Fuzzy矩阵Schein秩的求法

本文给出了Fuzzy矩阵Schein秩的一种较理想的求法,最后得到了Fuzzy矩阵Schein秩的一个下界表示.     

Fuzzy矩阵的初等变换与Schein秩

本文重新定义了Fuzzy矩阵的行秩、列秩,给出了Fuzzy矩阵的puv初等变换法,并证明了初等变换的保秩性及若干有关结论.使文中求Fuzzy矩阵的行秩、列秩、Schein秩的不同方法得到了统一;同时,也为简化矩阵的求秩计算提供了新途径,使文中"逐步划去"的方法应用范围更广泛.最后,给出了满秩矩阵的充分条件,与初等变换结合起来,便能更简捷地计算出相当广泛的一类Fuzzy矩阵的秩.     

Fuzzy矩阵的Schein秩与Fuzzy不定方程

本文在格 L=[0,1]上讨论了 Fuzzy 矩阵不定方程的指数,可实现矩阵的容度及 Fuzzy 矩阵的行(列)秩(Schein 秩)之间的关系,给出了非零 Fuzzy 矩阵不定方程有解的几个判别定理,证明了 n×m级 Fuzzy 矩阵 A 的 Schein 秩等于 min{n,m}的几个充分条件.     

Schein秩为2的Fuzzy矩阵的本征集

本文给出了当schein秩ρ_s(A)=2时,Fuzzy矩阵A的最大本征元及本征集生成元的表达式,这就同时证明此时本征集的基数不大于2。     

Fuzzy矩阵的秩与Fuzzy向量组的基

本文在文献的基础上，对于Ｆｕｚｚｙ矩阵秩的有关性质做了进一步研究；给出了Ｆｕｚｚｙ向量组线性相关的充分必要条件。提出利用拟基向量求Ｆｕｚｚｙ基的方法，使Ｆｕｚｚｙ矩阵的求秩运算得到改进。     

可实现模糊矩阵的秩

通过对Ｆｕｚｚｙ可实现矩阵的Ｓｃｈｅｉｎ秩、行（列）秩和秩的研究，初步探讨了可实现矩阵的容度和其秩的关系     

矩阵的最小秩及其应用

本文给出任意数域上n×n阵的最小秩的几个性质,并且刻画保最小秩的线性映射.     

仿射约束矩阵秩最小问题与无约束矩阵秩最小问题的等价性

证明了仿射约束矩阵秩最小问题与无约束矩阵秩最小问题的等价性,即存在λ00,对于任意的λ∈(0,λ0),无约束矩阵秩最小问题与仿射约束矩阵秩最小问题有相同的最优解。通过求解无约束罚函数矩阵秩最小问题的最优解来近似替代仿射约束矩阵秩最小问题的最优解是可行的。     

向量组秩的两种求法

根据高等代数教材中向量组秩的定向及向量组的秩与矩阵秩的关系，本文给出较为实用的求向量组秩的方法。     

Fuzzy矩阵行秩及秩的计算

本文在查健禄撰写《Fuzzy向是组的相关性与Fuzzy矩阵的秩》的基础上,将Fuzzy矩阵的@乘法加以改进,从而简化了Fuzzy矩阵行秩及列秩的计算。     

分块矩阵及矩阵和的秩

用分块矩阵的广义逆矩阵给出了分块矩阵的秩与子块秩的关系，及三个矩阵和的秩的范围。     

矩阵的秩及应用

利用矩阵的秩的相关定理及重要结论,阐述矩阵的秩在数学知识的学习研究中所起的作用,总结了一些矩阵的秩的重要性质,将代数内容的学习融入具体问题的证明中,将知识紧密的联系在一起,为以后相关知识的学习奠定基础。     

求最小生成树的矩阵算法

最小生成树问题是运筹学网络优化中一个常见的基本问题．提出了一种新的求最小生成树的矩阵算法,此算法可以不必在原图上进行操作而得到最小生成树,过程简单易懂．     

三对角符号矩阵的最小秩完备化问题

利用图论方法研究不完备的三对角全符号矩阵的最小秩完备化问题.通过符号二部图的二部迫零法获得不完备的三对角全符号矩阵的最小秩为1、2、3的完备化问题.     

一类矩阵方程的最小秩解及其最佳逼近

讨论了矩阵方程的最小秩解及其最佳逼近,利用矩阵对的广义奇异值分解,得到了定秩解的解集合;对于最小秩解的解集合Sm,得到了最佳逼近解.     

正交化向量组的矩阵方法

在欧氏空间Ｒ＾ｎ里给出了利用矩阵的初等变换化线性无关向量组为正交组的方法。     

基于模糊最小集的试卷诊断模型

利用模糊最小集方法，提出了一种考试试卷诊断模型。该模型首先确定诊断参数向量对应症状的最大可能分布，再由界限值决定症状集；最后利用诊断逻辑识别。     

有限元刚度矩阵的压缩存贮及组集

基于细胞元索引存贮方案，提出一种仅组集有限元刚度矩阵中非零元素的方法，该方法最突出的特点是计算所需内存空间与有限元网格节点和单元的编号模式无关，适于进行自适应网格细化有限元分析。针对刚度矩阵的一维压缩存贮格式，对稀疏矩阵直接解法和预处理共轭梯度法进行探讨，并编制相应的计算机程序对某地铁车辆有限元模型进行分析，计算结果与ANSYS5．7的计算结果相比相对误差不超过2％，说明提出的存贮方案和求解方法是正确、可靠的。     

基于模糊最小集的试卷诊断模型

利用模糊最小集方法 ,提出了一种考试试卷诊断模型 .该模型首先确定诊断参数向量对应症状的最大可能分布 ,再由界限值决定症状集 ;最后利用诊断逻辑识别 .