图拟拉普拉斯矩阵的最大特征值

图谱理论是图论研究的重要理论之一,G=(V,E)为有限无向简单图,A(G)和D(G)分别表示G的邻接矩阵和度对角矩阵.Q(G)=D(G) A(G)称为图G的拟拉普拉斯矩阵,它是图谱理论的研究对象.本文利用G的顶点数,边数,最大度,最小度以及非负矩阵理论给出Q(G)的最大特征值的新的界值估计.     

连通图的最大拟拉普拉斯特征值

用代数方法给出了连通图的最大拟拉普拉斯特征值的上界和下界。     

图的拉普拉斯谱半径的改进的上界

设G=(V,E)是n阶简单连通图,D(G)和A(G)分别表示图G的度对角矩阵和邻接矩阵,则L(G)=D(G)-A(G)称为G的拉普拉斯矩阵.本文利用图的顶点度.平均二次度和图的一些不变量结合非负矩阵谱理论给出了L(G)的谱半径的一些上界,在一定程度上改进了现有结果.     

正矩阵最大特征值的新界值

借助两个新的矩阵得到正矩阵最大特征值范围的界定理,并通过实例与以往的结论作比较,说明了这些估计的有效性和精确性.     

非正则图的无符号拉普拉斯矩阵的特征值和特征向量

在这篇文章中,研究了非正则图的无符号拉普拉斯矩阵对应的Q-谱半径的Q-Perron特征向量任意两个分量的比率γ,这个结果被用于产生非正则图的Q-谱半径的一个新的上界.     

一类树的拉普拉斯特征值前 k 项部分和的上界

设 G是一个顶点集为V（G）,边集为 E（G）的简单图。 Sk （G）表示图 G的拉普拉斯特征值的前k项部分和。Brouwer等给出如下猜想：Sk （G）≤ e（G）＋（k＋12）,1≤ k≤ n。此文给出了一类树 T的Sk （T）新的上界,并证明在单圈图,双圈图（k≠3）的情形下猜想也是成立的。     

非负矩阵最大特征值的新估计

研究非负矩阵最大特征值的界值,给出了非负矩阵最大特征值界的一个新估计.提高了已有估计的精确度,并通过实例与以往的结论作比较,验证了该界值估计的有效性.     

图的Laplace矩阵特征值的一个新上界

利用相似矩阵特征值相同的性质给出两个Laplace矩阵特征值典型结论的简洁证明,并得到一个新的上界。     

连通偶图的Laplacian矩阵的第二大特征值

给出仅依赖阶数的连通偶图的Laplacian矩阵的第二大特征值的界，并刻划达到上、下界的极图。     

关于似星树拟拉普拉斯谱的性质探讨

利用似星树的简单性质,结合偶图的Laplacian谱和拟拉普拉斯谱的关系,得到了拟拉普拉斯同谱的似星树同构的性质。进一步,通过矩阵的交错理论,结合图操作方法,得到了似星树拟拉普拉斯谱的另一个性质。最后,根据其邻接谱半径的界,得到了似星树的拟拉谱拉斯谱半径的一个上界。     

求非负矩阵最大特征值的一种平滑算法

推广了文[1]的结果，给出了非负矩阵最大特征值的一种平滑算法。     

欧拉图的最大特征值

结合欧拉图的相关性质,得到了欧拉图的邻接矩阵与Laplacian矩阵的最大特征值的界,并部分确定了到上下界时具体的欧拉图.     

不可约非负矩阵的最大特征值估计

利用不可约非负矩阵和Collatz—Wielandt函数的性质,给出了非负不可约矩阵最大特征值的一些界。比较这些界的大小,利用极限的思想得到了求非负不可约矩阵最大特征值的方法。利用这种方法可以去估计非负不可约矩阵最大特征值的大小,并通过计算和比较,验证了这种估计方法是可行的。     

一类具有割点、割边图的拉普拉斯谱半径

设G=(V,E)是n阶简单连通图,L(G)是G的拉普拉斯矩阵。本文利用著名的weyl定理结合矩阵分拆技巧给出了一类具有割点或割边图的拉普拉斯谱半径的上界。同时一些图例表明这些上界在一定情况下在同类结果中是最好的。     

矩阵特征值的估计

随着矩阵阶数的增加,矩阵特征值的精确计算也变得愈发困难。在许多实际应用问题中,并不要求求出特征根的准确值,而只是估计它的大小或分布范围,探讨不用求特征方程的根,而是从矩阵自身元素出发,即可估计出特征值的范围。借助Schur引理及其证明,得到了估计矩阵特征值的方法,可以非常方便地对矩阵的特征值的模、实部与虚部的绝对值作出初步估计。     

某些线性变换的特征值与某些矩阵的特征值

本文给出某些线性变换的特征值与某些矩阵的特征值，最后提出分类问题。     

正则竞赛矩阵的性质和正则循环竞赛矩阵的特征值

讨论了正则竞赛矩阵的性质,给出了正则循环竞赛矩阵的特征值的一般求法。     

图角在特征值中的应用

在文献[2]中Peter Rowlinson首次引入图角的概念，对图的特征值给出了一种新形式的刻画，本文在此基础上，对几类图变换，用角刻画出了其特征值的相应变化规律。     

遗传算法在矩阵特征值求解中的应用

讨论了矩阵及其特征值的一些性质,得出了最大特征值下界的两个定理。依据定理的结论可以确定矩阵的最大特征值的上下界,从而可以对遗传算法进行编码。基于遗传算法求得矩阵的最大特征值,并且跟幂法进行比较,得到了较好的结果。遗传算法不受特征值结构条件限制,能很快找到最优解,比传统搜索算法更加灵活。     

矩阵实C-特征值的计算

文中给出了简单矩阵的C-特征值与某些特殊矩阵特征值的关系并给予证明,从而找到了计算矩阵的实C-特征值的一种方法.