矩阵的广义对角化

定义了矩阵广义对角化的概念 ,并通过引入 s次特征向量组的方法不但给出了矩阵广义对角化的充要条件和判定方法 ,而且还给出矩阵广义对角化的算法     

矩阵的广义特征值及特征向量的神经网络方法

矩阵特征值及特征向量计算在实际问题中有广泛的应用.应用神经网络方法来计算广义特征值及对应的特征向量,给出了相应的算法,并对给出的算法在数学上进行了严格证明.并用实例验证了其正确性.     

广义特征向量几种算法的比较

关于求一个矩阵 Jordan标准型的变换矩阵问题须计算矩阵的广义特征向量 ,目前常见的矩阵理论教材中有下述两种方法 .下设 A是 n× n阶矩阵 ,λ是 A的某特征值 ,其代数重数为 r,几何重数为 s且r>s.方法 1　由方程 ( A- λI) x=0解出 A的特征向量 p,由 ( A- λI) x=p解出第一个广义特征向量 q,这里的 p不能是任一特征向量而应是 A的 λ特征子空间内使方程 ( A- λI) x=p有解的那一个 .设 A的 λ特征子空间的基是 p1,p2 ,… ,ps,当 s>1时正确的说法是 :通过选择系数 k1,k2 ,… ,ks由方程 ( A- λI) x=k1p1+ k2 p2 +… + ksps解出第一个广…     

矩阵广义对角化的探讨

利用子空间关于矩阵的最小多项式研究了矩阵可广义对角化的充要条件,给出了矩阵可广义对角化的一种算法.     

一类三对角矩阵的特征值和特征向量的研究

讨论了一种三对角矩阵的特征值和特征向量.按矩阵右下角对角元素的参数分为两类,得出特征值和特征向量的结论或数值算法.举例说明了算法的有效性.     

一类Riccati矩阵方程广义自反解的双迭代算法

本文研究了一类Riccati矩阵方程广义自反解的数值计算问题.利用牛顿算法将Riccati矩阵方程的广义自反解问题转化为线性矩阵方程的广义自反解或者广义自反最小二乘解问题,再利用修正共轭梯度法计算后一问题,获得了求Riccati矩阵方程的广义自反解的双迭代算法.拓宽了求解非线性矩阵方程的迭代算法.数值算例表明双迭代算法是有效的.     

关于E~n中有限质点系的任意维转动惯量平面

本文给出了 n维欧氏空间 En 中有限质点系的任意维转动惯量平面 ,指出该平面必通过质点系的质心 ,且由质点系相随矩阵的若干最大特征值所对应的特征向量所确定 .     

一类块三对角阵特征值的求解及应用

提出了求一类块三对角矩阵A的特征值和特征向量的方法,求得了该类矩阵的特征值和特征向量的表达式,并写出了用迭代法解该类方程组Au=f时迭代矩阵的特征值.     

Oja神经网络模型的有限逸时性

O ja连续型全反馈神经网络模型可以有效计算实对称矩阵的主特征向量,该网络的动态行为由描述其模型的微分方程所决定,详细研究了O ja动力系统的稳定性问题.对于非正定实对称矩阵最大特征根为零,且至少有一特征根为负的情形,证明了从单位球外出发的解并不一定必然导致有限逸时,完善了O ja模型计算实对称矩阵主特征向量的收敛性结果,数值实验结果进一步验证了理论分析的正确性.     

特征向量计算的神经网络方法

矩阵特征向量计算在实际问题中有着广泛应用，本文采用神经网络计算方法来研究主元分析（ＰＣＡ）和次元分析（ＭＣＡ）问题．我们首先考虑神经元的情况（ｐ＝１），给出了求矩阵最大特征元和最小特征元的算法。然后对多神经元性形（ｐ〉１），给出了抽取矩阵主元和次元的算法．和目前许多元知的算法不一样，在我们ＰＣＡ的算法中发迹矩阵的负号就能够得到ＭＣＡ问题的解。