p.n.p.矩阵的一些性质

一个n阶实方阵若其各阶主子式皆非正,则称为部分非正阵,简写作p.n.p.矩阵.特别地,各阶主子式皆负的p.n.p.矩阵称为部分负矩阵,简写为p.n.矩阵。文[1]、[5]讨论了p.n.p.矩阵的谱性质。本文在[5]的基础上讨论了p.n.p.矩阵的若干性质,并给出p.n.p.矩阵特征值的某些估计式。 引理1 设A=(A_(ij)_n×n为一p.n.p.矩阵,则A的特征值之实部不全为负(n≥2)。 证 设λ_1,λ_2,…,λ_n为A的全部特征值。假定A的每一特征值之实部皆为负。分两种情     

解广义特征值反问题的同伦方法

1.引言 我们讨论下列广义特征值反问题: (G)已知B是n×n阶对称半正定矩阵,λ=(λ_1,…,λ_(2n-1))~T∈R~(2n-1),且{λ_i}~(n_3),和{λ_i}_(n+1)~(2n-1)严格交错。问题是欲求一个实对称三对角n×n阶矩阵A,使得λ_1…,λ_n是Ax=λBx的特征值,λ_(n+1),…,λ_(2n-1)是A_(n-1)x=λB_(n-1)x的特征值,其中A_(n-1),B_(n-1)分别是矩阵A,B的前n-1阶主子阵。     

具有正特征值矩阵的P条件数界限的估计

<正> 设 n 阶非异矩阵 A 的特征值按模的大小顺序排列为|λ_1|≥|λ_2|≥…≥|λ_n|>0,比值     

Kantorovich 不等式的推广及其在线性模型参数估计中的应用

本文给出两类行列式之比|X′B~(-1)AB~(-1)X||X′A~(-1)X|/|X′B~(-1)X|~2和|X′B~(-1)AB~(-1)Y||Y′A~(-1)X|/|X′B~(-1)X||Y′B~(-1)Y|的上界,其中 A 和 B 是 n×n 阶正定矩阵,X 和 Y 是任意的秩为 k 的 n×k 阶矩阵。并讨论其在线性模型参数估计理论中的应用。本文的结果是 Khatri 和 Rao1981年结果的推广。设 A 是 n 阶正定矩阵,其特征根为λ_1≥λ_2≥…≥λ_n>0,对任意非零的 n×1向量 x,不等式((x′Ax)(x′A(-1)x))/((x′x)~2)≤((λ_1 λ_n)~2)/(4λ_1λ_n) (1)称为 Kantorovich 不等式。此不等式已有一系列的推广,在[1—4]中都对不等式(1)以不     

标准Jacobi矩阵的混合型特征反问题

0 引言 本文讨论如下标准形式的Jacobi矩阵 其中a_i>0(i=1,2,…,n),b_i>0(i=1,2,…,n-1)。 对于Jacobi矩阵(对称三对角矩阵)的特征反问题,已有的成果[1],基本上集中在由两组频谱或两个特征对(指特征值及相应的特征向量)构造Jacobi矩阵的元素这样两类问题上,习惯上称之为频谱型或特征向量型反问题。本文提出且求解了第三类型——混合型特征反问题。即由一组频谱数据和一个特征向量构造矩阵元素的问题: 问题Ⅰ 给定正数λ~(1),λ~(2),…,λ~(n)和实向量x=(x_1,x_2,…,x_n)~T,其中x_1=1。构造一个标准形式的Jacobi矩阵J,使其第k阶顺序主子阵恰以λ~(k)(k=1,2,…,n)为其特征值。且(λ~(n),x)为其特征对。 问题Ⅱ 给定正数0<λ_1~(n)<λ_1~(n-1)<…<λ_1~(1)和正向量x=(x_1,x_2,…,x_n),其中x_=,x_k>0(k=2,…,n),构造一个标准形式的Jacobi矩阵J,使其第K阶顺序主子阵恰以λ_1~(k)为其最小特征值,而(λ~(n),x)为J的特征对。 问题Ⅲ 给定n个实数0<λ_1)<λ_2<…<λ_n和m个实数λ~(1),λ~(2),…,λ~(m)及m维向量x=(x_1,…,x_m)~T。构造n阶标准形式的Jaeobi矩阵J,使其第K阶顺序主子阵恰以λ~(k)(k=1,2,…,m)为其特征值,而(λ~(m),x)为第m阶顺序主子阵的特征对,且λ_k(k=1,2,…,n)为J的特征值。这里系大于或等     

Orlicz空间内的一类Müntz有理逼近

正1引言设C[0,1]是[0,1]区间上全体连续函数,对非负递增实数序列Λ={λ)n}_(n=1)~∞,以П_n(Λ)表示n阶Müntz多项式空间,即{x~(λ_1),x~(λ_2),...,x~(λ_n)}的线性组合的全体,以R_n(Λ)表示n阶Müntz有理函数空间,即     

关于Wielandt-Hoffman定理

关于正规矩阵的任意扰动,有下述定理成立. 定理1.设A为n阶正规矩阵,C为n阶任一矩阵.A的特征值为λ_1,…,λ_n,C的特征值为μ_1…,μ_n.C~H表示C的转置共轭,||·||_2与||·||_F分别表示矩阵的谱范数与Frobenius范数.记     

逆p·n·p·矩阵的表征

一个n阶实方阵A,若其各阶主子式皆非正,则称A为p.n.p.矩阵,记作A∈PNP;特别地,若A∈NP且各阶主子式皆负,则称A为p.n.矩阵,记作A∈PN进一步,若n阶实方阵A非奇异,且A^-1∈PNP,则称A为逆p.n.p.矩阵,记作A∈IPNP;特别地,若A^-1∈PN,则称A为逆p.n.矩阵,记作A∈IPN。     

一个矩阵不等式及其应用

本文给出正定Hermitè矩阵的一个不等式,然后用它推导出算一几不等式. 命题:设A_1,A_2,…,A_n是,n(≥2)个正定(同级)Hermite矩阵,λ_1,λ_2,…,λ_n是n个正实数,且λ_1+λ_2+…+λ_n=1,则     

代数特征值反问题之解的稳定性分析

考虑如下代数特征值反问题: 问题 G(A;{A_k}_1~n;λ).设 A=(a_(ij)),A_k=(a_(ij)~((k))),k=1,…,n是n+1个n×n的实对称矩阵,λ=(λ_1,…,λ_n)是n维实向量且λ_i≠λ_j,i≠j.求n维实向量c=(c_1,…,c_n)~T,使矩阵A(c)=A+sum from k=1 to n (c_kA_k)的特征值是λ_1,…,λ_n. 这一问题是经典加法问题的推广.当A_k-e_ke_k~~T(e_k是n阶单位阵的第k列)时,     

几类矩阵的判定

主子式(顺序主子式)全为正或非负的矩阵、广义正定(非负定)矩阵、M 矩阵、广义对角占优矩阵等几类矩阵在矩阵理论和许多应用领域内是十分重要的矩阵类,本文提出判断一个矩阵是否上述几类矩阵的统一方法—分块降阶判定法,它包含、改进了[4、5]中主要结论。     

加法与乘法逆特征值问题的可解性

1.引言 本文讨论如下代数特征值反问题可解的充分条件: 问题A(加法逆特征值问题)。给定一Hermite矩阵A=(a_(ij))_(n×n)及n个实数λ_1,…,λ_n,求一实对角阵D=diag(c_1…,c_n),使得A+D的特征值为λ_1,…,λ_n。 问题M(乘法逆特征值问题)。给定一正定Hermite矩阵A=(a_(ij))_(n×n)和n个正实数     

Orlicz空间中Müntz有理函数逼近的Jackson型定理

正1引言Müntz在文献[1]中研究了Müntz系统{x~(λn)}~∞_(n=1)在C[0,1]中的稠密问题,给出了著名的Müntz定理,这也将Weierstrass定理推广到了更一般的情况.之后学者们逐步转向了考虑Müntz有理逼近速度等问题的研究,而且这类研究正日益深入.设C[0,1]是[0,1]区间上全体连续函数,对非负递增实数序列∧={λ_n}~∞_(n=1)以∏_n(∧)表示n阶Müntz多项式空间,即{x~(λ_1),x~(λ_2),…,x~(λ_n)}的线性组合的全体,以R_n(∧)表示n     

求解特征值问题的 AOR 算法的收敛性

用 AOR 方法求解线性方程组是众所周知的,我们将此方法应用到求解特征值问题方面.考虑下面特征值问题:(A—λI)x=0,(1.1)这里 A 是大型稀疏非奇异对称矩阵.显然,问题(1.1)有下面三条性质:i)其 n 个特征值都是实的,不妨设为λ_1≤λ_2≤…≤λ_n;(1.2)     

体上特征矩阵的法式与弱法式存在定理

<正> 设 K 为任意体(非交换域),A 为 K 上一个 n 阶矩阵.在[1]文中,我们证明了:特征矩阵λI—A 在非交换多项式环 K[λ]上的初等变换下,可以化为(其中φ_1|φ_2表可左、右整除):     

求解特征值反问题的同伦方法

§1.引言 本文讨论经典的加法问题,即 问题A.给定一个n阶实对称矩阵A和n个实数λ_1,…,λ_n,求n维实向量x=(x_,…,x_n)~T,使得A+diag(x_1,…,x_n)的特征值是λ_1,…,λ_n。 求解问题A的数值方法已有很多,一般是先把问题A化为一个等价的非线性方程组,然后用Newton法求解相应的非线性方程组.在[6]中,Friedland等对这方面的工     

由谱数据数值稳定地构造实对称带状矩阵

§1.引言 设r,n是正整数并且0r有a_(ij)=0.     

《标准正交基的一种求法》的注记

贵刊1991年第3期《标准正交基的一种求法》一文,给出用矩阵的合同变换把R~n的一个基{α_1.α_2,…,α_n}化为标准正交基{β_1,β_2,…,β_n}的一种方法。这种方法是以向量α_1的分量作为第i列(i=1,2,…,n)作出矩阵A,A′A是一个n阶正定矩阵,所以存在n阶可逆矩阵T     

低计算精度下实对称矩阵的特征值分解

正1引言1.1 背景简介设A ∈ R~(n×n)为n阶实对称矩阵,矩阵A的特征值分解是找正交矩阵U ∈R~(n×n),使得A=UAU~T,(1.1)其中U~T指U的转置,Λ为对角矩阵,且Λ=diag(λ_1,λ_2,…,λ_n),其中λ_i,i=1,…,n是矩阵A的特征值.矩阵A的奇异值分解为A=UEU~H,(1.2)其中,U ∈ C~(n×n)是酉矩阵,U~H是U的共轭转置,∑是非负实对角矩阵.当A正定时,奇异值分解和特征值分解等价.对一般实对称阵,奇异值和特征值绝对值相同.在实际应用中,往往不需要求得矩阵A的全部特征值和特征向量,只需要其绝对值最大的若干特征值所构成的近似特征值分解,以便进行矩阵近似求逆等任务.这种近似特征值分解被称为主特征值分解(Dominant Eigenvalue Decomposition),在矩阵近似求逆和主成分分析(PCA)[1]等方面有重要应用.     

关于矩阵特征值的扰动

则称S_A(B)为B对于A的谱改变量.当A为可正规化矩阵时,[2]中给出了S_A(B)的一个上界:假设Q~(-1)AQ=diag(λ_1,λ_2,…,λ_n),则