利用相对极化散射矩阵对目标进行分类的研究

在目标极化散射的经典理论基础上,根据单站雷达收发信号的特点提出了一种新颖的便于测量和计算的目标相对极化散射矩阵,并运用广义逆矩阵理论给出了该矩阵求解的方法.相关实验结果证明,通过计算目标相对极化散射矩阵可以快速有效地实现对目标的初步分类.     

利用相对极化散射矩阵对目标进行分类的研究

在目标极化散射的经典理论基础上,根据单站雷达收发信号的特点提出了一种新颖的便于测量和计算的目标相对极化散射矩阵,并运用广义逆矩阵理论给出了该矩阵求解的方法。相关实验结果证明,通过计算目标相对极化散射矩阵可以快速有效地实现对目标的初步分类。     

关于k-广义Hermite矩阵

给出了k-广义Hermite矩阵的概念,研究了它的若干基本性质及其与k-广义酉矩阵之间的联系,并将各类Hermite矩阵统一起来,所得结果推广了现有相应的结果.     

Moore-Penrose广义逆的一种求法及其用法

矩阵是线性代数的一个重要工具,而其中的逆矩阵又是矩阵中的一个重要内容。给出了一种特殊的广义逆矩阵—Moore-Penrose广义逆的一种初等变换求法,并列举了其用法。     

广义Kolmogoroff矩阵

对四元数体上的广义Kolmogoroff矩阵进行了刻划,得到如下结果:设A是四元数体Q上的n阶矩阵,则A是广义Kolmogoroff矩阵当且仅当A相似于D+B。其中D为实对角矩阵,B为具体有形式的反自共轭矩阵。     

广义半正定矩阵及其性质

给出了广义半正定矩阵的定义并指出了其一些性质     

广义半正定矩阵及其性质

本文给出了广义半正定矩阵的定义并指出了其一些性质。     

广义对称矩阵及广义正交矩阵

本文给出了广义对称 (反对称 )矩阵和广义正交矩阵的概念 ,讨论了它们的性质及相互之间的关系。     

M-P广义逆矩阵的一些性质

给出了M-P广义逆矩阵的一些重要性质。     

两类广义迹占优阵的非异性

引进了广义迹古优阵及广义共轭迹占优阵的概念，讨论了这两类矩阵的非异性。     

分块矩阵的广义迹及其应用

在矩阵论中,有许多学者对矩阵的迹,矩阵的广义迹及矩阵特殊运算的广义迹等进行了讨论和研究,而分块矩阵是矩阵领域中的重要内容之一,在许多方面都有着重要应用,但对分块矩阵的广义迹的讨论却未曾涉及,通过矩阵的广义迹的启发,得出了分块矩阵的广义迹的计算方法,并用此方法计算了矩阵的广义Hadamard积的广义迹.     

广义三次矩阵及其性质

基于广义二次矩阵的性质和研究方法给出广义三次矩阵的定义, 并证明了广义三次矩阵对幂、 逆及线性运算封闭, 且在某些条件下广义三次矩阵可表示为3个两两可交换且乘积为零的幂等矩阵的线性组合. 结果表明, 二次矩阵是广义三次矩阵的特例.     

广义G-矩阵

本文从广义G-矩阵的定义出发,利用矩阵的广义Schur-补,讨论了广义G-矩阵的充要条件。     

广义G-矩阵

本文从广义G -矩阵的定义出发，利用矩阵的广义Schur -补，讨论了广义G -矩阵的充要条件。     

一类广义正交矩阵的性质及其应用

对有关正交矩阵及特殊类矩阵的研究内容进行了总结,给出了一类广义正交矩阵的定义,讨论了该类广义正交矩阵的性质及其在二次型及微分代数系统中的应用,通过线性变换得到了一类微分代数系统的通解.     

广义逆的递推算法及其应用

在简化{1}-,{1,2}-和{1,2,3,4}-逆并给出{1,3}-,{1,2,3}-,{1,4}-和{1,2,4}-逆的基础上,得到了递推滤波、固定点平滑、固定滞后平滑和预报算法,并由此得到离散线性随机和定常系统状态的最佳线性最小无偏估计.证明了给出最佳线性无偏估计的充要条件而无需初始状态的先验统计知识.对于定常系统,给出了滤波、固定点平滑、固定滞后平滑和预报形式的无差状态观测器而无需系统是时不变和完全可观测性的.     

各种布尔矩阵最大广义逆

设Ａ是布尔矩阵，依据４个性质、ＡＧＡ＝Ａ，ＧＡＧ＝Ｇ、（ＧＡ）￣Ｔ＝ＧＡ、（ＡＧ）￣Ｔ＝ＡＧ的不同组合，定义了五种广义逆Ａ￣－、Ａｒ￣－、Ａ＿ｍ￣－、Ａ＿ｌ￣－、Ａ￣＋，这里Ｇ是布尔矩阵．本文中，我们证明了，如果Ａ￣－、Ａｒ￣－、Ａｍ￣－、Ａ＿ｌ￣－、Ａ￣＋，存在，那么它们一定有最大广义逆，其表示分别为（Ａ￣ＴＡ￣ＣＡ￣Ｔ）￣Ｃ、（Ａ￣ＴＡ￣ＣＡ￣Ｔ）￣ＣＡ（Ａ￣ＴＡ￣ＣＡ￣Ｔ）￣Ｃ、（Ａ￣（ＴＣ）ＡＡ￣Ｔ）￣Ｃ、（Ａ￣ＴＡＡ￣（ＴＣ））￣Ｃ、Ａ￣Ｔ．     

广义正定性的进一步推广

随着数学本身以及应用矩阵的其它学科的需要,广义正定矩阵的定义及结纶不断推广。其中较新的定义是夏长富在文献[1]中给出的。这里对这种矩阵的正定性作了进一步推广,由此得到了一系列更加广泛的结果,同时指出了文献[1]和文献[3]中的错误。