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     

几类非自治系统的指数渐近稳定性

§1.预备知识对向量及矩阵引进模的概念如下:向量x的模记为||x|| ||X|| sum from i=1 to n |x_i|矩阵A的模记为||A|| ||A||sum from i.j=1 to n |a_(ij)|引理1设A为n×n阶常数矩阵,且它的所有特征根λ_k(k=1,2,…,n)均具有负     

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))。     

有广义对角占优系数矩阵的齐次线性方程组

引言与定义 本文限于考虑无零行零列的n×n,（n>2）复矩阵，我们采用以下记号：N={1，2，…，n}；R_i=sum from j∈N-（i）│a_(ij)│;C_i=sum from j∈N-（i）│a_(ij)│;S_i(a)=R_i~HC_i~(1-a),j∈N,a∈[0.1];A∈Z，表示A有全部非正的非对角元的n×n实方阵。     

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。     

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.     

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,     

二重随机矩阵的幂极限

本文证明了定理.任一n×n 阶不可约二重随机矩阵 A,若有 trA>0,则(?)A~m 存在,且(?)A~m=J_n,J_n 是每一元素均为1/n 的 n×n 阶矩阵.     

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:     

复旦大学1984年硕士研究生入学考试试题

1.设x_0,x_1,…,x_n,x是n+2个相异点,证明 f(x_0,x_1,…,x_n,x)=sum from i=0 to n(f(x_j,x)/(multiply from (?) to n(x_j-x_1))) 其中f(xj,x)和f(x_o,x_1,…,x_n,x)分别表示函数f(x)的一阶和n+1阶差商。 2.设n阶线性方程组Ax=b中n×n矩阵A的顺序主子式det(A1)≠0(i=1,…n),令(n+1)×(n+1)矩阵B为     

关于矩阵切触有理插值

1 矩阵切触插值连分式 设实区间[a,b]中由不同点组成的插值结点为x_1,x_2,…,x_n,它们的重数分别为a_1,a_2,… ,a_n,M=sum from i=l to n(a_i-1),与之对应的待插值矩阵集为 {A_i~(k):k=0,1,…,a_i-1,i=1,2,…,n,A_i~(k)=A~(k)(x_i)∈R~(d×d)}. 设方阵A=(a_(ij)),它的广义矩阵逆定义为 A~(-1)= A/‖A‖~2 (A≠0) (1.1)     

线性流形上中心对称矩阵的最佳逼近

1 引 言令Rn×m表示所有n×m阶实矩阵集合;ORn×n表示所有n×n阶正交矩阵之集;A+表示矩阵A的Moore-Penrose广义逆;Iκ表示κ阶单位阵;||·||表示矩阵的Frobenius范数;rank（A）表示矩阵A的秩.设ei为n阶单位矩阵In的第i列（i=1,2,…,n）,记Sn=（en,en-1,…,e1）,易知     

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.     

SUFFICIENT CONDITIONS FOR THE SOLUBILITY OF ADDITIVE INVERSE EIGENVALUE PROBLEMS

1 IntroductionLet R~(n×n) be the set of all n×n real matrices.R~n=R~(n×1).C~(n×n)denotes the set of all n×n complex matrices.We are interested in solving the following inverse eigenvalue prob-lems:Problem A (Additive inverse eigenvalue problem) Given an n×n real matrix A=(a_(ij)),and n distinct real numbers λ_1,λ_2,…,λ_n,find a real n×n diagonal matrix D=diag     

n阶(n-1)-循环布尔矩阵的本原性及可约性的判定

以0,1为元素所构成的n阶方阵A=(a_(ij))_(n×n),i,j=0,1,2,…n-1,其元素之间的加法与乘法运算按下列方式:则称A为布尔矩阵,文[1],[2]对这类矩阵的性质作了深入的研究和全面的介绍,文[4][5]给出了经典循环矩阵可约性和本原性的条件,本文给出了另一类循环布尔矩阵的可约性和本原性的充分必要条件。设g是一个非负整数,一个n阶g-循环矩阵A_()=(a_(ij))_(n×n)是一个这样的矩阵,除     

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.     

一类可逆的对角占优矩阵与Jacobi迭代法

<正> 用Jacobi 迭代法解线性方程组AX=b(其中A∈R~(n×n)、b∈R~n.X∈R~n)时,一般假定A 为可逆阵且a_(ii)≠0(i=1,2,…n)。文[1]指出.如果矩阵A 为严格对角占优阵,则Ja obi 迭代过程是收敛的。‘严格对角占优’这个条件是比较强的,它限制了Jacobi 迭代法的应用范围。实际     

布尔矩阵广义逆的若干判定定理

本文所论的矩阵均指 n 阶布尔方阵。A=(a_(ij)),B=(b_(ij)),若 a_(ij)≤b_(ij),i,j=1,2,…,n,则称 A≤B.对 A=(a_(ij)),若存在矩阵 G,使 AGA=A,称 G 是 A 的广义逆(g 逆),又令(?)称矩阵 A_0=(g_(ij))为 A 的相伴阵。A_0的转置阵为 A_0~T=(g_(ij)~T).     

随机加权法在线性模型中的应用

设 Y_n=X_nβ+e(n) (1.1)是一个回归模型,其中β是一个 p×1 未知参数向量;Y_n 是 n×1数据向量;X_n 是 n×p 矩阵,rank X_n=p,X_n 之元素是常数,X'_n=(x_1,…,x_n)表示 X_n 的转置;e(n)是 n×1 误差向量.设 (?)_n=(X′_nX_n)~(-1)X′_nY 为β的最小二乘估计.在[1]中讨论了随机变量 c′((?)_n—