A_(m×n)矩阵的加边矩阵的奇异性问题

给定m×n阶矩阵A,我们给出了它的加边矩阵 为非奇的充分必要条件。其中O为r_1×r_2阶零矩阵。把M的逆矩阵记为分块形式 其中C_1为n×m、C_2为n×r_1、C_3为r_2×m、C_4为r_2×r_1阶矩阵。在一定条件下,我们证明了其中的C_1为A的广义逆矩阵A+。     

两类矩阵反问题解的稳定性

1 引 言 用R~(n×m)表示所有n×m实矩阵的全体,R_r~(n×m)表示R~(n×m)中矩阵秩为r的子集。A>0(A≥0)表示方阵A是实对称正定(半正定)矩阵。SR_+~(n×n)(SR_0~(n×n)表示所有n×n实     

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     

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:     

线性约束下的矩阵束最佳逼近及其应用

1.引言 用C~(n×m)表示所有n×m阶复矩阵的集合,R~(n×m)表示所有n×m阶实矩阵的集合,R_r~(n×m)表示R~(n×m)中矩阵秩为r的子集.任取A,B∈R~(n×m),定义内积和范数为     

可对称化矩阵特征值的扰动界

在[1]中,Kahan证明了如下的定理:设A为n×n Hermite矩阵,B为n×n。可对称化矩阵,即存在非奇异矩阵Q,使得Q~(-1)BQ为实对角矩阵。又设A,B的特征值分别为λ_1     

任意矩阵特征值扰动的估计

一、引言 设A,B是n×n方阵,E≡A-B,矩阵特征值扰动问题的一种提法是[2]:给定B的特征值μ,估计|μ-λ_i|的极小值的上界,这里λ_i是A的某一个特征值。 Bauer和Fikl在1969年给出如下定理:     

重特征值敏度的数值计算

一个结构系统的设计,往往归结为下述代数特征值问题:其中A(p)与B(p)为n×n实解析的对称矩阵,B(p)正定,λ(p)是特征值,x(p)是相应的特征向量. 设λ_1是问题(1.1)在点p=p~*的r重特征值,即存在矩阵X=(X_1,X_2)∈R~(n×n),     

正交矩阵的反问题及其最佳逼近

一、引言R~(n×m)表示所有n×m实矩阵的集合,R_r~(n×m)表示R~(n×m)中秩为r的子集,■A,B∈R~(n×m),(A,B)=trB~TA表示内积,‖A‖=(A.A)~(1/2)表示矩阵A的范数,R(A),N(A)分别表示A的列空间和零空间。现考虑如下矩阵反问题:     

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     

关于Rayleigh商矩阵

§1.预备知识 在不加注明的情况下,本文沿用[3]中的记号. 设A为n×n矩阵,Q及?为n×m矩阵,而且m相似文献   

积和式的一个性质

<正> 数域F上所有n×m矩阵的集合记为M_(n×m)(F),数域F上所有n阶方阵的集合记为M_n(F).设A=(a_(ii))∈M_n(F).方阵A的积和式(permanent)记为perA,它定义为     

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))。     

实对称矩阵的两类逆特征值问题

§gi.两类逆特征值问题先说明一些记号.R~(m×n)是所有m×n实矩阵的全体,R~n=R~(n×1),R=R~1;SR~(n×n)是 所有n×n实对称矩阵的全体;OR~(n×n)是所有n×n实正交矩阵的全体;I~((n))是n阶单位矩阵;A~T是矩阵A的转置;A>0表示A是正定的实对称矩阵.?(A)是矩阵A的列空间;A~+是矩阵A的Moore-Penrose广义逆;P_A=AA~+表示到?(A)的正交投影.λ(A)是A的特征值的全体;λ(K,M)是广义特征值问题K_x=λM_x的特征值的     

一个矩阵不等式的修正及应用

设R(C)为实(复)数域,H~(n×n)为n×n的Hermitian矩阵的集合。当A(∈C~(n×n))的特征值皆为实数时,如不特殊说明,约定A的特征值满足λ_1(A)≥…≥λ_n(A)。文[1]有如下不等式, 令A=B=[(?)],知(1)式一般不成立,(1)式是[1]将[2]的关于奇异值不等式     

正则矩阵束广义特征值的灵敏度

本文对一般正则方阵束A-tB(即A,B是一般n×n复阵且det(A-tB) 0),给出了特征值问题Ax=λBx中广义特征值λ的灵敏度估计。 由初等因子理论,正则方阵对(A,B)_n有Jordan式标准形。以下的例子表明,为研究λ的性态,如[1]那样采用拟Jordan结构是合适的。     

矩阵特征值的几个扰动定理

1 引言 设A∈C~(n×m),B∈C~(m×m)(m≤n),它们的特征值分别为{λ_k}_(k=1)~n和{μ_k}_(k=1)~m.令 R=AQ-QB (1)这里Q∈C~(n×m)为列满秩矩阵.Kahan研究了矩阵A在C~(n×m)上的Rayleigh商的性质,证明了下列定理:设A为Hermite矩阵,Q为列正交矩阵,即Q~HQ=I,而B=Q~HAQ,则存在 1,2,… ,n的某个排列π,使得 {sum from j=1 to m │μ_j-λ_(π(j))│~2}~(1/2)≤2~(1/2)‖R‖_F (2)其中R如(1)所示,‖·‖_F为矩阵的Frobenius范数.刘新国在[2]中将此定理推广到B为可对角化矩阵的情形,并且还建立了较为一般的扰动定理:设A为正规矩阵,B为可对角化矩阵;存在非奇异矩阵G,使得G~(-1)BG为对角阵,则存在1,2,…,n的某个排列π,使得 │μ_j-λ_(π(j))│≤2(2~(1/2))nK(G)_(σ_m~(-1))‖R‖_F,j=1,2,…,m. (3)     

线性流形上Hermite-广义反Hamilton矩阵反问题的最小二乘解

1.引言 令Rn×m表示所有n×m实矩阵集合,Cn×m表示所有n×m复矩阵集合,Cn=Cn×1,HCn×n表示所有n阶Hermite矩阵集合,UCn×n表示所有n阶酉矩阵集合,AHCn×n表示所有n阶反Hermite矩阵集合,R(A)表示A的列空间,N(A)表示A的零空间,A+表示A的Moore—Penrose广义逆,A*B表示A与B的Hadamard积,rank(A)表示矩阵A的秩.tr(A)表示矩阵A的迹.矩阵A,B的内积定义为(A,B)=tr(BHA),A,B∈Cn×m,由此内积诱导的范数为||A||=√(A,A)=[tr(AHA)]1/2,则此范数为Frobenius范数,并且Cn×m构成一个完备的内积空间,In表示n阶单位阵,i=√-1,记OASRn×n表示n×n阶正交反对称矩阵的全体,即     

矩阵束的典则形及定广义特征值问题的收缩算法

(一)引言 对矩阵束 A-λB, (1)其中A和B是m×n矩阵,存在m×m常数矩阵P和n×n常数矩阵Q,使P(A-λB)Q 变成Kronecker典则形:     

广义特征值问题的收缩算法

设n×n矩阵A和B组成的矩阵对(A,B)是正则的,即A+λB是一个正则束: det(A+B) 0。 考虑求解广义特征值问题 Ax=λBx, (1)由于A+λB是正则统,问题(1)恰有n个广义特征值,但当B奇异时,它包含一个