非负矩阵Hadamard积的最大特征值的新上界

关于非负矩阵A和B的Hadamard积的最大特征值的上界问题,主要利用Gerschgorin定理和Brauer定理给出了新的估计式,并把新结果与现有结果进行了比较.数值算例表明新结果在只依赖矩阵元素的条件下改进了现有的一些估计式.     

矩阵Hadamard积和Fan积的特征值界的一些新估计式（英文）

本文研究了非奇异M-矩阵A与B的Fan积的最小特征值下界和非负矩阵A与B的Hadamard积的谱半径上界的估计问题.利用Brauer定理,得到了一些只依赖于矩阵的元素且易于计算的新估计式,改进了文献[41现有的一些结果.     

矩阵Hadamard积和Fan积的特征值界的一些新估计式

本文研究了非奇异M-矩阵A与B的Fan积的最小特征值下界和非负矩阵A与B的Hadamard积 的谱半径上界的估计问题.利用Brauer定理,得到了一些只依赖于矩阵的元素且易于计算的新估计式,改进 了文献[4]现有的一些结果.     

M-矩阵Fan积的特征值下界的新估计

非奇异M-矩阵A与B的Fan积的最小特征值下界T(AB)的估计是矩阵理论研究的重要课题.利用Brauer定理和Gerschgorin定理给出最小特征值下界的新估计式.数值算例表明新估计式在一定条件下改进了Horn和Johnson的结果,同时也改进了其它文献中的一些结果.     

M-矩阵Hadamard积的最小特征值下界的新估计式

设B和A是非奇异M-矩阵,给出B和A-1的Hadamard积的最小特征值下界τ（B°A-1）的一个新估计式,理论证明和算例表明,本文所得新估计式改进了现有的一些结果．     

M-矩阵Hadamard积的新不等式(英文)

设A和B是非奇异M-矩阵,给出了关于A和B-1的Hadamard积的最小特征值下界τ(A°B-1)的一个新估计式,该结果改进了文献[4]的结果.     

Caputo分数阶时滞细胞神经网络的稳定性分析

研究了一类Caputo分数阶时滞细胞神经网络模型的稳定性.通过利用分数阶微积分中的常数变分法,得到了Caputo分数阶时滞细胞神经网络解的差分形式,推导出模型的有界解和平衡点的存在性与唯一性,最后证明了神经网络的全局指数稳定性.