非负矩形张量最大奇异值的上界估计

利用非负矩形张量A的元素、分类讨论思想及不等式放缩技巧,给出A最大奇异值的上界估计式,并通过数值算例验证了所得结果.数值结果表明,所得估计比某些已有结果更精确.     

实偏对称矩形张量的E-奇异值

通过引入矩形张量的E-奇异值,将实对称方形张量E-特征值的主要性质推广到实偏对称矩形张量的E-奇异值上,并进一步研究了矩形张量的正交相似性。     

矩形张量的S-型奇异值包含集

利用矩形张量A的指标集的一个划分——非空真子集S及其补集、分类讨论思想和三角不等式,研究了A的奇异值定位问题,得到了A的S-型奇异值包含集.     

对矩形张量的进一步研究

为了更进一步研究矩形张量,本文基于P张量及P_0张量的概念及性质,定义了矩形张量的条件(P)和(P_0)条件,证明了满足条件P(或P_0)的矩形张量的Z-奇异值和H-奇异值是正的(或非负的),进而得到,这样的矩形张量是正定的(半正定的).随后,本文又证明了,在一定条件下,满足条件(P)的矩形张量是不存在的,并提出了一个矩形张量可以满足条件(P)的充要条件.最终,本文将P张量及P_0张量的一些性质成功推广到矩形张量.     

一类H-张量和非负张量谱半径的界

给出一类拟双对角占优H-张量,利用张量对角占优性与谱包含域的对应关系和非负张量的谱性质,给出一个非负张量谱半径的上下界不等式.     

非负矩形张量最大奇异值的上下界

针对非负矩形张量A的最大奇异值λ_0(A)的估计问题,利用A的某些元素选取的任意性、分类讨论思想,并结合不等式放缩技巧,给出λ_0(A)的上下界,改进了某些已有结果.最后通过数值算例对所得结果进行验证,表明所得估计比已有结果更精确.     

非负矩形张量最大奇异值的S-型上下界

针对非负矩形张量A的最大奇异值λ_0(A)的估计问题,通过将A的指标集N划分为非空真子集S及其补集■,并利用分类讨论思想和不等式放缩技巧,给出了λ_0(A)的S-型上下界,数值算例证实本文方法比现有估计结果更精确.     

随机增量张量奇异值分解与人脸识别新算法

本文新提出随机增量张量奇异值分解方法.当数据逐步增加时,新方法能够在保持原数据的随机奇异值分解基础上,通过计算新增数据的奇异值分解得到更新后数据的张量奇异值分解.基于随机增量张量奇异值分解建立新的人脸识别模型.数值实验表明新模型与已有人脸识别模型相比具有较高的识别率.     

非负矩阵最大特征值的新界值

非负矩阵最大特征值的估计是非负矩阵理论中的重要部分,被广泛应用于数值分析、图论、稳定性理论等相关学科.构造出一个新的矩阵,把最大特征值的上下界表示为极限存在的数列,给出了一个新的判定非负矩阵最大特征值范围的界值定理,通过数值算例表明其结果比有关结论更加精确.     

非负矩阵Hadamard积谱半径的上界

设矩阵A与B是非负矩阵,给出A与B的Hadamard积A°B谱半径ρ(A°B)上界的新估计式。新估计式只与矩阵的元素有关,易于计算。理论分析和数值算例也说明所得估计式改进了现有的一些结果。     

非负矩阵的Hadamard积谱半径上界的估计

非负矩阵是一类特殊矩阵,广泛地应用于数值计算、图论、线性规划、计算机科学、自动控制等领域。两个非负矩阵的Hadamard积的谱半径问题是非负矩阵理论中一个重要问题。关于两个非负矩阵的Hadamard积A°B,我们给出A°B谱半径的新上界,这一上界改进了文献[1]、文献[2]和文献[3]中的结果。     

H-矩阵最小奇异值的一个下界

给出了Nekrasov矩阵逆的1范数上界,并在此基础上获得了Nekrasov矩阵的最小奇异值的一个下界.将结果应用到 H-矩阵,结果表明,新的估计是有效的.     

H-矩阵最小奇异值的一个下界

给出了Nekrasov矩阵逆的1范数上界,并在此基础上获得了Nekrasov矩阵的最小奇异值的一个下界.将结果应用到 H-矩阵,结果表明,新的估计是有效的.     

一类奇异二阶系统边值问题非负解的存在唯一性

研究了一类二阶系统奇异边值问题非负解的存在唯一性,并在适当的条件下利用推广了的压缩映像原理,给出了该问题非负解的存在唯一性定理.     

图的拟拉普拉斯矩阵前k个最大特征值和的上界

研究了简单连通图的拟拉普拉斯矩阵前k个最大特征值的和,并利用图的度序列和阶数给出了该和的一个上界。     

奇异离散初值问题的一个上下解方法

对于奇异离散初值问题给出一个新的存在性结果,特别当非线性项出现奇异且可能变号时.     

奇异离散初值问题的一个上下解方法

对于奇异离散初值问题给出一个新的存在性结果,特别当非线性项出现奇异且可能变号时。