广义正定矩阵的分析与应用

分析了广义正定矩阵,导出了矩阵广义正定的若干新判定准则,并以应用实例研究了其在神经网络中的应用.     

变时滞神经网络指数稳定性条件

基于时滞细胞神经网络(DCNNs)在图像处理等领域的广泛应用,有关它的研究引起了越来越多学者和专家的关注.早期DCNNs稳定性的结果大多由网络权矩阵的分量构成的代数不等式来表示.运用Lyapunov-Krasovskii泛函的方法,研究了DCNNs的指数稳定性,所得充分条件以矩阵的(半)正定形式出现,在实际应用中更加便于验证.与文献中的结果相比较,所得判据适用范围更广.     

正定阵的理论在行列式中的应用

正定阵的理论应用很多，本文给出其在行列式中的两点应用。     

广义正定矩阵的特殊乘积

设H_n={A|A∈C~(n×n),A~*=A,且对所有的0≠x∈C~n,(x,Ax)=x~*Ax>0}。C_n={A|A∈C~(h×n),且对所有0≠x∈C~n,(x,Ax)= x~*Ax>0}。本文证明了下面事实:如果A∈H_n,B∈G_n,那么A(?)B,B(?)A和A·B∈G_n,同时我们有反例来说明如果A,B∈G_n,那么A(?)B,A·B∈G_n是不正确的。     

用实二次型理论解多元函数的极值问题

文章以二次型理论为依据,提出了解决多元函数极值问题的另一种方法.     

含第三对称平均值比的一个不等式及其应用

借助于数学归纳法建立了含第三对称平均值比的一个不等式 ,并将此结果用于正定矩阵 ,获得了一个有趣的结果 .     

一类用内积表达的函数凸性

本文研究用内积表达的某些函数,分析它们的凸性,其主要的结论如下:由一个实的半正定矩阵 An×n 及属于 n 维欧氏空间的向量 a,x 构成[x,Ax]+[a,x]+b(b 为常量)型关于向量 x 的一类内积函数,则此类函数为n 维欧氏空间上的凸函数。A,B 均为 n×n 阶实矩阵、a,x 均属于 n 维欧氏空间向量,那么由 Bx+a,A(Bx+a)构成关于 x 的内积函数,该函数在 n 维欧氏空间上凸的充分条件是 B为任意,A 为半正定的。