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.     

不可约非负矩阵最大特征值的一种迭代算法

根据Co lltaz-W ie land函数理论研究了不可约非负矩阵最大特征值的一种迭代算法,并给出了算法收敛性的简捷证明,同时给出了数值实验结果.     

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.     

非负矩阵Perron根界的几个新的估计式

利用矩阵广义Perron补的性质给出了非负矩阵Perron根的几个新的估计式,这些估计式或削弱了一些现有估计式的使用条件或改进了估计效果,文中数值算例表明所得结果是有效的。     

可分解成不可约矩阵乘积的非负矩阵(英文)

给出了一个n阶非负矩阵可以分解成不可约非负矩阵的乘积的充要条件.并且证明了若一个非负矩阵可分解成不可约非负矩阵的乘积,则可以做到因子个数至多是三个.所用的证明方法是构造性的,可以具体写出各个因子.     

不可约非负矩阵的逆特征值问题

非负矩阵逆特征值问题的提法是:对已知的一个复数组Λ={λ1,…,λn},求一个n×n非负矩阵以Λ为谱.由于非负矩阵逆特征值问题的理论兴趣和应用背景,长期以来,一直吸引不少研究者从事这个热门课题.论文对n=3的情形,限制在至少有三个零元的不可约矩阵类中.首先,给出具有已知的对角元集的非负矩阵逆特征值(包含复特征值)问题有解的充分必要条件;其次,在此基础上,更进一步证明非负矩阵逆特征值问题有解的充分必要条件.在两种情形下都给出了构造全部解集合的简单而有效的公式.     

非负本原矩阵的Perron根和Perron向量的一类新算法

本文着重讨论了非负本原矩阵Ａ的乘幂Ａ￣ｋ的元素及其行和ｒ＿ｉ（Ａ￣ｋ）、列和ｃ＿ｊ（Ａ￣ｋ）、迹ｔ＿ｒ（Ａ￣ｋ）经适当的代数运算后的收敛性，并根据这些收敛性给出了这类矩阵的Ｐｅｒｒｏｎ根和Ｐｅｒｒｏｎ向量的一类新算法。     

非负矩阵谱半径的估计

借助2个新的矩阵,利用Frobenius G不等式,得出一种易于计算的新的估计方法,得出非负矩阵谱半径的上下界,最后通过实例说明该方法的优越性.     

非负矩阵分解的快速收敛算法

为提高非负矩阵分解的收敛速度,在Lee和Seung的倍乘更新算法及改进ILSMU—EUC算法的基础上,通过调整运算顺序,限制不必要的更新方法,提出加速IILSMU-EUC算法。IILSMU-EUC算法是从计算量和内部迭代分析中,对运算耗费量大的矩阵提出限制更新方法,即调整计算顺序,按步骤顺序执行,能够减少计算量及不必要的上百万次的更新。实验结果表明：与原倍乘更新MU算法、梯度映射算法和分层交替最小二乘算法比较,IILSMU-EUC算法误差小、快速收敛性强、提取特征明显,从而验证了改进算法的有效性、稳定性和高效性。