1) Some Researches on the Coneigenvalues of Matrices
矩阵相合型特征值
2) coherent matrix eigenvalue
相干矩阵特征值
3) matrix eigenvalue
矩阵特征值
1.
Then, using the properties of matrix eigenvalue, the similar properties were discussed.
从两方面探讨了Ｌｙａｐｕｎｏｖ方程的性质：即从矩阵迹的角度给出该方程成立的条件和从矩阵特征值的角度进一步讨论了相应的性
2.
In capacitance uncertainty,this paper uses matrix eigenvalue theory to give asymptotic stability property.
对一类非对称Hopfield神经网络在联接矩阵为非对称的前提下对矩阵特征值所在范围作了更精细的刻画;在有电容(C)扰动下利用矩阵特征理论给出了网络渐近稳定性的条件。
4) matrix eigenvalues
矩阵特征值
1.
In resistance un-certainty use matrix eigenvalues thery theory to give asymptotic stakility property.
本文对一类非对称Hopfield神经网络在联接矩阵为非对称的前提下对矩阵特征值所在范围作了更精细的刻画;在有电阻(R)扰动下利用矩阵特征值理论给出了网络渐近稳定性的条件。
2.
The content includes numerical solution of nonlinear equation (group) function, solving matrix eigenvalues and solving the real roots of rolynomials and so on.
数值方法是数学的一个分支,它的研究对象是利用计算机求解各种数学问题的数值方法及有关理论,其内容主要包括非线性方程(组)的数值解法,求解矩阵特征值,多项式求根问题等。
5) eigenvalues of matrix
矩阵特征值
1.
presented a multi-party protocol of finding eigenvalues of matrix in a secure multi-party computation situation and studied the security of it.
此外,基于相似矩阵具有相同特征值这一结果,给出了一个新的多方计算矩阵特征值协议,新协议的适用范围更广,并给出了安全性分析。
2.
And he point to: (1)There are some other interesting scientific computation problems that need to be studied, such as how secure compute eigenvalues of matrix.
该文的主要结果有:给出了一个科学计算基础协议———安全多方矩阵乘积协议,应用该协议,给出了解线性方程组、计算矩阵特征值问题的多方安全计算协议。
6) eigenvalue of matrix
矩阵特征值
1.
In this paper, a new contained region for eigenvalue of matrix is obtained and this improves the disc theorem in paper [1].
本文给出了矩阵特征值一个新的包含域,在此基础上得到了对角占优矩阵非奇异的一个新的简单的判别法,所得结论推广了[1]中一个主要结论。
补充资料：矩阵特征值问题数值解法
矩阵特征值问题数值解法
numerical solution of matrix eigenvalue problems
]uzhen tezheng zhi wenti ShuZhil}efQ矩阵特征值问题数值解法(n~ical solu-tion of matrix eigenvaluep均bl~)指在数字计算机上，研究如何采用有效的数值方法求矩阵特征值和特征向量的近似值的方法和过程。对元素为实数或复数的n xn维矩阵A，求数几和对应的非零向量x，使Ax二众，这样的问题称为矩阵特征值问题，也称代数特征值问题，几和x分别称为矩阵A的特征值和特征向量。矩阵特征值问题数值解常出现于动力系统和结构系统的振动问题，以及物理学中临界值的确定。对于微分方程等连续系统的特征值问题，若用离散化的数值方法求解也归结为矩阵特征值间题。此外，在其它数值方法理论分析和讨论计算过程对舍人误差的稳定性问题时，都与矩阵特征值问题有密切联系。 矩阵A的特征值几是特征多项式Pn(劝=det(汀一A)的根。其中I为n xn阶单位矩阵。传统方法是通过求凡(劝=0的根求出特征值几*(i二1，…，n)，再求其相应特征向量。这种方法只能求低阶矩阵特征值，对于。>4的高次多项式，一般不能用有限次运算求出根的精确值，直接用多矩·469·项式求根，工作量大且稳定性差。因此，目前求矩阵特征值和特征向量的方法主要是向量迭代法和变换方法两类。 向t迭代法不破坏原矩阵A，而是利用A对某些向量做运算产生迭代向量的求解方法，多用来求矩阵的部分极端特征值和相应的特征向量。乘不法和反苹法均属此类。 乘幕法用来求矩阵按模最大特征值与对应特征向量的一种迭代法，它以矩阵乘幂运算为主，也称幂法，设n阶矩阵A有一个完全的特征向量组，其”个线性无关的特征向量为x(l)，x(2)，…，x(·)，对应特征值按模大小满足条件:}几1}>}肠})…).、。:。任取一个初始向量，。笋。，且，。二乙。，x(决)(设。l护。)，于是、一、*，。一*、[·1一客一(佘)飞(，’] 由假设}久l}>}礼}，当k足够大时，Akvo除相差一个纯量因子外趋于幻所对应的特征向量，实际计算时为避免出现溢出，可采用规范化方法。最简单的幂法迭代格式如下: 取初始向量v0笋。(al半0)，计算 u*=A性一1，m*=rnax(u奋) Ukl，，，咋=—气纪=1，‘。’二 开扭走下三角矩阵、平面旋转阵、豪斯霍尔德矩阵等)，从矩阵A出发逐次进行相似变换，使变换后的矩阵序列趋于容易求得特征值的特殊形式的矩阵(如对角阵、三角阵、拟三角阵、三对角阵等)。这类方法多用于求中小规模矩阵的全部特征值，其优点是收敛速度快、计算结果可靠。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条