一类广义特征值反问题

本文提出了一个实对称带状矩阵的广义特征值反问题,并且证明了对于Jacobi矩阵和一般对称矩阵,问题的存在性.     

实规范矩阵的特征值问题

实对称矩阵的特征值问题,无论是低阶稠密矩阵的全部特征值问题,或高阶稀疏矩阵的部分特征值问题,都已有许多有效的计算方法,迄今最重要的一些成果已总结在[5]中。本文利用规范矩阵的一些重要性质将对于Hermite矩阵(特别是对弥矩阵)特征值问题的一些有效算法推广到规范矩阵的特征值问题,由于对复规范阵的推广是简单的,而且实际上常遇到的是实矩阵(这时常要求只用实运算),因此我们着重讨论实规范矩阵的特征值问题。     

基于矩阵幂运算的重特征值存在性定理

对于判断矩阵重特征值的存在性问题,运用“若λ是矩阵A的特征值,则入“是Ak的特征值”这一性质,通过矩阵的迹与特征值的关系,得到了实数域上矩阵重特征值的存在性定理并给出了证明．定理实现了“由矩阵幂运算来判断矩阵重特征值的存在性”这样一个计算过程,对讨论矩阵特征值问题具有一定的启示意义．     

关于广义特征值的一个Wielandt型定理

Wielandt引理对于矩阵特征值的估算十分重要。本文利用经济分析中常用的特殊矩阵的相关性质 ,在 Wielandt引理的基础上 ,针对广义特征值问题证明了一个更加复杂的 Wielandt型定理。     

灰色层次分析法及其应用

本文根据层次分析法并借助灰色理论建立了灰色层次分析法，导出了灰矩阵最大特征值的一些性质，介绍了灰正互反阵的最大特征值与对应特征向量的两种数值解法．     

灰色层次分析法及其应用

本文根据层次分析法并借助灰色理论建立了灰色层次分析法，导出了灰矩阵最大特征值的一些性质．介绍了灰正互反阵的最太特征值与对应特征向量的两种数值解法．     

二阶矩阵的特征值和特征向量常考题型例析

矩阵的特征值和特征向量是矩阵与变换的一个非常重要的内容,利用矩阵的特征值和特征向量,可以方便地计算多次矩阵变换的结果,而且在实际工程计算和工程控制中也发挥着重要作用.二阶矩阵的特征值和特征向量有两个基本内容.一是二阶矩阵的特征值和特征向量的概念：设A是一个二阶矩阵,如果对于实数λ,存在一个非零向量α,使得Aα=λα,那么λ称为A的一个特征值,而α称为A的属于特征值λ的一个特征向量.     

Jacobi矩阵特征值反问题的一个数值解法

本文利用Hessenberg矩阵特征值配置的一个结果以及三对角矩阵的有关性质,提出了一个求解Jacobi矩阵特征值反问题的数值方法。     

线性离散事件动态系统的辨识

本文讨论利用输出数据来估计或确定系统矩阵特征值和特征向量问题.首先我们给出了特征值的一个估计,然后证明在一定条件下可以确定系统矩阵的特征值和特征向量,或用极限来表征它们,最后指出了所得到的结果在离散事件动态系统分析和控制中的意义.     

基于反Krylov矩阵正交分解的半可分矩阵

在本文中，我们证明了对一个反Krylov矩阵作QR分解后，利用得到的正交矩阵可以将一个具有互异特征值的对称矩阵转化为一个半可分矩阵的形式，这个结果表明了反Krylov矩阵与半可分矩阵之间的联系．另外，我们还证明了这类对称半可分矩阵在QR达代下矩阵结构保持不变性．     

具有四个不同特征值的竞赛矩阵

设A是n阶竞赛矩阵，k是非负整数。文[3]刻划了恰好有三个不同特征值的n阶竞赛矩阵，文[4]刻划了恰好有四个不同特征值并且0作为一个一重特征值的n阶竞赛矩阵。在这篇文章中我们主要研究了两个问题：（1）讨论当k是A的特征值时A的性质。（2）刻划恰好有四个不同特征值并且k作为一个一重特征值的全部n阶竞赛矩阵。     

矩阵特征值的一类新的包含域

用盖尔圆盘定理来估计矩阵的特征值是一个经典的方法,这种方法仅利用矩阵的元素来确定特征值的分布区域.本文利用相似矩阵有相同的特征值这一理论,得到了矩阵特征值的一类新的包含域,它们与盖尔圆盘等方法结合起来能提高估计的精确度.     

迷人的最大特征对子（英文）

"主导特征对子"在不同场合有不同名称.在矩阵论中称为最大特征对子(最大特征值及其对应的特征向量).本文首先介绍计算矩阵最大特征对子的十分意外的新结果.主要贡献是选取一个熟知算法的高效初值.其想法来源于我们新近关于主导特征值估计的研究.第二部分里,我们介绍很幸运得到的关于主导特征值的统一估计.第三部分通过一个特别例子说明此项研究的源头.最后概述我们关于主导特征值估计和更一般的各种稳定性速度研究的漫长历程.     

一类Hermitian鞍点矩阵的特征值估计

本文研究了一类大型稀疏Hermitian鞍点线性系统Az=(B E E* 0)(x y)=(f g)=b系数矩阵的特征值,其中B∈C~(p×p)是Hermitian正定阵矩阵,E∈C~(p×q)是列降秩.本文分别给出了该系数矩阵正特征值与负特征值界的一个估计式,同时通过数值算例验证本文所给出的特征值界的估计是合理且有效的.     

关于Ostrowski圆盘定理的一个注记

本文对Ostrowski给出的关于矩阵的特征值估计作一些讨论，特征值分布特性被揭示，进而得到了一个判定矩阵非奇异性的充分条件．     

一类特殊矩阵的特征值反问题

§1 引言 关于特征值反问题的历史沿革,作者在文[1]中已经作了介绍,当前研究得比较成熟的是对称三对角矩阵的特征值反问题。作者在文[2]中提供了一个对称三对角矩阵特征值反问题的实际应用例子。本文考虑如下形状矩阵的特征值反问题:设     

关于正定厄米特矩阵的Schur补的迹和特征值的不等式

本文研究了正定厄米特矩阵Schur补的迹和特征值的性质,通过一个不等式的证明,得到了正定厄米特矩阵和的Schur补与正定厄米特矩阵Schur补的和的迹和特征值之间的不等式.     

关于两个矩阵乘积的特征值与奇异值的最佳估计

用A表示复矩阵A的共轭转置矩阵。用λ_i(A)表示n阶复矩阵A的特征值,i=1,…,n对于n阶Hermite矩阵A,在没有特别指出的情况下,本文均约定A的n个(实)特征值按降     

补图是树的图的距离拉普拉斯特征值（英文）

一个连通图的距离拉普拉斯矩阵定义为顶点传输度对角矩阵与距离矩阵的差,距离拉普拉斯矩阵的特征值称为这个图的距离拉普拉斯特征值.距离拉普拉斯伸展度定义为图的最大与次小距离拉普拉斯特征值的差.本文确定了补图的最大距离拉普拉斯特征值取得最小值和最大值的树及补图的次小距离拉普拉斯特征值取得最小值和最大值的树,也确定了补图的次大距离拉普拉斯特征值取得最小值的树,还确定了补图的距离拉普拉斯伸展度取得最小值和最大值的树.     

M-矩阵特征值的若干估计

M-矩阵是指对一切i(?)j,都有α_(ij)≤0且一切主子式全为正的 n 阶实方阵 A=(α_(ij)).关于 M-矩阵特征值的估计,1975年佟文廷推进了 M-矩阵特征值之实部皆正的一般结果,指出 M-矩阵之绝对值最小的特征值为一正数[1],文[2]对这一特征值的界给出一个估计式,本文首先将这些估计式推广到一般的准 M-矩阵上去,其次从另一方向上讨论了 M-矩阵按模最小特征值的界,最后对不可约 M-矩阵的全部特征值进行了讨论。