一类多项式特征值问题的向后误差分析及应用

给出了一类形如(λ~kA~T+λ~lA)z=0(A为稀疏矩阵)的矩阵方程的多项式特征值问题向后误差分析.并通过高速列车的振动分析中的一类二次特征值问题(λ~2A~T+λQ+A)z=0的例子,应用该方法讨论此类二次特征值问题的向后误差.     

可对称化矩阵特征值的Wielandt型扰动上界

设A∈Cn×n,B=A+E为其扰动矩阵,A、B的特征值分别为λ(A)={λk},λ(B)={μk}.关于特征值的传统误差界是估计|μ1-λ1|.利用矩阵的奇异值分解得到了可对称化矩阵特征值的wielandt型绝对扰动上界,改进了以往的结果.     

行随机矩阵的逆特征值问题

非负矩阵逆特征值问题的理论价值和应用背景一直吸引不少学者从事于这个热门课题的研究.论文研究行随机矩阵逆特征值问题,考虑一类特殊的复数集Λ=∪k=1mΛk,m>0,每个Λk含有pk>0个元,其中一元是λk1>0,其余元是ωke2πi/pk,…,ωke2(pk-1)πi/pk,0<ωk≤λk1.论文同时给出了求解的方法.当p1,…,pm全为2时,Λ变成2m+1非零个实数的集合.论文同时也给出以已知任意奇数个非零实数为谱的行随机矩阵逆特征值问题有解的充分条件及求解的方法.     

分担一个多项式的全纯函数的唯一性

本文主要研究了全纯函数分担一个非零多项式的唯一性问题,并且得到了:若f,g为2个非常数的超越整函数,n,k,l为3个正整数且满足5l＞4n+5k+7.如果[L(f)](k)与[L(g)](k)IM分担次数小于或等于5的非零多项式P(z),则或者f(z)=λ1eλQ(z)+c,g(z) =λ2e-λQ+(z),或者f(z)与g(z)满足代数方程R(f,g)≡0,这里Q(z)=fz0P(z)dz,λ1,λ2,λ及c为4个常数,且满足等式(λ1λ2)n(nλ)2 =-1,并且R(ω1,w2)=L(ω1)-L(w2).此外,就[L(f)](k)与[L(g)](k)IM或CM分担不动点的情形也进行了详细的研究.     

一类广义左右特征值反问题

本文考虑如下问题:问题Ⅰ(a)给定X∈Rn×p p,y∈Rm×p p,A=diag(λ1Ik1,λ2Ik2,…,λnIkn)∈Rp×p且k1 k2 … k1=p,λ1,…,λ1互异.求矩阵A,B∈Rm×n,使得AXA=BX, ATYA=BTy.问题Ⅰ(b)给定矩阵X∈Rm×p p,y∈Rn×p p,A=diag(λ1Ik1,λ2Ik2,…,λ1Ik1)∈Rp×p且k1 k2 … k1=p,λ1,…,λ1互异.求矩阵A,B∈Rm×n,使得AXA=BX, ATyA=BTy, YTAX=Ip,YTBX=A.问题Ⅱ给定A,B∈Rm×n,求[A,B]∈SAB,使得‖ [A,B]-[A,B]‖F=inf [A,B]∈s AB‖[A,B]-[A,B]‖ F,其中SAB是问题Ⅰ的解集合.借助于矩阵X,Y的奇异值分解给出了问题I的通解表达式,证明了问题Ⅱ的解存在唯一,并给出了问题Ⅱ的唯一解的显式表示.     

整数矩阵集上的Fermat方程

设A是m阶可逆整数矩阵,又设S(A)={Ak|k∈Z,k≥0}。设n是正整数。文中运用矩阵特征值的性质证明了:如果A有特征值α适合|α|21n或者n18m2(log6m)且A的特征值都不是单位根,则方程xn+yn=zn,x,y,z∈S(A)无解(x,y,z)。     

广义极分解的扰动等式

研究m×n(m≥n)且秩为r的复矩阵A的广义极分解A=QH,其中Q为m×n次酉矩阵,H为n×n半正定矩阵;利用奇异值分解的方法,给出了在任意酉不变范数下Q和H的扰动等式.     

秩与非零特征值个数的差为n-2的矩阵

得到了秩与非零特征值个数的差为n-2的n×n阶矩阵的等价刻画.对秩和非零特征值个数的差为n-2的矩阵A与B,得到了A与B相似的充要条件是A与B的迹trA=trB≠0,或者A与B的最小多项式m_A(x)=m_B(x),当trA=trB=0时.     

Cauchy不等式和Kantorovich不等式的推广

设A为n×n正定Hermite阵,x为n维列向量,λ1≥λ 2≥…≥λn＞0为A的特征值,得到了Cauchy不等式及Kantorovich不等式的如下推广形式:(x*A α1+α2+...+αk/k/x)k≤x*Aα1x...x*Aαkx,其中α1,α2,...αk为任意实数.(x*Aαx)β(x*A-βx)α≤/ααββ/(α+β)α+β/(λ1α+β-λnα+β)α+β/(λ1λn)αβ(λ1α-λnα)α(λ1β-λnβ)β/(x*x)α+β.其中α,β为任正数.     

分担一个多项式的全纯函数的唯一性(英文)

本文主要研究了全纯函数分担一个非零多项式的唯一性问题,并且得到了:若f,g为2个非常数的超越整函数,n,k,l为3个正整数且满足5l>4n+5k+7.如果[L(f)](k)与[L(g)](k)IM分担次数小于或等于5的非零多项式P(z),则或者f(z)=λ1eλQ(z)+c,g(z)=λ2e-λQ(z)+c,或者f(z)与g(z)满足代数方程R(f,g)≡0,这里Q(z)=∫z0p(z)dz,λ1,λ2,λ及c为4个常数,且满足等式(λ1λ2)n(nλ)2=-1,并且R(ω1,ω2)=L(ω1)-L(ω2).此外,就[L(f)](k)与[L(g)](k)IM或CM分担不动点的情形也进行了详细的研究。     

二次矩阵方程最大最小解存在的充分条件

给出二次矩阵方程Q(X)=AX^2 BX C=0的最大解和最小解存在的充分条件,并且讨论了二次λ-矩阵多项式Q(λ)=λ^2A λB C特征值的性质．     

酉不变范数下广义极分解的扰动界

设A是m×n且秩为r的复矩阵,存在m×n次酉矩阵Q和n×n半正定矩阵H使得A=QH.此分解称为A的广义极分解.文章给出了在任意酉不变范数下次酉矩阵Q和半正定矩阵H的扰动界.     

实正交斜对称矩阵的特征值的结构向后误差

研究了问题:C(2,3)R={ARm×m:AT=-A,ATA=I}有怎样的表达式对其特征值的结构向后误差η(2,3)R(Xk,Λk)=min{α-1EF:(A E)Xk=XkΛk,A EC(2,3)R}有效,对其特征值的无结构误差是否含有2的因子.得到了一些结果:实正交斜对称矩阵的表达式对其特征值的结构向后误差η(2,3)R(X2k,Λ2k)是有效的,且对无结构的向后误差ηR(X2k,Λ2k)含有2的因子.     

关于一般矩阵特征值的最小距离

设A是n×n的复矩阵,其特征值为λ_1(A),…,λ_n(A).设C_m(A)为A的m阶复合矩阵,D_2(A)为C_2(A)的导数矩阵,AB为A与B的Kronecker乘积.令R_i(A)=排成非增次序后记作我们得到了估计式:     

两个谱任意模式

设λ1,λ2,...,λn(可以相同)为实矩阵A的所有特征值,记为σ(A)=(λ1,λ2,...,λn).n阶符号模式矩阵S=(sij)是指元素取自{ ,-,0}的矩阵,S的定性矩阵类是指集合Q(S)={A=(aij)∈M\{n\}(R):对所有的i和j,sign(aij)=sij},记σ(S)={σ(A):A∈Q(S)}.设S为n阶符号模式矩阵,λ1,λ2,…,λn为n个任意复数,若λ1,λ2,…,λn中的虚数都与其共轭复数成对出现时,便存在A∈Q(S),使得σ(A)=(λ1,λ2,…,λn),则称S为谱任意模式.在本文中,我们得到两个谱任意模式.     

分担一个多项式的全纯函数的唯一性

本文主要研究了全纯函数分担一个非零多项式的唯一性问题，并且得到了：若f,g为2个非常数的超越整函数，n,k,l为3个正整数且满足5l>4n+5k+7.如果［L(f)］(k)与［L(g)］(k)IM分担次数小于或等于5的非零多项式P(z)，则或者f(z)=λ1eλQ(z)+c,g(z)=λ2e－λQ(z)+c, 或者f(z)与g(z)满足代数方程R(f,g)≡0，这里Q(z)=∫z0p(z)dz,λ1,λ2,λ及c为4个常数, 且满足等式(λ1λ2)n(nλ)2=－1,并且R(ω1,ω2)=L(ω1)－L(ω2).此外，就［L(f)］(k)与［L(g)］(k)IM或CM分担不动点的情形也进行了详细的研究。
     

线性空间的分解与若当标准形

本文证明了下面两点:(1)设A 是n×n 矩阵,那么A 相似于(?)为若当块矩阵,它仅有一个特征值和一个线性无关的特征向量.(2)者|λI-A|=(λ-λ_1)~(r_1)-(λ-λ_2)~(r_2)…(λ-λ_3)~(r_3),其中λ_1,λ_2,…,λ_3两两不同,那么dimN(A-λI)~(r(?))=r_(?)(i=1,2,…,8)其中Ⅳ(A-λ_1I)~(r(?))={α|α∈U~n,(A-λI)~(r(?))·α=0}.U~n 是n 维列向量.     

Fuzzy亚对称方阵的亚可实现问题及亚可实现条件

在 [0 ,1]格上讨论 :已知n×n阶Fuzzy矩阵B ,问是否存在Fuzzy矩阵A =(aij) n×m 使B =A AST,其中 ,AST =(aklST) m×n,aSTkl =an-l 1,m -k 1,k=1,2 ,… ,m ;l =1,2 ,… ,n , 为Fuzzy矩阵间的max min合成算子 .如果存在使B =A AST 成立的Fuzzy矩阵A ,则称B是亚可实现的 .进一步设w(B)=min{m｜A是n×m阶Fuzzy矩阵且使B =A AST} ,称w(B)为B的亚容度 .将证明存在使B =A AST 成立的Fuzzy矩阵A的充要条件是B =BST;进一步 ,w(B)≤ 2n2 - 1.     

左右逆特征值问题及其最佳逼近问题的(R,S)对称矩阵解

令R∈Cm×m和S∈Cn×n是2个非平凡卷积矩阵,即R=R-1≠±Im,且S=S-1≠±In。如果一个矩阵A∈Cm×n满足RAS=A,则矩阵A称为(R,S)对称矩阵。本文首先分别给出了左右逆特征值问题的(R,S)对称矩阵解的可解条件和一般表达式;然后,给出了左右逆特征值问题相应的最佳逼近问题的(R,S)对称矩阵解。     

对称矩阵特征值估计的某些进展

如果λ_1,…,λ_n是对称矩阵A的特征值,P. Tarazaga证明了|tr(A)/n-λ_i|≤[(n-1)/n(‖A‖_F~2-tr(A)~2/n)]~(1/2)对λ_i,i=1,…,n。本文中得到了一个等式成立的充分必要条件,由此给出一类特殊对称矩阵特征值的计算方法,而且证明了下面的定理:如果对称正定矩阵A仅有k个特征值大于或等于αtr(A),0<α<1,则tr(A)/‖A‖_F≥P_k(α)~(1/2),其中P_k(α)~(-1)=[1-(k-1)α]~2+(k-1)α~2,进而得到正定对称矩阵每一个特征值的上界估计。