一类转置与自身的列向量组等价的特殊矩阵

先给出方阵的列向量组和行向量组的转置等价的充分必要条件.再对一类由初等矩阵诱导的列向量组和行向量组的转置等价的矩阵进行了研究,指出这一类特殊矩阵具有对称性和非平凡情况下的退化性.

基于BWDSP1042的复数矩阵向量乘的优化与实现

采用两种方法对复数矩阵向量乘进行优化,提高其在BWDSP1042上的运行效率。一是按列分块与减少二级循环内循环次数相结合的方法(矩阵列非4的倍数);二是模八寻址与减少二级循环内循环次数相结合的方法(矩阵列为4的倍数)。实验结果表明,采用第一种方法可缩短复数矩阵向量乘的运行周期2.8倍以上,第二种方法可缩短其运行周期3.1倍以上。

按行及按列划分的并行矩阵向量乘法的分析

文中首先总结按行划分和按列划分的并行矩阵向量乘法在原理上的异同。然后实现基于MPI模型的按行划分以及按列划分的矩阵向量乘法的程序,并分析了程序在基本框架方面的异同。最后给出测试这两种程序的实验条件和任务,并对这两种程序在不同情况下的执行时间进行分析。

Fuzzy向量组的相关性与Fuzzy矩阵的秩

本文在[1]、[2]的基础上,首先建立了半环I=([0,1),a+b=max{a,b}ab=min{a,b})上的Fuzzy向量组相关性的若干命题,进而证明了Fuzzy向量组S以至它生成的子空间的任一生成集的极大独立组基数的唯一性。得到向量组S是有限生成子空间W的基的充要条件。从而,将半环I上的Fuzzy矩阵行(列)空间的基及其行(列)秩的计算转化为求该矩阵的行(列)向量组的极大独立组及其基数的问题。最后,利用Brouwer格上α算子的性质,得到判别Fuzzy矩阵的行(列)向量组相关性的充要条件及若干简易的充分条件。使Fuzzy矩阵秩的计算问题得到完满解决。

Fuzzy循环矩阵的Fuzzy特征向量

Fuzzy循环矩阵在Fuzzy数学的多个领域具有广泛的应用前景.作者试图在理论上对其性质进行研究.主要讨论了Fuzzy循环矩阵的Fuzzy特征向量,给出了X是Fuzzy循环矩阵A的Fuzzy特征向量的等价判别定理.

有指定行和向量与列和向量的(0,1,…,r)-矩阵

设 Ur( R,S)是所有具有指定行和向量 R与列和向量 S的 ( 0 ,1 ,… ,r) -矩阵组成的集合 ,给出了Ur( R,S)的结构矩阵的一些性质 ,以及 Ur( R,S)非空时向量 R与 S之间的关系。

Fuzzy矩阵A_(Sr=1)的最小向量分解式及若干特性

本文建立了Fuzzy矩阵A_(Sr=1)的最小向量分解式和有关结果,并在此基础上,讨论了Fuzzy矩阵A_(Sr=1)的幂零、幂等、传递、正则等有关特性。

Fuzzy矩阵行秩及列秩的计算

本文在查健禄撰写《Fuzzy向是组的相关性与Fuzzy矩阵的秩》的基础上,将Fuzzy矩阵的@乘法加以改进,从而简化了Fuzzy矩阵行秩及列秩的计算。

用列初等变换求矩阵的特征向量

本文区别于传统方法只用列初等变换求给定矩阵的特征向量

广义Fuzzy正交矩阵

给出了广义Fuzzy正交矩阵的概念、性质及判定,并给出了正交向量的定义.讨论了正交向量组与广义Fuzzy正交矩阵的关系,还讨论了若一个Fuzzy矩阵A的λ 截矩阵是广义Fuzzy正交阵时A具有什么特征.

关于AHP群体判断矩阵权向量优化计算方法

本文提出的ＡＨＰ群体判断矩阵权向量优化计算方法，是运用非线性规划方法求解与各判断矩阵列向量偏角相差综合最小的向量．实例证明。

矩阵方程组AX=C,XB=D的行(列)共轭对称解

定义行(列)共轭对称矩阵的概念.利用复矩阵的实表示和Moore-Penrose逆方法,分别导出复矩阵方程组AX=C,XB=D存在行共轭对称解和列共轭对称解的充分必要条件及相应解的一般表达式.所得可解性条件均由实矩阵表出,相应的行(列)共轭对称解与实矩阵酋等价.作为应用,给出四元数矩阵右特征值的特征向量集合和相应的数值算例.

矩阵的特征值与特征向量的同步求解方法

一般教科书中介绍的求矩阵Ａ的特征值与特征向量的方法是：首先，求解｜λＥ－Ａ｜＝０，得全部特征值λｉ；然后，对每一个λｉ解方程组（λｉＥ－Ａ）ｘ＝０，得特征向量．本文介绍一种只要对矩阵作适当的初等变换就可同步得出矩阵的特征值与特征向量的方法，实践证明，...

抽象n维列向量演绎

指出在矩阵乘法运算中容易被忽略的一个小问题;证明全体n维列向量构成一个向量空间;研究由抽象的n维列向量α所派生出的矩阵αTα、ααT的特性以及方阵ααT的行列式、特征值、特征向量和对角化问题;展示了将抽象的n阶方阵ααT对角化的全过程.所得的部分结论可以作为公式使用.

矩阵特征值与特征向量的一个反问题

1995年全国工学硕士研究生入学考试(试卷一)有一道试题:设三阶实对称矩阵A的特征值为λ_1=-1,λ_2=λ_3=1,对应于λ_1的特征向量为 ε_1=(0,1,1)~T,求A.对此题,许多考生为以下两个问题而困惑:

给定行和与列和的(0,1,2)-矩阵

设 （Ｒ，Ｓ）是所有具有指定行和向量Ｒ与列和向量Ｓ的（０，ｌ，２）－矩阵组成的集合．给出 （Ｒ，Ｓ）中存在不可约矩阵的２个必要条件，得到了 （Ｒ，Ｓ）的一些性质．

广义Fuzzy矩阵的秩

提出了广义Fuzzy矩阵的行秩、列秩及其S_r秩的概念,把文献[1] 、[2]关于Fuzzy矩阵的研究推广到广义Fuzzy矩阵上来,得到了一批结果,为二型Fuzzy关系矩阵的研究打下了基础.本文主要讨论了S_r(A)=1的几个条件.

用于并行压缩感知成像系统的观测矩阵优化算法

压缩感知理论为遥感空间超分辨技术提供了一种新的实现方式。其中观测矩阵决定着压缩感知的采样规则,设计和优化观测矩阵对于保证信号的重构品质具有重要意义。文章在并行压缩感知成像系统的基础上,提出了一种基于列独立性和互相关性的观测矩阵优化算法。算法通过正交三角分解增强观测矩阵的列向量独立性,再通过特征值分解和等角紧框架约束来降低观测矩阵与稀疏矩阵之间的互相关性。同时,文章还提出了一种基于阈值分割的优化方法,将观测矩阵转化为便于硬件实现的二值矩阵,在降低了硬件加工难度的同时,进一步增强了观测矩阵的效果,提高了优化算法的实用性。仿真实验证明,文章提出的优化算法相较于传统优化算法在峰值信噪比方面提升1~2 dB,具有更好地优化效果。

再论Fuzzy矩阵的广义逆

文[1]讨论了Fuzzy矩阵广义逆的一些性质及求法，在此基础上，本文进一步讨论了Fuzzy矩阵广义逆矩阵与该矩阵的行秩、列秩的关系，并利用矩阵的初等变换及矩阵的分块法给出了广义逆矩阵存在的充要条件以及其他的一些性质。

关于Fuzzy矩阵的N-D方程当指数为1时有解的条件的注

应用Fuzzy矩阵的行(列)向量的线性相关和Fuzzy矩阵最大行(列)向量的概念,重又研究Fuzzy矩阵的N-D方程当指数为1时有解的判定方法,得到的方法不仅简单易行,而且还适合于P(A)=PS(A)=Pr(A)= Pc(A)=1的判定.