一般矩阵的广义行列式

文中利用行列式按一行展开的性质，给出了一般矩阵的广义行列式概念，推广了拉普拉斯定理，得出了一类线性方程组有解的一个差别法。     

Excel求解线性方程组及其在化学中的应用

运用Excel的函数功能和规划求解功能可以求解线性方程组。文章给出了Excel求解线性方程组的三种方法，并举例说明了其在化学中的应用。     

广义正定矩阵的判别及相应线性方程组的求解

通过给出广义正定矩阵判别的充分条件和充要条件,研究求解广义正定矩阵线性方程组的HSS迭代算法,分析算法的收敛性,并给出数值实验.     

广义四元数代数上伴随矩阵和Cramer法则的推广

设H(F;a,b)是特征≠2域F的上广义四元数代数,利用极大交换子环的矩阵表示,本文定义了H(F;a,b)上方阵的伴随矩阵,得到逆矩阵存在的充分必要条件,并且推广Cramer法则到H(F,a,b)上右线性方程组。参6。     

四元数体上的广义逆矩阵及其在解线性方程组中的应用

本文将复数域上的广义逆矩阵推广到了四元数体上,并分别讨论了减号逆,最小二乘广义逆,极小范数广义逆,加号逆或Moore-Penrose广义逆在解四元数体上的线性方程组Ax=b中的应用。     

“分块矩阵”思想在高等代数中的应用——以循环行列式为例

分块矩阵理论是高等代数的重要组成部分,其思想方法贯穿于整个高等代数的教学过程,对高等代数的学习起到至关重要的作用.文章利用分块矩阵思想,将一类特殊的循环行列式推广到分块的形式,得到了有趣的结论,丰富和发展了行列式和矩阵的理论.     

分块矩阵在行列式计算中的应用

给出利用分块矩阵计算行列式的|H|=|AD CB|方法,即(1)当矩阵A或B可逆时;(2)当矩阵A=B,C=D时;（3）当A与C或者B与C可交换时;(4)当矩阵H被分成两个特殊矩阵的和时行列式的计算．     

界限法在求解大型稀疏线性方程组中的应用

本文应用中适用于随机分布稀疏性计算的控制算法,提供一个控制非零元存取的位置索引界限法.利用这个界限法给出两个求解大型稀疏线性方程组的方案:解大型随机稀疏线性方程组的消元法;解大型对称正定稀疏线性方程组的迭代法.两个求解方案均已编制FORTRAN77标准子程序并在计算机上通过.实例验算表明,无论存贮空间的节省还是计算速度的提高均有较大幅度的改善.     

矩阵特征值和特征向量——在行列式计算中的应用

文[1]给出了某些应用。本文给出了用矩阵的特征值与特征向量计算三对角形行列式的方法。     

广义Vandermonde行列式的再推广

给出了广义Vandermonde行列式的一些推广形式，并利用初等对称多项式及Laplace定理计算出它们的值．     

广义正定Hermite矩阵的行列式不等式

该文定义了广义正定Ｈｅｒｍｉｔｅ矩阵，讨论了广义正定Ｈｅｒｍｉｔｅ矩阵关于行列式的一些重要性质，推广了著名的Ｍｉｎｋｏｗｓｋｉ不等式。     

关于亚正定矩阵行列式的广义Minkowski不等式

给出了亚正定矩阵行列式的广义Minkowski不等式,改进和推广了已有的结果。     

伴随矩阵的一个应用

用伴随矩阵的性质ＡＡ＾＊＝Ａ＾＊Ａ＝｜Ａ｜Ｉ解决了《美国数学月刊》上的Ｅ３２７７号问题。     

用广义正交投影矩阵求解线性规划

对线性规划的内点算法，文[1，2]均使用正交投影矩阵，这就要求约束条件的系数矩阵行满秩，同时内点法要求迭代点始终为内点，在算法终止时所得到的点在理论上只能是一个近似最优解．利用广义正交投影矩阵，我们获得了求解解线性规划的可行下降方向，这样不仅可以放宽系数矩阵行满秩的条件，而且得到的迭代点可以不是内点，因迭代过程穿过区域内部和区域的边界面的相对内部，在理论上确保了最优解为精确解，并证明该算法在有限步终止。     

范德蒙行列式的应用

在师专高等代数的教学中,行列式无疑是一个重点和难点,它是后续课程线性方程组、矩阵、向量空间和线性变换的基础,起着重要的作用.而行列式的计算具有一定的规律性和技巧性.范德蒙行列式是一类很重要的行列式,本文将通过对n阶范德蒙行列式的计算,讨论它的各种位置变化规律,然后主要研究一些与范德蒙行列式有关的例子,从中掌握行列式计算的某些方法和技巧,这将有助于学好高等代数这一主要基础课程.     

真值行列式及其应用

给出真值行列式的定义、性质、计算及其在带有限制条件的全排列问题和某些概率问题中的应用.     

利用剩余类环的性质探索行列式中的一个概率问题

设一个n阶行列式,其中每一个元素都以等概率取{kr+i∶k∈Z},(i=0,1,2,…,r-1)中的整数,其中r>1为任意的正整数。该行列式的值除以r的余数会以一定的概率规律取集合{0,1,2,…,r-1}中的元素。本文利用近世代数中的剩余类环的相关理论就这个问题进行了一些有益的探索,并获得了一些结论。     

关于Ремеэ算法中一个线性方程组的快速解法

Ремеэ算法是解决最佳一致逼近问题的一个著名算法。其中最重要的一步是解一个含有n 2个未知量的线性方程组。本文通过分析该方程组的特点，设计了一种快速算法。该算法仅需O（n^2)的工作量，而用经典的Gauss消去法解该线性方程组则需要O（n^3）的工作量。二者比较，快速算法要好得多。     

广义逆函数值Pade逼近行列式的一个新算法

应用Amoldi方法求解系数为反对称矩阵的线性方程组,给出广义逆函数值Pade逼近行列式公式的一种新的计算方法,并由此提供计算型为[n/2k]_f(x,λ)的广义逆函数值Pade逼近的几个算法.通过实例说明方法的有效性.