一类广义Stein方程的正定解

基于Thompson度量的良好性质,给出一类广义Stein方程存在正定解的充分条件;构造求解的迭代方法,并给出该迭代方法的误差估计式;最后用数值例子验证了该迭代方法的可行性。     

矩阵方程Y^TAX=B的广义亚半正定解

本文考虑如下问题问题P给定G∈Rn×m,设Y∈Rm×q,X∈Rm×q,X∈Rn×p,B∈Rq×p,求A∈GRm×n≥O使得YTAX=B,其中GRm×n≥O={A∈Rm×n|GA∈Rm×n≥O}.文中讨论了问题P有解的充分必要条件,并在有解的情况下,给出了问题P的解的表示.     

正定Hermite矩阵流形上代数Lyapunov方程的信息几何算法

对于正定Hermite矩阵流形上的代数Lyapunov方程 A H X + XA + P =0, 基于流形的黎曼几何结构, 作者以矩阵- A H X + XA 和 P 之间的测地距离为目标函数, 提出了代数Lyapunov方程数值解的信息几何算法. 最后,给出了正定Hermite矩阵流形上的代数Lyapunov方程的数值模拟结果.      

一种求解Lyapunov方程的代数方法

利用矩阵代数理论提出一种求解Lyapunov方程的新方法,用于控制系统的稳定性分析中, 计算结果表明,该方法简明实用,不仅易于在计算机上实现,且便于探讨Lyapunov方程的数学本质.     

矩阵方程(XA,XB)=(C,D)的对称解、半正定解和亚半正定解

给出了矩阵方程(XA,XB)=(C,D)有对称解、半正定解和亚半正定解的充分必要条件;在有解的情况下,给出了通解的表达方式.     

广义亚正定阵收敛算法

对重要矩阵类GMP={A∈Rn×n|正对角阵D,使得A0≠x∈Rn,x'(DA)x>0},用非线性规划的方法建立一个收敛算法,即使得当A∈Rnc={A∈Rn×n|A的一切主子式全为正}(这里矩阵类Rnc(∩)GMP)时,能判断是否A∈GMP;而当A∈GMP时,能具体求出满足条件的正对角阵D.     

广义正定阵判别及亚正定化算法

本文给出广义正定阵判别方法，讨论几类矩阵之间的关系；给出亚正定化的一种收敛算法。     

关于矩阵方程X^s＋A^TX^-tA=In的正定解

章研究了矩阵方程X^s A^TX^-tA=In的正定解。给出了当矩阵A奇异时，正定解X的最大特征值为1；利用迭代方法讨论了A非奇异时，解X的存在性和收敛性。     

广义Lineard方程的周期解

本文给出了广义Ｌｉｅｎａｒｄ方程ｘ＋ｆ（ｘ，ｘ）ｘ＋ｇ（ｘ）＝０存在非零周期解的两个充分条件，推广了文「２」的结果，并且指出文「１」和「３」中的疏漏。     

广义KdV方程的椭圆周期解

运用映射方法求得了广义KdV方程的椭圆周期，其中包括KK方程、SK方程、CDGSK方程的一些椭圆周期解．这些结论推广了文[6，7]中的相应结果．     

亚正定矩阵的一些性质

文章给出了亚正定矩阵的一些性质、等价命题及其证明.     

矩阵方程AXA^T＋BYB^T=C的亚正定解

利用矩阵对的广义奇异值分解(GSVD),讨论了矩阵方程AXAT BYBT=C关于亚正定矩阵X、Y有解的充要条件,其中A,B,C是给定的矩阵,在有解时给出了解的通式.     

关于L-非负定阵广义B-D逆的代数扰动

讨论了L-非负定矩阵的广义B-D逆的代数扰动问题,并给出了它的代数扰动表达式.     

关于矩阵方程Xs+ATX-tA=In的正定解

文章研究了矩阵方程Xs+ATX-tA=In的正定解.给出了当矩阵A奇异时,正定解X的最大特征值为1;利用迭代方法讨论了A非奇异时,解X的存在性和收敛性.     

矩阵Lyapunov方程的直接解

利用Ｐａｒｓｅｒｖａｌ定理，本文给出了一种仅需通过矩阵运算就可直接确定矩阵Ｌｙａｐｕｎｏｖ方程解的公式。方法适用于稳定系统且无其它限制条件，算法简洁，附算例。     

李雅普诺夫方程的新解法

利用对数欧氏度量的方法给出李雅普诺夫方程的新解法.介绍了李雅普诺夫方程的由来,介绍对称正定矩阵流形的黎曼度量以及对数欧氏度量下的距离函数,给出求解李雅普诺夫方程的迭代公式,并给出模拟仿真的结果.     

代数方程求解方法收敛速度比较及对算法健壮性的影响

将交替方向隐式（ADI）、强隐（SIP）及Krylov子空间法中的TFQMR、Bi-CGSTAB方法实施于SIMPLER算法，作为其内迭代求解方法，比较了不同代数方程求解方法的收敛速度，并首次分析了它们对算法健壮性的影响，结果发现：内迭代方法不同，SIMPLER算法所表现出的健壮性也会有较大差异，采用不同的求解方法以及调节求解方法中的参数可以有效调整SIMPLER算法的健壮性．通过对具体算例的研究表明：当SIP方法的抵消参数α取值较高时，能获得比ADI快30％～50％的平均收敛速度，但算法的健壮性减弱；减小α值，在获得与ADI方法相同的收敛速度下，算法的健壮性却能远好于ADI；ILU（0）预处理的Bi-CGSTAB方法收敛速度较ADI平均能快15％～40％；当SIP方法取某口值时也能获得此收敛速度，但算法所表现出的健壮性却差于Bi-CGSTAB方法；ILU（O）预处理的TFQMR方法收敛速度慢于以上各方法，但其健壮性最佳。     

Lyapunov方程迭代解的指数收敛性

对于在状态估计和多传感器信息融合领域遇到的Lyapunov方程,用矩阵理论证明了Lyapunov方程迭代解的指数收敛性,且证明了收敛速度被Lyapunov方程中的两个矩阵的谱半径决定。当谱半径明显小于1时,可实现得到Lyapunov方程解的快速算法。