基于H-张量的齐次多项式正定性的判定

通过构造不同的正对角阵,结合不等式的放缩技巧,给出了H-张量比较实用的新判别条件.作为应用,给出了判定偶次齐次多项式正定性的新方法,用数值算例说明新方法的可行性.     

实对称张量正定性的判定

通过构造不同的正对角阵并结合不等式的缩放技巧,给出了H-张量一种新的判定方法,并给出偶数阶实对称张量,即偶次齐次多项式正定性的新实用判别条件.     

弱链对角占优B-矩阵线性互补问题的误差界估计

利用弱链对角占优M-矩阵的逆矩阵的无穷大范数的范围,给出了弱链对角占优B-矩阵线性互补问题误差界新的估计式,进而给出B-矩阵线性互补问题误差界的估计式.新估计式改进了已有文献的结果.     

非奇异H-矩阵的判定准则

利用非零元素链理论和方法,研究了非奇异H-矩阵的判定问题,给出了几个新的判定条件,并用数值例子说明了所给判定条件的判定范围更加广泛.     

M-矩阵最小特征值的新下界

目的研究M-矩阵最小特征值的估计问题。方法利用Brauer定理和Gerschgorin定理,并结合不等式放缩技巧,估计M-矩阵的逆矩阵和非负矩阵的Hadamard积的谱半径上界。结果给出M-矩阵最小特征值的新下界。结论数值算例表明新估计式在一定条件下优于现有的估计式。     

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.     

非奇异H-矩阵的判定及其在神经网络系统中的应用

非奇异H-矩阵在矩阵分析和数值代数的研究中具有重要作用,但判别H-矩阵是十分困难的.通过对矩阵行标作划分的方法,给出了非奇异H-矩阵新的判定条件,改进了已有结果,将其应用在神经网络系统中,并给出数值例子说明结果的有效性.     

块严格α-双对角占优矩阵的等价表征及应用

给出了块严格α-双对角占优矩阵的等价条件,得到了块H-矩阵的实用判定方法.作为应用,给出了矩阵非奇异性的新判据,并通过数值示例验证了结果的有效性.     

M-矩阵最小特征值的下界新估计

给出了非负矩阵和M-矩阵的逆矩阵的Hadamard积的谱半径上界新的估计式。同时得到了M-矩阵最小特征值的新下界估计式。最后通过算例表明所得的估计式在一定条件下优于现有的估计式,且这些估计式都只依赖于矩阵的元素,易于计算。