矩阵Perron根的上下界

1.引言 本文主要讨论非负矩阵,我们将用B≥0和B>0分别表示矩阵B是非负的和正的,也就是B的每一个元素是非负的和B的每一个元素是正的.用p(B)表示方阵B的谱半径,当B≥0时,p(B)也就是B的perron根. 设(n)={1,2,…,n},A=(ai,j)是n×n非负矩阵,我们称     

二重随机矩阵的永年对

<正> 对于一个 n×n 的矩阵 A=(a_(ij)),A 的永年数(permanent)定义为perA=sum from (?) multiply from i=1 to (?) a_(iσ(i)),这里的和取遍{1,2,…,n}的所有排列σ.一个非负实元素的每一行元素之和与每一列元素之和均为1的 n×n 矩阵叫做二重随机矩阵.我们把它记做 d.s.矩阵.用(?)来表示全体 n×n 的 d.s.矩阵所成的集合.且用 J_n 来表示它的每个元素都为1/n 的 d.s.矩阵.如果 A,X∈(?),A(?)X,且满足条件     

成对比较矩阵的一种逼近

§1.问题的陈述 令R~(n×n)表示所有n×n阶实矩阵构成的线性空间,并定义其子集如下: P={p=(p_(ij))∈R~(n×n)|p_(ij)>0,p_(ik)=p_(ki)~(-1)}, Q={q=(qi_(ij))∈R~(n×n)|q_(ij)>0,q_(ik)q_(kj)=q_(ij)}.把P叫做正的互反矩阵(或判断矩阵)的集合,而称Q为相容性矩阵的集合.显然,Q为P的子集,且两者都不是R~(n×n)中的凸集.任取a,b∈R~(n×n),定义内积和范数如下:     

一类对称正交对称矩阵反问题的最小二乘解

1 引言 本文记号R~(n×m),OR~(n×n),A~+,I_k,SR~(n×n),rank(A),||·||,A*B,BSR~(n×n)和ASR~(n×n)参见[1].若无特殊声明文中的P为一给定的矩阵且满足P∈OR~(n×n)和P=P~T. 定义1 设A=(α_(ij))∈R~(n×n).若A满足A=A~T,(PA)~T=PA则称A为n阶对称正交对称矩阵;所有n阶对称正交对称矩阵的全体记为SR_P~n.若A∈R~(n×n)满足A~T=A,(PA)~T=-PA,则称A为n阶对称正交反对称矩阵;所有n阶对称正交反对     

广义严格对角占优阵的判定程序

1 引言和符号 在本文中,均采用下列符号而不再重申.恒用N表示前n个自然数的集合;而用Mn(C)和Mn(R)分别表示所有n阶复矩阵和所有n阶实矩阵的集合. Z_N={A|A=(a_(ij))_(n×n)∈Mn(R),a_(ij)≤0,i,j∈N,i≠j},I恒表示单位矩阵. 如果A∈Mn(R)且A的所有元素都为非负实数,则称A为非负方阵,并记为A≥0;若A的所有元素都为正数,则称A为正矩阵,并记为A>0. 对A=(a_(ij))(n×n)∈Mn(C),令A_i(A)=sum from j=1 j≠i to n (|a_(ij)|(i=1、2…… n)) ;若把A的非零元用1代替 而得到—个n阶(0,1)矩阵。称为A的导出矩阵。记为;而把A的比较矩阵记为 u(A)=(b_(ij))_(n×n))其中b_(ij)=|a_(ij)|,b_(ij)=-|a_(ij)|(i,j∈N i≠j)     

非齐次对称特征值问题

引言 用SR~(n×n)表示所有。n×n实对称矩阵的集合。R~n表示n维线性空间。||·||_2表示向量的Euclid范数或矩阵的谱范数。 本文研究如下问题: 问题ISEP 给定矩阵A∈SR~n×n和向量b∈R~n,求实数λ和向量X∈R~n使得 AX=λX+b, (1) ||X||_2=1. (2) 若b=0,则问题ISEP就是通常的实对称矩阵特征值问题,若b≠0,则问题ISEP称为非齐次对称特征值问题,使(1)和(2)式成立的数λ和向量X分别称为非齐次特征值和相应的非齐     

关于极点配置的一点注记

§1.引言 首先说明几个符号.R~(m×n)是所有m×n实矩阵的全体,R_r~(m×n)是R~(m×n)中秩为r的矩阵的全体,R~n=R~(n×1);A~T是矩阵A的转置,I~((n))是n×n单位矩阵,O是零矩阵;λ(Λ)是矩阵A的特征值的全体,|| ||_2是向量的欧氏范数和矩阵的谱范数,|| ||_F是矩阵的Frobenius范数; N(·)表示零空间.     

具有左、右特征向量及特征值约束下逆特征值问题

§1 问题的提法R~(n×m)表示所有 n×m 阶实阵集合,(A)表示矩阵 A 的列空间,A~+表示 A 的 Moore-Penrose 广义逆,P_A=AA~+表示到(A)的正交投影核子;I_n 表示 n 阶单位阵,‖·‖_F 表示 Frobenius 范数。问题Ⅰ给定X,Y∈~(n×m),Λ=diag(λ_1,λ_2,…,λ_m)∈R~(m×m),找 A∈R~(n×m),使得问题Ⅱ给定 A~*∈R~(n×n),找∈S_E,使得‖A~*-‖_F=‖A~*-A‖_F,其中 S_E是问题Ⅰ的集合。本文讨论问题Ⅰ有解的充分与必要条件,且求出 S_E的表达式,同时给出的表达式。     

正交矩阵的反问题及其最佳逼近

一、引言R~(n×m)表示所有n×m实矩阵的集合,R_r~(n×m)表示R~(n×m)中秩为r的子集,■A,B∈R~(n×m),(A,B)=trB~TA表示内积,‖A‖=(A.A)~(1/2)表示矩阵A的范数,R(A),N(A)分别表示A的列空间和零空间。现考虑如下矩阵反问题:     

实对称矩阵广义特征值反问题

本文研究如下实对称矩阵广义特征值反问题: 问题IGEP,给定X∈R~(n×m),1=diag(λ_II_k_I,…,λ_pI_k_p)∈R~(n×m),并且λ_I,…,λ_p互异,sum from i=1 to p(k_i=m,求K,M∈SR~(n×n),或K∈SR~(n×n),M∈SR_0~(n×m),或K,M∈SR_0~(n×n),或K∈SR~(n×n),M∈SR_+~(n×n),或K∈SR_0~(n×n),M∈SR_+~(n×n),或K,M∈SR_+~(n×m), (Ⅰ)使得 KX=MXA, (Ⅱ)使得 X~TMX=I_m,KX=MXA,其中SR~(n×n)={A∈R~(n×n)|A~T=A},SR_0~(n×n)={A∈SR~(n×n)|X~TAX≥0,X∈R~n},SR_+~(n×n)={A∈SR~(n×n)|X~TAX>0,X∈R~n,X≠0}. 利用矩阵X的奇异值分解和正交三角分解,我们给出了上述问题的解的表达式.     

线性约束下的矩阵束最佳逼近及其应用

1.引言 用C~(n×m)表示所有n×m阶复矩阵的集合,R~(n×m)表示所有n×m阶实矩阵的集合,R_r~(n×m)表示R~(n×m)中矩阵秩为r的子集.任取A,B∈R~(n×m),定义内积和范数为     

线性流形上实对称矩阵最佳逼近

1.引言 首先介绍一些记号,IR~(n×m)表示所有n×m实矩阵的全体,SIR~(n×n)表示所有n×n实对称矩阵的全体,OIR~(n×n)表示所有n×n正交矩阵的全体,I_n表示n阶单位矩阵,A~T和A~+分别表示矩阵A的转置和Moore-Penrose广义逆。对A=(a_(ij)),B=(b_(ij))∈IR~(n×m),A＊B表示A与B的Hadamard积,定义为A＊B=(a_(ij)b_(ij)),并且定义A与B的内积     

时滞微分系统中的一个Ляпунов泛函存在性定理

曾建立了一条著名的定理:如果(1.1)之特征方程 det(λI-A)=0的任意两个特征根λ_1,λ_2,恒满足λ_1+λ_2≠0,则对任意给定的实对称矩阵 W∈R~(n×n),存在实对称阵 T∈R~(n×n),使得令 V(x)=x~TTx时,沿(1.1)之解成立 V(x(t))=-x~T(t)Wx(t).特别地,若 det(λI-A)=0之根均具有负实部,则 W 正定(?)T 为正定.