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.     

预条件同时置换(PSD)迭代法的收敛性分析

1引言求解线性方程组Ax=6,(1.1)其中A∈R~(n×n)非奇异阵且对角元非零,x,b∈R~n,x未知,b已知.不失一般性,我们假设A=I-L-U,(1.2)其中L,U分别为A的严格下和上三角矩阵,相应的Jacobi迭代矩阵为B=L U.(1.3)若Q是非奇异阵且Q~(-1)易计算,于是(1.1)可以变成     

PERSISTENCE OF NONAUTONOMOUS COMPETITIVE SYSTEMS WITH INFINITE DELAY

Inthispaperweconsidernonlinear,nonautonomous,nonconvolutiontypeVolterrasystemoftheformForx=(x1,...,xn)∈Rn,wedefine.Weassumethat(A)Gi:R×R×Rn×Rn→R ismeasurableandthereexistsacontinuouspositivefunctionh:R-→ R suchthatandGi(t,s,0,0)≡0,andGi(t,s,x,y)is'nondecreasinginxjforfixedt,s,x1,...1xj-1,xj 1,...,xnandisnondecreasinginyiforfixedt,s,y1,...,yj-1,yj 1,...,yn,i,j=1,...,n.Wedefineandds,whereLetbethemetricspacewithop,Φ∈ChandeachofitscomponentsΦi(s)≥0fors≤0.Wealsoassumethatarecontin…     

Mn(C)中的不可约性

对于Mn(C)(所有n×n矩阵的全体)中的不可约矩阵得到以下结果:对于任意A∈Mn(C),设λ1,λ2,…,λm为A的所有特征值,这里m≤n而且当i≠j时,λi≠λj.则A是不可约的当且仅当任意P∈A'(A),P*=P=P2,有σ(P|ker(A-λ1))=σ(P|ker(A-λ2))=…=σ(P|ker(A-λm))为单点集.     

块中心对称H-矩阵的几个定理

1符号与定义 为了行文方便,首先作如下记号约定:n为自然数,In表示n阶单位矩阵,Rn×n表示所有n×n阶实数矩阵做成的集合.对A=(aij)n×n∈Rn×n,若aij≤0对所有的i,j=1,2,…,n,i≠j成立,则称A为Z-矩阵.     

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)     

INVERSE EIGENVALUE PROBLEM OF HERMITIAN GENERALIZED ANTI-HAMILTONIAN MATRICES

§1　IntroductionWe considerthe following inverse eigenvalue problem offinding an n-by-n matrix A∈S such thatAxi =λixi,i =1,2 ,...,m,where S is a given set of n-by-n matrices,x1 ,...,xm(m≤n) are given n-vectors andλ1 ,...,λmare given constants.Let X=(x1 ,...,xm) ,Λ=(λ1 ,λ2 ,...,λm) ,then the above inverse eigenvalue problemcan be written as followsProblem Given X∈Cn×m,Λ=(λ1 ,...,λm) ,find A∈S such thatAX =XΛ,where S is a given matrix set.We also discuss the so-called opti…     

求解特征值互补问题的ABS算法

正1引言对给定的矩阵A∈R~(n×n)和正定阵B∈R~(n×n),特征值互补问题(EiCP)~([1-3])是指:求实数λ和向量x∈R~n\{0}使得{y=(A-λB)x y≥0,x≥0 y~Tx=0 (1)它源于工程和物理问题,如对力学接触问题和结构力学系统的稳定性的研究[3-6].EiCP也可表示为如下形式的锥约束特征值问题[7,8]:对给定的矩阵A∈R~(n×n)和正定阵B∈R~(n×n),求实数λ和向量量x∈R~n\{0}使得     

求解多项式特征值问题的部分正交投影方法及其变形

正1引言为表述方便,用C~(m×n)表示m×n复矩阵的全体,C~m=C~(m×1).‖·‖表示向量或矩阵的2-范数.对A∈C~(m×n),v∈C~m及正整数m,K[A,v,m]=[v,Av,A~2v,...,A~(m-1)v]称为Krylov矩阵,span(K[A,v,m])就是由A和v生成的Krylov子空间.e_j是适当阶单位矩阵的第j列.设A_i∈C~(m×n)(i=0,1,…,d)是给定的矩阵,记     

TO SOLVE MATRIX EQUATION sum (A~iXBi=c) BY THE SMITH NORMAL FORM

§ 1　IntroductionLet F be a field,F[λ] be the polynomial ring over F,Fm× n( or Fm× n[λ] ) be the setofall m×n matrices over F( or F[λ] ) .Let M(i) be the ith column of M∈Fm× m[λ] ,i=1 ,...,n.A g-inverse of M∈Fm× n will be denoted by M- and understood as a matrix for whichMM- M=M.In this paper,we discuss the linear matrix equation ki=0Ai XBi =C, ( 1 )where A∈Fm× m,Bi∈Fn× q,i=0 ,1 ,...,k,and C∈Fm× q.Equation( 1 ) is called universally solvable if ithas a solution f…     

关于Kahan定理的一个注记

设A∈C~(n×n),B∈C~(k×k)均为Hermite矩阵,它们的特征值分别为{λ_j}_(j=1)~n和{μ_j}_(j=1)~k(k≤n);Q∈~(n×k)为列满秩矩阵.令 (1) 则存在A的k个特征值λ_(j_2),λ_(j_2),…,λ_(j_k),使得 (2) 其中σ_k为Q的最小奇异值,||·||_2表示矩阵的谱范数.这是著名的Kahan定理·1996年曹志浩等在[2]中将(2)加强为 (3) 这是Kahan的猜想.在本文中,我们讨论将Kahan定理中“B为k阶Hermite矩阵”改为B为k阶(任意)方阵后,特征值的扰动估计,有以下结果. 定理 设A∈C~(n×n)为Hermite矩阵,其特征值为{λ_j}_(j=1)~n,B∈C~(k×k)的特征值为{μ_j}_(j=1)~k,而Q∈C~(n×k)为列满秩矩阵.则存在A的k个特征值λ_(j_1),λ_(j_2),…,λ_(j_k),使得     

幂等矩阵下Yang-Baxter-like方程解的新的显式表达式

正1引言设C~(m×n)表示m×n阶复矩阵的集合,I_n表示n阶单位矩阵.对于矩阵A∈C~(m×n),A~*表示它的共轭转置矩阵.设矩阵A∈C~(n×n),如果A~2=A,则称矩阵A为幂等矩阵;如果A~2=A=A~*,则称矩阵A为正交投影矩阵.设A∈C~(n×n)本文主要研究下面的二次矩阵方程AXA=XAX,(1.1)称之为Yang-Baxter-like方程,因为其与统计物理中分别由Yang[1]和Baxter[2]独立得到的经典Yang-Baxter方程相似.     

EP矩阵与矩阵方程的解

证明了如下结论:设A∈C~(n×n)是群可逆矩阵,则(i)A为EP矩阵当且仅当矩阵方程A~HXA=XAA~H在χ_A至少有一个解;(ii)A为EP矩阵当且仅当矩阵方程A~HXA=AA~HX在χ_A至少有一个解,其中χ_A={A,A~#,A~+,A~H,(A~#)~H,(A~+)~H}.     

满足AB=αBA的方阵A,B和AB的特征值的性质及其联系

设m阶方阵A,B满足AB=αBA,其中α=e~(2kπi/n),k,n为互素整数且n≥2.证明了σ(AB)■{α~(j-((n-1)/2))λ_AλB|λA∈σ(A),λB∈σ(B),j=0,1,…,n-1}及其它相关的结果,其中σ(A)表示方阵A的所有特征值的集合.     

(0,1)实对称矩阵特征值的图论意义

A为元素只取 0 ,1且主对角线元素均为 0的 n阶实对称方阵 ,n维列向量 J=( 1 ,1 ,1 ,… ,1 ) T ,且 AJ=( d1,d2 ,d3,… ,dn) T。若 λi 是 A的特征值 ,试证明 :∑ni=1λ2i =∑ni=1di ( 0 )　　这是一道典型的线性代数中关于实对称矩阵特征值方面的问题。对它的求解如下 :设 n维非零向量 x是 A的对应于特征值λi 的特征向量 ,则有 Ax=λix.两边同时左乘 A,得A2 x =A(λix) =λi( Ax) =λ2ix ( 1 )而上式说明 λ2i 即方阵 A2 的特征值。由 [1 ],对任一 n阶方阵 A=[aij]n× n,若 λi 是 A的特征值 ,则有 ∑ni=1λi=tr( A) =∑ni=1aii 。…     

实对称矩阵广义特征值反问题

本文研究如下实对称矩阵广义特征值反问题: 问题IGEP,给定X∈R~(n×m),1=diag(λ_II_k_I,…,λ_pI_k_p)∈R~(n×m),并且λ_I,…,λ_p互异,sum from i=1 to p(k_i=m,求K,M∈SR~(n×n),或K∈SR~(n×n),M∈SR_0~(n×m),或K,M∈SR_0~(n×n),或K∈SR~(n×n),M∈SR_+~(n×n),或K∈SR_0~(n×n),M∈SR_+~(n×n),或K,M∈SR_+~(n×m), (Ⅰ)使得 KX=MXA, (Ⅱ)使得 X~TMX=I_m,KX=MXA,其中SR~(n×n)={A∈R~(n×n)|A~T=A},SR_0~(n×n)={A∈SR~(n×n)|X~TAX≥0,X∈R~n},SR_+~(n×n)={A∈SR~(n×n)|X~TAX>0,X∈R~n,X≠0}. 利用矩阵X的奇异值分解和正交三角分解,我们给出了上述问题的解的表达式.     

线性流形上对称正交反对称矩阵反问题的最小二乘解

设P是n阶对称正交矩阵,如果n阶矩阵A满足AT=A和(PA)T=-PA,则称A为对称正交反对称矩阵,所有n阶对称正交反对称矩阵的全体记为SARnp.令S={A∈SARnp f(A)=‖AX-B‖=m in,X,B〗∈Rn×m本文讨论了下面两个问题问题Ⅰ给定C∈Rn×p,D∈Rp×p,求A∈S使得CTAC=D问题Ⅱ已知A~∈Rn×n,求A∧∈SE使得‖A~-A∧‖=m inA∈SE‖A~-A‖其中SE是问题Ⅰ的解集合.文中给出了问题Ⅰ有解的充要条件及其通解表达式.进而,指出了集合SE非空时,问题Ⅱ存在唯一解,并给出了解的表达式,从而得到了求解A∧的数值算法.     

基于新的随机选择方式的随机Kaczmarz算法

正1引言Kaczmarz算法[8]是求解超定相容线性方程组的最受欢迎的方法之一,Ax=b,(1.1)其中矩阵A=(a_(ij))∈C~(m×n)(m≥n),b=(b_1,b_2,…,b_m)~T∈C~m,a_i~T(i=1,2,…,m)表示矩阵A的行.由于其简单且收敛速度快,Kaczmarz算法的应用范围非常广泛,最早是被     

Bargmann空间中无界Gribov-Intissar算子的谱逼近（英文）

在[Adv.Math.(China),2015,44(3):335-353]中,我们研究了经典Bargmann空间Bo中的非自伴算子H_μ:H_μ=S_μ+H_λ,其中S_μ=μz d/(dz),H_λ=iλ(z(d~2)/(dz~2)+z~2 d/(dz)),i~2=-1,参数μ,λ都是实数.我们给出了H_μ的谱分析和H_μ的广义特征向量的渐近分析.设ek(z)=(z~k)/((k!)~(1/2)),k=1,2,…是B0的正交基.算子H_μ可以被一列三对角矩阵逼近,此三对角矩阵的主对角线元素为β_k=μk,次对角线元素α_k=iλk(k+1)~(1/2),1≤k≤n,n∈N.对于μ∈C和λ∈C,本文主要研究上述矩阵的特征值z_(k,n)(μ,λ)的局部化,它是多项式P_(n+1)~(μ,λ)(z)的零点,P_(n+1)~(μ,λ)(z)满足三项递推关系:若"∈R和λ∈R,则上述矩阵是复对称的.在这种情况下,我们证明了R上有界变分复值函数∈(z)的存在性,它使得权重为∈(z)的多项式P_n~(μ,λ)(z)是正交的.我们也考虑了H_μ的扰动H_λ'=S_λ'+H_λ,其中S_λ'=λ'z~2(d~2)/(dz~2)+S_μ,λ'∈R,H_λ可以被矩阵(h_(jk)~λ)_(j,k=1)~∞表示.证明了可以通过S_λ'的特征值和有限矩阵(h_(jk)~λ)_(j,k=1)~n的特征值的组合来逼近H_λ'的特征值.     

求解逆特征值问题的牛顿类方法的收敛判据

<正>1引言多年来,众多数学工作者在推导和分析如下定义的逆特征值问题(IEP)的理论和算法上表现出了相当大的兴趣.以下我们设c=(c_1,c_2,….c_n)~T E R~n,{A_i}_(i=1)~n是n个实对称的n×n矩阵.定义A(c)=∑ni=1c_iA_i.(1)设A(c)的特征值为{λ_i(c)}_(i=1)~n且λ_1(c)≤λ_2(c)≤…≤λ_n(c).设{λ_i~*)_(i=1)~n为任意给定的n个数并且满足λ_1~*≤λ_2~*≤…≤λ_n~*.我们这里考虑的IEP就是寻找向量c~*∈R~n使得λ_i(c~*)=λ_i~*对任意的i=1,2,…,n.(2)