完全正矩阵的整数分解

n阶矩阵A称为完全正的,如果A有分解:A=BB^T,其中B为元素非负矩阵,B的最小可能列数称为A的分解指数.本文考察低阶双非负矩阵在整数环上的完全正分解及其分解指数.     

线性流形上Hermite-广义反Hamilton矩阵反问题的最小二乘解

1.引言 令Rn×m表示所有n×m实矩阵集合,Cn×m表示所有n×m复矩阵集合,Cn=Cn×1,HCn×n表示所有n阶Hermite矩阵集合,UCn×n表示所有n阶酉矩阵集合,AHCn×n表示所有n阶反Hermite矩阵集合,R(A)表示A的列空间,N(A)表示A的零空间,A+表示A的Moore—Penrose广义逆,A*B表示A与B的Hadamard积,rank(A)表示矩阵A的秩.tr(A)表示矩阵A的迹.矩阵A,B的内积定义为(A,B)=tr(BHA),A,B∈Cn×m,由此内积诱导的范数为||A||=√(A,A)=[tr(AHA)]1/2,则此范数为Frobenius范数,并且Cn×m构成一个完备的内积空间,In表示n阶单位阵,i=√-1,记OASRn×n表示n×n阶正交反对称矩阵的全体,即     

矩阵方程XA-YB=D的广义中心对称解及其最佳逼近

1 引言 首先引入一些记号.记Cn×m为n×m复矩阵的集合.UCn×n表示所有n阶酉矩阵的集合.In表示n阶单位矩阵.AH和A+分别表示矩阵A的共轭转置及Moore-Penrose广义逆.对A=(n玎).…B=(bij).煳用A}B=(aijbij)sXt表示A与B的Hadamard积.     

子空间上的一类矩阵反问题

1 引言 设Rn×m为所有n×m实矩阵的集合,ASRn×n为n阶实反对称矩阵的集合,ORn×n 为n阶实正交矩阵的全体. In是n阶单位矩阵,A+,R(A),N(A)分别表示矩阵A的 Moore-Penrose广义逆、值域及零空间,并记EA=I-AA+,FA=I-A+A(I为单位矩 阵,A为任意矩阵).对A=(aij),B=(bij)∈Rn×m,A*B=(aijbij)表示矩阵A与B 的Hadamard积.在Rn×m上定义矩阵A与B的内积为(A,B)=tr(BT A),则由此内积 导出的范数‖A‖=(A,A)~(1/2)是矩阵的Frobenius范数,并且Rn×m构成一个完备的内积 空间.     

线性流形上中心对称矩阵的最佳逼近

1 引 言令Rn×m表示所有n×m阶实矩阵集合;ORn×n表示所有n×n阶正交矩阵之集;A+表示矩阵A的Moore-Penrose广义逆;Iκ表示κ阶单位阵;||·||表示矩阵的Frobenius范数;rank（A）表示矩阵A的秩.设ei为n阶单位矩阵In的第i列（i=1,2,…,n）,记Sn=（en,en-1,…,e1）,易知     

矩阵方程的最小二乘解

1　引言与引理设 Rm× n表示所有 m× n阶实矩阵的集合 ,ORn× n为所有 n阶实正交矩阵的全体 ,In 是 n阶单位矩阵 .AT、A+、rank A分别表示矩阵 A的转置、MP逆及秩 ;‖·‖是矩阵的Frobenius范数 .此外 ,对于 A =(αij)∈ Rs× s,B =(βij)∈ Rs× s,A * B表示 A与 B的Hadamard积 ,其定义为 :A* B=(αijβij) 1≤ i,j≤ s,现考虑如下问题 :问题 P　给定 A∈Rn× m,B∈Rp× m,D∈Rm× m求 X∈Rn× p,使得Φ =‖ ATXB - BTXTA - D‖ =m in　　我们知道 ,矩阵方程 ATX B- BTXTA=D在自动控制理论中有很重要的作用[1 ,2 ] .…     

关于圈的完全正矩阵实现

本文给出了一个关联图为圈的非负、半正定矩阵A为完全正的一个充要条件.我们还证明了这样的矩阵A（当A为完全正时）的分解指数即为A的阶数.     

矩阵方程AXB+CYD=E对称最小范数最小二乘解的极小残差法

<正>1引言本文用R~(n×m)表示全体n×m实矩阵集合,用SR~(n×n)表示全体n×n实对称矩阵集合,OR~(n×n)表示全体n×n实正交矩阵集合.用I_n表示n阶单位矩阵,用A*B表示矩阵A与B的Hadamard乘积.对任意矩阵A,B∈R~(n×m),定义内积〈A,B〉=tr(B~T A),其中     

具有确定正对角元个数的本原矩阵的指数集

§1.引言一个n阶非负矩阵A称为是本原的,如果存在某个自然数k,使A~h>0。这样的自然数中的最小者称为A的本原指数,记作γ(A)。设A是n阶非负矩阵,定义A的伴随有向图D(A)=(V,E)为以V={1,2,…,n}为顶点集,以E={(i,j)|a_(ij)≠0}为弧集合的一个有向图。显然,D(A)完全刻划了A的零位模式(即A的零元素位置分布),从而完全反映了矩阵A的各种组合性质——     

两类矩阵方程的极小范数解

设Rm×n表示所有m×n阶实矩阵的集合,SRn×n是所有n阶实对称矩阵的全体,ORn×n为n阶实正交矩阵的全体,In是n阶单位矩阵,AT、rankA分别表示矩阵A的转置与秩,||·||是矩阵的Frobenius范数.此外,对于A=（αij）s×s’,B=（βij）s×s’,A＊B表示A与B的Hadamard积,其定义为,现讨论如下两个问题:     

关于完全正矩阵的几点注记(英文)

本文给出了一个 n×n非负、对称、弱对角占优矩阵 A为完全正的一个充分条件 .我们还给出了较好的算法 ,用以获得关于矩阵 A(当 A为完全正时 )的分解指数的一个上界 .     

既约随机矩阵的一些性质

本文讨论了既约广义随机矩阵特征值的性质,得到了双随机矩阵的益为既约矩阵的充要条件,以及P类矩阵的一些性质．     

单位上三角矩阵群的注记(Ⅲ)

设k_(ij)(1≤ij≤n)是给定的正整数,分别记G={ (1 k12a12…k1na1n 0 1…k2na2n…… 0 0…1 )|aij∈Z},R={ (0 k12a12…k1na1n……0 0…k2na2n 0 0…1 )|aij∈Z},本文证明:当G成群且G的上、下中心群列重合时,其相伴Lie环L(G)与Lie环R同构,其中R的Lie积定义为[A,B]=AB-BA.即得到了此时L(G)的矩阵表示.     

哈密顿图的无符号拉普拉斯谱半径条件

令A(G)=(a_(ij))_(n×n)是简单图G的邻接矩阵,其中若v_i-v_j,则a_(ij)=1,否则a_(ij)=0.设D(G)是度对角矩阵,其(i,i)位置是图G的顶点v_i的度.矩阵Q(G)=D(G)+A(G)表示无符号拉普拉斯矩阵.Q(G)的最大特征根称作图G的无符号拉普拉斯谱半径,用q(G)表示.Liu,Shiu and Xue[R.Liu,W.Shui,J.Xue,Sufficient spectral conditions on Hamiltonian and traceable graphs,Linear Algebra Appl.467(2015)254-255]指出:可以通过复杂的结构分析和排除更多的例外图,当q(G)≥2n-6+4/(n-1)时,则G是哈密顿的.作为论断的有力补充,给出了图是哈密顿图的一个稍弱的充分谱条件,并给出了详细的证明和例外图.     

半环上的三角矩阵乘法半群的自同构

设R是含有恒等元1的半环,C是R上的中心子半环.Tn(R)是R上的n阶上三角矩阵C-代数.证明了当R是一个幂等元都是中心元的半环时,映射Φ:Tn(R)→Tn(R)是乘法半群自同构当且仅当存在Tn(R)中的可逆矩阵G和R中的半环自同构τ使得A=(aij)n×n∈Tn(R),均有Φ(A)=G-1τ(A)G.这里τ(A)=(τ(aij))n×n,n2.     

Row Stochastic Matrices Similar to Doubly Stochastic Matrices

The problem of determining which row stochastic n-by-n matrices are similar to doubly stochastic matrices is considered. That not all are is indicated by example, and an abstract characterization as well as various explicit sufficient conditions are given. For example, if a row stochastic matrix has no entry smaller than (n+1)^-1 it is similar to a doubly stochastic matrix.

Relaxing the nonnegativity requirement, the real matrices which are similar to real matrices with row and column sums one are then characterized, and it is observed that all row stochastic matrices have this property. Some remarks are then made on the nonnegative eigenvalue problem with respect to i) a necessary trace inequality and ii) removing zeroes from the spectrum.     

线性流形上双对称阵逆特征值问题

１．引言 令Ｒ表示所有ｎ×ｍ阶实对称阵集合,Ｒ＝Ｒ,Ｒ表示Ｒ中秩为ｒ的子集; ＯＲ是ｎ阶正交阵之集; Ａ＋表示Ａ的Ｍｏｏｒｓ－ｐｅｎｒｏｓｅ广义逆;Ｉｋ表示ｋ阶单位阵; ＳＲ表示 ｎ×ｎ表示ｎ阶实对称阵的全体; Ｒ（Ａ）表示 Ａ的列空间; Ｎ（Ａ）表示 Ａ的零空间; ｒａｎｋ（Ａ）表示 Ａ的秩,对 Ａ＝（ａｉｊ）, Ｂ＝（ｂｉｊ） Ｒ, Ａ＊ Ｂ表示 Ａ与 Ｂ的 Ｈａｄａｍａｒｄ乘积,其定义为 Ａ＊ Ｂ＝（ａｉｊ　ｂｉｊ）,并且定义 Ａ与 Ｂ的内积为（Ａ,Ｂ）＝ｔ,（ＢＡ）,由此内积导出的范数为（Ａ,Ａ）＝（ｔ,（Ａ…     

关于非负矩阵优势比的界

令A为一n×n复矩阵,且令这个比率d称为矩阵A的优势比.1964年,Ostrowski得到正矩阵优势比的一个界.1974年,Ostrowski又得到既约非负矩阵优势比的一个界. 在本文中,我们得一个比[4]更好的界,我们的结果还推广到类似于既约非负矩阵的另一类矩阵,即在[1]中定义的准非负矩阵.此外,我们还给出确定本原指标v(A)的一个简单方法,这样可以得到优势比的更佳界.