非负矩阵Perron根界的估计式的改进

矩阵的谱半径在特征值估计理论、广义逆矩阵、数值分析以及矩阵序列、矩阵级数的收敛分析、控制理论中都有着极为重要的作用,近年来许多学者都致力于这方面的研究,提出了许多改进的谱半径估计方法,利用Perron补矩阵进行谱半径估计也一直受到广大学者的重视.通过研究矩阵的广义Perron补的性质,给出非负矩阵Perron根界的几个新的估计式。     

非负矩阵Perron根的上下界

本文主要给出了非负矩阵Perron根的一种估计方法,利用矩阵的特征值和对应特征向量的关系,得到了非负矩阵谱半径的估计式,并且通过数值例子来说明方法的有效性.     

非负矩阵Perron根的计算

非负矩阵最大特征值即Perron根的计算是非负矩阵理论的重要课题.本文利用非负矩阵Perron余的有关性质,给出一种可以得到比较精确的Perron根的方法.并利用该方法给出MATLAB的算法及程序,实现了计算机编程求解非负矩阵的Perron根.最后,通过实例说明本文的方法是有效的.     

非负矩阵Perron根的下界序列

为了得到非负矩阵Perron根界的估计,通过引入幂函数对Yu. A. Alpin不等式进行改进, 得到一列单调递增且收敛于Perron根的下界序列,并利用非负不可约矩阵的性质,研究了一类特殊非负矩阵的下界序列.最后通过数值实例对新的估计方法进行验证,结果优于文献[3-5]中的结论.     

非负不可约矩阵Perron根的一种迭代算法

非负矩阵Perron根的理论应用于很多领域,目前对Perron根的估计和计算提出了很多方法,其中较多使用对角相似变换方法,根据精度的需要求得Perron根的近似值.论文构造了一个新的对角矩阵,同样利用对角相似变换,得到一个新的迭代算法,并从理论上证明了其收敛性.最后,用数值例子验证了该算法的可行性.     

非负不可约矩阵Perron根的一种迭代算法

非负矩阵Perron根的理论应用于很多领域,目前对Perron根的估计和计算提出了很多方法,其中较多使用对角相似变换方法,根据精度的需要求得Perron根的近似值.论文构造了一个新的对角矩阵,同样利用对角相似变换,得到一个新的迭代算法,并从理论上证明了其收敛性.最后,用数值例子验证了该算法的可行性.     

非负矩阵Perron根的一种迭代改进算法

目前关于非负矩阵Perron根即最大特征值的估计和计算已提出了很多方法.利用对角相似变换,给出了一个求非负矩阵Perron根的迭代算法,可以根据精度的要求迭代足够多次得到所需要的近似值.并从理论上证明了它的收敛性,同时给出一种改进的方法,使得在相同的精度下尽可能的减少迭代次数.最后,用数值实例验证.     

非负矩阵Perron根的新界值

讨论了非负矩阵Perron根的相关性质,得到Perron根的一个新界值。另外,对于非负矩阵Perron根的上下界,将文献[5]中的不可约条件放宽至任意非负矩阵。     

非负不可约矩阵Perron根的一个下界

根据非负不可约矩阵谱半径(Perron根)的相关性质,得到其Perron根的一个新下界,证明了当矩阵对称时新下界较经典下界更优,数值算例进一步验证了其有效性。     

非负矩阵Perron根的界

基于非负矩阵Perron根的理论应用于很多领域,据此,研究了非负矩阵Perron根的界的估计,获得了非负不可约矩阵Perron根的界,进而在适当的相似变换基础上得到非负可约矩阵Perron根的界的估计.     

矩阵Hadamard积和Fan积的特征值界的估计

给出非负矩阵A与B的Hadamard积AB的谱半径上界的一个新估计式和非奇异M-矩阵A和B的Fan积A*B的最小特征值下界的一个新估计式,这2估计式只依赖于矩阵A与B的元素,易于计算.例证表明,所得估计式在一定条件下比现有估计式更为精确.     

M-矩阵与M-矩阵的逆的Hadamard积的最小特征值下界的估计

给出了非奇异M-矩阵A的逆矩阵与非奇异M-矩阵B的Hadamard积的最小特征值下界的估计式,该估计式只依赖于矩阵A与B的元素,易于计算,算例表明,所得估计式在一定条件下比现有估计式更为精确。     

M-矩阵及非负矩阵Hadamard积和Fan积的特征值界的估计

 分别给出了非奇异M-矩阵的逆矩阵和非奇异M-矩阵的Hadamard积与非奇异M-矩阵Fan积的最小特征值下界新的估计式;同时给出了非负矩阵Hadamard积的谱半径上界新的估计式;这些估计式都只依赖于矩阵的元素,易于计算.算例表明,这些估计式在一定条件下改进了现有结果.     

两个矩阵Fan积和Hadamard积的特征值的界

关于非奇异M-矩阵A与B的Fan积A＊B,给出A＊B的最小特征值τ（A＊B）下界的新估计式,同时也给出非负矩阵A与B的Hadamard积A＊B的谱半径ρ（A＊B）上界的新估计式,这些估计式只与矩阵的元素有关,易于计算．数值算例也说明所得估计式改进了现有的结果．     

总目次

对于两个非负矩阵A和B的Hadamard积,利用特征值包含域定理给出谱半径的新上界估计式.数值例子表明新估计式在某些情况下比现有的估计式更为精确,并且这些估计式只依赖于两个非负矩阵的元素,更容易计算.     

M-矩阵的Hadamard积最小特征值下界的新估计式

M-矩阵的Hadamard积是矩阵理论及其应用的重要问题之一,文章给出了非奇异M-矩阵B与非奇异M-矩阵A的逆矩阵的Hadamard积的最小特征值下界的一个新估计式;同时得到了M-矩阵与其逆矩阵的Hadamard积的最小特征值的一个新估计式;算例表明,文中所得估计式在某些情况下比现有估计式的估计结果更精确,且它们仅与矩阵A和B的元素有关,计算简单。     

M-矩阵Hadamard积最小特征值下界的进一步研究

对两个非奇异M-矩阵的Hadamard积的最小特征值下界做进一步研究,给出在不同情况下τ(BoA-1)和τ(AoA-1)的新估计式;并从理论上证明了新估计式在一定条件下改进了现有文献的结果;算例验证表明估计式提高了已有估计式的估计精确度.     

非奇异M-矩阵的逆矩阵和M-矩阵的Hadamard积的最小特征值下界估计

给出了非奇异M-矩阵的逆矩阵和M-矩阵的Hadamard积的最小特征值下界新的估计式, 这些估计式都只依赖于矩阵的元素,易于计算,改进了已有的结果。     

M-矩阵的Hadamard积的最小特征值下界估计

文章给出了非奇异M-矩阵A与非奇异M-矩阵B的逆矩阵的Hadamard积的最小特征值下界的估计式.示例表明,文中所得估计式在某些情况下可得到比现有估计式更为精确的结果.