对称次反对称矩阵的一类反问题

1 引言 用R~(m×n),SR~(n×n),ASR~(n×n),OR~(n×n)分别表示所有m×n实矩阵,n阶实对称矩阵,n阶实反对称矩阵和n阶实正交矩阵组成的集合,I_k表示k阶单位矩阵,S_k表示k阶反序单位矩阵,||A||表示矩阵A的Frobenius范数。若A=(a_(ij))∈R~(n×n),记D_A=diag(a_(11),a_(22),…,a_(nn)),L_A=(l_(ij))∈R_(n×n)其中当i>j时,l_(ij)=a_(ij),当i≤j时,l_(ij)=0,(i,j=1,2,…,n).若A=(a_(ij)),B=(b_(ij))∈R~(m×n),A*B表示A与B的Hadamard乘积,其定义为A*B=(a_(ij)b_(ij))。     

线性流形上对称正交对称矩阵逆特征值问题

1.引言 令R~(n×m)表示所有n×m阶实矩阵集合;OR~(n×n)表示所有n阶正交矩阵全体;A~+表示A的Moore-penrose广义逆;I_к表示К阶单位阵;SR~(n×n)表示n阶实对称矩阵的全体;rank(A)表示A的秩;||·||是矩阵的Frobenius范数;对A=(a_(ij)),B=(b_(ij))∈R~(n×m),A＊B表示A与B的Hadamard乘积,其定义为A*B=(a_(ij),b_(ij))。     

线性流形上实对称矩阵最佳逼近

1.引言 首先介绍一些记号,IR~(n×m)表示所有n×m实矩阵的全体,SIR~(n×n)表示所有n×n实对称矩阵的全体,OIR~(n×n)表示所有n×n正交矩阵的全体,I_n表示n阶单位矩阵,A~T和A~+分别表示矩阵A的转置和Moore-Penrose广义逆。对A=(a_(ij)),B=(b_(ij))∈IR~(n×m),A＊B表示A与B的Hadamard积,定义为A＊B=(a_(ij)b_(ij)),并且定义A与B的内积     

广义严格对角占优阵的判定程序

1 引言和符号 在本文中,均采用下列符号而不再重申.恒用N表示前n个自然数的集合;而用Mn(C)和Mn(R)分别表示所有n阶复矩阵和所有n阶实矩阵的集合. Z_N={A|A=(a_(ij))_(n×n)∈Mn(R),a_(ij)≤0,i,j∈N,i≠j},I恒表示单位矩阵. 如果A∈Mn(R)且A的所有元素都为非负实数,则称A为非负方阵,并记为A≥0;若A的所有元素都为正数,则称A为正矩阵,并记为A>0. 对A=(a_(ij))(n×n)∈Mn(C),令A_i(A)=sum from j=1 j≠i to n (|a_(ij)|(i=1、2…… n)) ;若把A的非零元用1代替 而得到—个n阶(0,1)矩阵。称为A的导出矩阵。记为;而把A的比较矩阵记为 u(A)=(b_(ij))_(n×n))其中b_(ij)=|a_(ij)|,b_(ij)=-|a_(ij)|(i,j∈N i≠j)     

线性流形上矩阵方程BTXB=F的双对称最小二乘解

1引言令R~(n×m)、OR~(n×n)、SR~(n×n)(SR_0~(n×n))分别表示所有n×m阶实矩阵、n阶实正交阵、n阶实对称矩阵(实对称半正定阵)的全体,A~ 表示A的Moore-Penrose广义逆,I_k表示k阶单位矩阵,S_k表示k阶反序单位矩阵。R(A)表示A的列空间,N(A)表示A的零空间,rank(A)表示矩阵A的秩。对A=(a_(ij)),B=(b_(ij))∈R~(n×m),A*B表示A与     

M矩阵的一些性质

设A=(a_(ij))n×n为n阶实矩阵,若a_(ij)≥0(a_(ij)>0),i,j=1,2,…,n。则称A为非负(正)矩阵。类似地,一个向量,若其分量皆为正(非负),则叫做正(非负)向量。若a_(ii)>0,a_(ij)≤0,i≠j,i,j=1,2,…,n,则A叫做L矩阵,记为A∈L。我们知道,若A∈L,则下述诸条件是等价的:     

非负全连续算子的谱模

设 A=(a_(ij))是 l_2中一个全连续算子,其中a_(i_1j)≥0.当 A~*A 为不可约时,本文证明了|||A|||+2=min{r(B)c_1(C)∶A=BoC},其中 A=BoC 表示对一切 i,j,a_(ij)=b_(ji)c_(ji),r(B)=sup(sum from j=1 to ∞ |b_(ij)|~2)~(1/2),c_1(C)=(sum from i=1 to ∞ (c_(ji)~2)~(1/2),并给出极小解的具体形式.文中所有结果均适用于 A_(mn)为一 m×n 矩阵的情形     

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     

矩阵张量积不可约性的表征

为矩阵A与B的张量积,记为C=A(?)B。 定义Ⅰ设A=(a_(ij))∈C~(n×n),B=(b_(ij))∈C~(m×m)。若A在某位置(f,f)之非零元素链中有一个含r_1个A中的非零元:A(f,f)=a_(fe_1)a_((e_1)(e_2)…a_(e_r))(?),B在某位置(t,t)之非零元素链中有一个含r_2个B中的非零元:B(t,t)=b_((ts_1))b_((s_1s_2))…bs_(s_r_2-1)l,且(r_1,r_2)=1,1≤f≤n,1≤r≤m,则称A,B满足弱链条件。     

利用矩阵的初等行变换求解一般线性方程组

本文介绍一种利用矩阵的初等行变换(以下简称行变换)求解一般线性方程组A_(mn)X_(n1)=B_(m1),其中A_(mn)=(a_(ij)),X_(n1)=(x_1x_2…x_n)~T,B=(b_1b_2…b_n)~T(1)的方法,这种方法通过适当的初等行变换,使得它的一个特解及它的导出组A_(mn)X_(n1)=O_(m1) (2)的基础解系都巧妙地蕴含在同一个矩阵中,即可直接写出它们的通解.实践证明,该方法简单易行,与传统的方法相比,能达到事半功倍的效果.     

快速模糊系统

1.模糊矩阵及半序关系若矩阵 A=[a_(ij)]_(n×m),其中0≤a_(ij)≤1,则称 A 是一个 n×m 阶模糊矩阵,这种模糊矩阵的全体记为 M_(n×m).任意 A=[a_(ij)]_(n×m),B=[b_(ij)]_(n×m) 是两个 n×m 阶模糊矩阵,若 b_(ij)≤a_(ij),1≤i≤n,1≤j≤m,记为 B≤A(或等价记为 A≥B);关系“≤”(或“≥”)构成了 M_(n×m)中的一个半序关系.在 M_(n×m)中定义:     

也谈广义对角占优阵的特征值的分布

设A=(a_(ij))_(n×n)为n阶复矩阵,记 σ_i=sum from j=1,j≠i to n(|a_(ij)|,i=l,2,…,n)。若|a_(ij)|>σ_i(i=1,2,…n),则称A为(按行)严格对角占优阵,记为A∈D,若|a_(ii)|·|a_(jj)|>σ_iσ_j(i≠j,i,j=1,2,…,n)则称A为严格对角乘积占优阵,记为A∈D_p(在〔1〕中此类矩阵称为广义对角占优阵,并记为GD)。若存在非奇对角阵Q=diag(q_l,…,q_n)使Q~(-1)AQ∈D,则称A为准严格对角占优阵,记为A∈D′(见〔2〕)。若存在非奇对角阵Q=diag(q_1,…,q_n)使Q~(-1)AQ∈D_p,则称A为准严格对角乘积占优阵。记为A∈D′_p。     

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,     

M—矩阵的法式及性质

<正> 设Z~(nxn)={A=(a_(ij))∈■~(nxn)|a_(ij)≤0,i≠j},若A=fI-B∈Z~(nxn),B≥0,t≥ρ(B)(B的谱半径),则称A为准M—矩阵,记为A∈(?)_0;特别地,若t>ρ(B),则称A为M—矩阵,记为A∈K.关于M—矩阵特征值问题的研究,佟文廷在文[1]中首先推进了M—矩阵特征     

非奇异H矩阵的充分条件

1 引言 设A=(a_(ij))∈C~(n,n),R_i(A)=sum from j≠i to(|a_(ij)|,i,j∈N={1,2,…,n}。若|a_(ij)|≥R_i(A),i∈N,则称A为对角占优矩阵,记为A∈D_0;若不等式中每个不等号都是严格的,则称A为严格对角占优矩阵,记为A∈D。若存在正对角矩阵X,使得AX∈D,则称A为广义严格对角占优矩阵,记为A∈D。     

关于高斯消去法的主元估计

本文证明了对任意一个给定的6阶实阵 A=(a_(ij)),若其中|a_(ij)|≤1,则有 P_6<6.7883.对于一般 n 阶矩阵,本文给出了估计 P_n 的一个改进方法.     

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     

A类零壹矩阵的基的一些定理

定义1 令n≥3,A=(a_(ij))_(n×n),i=1或0,对任固定的i(1≤i≤n)存在唯一的一个j_o(1≤j_o≤h)使得a(ij)_o=1,其余的a(ij)=0(j jo,1≤j≤n),则称(0,1)一矩阵A为A型的矩阵。 显然A型矩阵在矩阵乘法运算下成为一个具有单位元的半群。 定理2 令A={A:A是n级的A型矩阵},B A,若对任A A总存在有B_1,B_2,…B_K B使得A=B_1B_2…B_K,则称S为A的一个基。     

(分块)非负矩阵谱半径的界

<正>1引言若A=(a_(ij)),其中a_(ij)≥0,我们则称A为非负矩阵.ρ(A)表示A的谱半径,当A≥0时,ρ(A)就是A的Perron根.众所周知,若A≥0,则r_(min)(A)≤ρ(A)≤r_(max)(A),     

连对角占优矩阵的一些性质

设A=(a_(ij))_(n×n)∈C~(n,n),.记Λ_i=sum from (i≠1 j≠i) to n(|a_(ij)|,)i=?,称|a_(ii)|≥Λ_i的行为占优行,|a_(ii)|>Λ_i的行为严格占优行,|a_(ii)|<Λ_i的行为非占优行. 若A为对角占优阵,记为A∈D_0;若A为严格对角占优阵,记为A∈E;若A为不可约对角占优阵,记为A∈F;若A为广义对角占优阵,记为A∈GD_0;若A为广义严格对角占优阵,记为A∈GE.