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.     

一类对称正交对称矩阵反问题的最小二乘解

1 引言 本文记号R~(n×m),OR~(n×n),A~+,I_k,SR~(n×n),rank(A),||·||,A*B,BSR~(n×n)和ASR~(n×n)参见[1].若无特殊声明文中的P为一给定的矩阵且满足P∈OR~(n×n)和P=P~T. 定义1 设A=(α_(ij))∈R~(n×n).若A满足A=A~T,(PA)~T=PA则称A为n阶对称正交对称矩阵;所有n阶对称正交对称矩阵的全体记为SR_P~n.若A∈R~(n×n)满足A~T=A,(PA)~T=-PA,则称A为n阶对称正交反对称矩阵;所有n阶对称正交反对     

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:     

成对比较矩阵的一种逼近

§1.问题的陈述 令R~(n×n)表示所有n×n阶实矩阵构成的线性空间,并定义其子集如下: P={p=(p_(ij))∈R~(n×n)|p_(ij)>0,p_(ik)=p_(ki)~(-1)}, Q={q=(qi_(ij))∈R~(n×n)|q_(ij)>0,q_(ik)q_(kj)=q_(ij)}.把P叫做正的互反矩阵(或判断矩阵)的集合,而称Q为相容性矩阵的集合.显然,Q为P的子集,且两者都不是R~(n×n)中的凸集.任取a,b∈R~(n×n),定义内积和范数如下:     

生长曲线模型中协差阵的最优非负估计

§1.模型与问题 考虑如下的生长曲线模型其中X_1,X_2,u≠0分别为n×k,p×l,n×s阶已知矩阵;B为k×l阶回归系数矩阵。Y=(y(1),…,y(n))′与(?)=(ε(1),…,ε(s))′分别为n×p阶观测资料矩阵及s×p阶随机误差矩阵。将Y、B及(?)依行拉直得     

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     

iljak猜想的反例及进一步结果

R~(n×n)表示 n 阶实矩阵组成的集合,R~n 表示 n 维实向量空间.本文中的矩阵假定都属于 R~(n×n).给定一个矩阵 A∈R~(n×n),A>0(A≥0)表示 A 是一个对称正定(非负定)矩阵;A 称为正(非负)矩阵,如 A 的元素都是正的(非负的).矩阵 A 称为稳定矩阵,如A 的特征值的实部都是负的.     

Siljak 猜想的反例及进一步结果

R~(n×n)表示 n 阶实矩阵组成的集合,R~n 表示 n 维实向量空间.本文中的矩阵假定都属于 R~(n×n).给定一个矩阵 A∈R~(n×n),A>0(A≥0)表示 A 是一个对称正定(非负定)矩阵;A 称为正(非负)矩阵,如 A 的元素都是正的(非负的).矩阵 A 称为稳定矩阵,如A 的特征值的实部都是负的.     

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     

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     

A的中心化子作成P~(n×n)的交换子环的一个充分条件

设P是一个数域,P~(n×n)是P上所有n阶方阵组成的集合,则P~(n×n)关于矩阵的加法和乘法作成一个环。 设A∈P~(n×n),C(A)是与A乘法可交换的所有n阶方阵组成的集合,则C(A)作成P~(n×n)的     

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))。     

矩阵方程ATXB+BTXTA=D的极小范数最小二乘解

1引言本文用Rm×n表示所有m×n实矩阵全体,ORn×n,ASRn×n分别表示n×n实正交矩阵类与反对称矩阵类.‖·‖F表示矩阵的Frobenius范数,A+为矩阵A的Moore-Penrose广义逆,A*B与A(?)B分别表示矩阵4与B的Hadamard乘积及Kronecker乘积,即若A=(aij),B=(bij),则A*B=(ajibij),A(?)B=(aijB),vec4表示矩阵A的按行拉直,即若A=[aT1,aT2,…,aTm],其中ai为A的行向量,则vecA=(a1a2…am)T.设A∈Rn×m,B∈Rp×m,D∈Rm×m,我们考虑不相容线性矩阵方程ATXB+BTXTA=D(1.1)     

实对称带状矩阵特征值反问题

用R~(n×m)表示所有n×m实矩阵的集合;OR~(n×n)表示所有n×n正交矩阵的集合;S_(n,r)表示所有带宽为2r+1的n阶实对称矩阵的集合;||·||_F表示矩阵的Frobenius范数,||·||表示向量的Euclid范数.任取A∈R~(n×m),满足AA~-A=A 的A~-∈R~(m×n)叫做A的内逆,满足AA_l~-A=A和(AA_l~-)~T=AA_l~-的A_l~-∈R~(m×n)叫做A的最小二乘广义逆,     

一个不等式的简明证法

设A是n×n稳定矩阵(即它的特征根皆有负实部),B和G是n×n对称正定矩阵,且A~TB+BA=-G,那么对任何x,y∈R~n,皆有     

矩阵正定性的进一步推广

§1 引 言 在历史上,正定矩阵的出现最先是在二次型与Hermite型的研究中。它的常规定义是(为简便起见,本文恒用R表示实数域;R~(n×1)表示数域R上所有n×1矩阵的集合;R~(n×n)表示数域R上所有n×n矩阵的集合;X~τ表示矩阵X的转置):     

离散李雅普诺夫矩阵方程X-AXB=C的误差界

1 引 言 以C~(m×n)表所有m×n复元素矩阵的全体,对于给定的矩阵A∈C~(m×m),B∈C~(n×n)和C∈C~(m×n),矩阵方程 X-AXB=C (1.1)称为离散李雅普诺夫矩阵方程,它与控制理论有密切的关系。关于这类方程的解法,     

一个解高度病态问题的高精度算法的数值结果

我们要解的问题是 A_x=b. (1)其中A为n×n的非奇异矩阵(可推广到亚定相容方程组),b是已知的n维向量。且矩阵A是极端病态的矩阵,即     

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),     

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: