块AOR,块SOR和块JOR迭代法的收敛性

本文引进块Jacobi迭代矩阵B的优矩阵(?),来研究解线性方程组的块AOR、块SOR和块JOR迭代法的收敛性。即若‖·‖是矩阵的某个相容范数。且‖B_(ij)‖(?)β_(ij),i,j=1,…,m,则令(?)=(β_(ij))。利用(?),我们给出了块AOR(0(?)γ<2/[1+ρ(?)]),0<ω相似文献   

非负定矩阵的一个否定结果

若A是对称正定矩阵,则二次型x~TAx能写成平方项的和,即A是秩为1的矩阵VV~T的和.要问这些矩阵能否保持A的稀疏性:若a_(ij)=a_(ji)=0,对每一个向量V,我们能够得到v_iv_j=0吗?答案是否定的.     

关于循环单步过程的收斂性

本文在矩阵A=(a_(ij))对称且滿足条件2—a_(ij)>0的假定下建立了循环单步过程收斂的必要充分条件。提出了更一般的迭代过程(7)并对它建立了相应的收敛性判別法。     

缓变系数线性时滞系统零解的渐近稳定性

考虑如下的时滞系统 (dx_1(t))/(dt)=sum from j=1 to n[a_(ij)(t)x_j(t)+b_(ij)(t)x_i(t-τ)其中,a_(ij)(t),b_(ij)(t)≥t_0上连续可微有界,而时滞τ为非负常数, 当τ很小时,将系统(1)写成下面的形式     

矩阵非奇异性的充分条件和矩阵的特征值

§1.引言设A=(a_(ij))为实数域或复数域上的n阶矩阵。J.Hadamard曾证明了(参看)矩阵A是非奇异的一个充分条件是后来许多作者从不同的角度推广了这一条件,P.Müller,曾证明了下面的结果。矩阵A=(a_(ij))是非奇异的,如果存在着n~2个数b_(μv)(μ,v=1,…,n)适合条件     

B(H)上保持*-拟积的双射

设B(H)是维数大于1的复Hilbert空间H上有界线性算子全体得到的代数.?A,B∈B(H),定义拟积A°B=A+B-AB.证明?是B(H)上的双射且满足?(A*°B)=?(A)*°?(B),?A,B∈B(H)的充要条件是当dim H≥3时,存在H上的酉算子或共轭酉算子U使得?(A)=UAU*,A∈B(H);当dim H=2时,存在H上的酉算子U使得?(A)=UA_τU*,A∈B(H),其中τ是C上的环自同构.设A=(a_(ij))∈M_2,则令A_τ=τ(a_(ij)).     

n个种群趋趋化模型解的整体存在性（英文）

本论文研究了如下的趋化模型在Ω■R~N(N≥1)中整体解的存在性。其中参数满足a_(ii)0,d_i0,μ_i0,X_i0,k_i0,a_(ij)≥0,λ0 for i,j=1,…,n.令q_i=χ_i/(μ_ia_(ii)).通过运用M矩阵的一些性质得到结论如下:若矩阵■满足ρ(B)1,那么上面的趋化模型存在唯一的整体解.其中ρ(B)为矩阵B的谱半径.     

关于模R^（n）的一类乘法子模

设R是有单位元的交换环,M是R-模,如果对M的任意子模N,存在R的理想I,使得N=I·M,则称M是乘法R-模,本文主要结论是:设M=Rx_1+…+Rx_(?),其中x_i=(a_(1i),a_(2i),…,a_(?))∈R~(1×n),i=1,2,…,n,并且sum from i=1 to (?)a_(ii)=1,那么当R是下列环之一时:(1)整环;(2)半局部环;(3) J(R)=0,有:M是乘法R-模当且仅当F_2(A)=0,其中F_2(A)表示矩阵A=(a_(ij)_(?)中一切2阶子式在R中生成的理想。     

人员功能测评中的一种定性与定量相结合的方法一层次分析法

心理学知识指出,人们在估计两件事物某种质的区别时,习惯而且能用五种判断很好表示,判断矩阵构成之理论基础也在于此,从而使多个事物在两两比较中,形成优劣的排序。A=(a_(ij))_(n×n),其中 a_(ij)>0,a_(ij)从1,2,…,9及1/2,1/3,…,1/9中取,且a_(ij)=i,a_(ij)=i,i,j=1,2,…,9,即 n≤9。当算得 A 之最大特征值λ_(max)所对应的特征向量时,则对 A 来说多个事物的优劣顺序已由特征向量的分量数值给出,优劣顺序就是特征向量的分量数值之大小顺序。     

矩阵非异性判定

本文利用矩阵块对角占优的性质,给出矩阵非奇异的几个判定条件。下面用 R~(n×n)表示 n 阶实方阵的全体,用 C~(n×n)表示 n 阶复方阵的全体,并令,Z~(n×n)={A=(a_(ij))∈R~(n×n)|a_(ij)|≤0,i≠j,1≤i,j≤n}若 A 是非奇异 M 一矩阵。则记 A∈M.引理1 设 A=(a_(ij))∈Z~(n×n),且 A_(ij)>0,1≤i≤n,令 A =,则 A∈M     

相关矩阵的积和式与特征值

设A=(a_(ij))是一个nxn非负相关矩阵,=(a_(ij)~2和=(a_(ij)perA(i,j))。本文得出下面两个结论:①(?)的最大特征值λ满足λ≤per(A);②的最大特征值λ满足λ=per(A)。这里per(A)记矩阵A的积和式。     

具有非零元素链的对角占优矩阵为非奇异的定理的一个简短证明

设 A=(a_(ij))是 n 阶对角占优矩阵,即若记 N={1,2,…,n},则对任意 i∈N 都有|a_n|≥sum from j=1 j≠i to n |a_(ij)|.本文所涉及的矩阵总假定是对角占优的。记 J(A)={i∈N||a_(ii)|>sum from j=1 j≠i to n |a_(ij)|}.当 J(A)=N 时,A 为严格对角占优矩阵,当 J(A)≠Φ,且 A 不可约时,A 是不可约对角占优矩阵,这两种矩阵都是非奇异的。当 J(A)≠Φ,A 为可约矩阵时,一九七四年 P.N.shivakumar 和 kim Ho Chew 给出了它为非奇异的一个充分条件:定理.设 A 为可约矩阵,J(A)≠Φ,若对每个 (?)J(A),都存在由 A 中非零元素构成的序列(也叫非零元素链):a_(ii_1),a_(i_1i_2),…,a_(i_(s-1))i_s,i_s∈J(A),那末 A 是非奇异的.P.N Shivakumar 和 kim Ho Chew 在证明此定理时,引用了 M—矩阵的性质,篇幅     

一类Sobolev方程有限元解的超收敛性

给出了求解一类拟线性 Sobolev 方程 u_t-sum from ij=1 to m(■/(■x_1))(a_(ij) ((■u_t)/((■)x_j))=sum from i=1 to m g■(u)(■u)/(■x_i))+f(u)初边值问题的有限元格式,利用该格式我们同时得到了 u 及 u_t 的近似值,并给出了关于 L~2—模的超收敛估计.     

关于一个相关函数行列式的计算

用两种方法计算了下列行列式:F_(z)=(?)其中(?)为正定阵。这行列式来源自平稳随机序列的相关函数。在计算过程中还证明了一个有趣的行列式等式:任给矩阵 A=(a_(ij))_(i,i=1,…,n 和两个列向量 b1=(?)及 b_2=(?)以 A_(i,0) 记把矩阵 A 的第 i 列换成 b_1所得之矩阵,以 A_(0,j)记把矩阵 A 的第 j 列换成 b_2所得之矩阵,以 A_(i,j)(i≠j)记把矩阵 A 的第 i 列及第 j 列分别换成 b_1及 b_2所得之矩阵,则(i≠j)|A||A_(i,j)|=|A_(i,0) ||A_(0,j)|-|A_(j,0) ||A_(0,i)|     

矩阵方程X+A~*X~qA=I(q>0)的Hermite正定解

考虑非线性矩阵方程X+A*XqA=I,其中,A是一个n×n阶的复矩阵,I是一个n×n阶的单位矩阵,A*表示矩阵A的共轭转置.文中推导出方程在01两种情况下Hermite正定解的存在性以及迭代求解方法.并利用数值例子来说明.     

矩阵方程X+A*XqA=I(q＞0)的Hermite正定解

考虑非线性矩阵方程X+A*XqA=I(q＞0),其中I是n×n阶的单位矩阵，A是n×n阶的复矩阵.推导出矩阵方程Hermite正定解的性质及方程迭代求解，并给出解的惟一性的显式表达式. 以上结果用数值例子来说明.     

矩阵分裂的收敛性

在解线性方程组Ax=b (1)时,常将矩阵A分裂为如下形式A=Q-R (2)其中A是n×n矩阵,Q是非奇异矩阵。然后用迭代格式QX_(K 1)=RX_(E b) (3)来解(1),格式(3)的迭代矩阵为M=Q~(-1)R (4) 迭代格式(3)从而迭代矩阵(4)的敛散性一直为人们所研究,[1]在A非奇异且(2)是A的正则分裂(即Q~(-1)≥0,R≥0)的条件下,给出了迭代矩阵(4)收敛的充要条件为A是单调     

关于一类非驻定系统的稳定性

本文在常值矩阵 A=(a_(ij))以零为 r 重特征根,其余根均有负实部条件下讨论了非驻定系统 dx/dt=sum.from to j=1(a_(ij)x_j+f_i(t,x_1,…,x_n))零解的稳定问题,得到了判断该系零解为稳定或不稳定的充分条件。     

有限模格的自同构

本文给出有限模格自同构的充分必要条件,从而得出寻求有限模格自同构的方法。定义1 a是格L的元,1最格L的最大元,若在L中存在k个元组成序列。 a_1=Ⅰ>a_2>a_3>…>a_(k-1>a_k=a其中a_1复盖a_(i+1)(i=1,2,…k-1),称a为k层元,又称a到I的距离为k。定义2 若格L的k层元为a_(k_1),a_(k_2),…_(k_3);k+1层元为a_(k+1),a_(k+12),…a_(k+1)■称s×t矩阵(c_(ij))为k层元复盖k+1层元的关系阵。     

赛德尔迭代的一个新的高效算法

本文提出一个新的高效赛德尔迭代算法(ESI算法)求解大型对称正定稀疏线性方程组AX=b。A是n*n阶的对称正定稀疏系数矩阵。A可表达为A=D+U~T+U,其中D是对角矩阵,U是主对角元素为零的上三角矩阵。这个算法,只需上三角阵非零元及其同等数量的索引信息压缩存储。每行第一个非零元存入界限信息而其他非零元仅需存入对应列号。整个系数矩阵存储量为τ,τ是A的非零元个数。压缩与还原过程仅需O(n)次加法或减法运算。