广义次对角占优矩阵的判定

首先给出了广义次对角占优矩阵的概念,研究了广义次对角占优矩阵的判定方法,并给出了判断广义次对角占优矩阵的一个充要条件。     

矩阵的广义次对角占优性

给出了广义次对角占优矩阵及双次对角占优矩阵的概念 ,得到了广义严格次对角占优矩阵的若干判定准则     

具有非零元素链的双次对角占优矩阵

引入广义次对角占优矩阵,双次对角占优矩阵及具有非零元素链双次对角占优矩阵的概念,讨论具有非零元素链双次对角占优矩阵的性质及其与具非零元素链次对角占优矩阵、广义次对角占优矩阵的关系.     

具有非零元素链的双次对角占优矩阵

引入广义对对角占优矩阵,双次对角占优左阵及具有非零元素链双次对角占优矩阵的概念,讨论具有非零元素链双次对角占优矩阵的性质及其与具非零元素链次对角占优矩阵,广义对角占优矩阵的关系。     

广义严格次对角占优矩阵的判定

引入了广义次对角占优矩阵及双次对角占优矩阵的概念,得到了广义严格次对角占优矩阵的若干判定方法。     

广义次对角占优矩阵的充分条件

提出局部次对角占优矩阵的概念，得到了广义次对角占优矩阵的二个充分条件．给出了数值例子说明有效性。     

广义次对角占优矩阵的判定

介绍了广义次对角占优矩阵并给出了判定广义次对角占优矩阵和次M-矩阵的新方法.     

广义次对角占优矩阵的充分条件

利用判定广义对角占优矩阵的充分条件,通过类比法给出了判断广义次对角占优矩阵的一组充分条件.     

局部对角占优矩阵

引进局部对角占优矩阵的概念,得到这类矩阵的一些性质,给出了局部对角占优矩阵为广义严格对角占优矩阵的简单而实用的判定准则.     

α—对角占优矩阵及应用

讨论了α－对角占优矩阵的性质,给出了α－对角占优矩阵是广义严格对角占优矩阵的等价表征。     

广义次对角占优矩阵和次M-矩阵的判定

次对角占优矩阵在计算数学和控制理论中有着相当广泛的应用.本文介绍了广义次对角占优矩阵并运用类比法给出了判定广义次对角占优矩阵和次M-矩阵的新方法.A=(aij)∈Cn×n,N={1,2,…,n},J′(A)={n-I 1| |an-I 1,I|＞Σj≠1|an-I 1,j|=Λn-I 1,I∈N}≠φ,M′(A)为A的次比较矩阵,若存在N1∪N2=N,N1∩N2=φ,有(|an-I 1,I|-α′I)(|an-j 1,j|-β′j)＞α′jβ′I((A)I∈N1,j∈N2),α′I=Σj∈N1j≠1|an-I 1,j|,β′I=Σj∈N2j≠1|an-I 1,j|,则A为广义次对角占优矩阵,M′(A)为次M-矩阵.     

广义对角占优矩阵的判定方法

利用矩阵分析方法和矩阵的Ostrowski对角占优性,给出了一类广义对角占优矩阵的判定条件,拓展了广义对角占优矩阵的判定方法.     

具有非零元素链的α-几何平均对角占优矩阵

引进具有非零元素链的α -几何平均对角占优矩阵的概念 ,讨论了它的性质及其与具非零元素链对角占优矩阵、非奇异H -矩阵的关系。     

α-次对角占优矩阵与广义严格次对角占优矩阵的判定

本文利用α-次对角占优矩阵的一些性质，通过选取正对角因子元素和放缩不等式的技巧，获得了广义严格次对角占优矩阵的几个判定定理，从而将一些已有的结论推广到非奇异次H阵中，并用数值例子说明了所得结果的实用性。     

广义严格对角占优矩阵与非奇M矩阵的充要条件

广义严格对角占优矩阵与非奇 M矩阵是非常重要的两类矩阵。文章给出了实方阵为广义严格对角占优矩阵和实方阵的比较矩阵为非奇 M矩阵的充要条件。同时 ,给出了判别广义严格对角占优矩阵 (非奇 M矩阵 )简单实用的方法 ,该方法只需要解一个非齐次线性方程组即可。     

广义对角占优矩阵的新判据

广义对角占优矩阵在矩阵分析和数值代数的研究中具有重要作用,但在实用中要判别广义对角占优矩阵是十分困难的.本文通过对矩阵行标作划分的方法,给出了判定广义对角占优矩阵的一组新条件,改进了近期的相关结果,相应数值例子说明了结果的有效性.     

广义对角占优矩阵的讨论及其 在神经网络系统中的应用

广义对角占优矩阵在神经网络系统稳定性的研究中具有重要作用,但在实用中要判别广义对角占优矩阵是十分困难的.给出判定广义对角占优矩阵的一组新条件,并给出其在神经网络系统中的应用.相应数值例子说明了结果的有效性.     

广义严格对角占优矩阵的判定准则

利用矩阵的Ostrowski对角占优性研究矩阵的非奇异性,给出了判定广义严格对角占优矩阵及非奇异M矩阵的若干充分条件,拓广了广义严格对角占优矩阵的判定准则.     

广义对角占优矩阵的新判据及其在神经网络系统中的应用

广义对角占优矩阵在矩阵分析和数值代数的研究中具有重要作用,但在实用中要判别广义对角占优矩阵是十分困难的。本文通过对矩阵行标作划分的方法,给出了判定广义对角占优矩阵的一组新条件,改进了近期的相关结果,并给出其在神经网络系统中的应用,相应数值例子说明了结果的有效性。