复半正定矩阵的奇异值不等式

用Mn表示所有复矩阵组成的集合.对于A∈Mn,σ(A)=(σ1(A),…,σn(A)),其中σ1(A)≥…≥σn(A)是矩阵A的奇异值.本文给出证明:对于任意实数α,A,B∈Mn为半正定矩阵,优化不等式σ(A-|α|B) wlogσ(A+αB)成立,改进和推广了文[5]的结果.     

奇异M—矩阵和广义对角占成阵的实用判定准则

1　引言和符号首先对本文所采用的符号和术语作一约定和说明,而不再重申.N表示前面n个自然数的集合,而分别用Mn(C)和Mn(R)表示所有n阶复方阵和n阶实方阵的集合,Rn表示n维实列向量.Zn={A|A=(aij)∈Mn(R),aij≤0,i≠j,i,j∈N}.若A∈Zn则称A为Z-矩阵,有时也简记为A∈Z.I恒表示适当阶的单位矩阵.设α和β为N的非空子集,对于A∈Mn(C),把由A中行标属于α而列标属于β的元素按照原来相对位置所构成的子矩阵记为A(α,β),特别地,把主子阵A(α,α)简记为A(α)、当A(α)可逆时,其逆阵记为A(α)-1,此时称矩阵A/A(α)=A(α)-A(α,α).…     

广义严格对角占优矩阵的迭代判别方法

正1引言设A=(a_(ij))∈C~(n×n),N={1,2,…,n}.记R_i(A)= sum |a_(ij)| from j≠i (i∈N),又记N_1=N_1(A)={i∈N:0|a_(ii)|≤R_i(A)},N_2=N_2(A)={i∈N:|a_(ii)R_i(A)}.定义1设A=(a_(ij))∈C~(n×n),如果|a_(ii)|R_i(A)(i∈N),则称A为严格对角占优矩阵.严格对角占优矩阵的集合记为D.如果存在n阶正对角矩阵D使得AD∈D,则称A为广义严格对角占优矩阵.广义严格对角占优矩阵的集合记为D.     

A Class of Constrained Inverse Eigenproblem and Associated Approximation Problem for Symmetric Reflexive Matrices

Let S∈Rn×n be a symmetric and nontrival involution matrix. We say that A∈E R n×n is a symmetric reflexive matrix if AT = A and SAS = A. Let S R r n×n(S)={A|A= AT,A = SAS, A∈Rn×n}. This paper discusses the following two problems. The first one is as follows. Given Z∈Rn×m (m < n),∧= diag(λ1,...,λm)∈Rm×m, andα,β∈R withα<β. Find a subset (?)(Z,∧,α,β) of SRrn×n(S) such that AZ = Z∧holds for any A∈(?)(Z,∧,α,β) and the remaining eigenvaluesλm 1 ,...,λn of A are located in the interval [α,β], Moreover, for a given B∈Rn×n, the second problem is to find AB∈(?)(Z,∧,α,β) such that where ||.|| is the Frobenius norm. Using the properties of symmetric reflexive matrices, the two problems are essentially decomposed into the same kind of subproblems for two real symmetric matrices with smaller dimensions, and then the expressions of the general solution for the two problems are derived.     

矩阵对角占优性的推广及应用

§1.引言设 A=(a_(ij))_(n×n)为一复矩阵,若有一正向量 d=(d_1,d_2,…,d_n)~T 使得d_i|a_(ij)|≥sum from j≠1 d_j|a_(ij)|,(1)对每一 i∈N={1,2,…,n}都成立,则称 A 为广义对角占优矩阵,记为 A∈D_0~*;如若(1)式中每一不等号都是严格的,则称 A 为广义严格对角占优矩阵,记为 A∈D~*.特别地,当 d=(1,1,…,1)~T 时,A∈D_0~*及 A∈D~*即是通常的对角占优与严格对角占优,分别记作 A∈D_0及 A∈D.利用矩阵的对角占优性质讨论其特征值分布是矩阵论中的重要课题,文献[5]—[10]给出了这方面的重要结果.n 阶实方阵 A 称为 M-矩阵,如果 A具有形式:A=sI-B,s>ρ(B),其中 B 为 n 阶非负方阵,ρ(B)表 B 之谱半径,利用广义严格对角占优的概念,文[1]给出了 M-矩阵的等价表征:若 n 阶实方阵     

一类亚半正定矩阵的左右逆特征值问题(Ⅱ)

1.引言 令Rm×n表示所有m×n实矩阵集合;RN×nn表示所有非奇异的n阶实矩阵集合.令Rn×no={A∈Rn×n| X∈Rn×1:XTAX≥0},即亚半正定矩阵集合;Wr×t={A∈Rr×t|σ(A)≤1},即最大奇异值不超过1的r×t实矩阵集合,这里σ(A)表示矩阵A的最大奇异值.     

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 ] .…     

Banach空间非扩张映像不动点强收敛定理

设E是具弱序列连续对偶映像自反Banach空间, C是E中闭凸集, T:C→ C是具非空不动点集F(T)的非扩张映像.给定u∈ C,对任意初值x0∈ C,实数列{αn}n∞=0,{βn}∞n=0∈ (0,1),满足如下条件:(i)sum from n=α to ∞α_n=∞, α_n→0;(ii)β_n∈[0,α) for some α∈(0,1);(iii)sun for n=α to ∞|α_(n-1) α_n|<∞,sum from n=α|β_(n-1)-β_n|<∞设{x_n}_(n_1)~∞是由下式定义的迭代序列:{y_n=β_nx_n (1-β_n)Tx_n x_(n 1)=α_nu (1-α_n)y_n Then {x_n}_(n=1)~∞则{x_n}_(n=1)~∞强收敛于T的某不动点.     

共轭对角占优矩阵的特征值分布

<正> 设 A=(a_(rs)_(n×n)为 n 阶复矩阵.记μ_r=sum from s≠r |a_(rs)|,N={1,2,…,n},J(A)={r∈N||a_(rr)>μ_r}.我们引入下述定义:定义1 若对r=1,2,…,n 皆有|a_(rr)|>μ_r,则称 A 为按行严格对角占优矩阵,记为 A∈D.若对 r=1,2,…,n 皆有|a_(rr)|≥μ_r,J(A)非空集,且对任一 k(?)J(A),有a_(ks_1)a_(s_1s_2)…a_(s_m)l≠0,l∈J(A),则称 A 为按行准严格对角占优矩阵,记为 A∈SC.若 A为此二类矩阵之一,则记为 A∈D∪SC.     

奇异H-矩阵并行算法

1　引　　言对于H矩阵类,到目前为止,人们关注的是非奇异H矩阵,对于奇异H矩阵研究结果很少,不象奇异M-矩阵研究的丰富[1-4]及获得了半收敛的一些结论,王川龙和游兆永将并行算法用于奇异M矩阵[5].本文的目的就是将并行算法用于奇异H矩阵.为此,首先讨论了奇异H矩阵与奇异M矩阵的关系.2　符号特征设Mn(R)代表实方阵的全体,A∈Mn(R),不特殊说明,A=D-B表示Jacobi分裂,〈A〉是A的比较矩阵,detA表示A的行列式,ρ(A)表示A的谱半径,μ(A)表示A的谱〈n〉={1,2,…,n},A[α|α]表示由α所决定的主子矩阵,α∈〈n〉.定理2.1[8]　设A是实H矩阵…     

广义Lipschitz伪压缩映射黏滞迭代逼近方法的强收敛

K是Banach空间E的一个非空闭凸子集,T:K→K是一个广义Lipschitz伪压缩映射.对Lipschitz强伪压缩映射f:K→K和x_1∈K,序列{x_n}由下式定义:x_n+1=(1-α_n-β_n)x_n+α_nf(x_n)+β_nTx_n.在{α_n}与{β_n}满足合适条件的情况下,每当{z∈K;μ_n‖x_n-z‖~2=inf_(y∈K)μ_n‖x_n-y‖~2}∩F(T)≠φ时,{x_n}强收敛到T的某个不动点x~*.     

关于不可约复矩阵的可逆性

本文推广了不可约复矩阵可逆性的一个经典结果──Ｂｅｔｔｅｒ推论，证明了如下定理：一个ｎ×ｎ不可约复矩阵Ａ是可逆的，如果它满足下列条件之一：某α∈［０，１］，且对至少一个。成立严格不等式，其中Ｎ＝｛１，２，…，ｎ｝，Ｒｉ∑ｊ∈Ｎ－（ｉ）｜αｉｊ｜，Ｃｉ＝∑ｊ∈（ｉ）｜αｊｉ｜，（ｉｉ）｜αｉｉαｊｊ｜≥ＲｉＲｊ，且对至少一对（ｉ，ｊ）成立严格不等式，同时Ａ有两行其非零非对角元的个数不小于２。     

Banach空间中极大单调算子零点的迭代收敛定理及应用

令E为实光滑、一致凸的Banach空间,E*为其对偶空间.令A E×E*为极大单调算子且A-10≠.假设{rn}(0,+∞)为实数列且满足rn→∞,n→∞,数列{αn}[0,1]满足∑∞n=1(1-αn)<+∞,对给定的向量xn∈E,寻找向量{x∧n}及{en}使之满足:αnJxn+(1-αn)Jen∈Jx∧n+rnAx∧n,其中{en}E为误差序列而且满足一定的限制条件.即而定义迭代序列{xn}n 1如下:xn+1=J-1[βnJx1+(1-βn)Jx∧n],n 1,其中数列{βn}[0,1]满足βn→0,n→∞且∑∞n=1βn=+∞,则{xn}强收敛于QA-10(x1),这里QA-10为从E到A-10上的广义投影算子.利用Lyapunov泛函,Qr算子与广义投影算子等新技巧,证明了引入的新迭代序列强收敛于极大单调算子A的零点,并讨论了此结论在求解一类凸泛函最小值上的应用.     

广义分数次积分多线性交换子的端点估计

设函数b=（b1,b2,…,bm）和广义分数次积分L-a／2（0〈α〈n）,它们生成多线性算子定义如下 Lb -a/2 f = [bm …, [b2[b1, L-a/2]],…, ]f,其中m ∈ Z＋ , bi ∈ Lipβi （0 〈βi 〈 1）,其中（1≤i≤m）．将讨论Lb -1a/2。从Mp^q（Rn）到Lip（α＋β-n/ q） （ Rn ）和q^q （ Rn ）到BMO（Rn）的有界性．     

逼近非扩张非自映像不动点（英文）

设E是一致凸Banach空间,K是E中非空闭凸集且是一个非扩张收缩核,T：K→E是具非空不动点集F（T）：={x∈K：Tx=x}的非扩张映像.设{α_n},{β_n},{γ_n},{α′_n},{β′_n},{γ′_n}是[0,1]中实数列满足α_n＋β_n＋γ_n=α′_n＋γ′_n＋γ′_n=1,对任意初值x_1∈K,定义{x_n}如下（ⅰ）如果对偶空间E＊具有Kadec-Klee性质,那么{x_n}弱收敛于T的某不动点x＊∈F（T）;（ⅱ）若T满足（A）条件,那么{x_n}强收敛于T的某不动点x＊∈F（T）.     

伪压缩族公共不动点的复合隐格式迭代逼近问题

设H是一实Hillber空间,K是H之一非空间凸子集,设{Ti}Ni=1是N个Lipschitz伪压缩映象使得F=∩Ni=1F(Ti)≠0,其中F(Ti)={x∈K:Tix=x}并且{αn}n∞=1,{βn}∞n=1[0,1]是满足如下条件的实序列(i)∑∞n=1(1-αn)2= ∞;(ii)limn→∞(1-αn)=0;(iii)∑∞n=1(1-βn)< ∞;(iv)(1-αn)L2<1,n1;(v)αn(1-βn)2 αn[βn L(1-βn)]2<1,其中L1是{Ti}iN=1的公共Lipschitz常数,对于x0∈K,设{xn}n∞=1是由下列定义的复合隐格式迭代xn=αnxn-1 (1-αn)Tnyn,yn=βnxn (1-βn)Tnxn,其中Tn=TnmodN,则(i)limn→∞‖xn-p‖存在,对于所有的p∈F;(ii)limn→∞d(xn,f)存在,其中d(xn,F)=infp∈F‖xn-p‖;(iii)liminfn→∞‖xn-Tnxn‖=0.本文的结果推广并且改进H-K.Xu和R.G.Ori在2001年的结果和Osilike在2004年的结果,并且在这篇文章中,主要的证明方法也不同与H-K.Xu和Osilike的方法.     

Hermitian非自反矩阵的两类反问题

记J为一广义反射矩阵,HAJn×n为关于J的n阶Hermitian非自反矩阵的集合.本文考虑如下两个问题:问题Ⅰ给定X,B∈n×m,求A∈HAJn×n,使得‖AX-B‖=min.问题Ⅱ给定X∈n×m,B∈n×n,求A∈HAJn×n,使得XHAX=B.首先利用奇异值分解讨论问题Ⅰ的解的通式,然后利用广义奇异值分解得到了问题Ⅱ有解的充分必要条件和解的通式,最后给出问题Ⅰ和Ⅱ的逼近解的具体表达式.     

一类幂平均不等式的完善

设n≥2,n∈N,β>θ>0,a∈R_+~n,r∈R,M_r(a)为a的r次幂平均,将确定参数λ,使(G(a))~(1-λ)(Mβ(a))~λ≤M_θ(a)成立.此结果推广了一些已知结论.