矩阵Hadamard积和Fan积的特征值界的估计

给出非负矩阵A与B的Hadamard积AB的谱半径上界的一个新估计式和非奇异M-矩阵A和B的Fan积A*B的最小特征值下界的一个新估计式,这2估计式只依赖于矩阵A与B的元素,易于计算.例证表明,所得估计式在一定条件下比现有估计式更为精确.     

两个矩阵Fan积和Hadamard积的特征值的界

关于非奇异M-矩阵A与B的Fan积A＊B,给出A＊B的最小特征值τ（A＊B）下界的新估计式,同时也给出非负矩阵A与B的Hadamard积A＊B的谱半径ρ（A＊B）上界的新估计式,这些估计式只与矩阵的元素有关,易于计算．数值算例也说明所得估计式改进了现有的结果．     

矩阵Fan积和Hadamard积的特征值界的新估计

给出非奇异M-矩阵A和B的Fan积AB的最小特征值下界和非负矩阵A和B的Hadamard积A·B的谱半径上界的新估计式,这些估计式都只依赖于矩阵的元素.数值例子表明,新估计式在一定条件下改进了现有的结果.     

非负矩阵谱半径的新界

给出非负矩阵A与B的Hadamard积谱半径上下界的新估计式,这些新估计式丰富了ρ(A°B)界的估计.数值算例表明新估计式改进了文献中杜琨的结果.     

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Hadamard积的谱半径上界和M-矩阵Fan积的最小特征值下界的新估计

给出了非负矩阵A和B的Hadamard积的谱半径上界,以及M-矩阵A和B的Fan积的最小特征值下界的新估计式.这些估计式都只依赖于矩阵的元素,易于计算.数值例子表明,新估计式在一定条件下改进了现有的一些结果.     

M-矩阵最小特征值的新界值估计

利用著名的Gerschgorin圆盘定理,给出了非负矩阵A与非奇异M-矩阵B的逆矩阵B-1的Hadamard积AB-1的谱半径ρ(AB-1)两个新的上界估计式,利用τ(B)=1ρ(B-1)这一性质,从而得到M-矩阵B最小特征值的两个新下界估计式.算例表明,所得的估计式在一定条件下优于现有的估计式,且这些估计式只依赖于矩阵的元素,容易计算.     

非负矩阵谱半径的估计

给出非负矩阵A的谱半径ρ(A)上界的一个新估计式和非负矩阵A与B的Hadamard积的谱半径ρ(A°B)上界的一个新估计式.     

非奇异M矩阵的Hadamard积的特征值界的进一步研究

利用非奇异M矩阵A的逆矩阵A-1的元素的上界估计式和改进的圆盘定理,给出了M矩阵B与A-1的Hadamard积BoA-1的最小特征值下界的一些新估计式.这些估计式只与矩阵A,B的元素有关,易于计算.     

M-矩阵的Hadamard积最小特征值下界的新估计式

M-矩阵的Hadamard积是矩阵理论及其应用的重要问题之一,文章给出了非奇异M-矩阵B与非奇异M-矩阵A的逆矩阵的Hadamard积的最小特征值下界的一个新估计式;同时得到了M-矩阵与其逆矩阵的Hadamard积的最小特征值的一个新估计式;算例表明,文中所得估计式在某些情况下比现有估计式的估计结果更精确,且它们仅与矩阵A和B的元素有关,计算简单。     

关于代数的分离扩张和表示型

研究了代数的分离扩张和表示型;证明了:如果A和B是Artinian代数且B/A是双分离扩张,则A是极小无限表示型的当且仅当B是极小无限表示型的.     

条件概率P（I/（A∩B∩C））上界的一个估计

设抽样空间为U,A,B,C是随机事件,I和I’是一对互补随机事件.故有下面的结果：如果π1＇（A,B,C）＞π1（A,B,C）＞0,那么P（I/（A ∩ B ∩ C）） ＜ P（I）/P（l＇） · P（A/I）/P（A/I＇） · P（B/I）/P（B/I＇） · P（C/I）/P（C/I＇）当P（I/（A ∩ B ∩ C））的上界是很小的正数时,且A,B,C这些因子同时发生时,可预测I’将要发生.     

Zn形式的符号模式矩阵

用乙表示所有n阶符号模式矩阵,这些矩阵非主对角线项都是非正．对于一个符号模式矩阵A∈Zn和任意两个实矩阵,如果sgn（B1B2）∈Zn那么称这一特性为Zn内的闭特征．如果符号模式矩阵A∈Zn（n≥3）具有乙内的闭特征,那么A必定可约．最后给出了这类符号模式矩阵的结构刻画．     

主理想整环上对称矩阵的距离与对角化

设R是一个交换主理想整环(PID),A,B是两个R上的对称矩阵,讨论了A与B的算术距离与距离的关系,证明了A-B可合同对角化的充要条件是:A与B的距离等于它们的算术距离.     

两个代理的单机排序问题的多项式时间算法

考虑两个代理的单机排序问题,有两个代理A和B,分别具有各自的工件集JA和JB,并且代理A中所有工件的加工时间都相等.第一个代理A以加权完工时间和为目标函数,第二个代理B以最大加权完工时间为目标函数.问题的目标是寻找一种排序,使得第二个代理B的目标函数不超过给定上界Q(Q>0)的情况下,第一个代理A的目标函数达到最小.文章证明该问题可以在O(nlogn)内求解.     

弱Hopf Galois扩张的Cotorsion维数

考虑在Ext群上构造Grothendieck谱序列揭示弱Hopf Galois扩张的cotorsion维数. 设H为有限维弱Hopf代数, A/B为弱H-Galois扩张, 给出A,B的左cotorsion维数与H的右整体维数之间的关系, 并讨论当B为可换的或H*为半单时, A,B的左cotorsion维数的性质.     

B(X)上Lie中心化子的刻画

设X为实或复数域F上维数大于1的Banach空间, φ:B(X)→B(X)是一个可加映射。 证明了如果存在正整数m,n使得(m+n)φ(［A,B］)=m［φ(A),B］+n［A,φ(B)］对所有A,B∈B(X)成立, 则存在λ∈F及在换位子为零的可加映射h:B(X)→F使得对任意A∈B(X), 有φ(A)=λA+h(A)I。     

B(H)上的正交可导映射

设H是维数大于2的复Hilbert空间, B(H)表示H上所有有界线性算子构成的代数。如果对所有的A,B∈B(H)且A*B=AB*=0,有(A)*B+A*(B)=(A)B*+A(B)*=0,则称是B(H)上的正交可导线性映射。本文的结论是B(H)上的正交可导线性映射是广义内导子。     

两个矩阵之和的Drazin逆的表示

考虑两个矩阵之和的Drazin逆的表示, 对于n阶矩阵A,B, 在A^DB=0, AB^D=0, B^πABAA^π=0, B^πAB²A^π=0的条件下, 利用矩阵的核心幂零分解给出A+B的Drazin逆的表达式.     

一类四元数线性矩阵方程的解法

本文转化了四元数体上矩阵方程ＡＸ＝Ｂ,ＡＸ＝ＸＢ,ＡＸ＋ＸＢ＝Ｃ,ＸＡ＋Ａ·Ｘ＝Ｂ．Ａ１ＸＢ１＋…＋ＡＸＢ＝Ｃ等一类矩阵方程在复数域上的求解问题。