关于R斜共轭矩阵的若干性质

令R∈Cn×n为一个非平凡卷积矩阵,即R-1=R≠±I.如果复数域上的一个n阶矩阵A满足RAR=-A,则A称为n阶R斜共轭矩阵.该文给出了一个R斜共轭矩阵的若干性质.对于复数域上的n阶R斜共轭矩阵A,首先给出了A的分解表达式. 然后依次证明了求解方程组Az=w,A的逆,A的Moore-Penrose逆,以及A特征值等问题都可归结为求解对A作分解后得到的相应实矩阵的对应问题,从而简化了R斜共轭矩阵的计算.     

左右逆特征值问题及其最佳逼近问题的(R,S)对称矩阵解

令R∈Cm×m和S∈Cn×n是2个非平凡卷积矩阵,即R=R-1≠±Im,且S=S-1≠±In。如果一个矩阵A∈Cm×n满足RAS=A,则矩阵A称为(R,S)对称矩阵。本文首先分别给出了左右逆特征值问题的(R,S)对称矩阵解的可解条件和一般表达式;然后,给出了左右逆特征值问题相应的最佳逼近问题的(R,S)对称矩阵解。     

自反矩阵反问题的最小二乘解

设矩阵P=（pij）∈Cn×n,如果满足PT=P,P2=I,则称P为广义自反矩阵。设P是n阶对称正交矩阵,对A∈Cn×n,若A=PAP,则称矩阵A为关于P的自反矩阵,所有自反矩阵的全体记为Crn×n（P）。本文研究了自反矩阵的反问题的最小二乘解,给出了最小二乘解和最佳逼近解并得到了反问题的充要条件及解的表达式。     

线性矩阵方程AXB+CXD=F的斜埃尔米特迭代解

若矩阵P∈C^n×n满足P^H=-P,则称P为斜埃尔米特矩阵。S^n×n表示所有复数域上n×n的斜埃尔米特矩阵构成的集合,即S^n×n={P_S|P_S^H=-P_S}。本文给出了2种求解线性矩阵方程AXB+CXD=F的梯度形松弛算法,证明了算法的收敛性,并且给出了算法收敛的一个充分条件。对于任意一个给定的初始斜埃尔米特矩阵,利用所提出的梯度形松弛算法,可以得到线性矩阵方程AXB+CXD=F的斜埃尔米特数值解。最后用2个数值实例说明所提出的算法的有效性。     

R对称矩阵左右逆特征值问题的有解条件

研究了R对称矩阵的左右逆特征值问题,得到可解条件及一般解的表达式.本文的结论推广了李范良的文章:反中心对称矩阵的左右逆特征值问题.     

D对称非负定矩阵反问题的解

研究了如下的D对称非负定矩阵反问题的解:对给定的X,B∈Rn×m,求A∈D-2SRn×n0,使得AX=B.得到了这一问题有解的充分必要条件,并在有解的情况下给出了解的一般表达式和算法例子.     

可对称化矩阵特征值的Wielandt型扰动上界

设A∈Cn×n,B=A+E为其扰动矩阵,A、B的特征值分别为λ(A)={λk},λ(B)={μk}.关于特征值的传统误差界是估计|μ1-λ1|.利用矩阵的奇异值分解得到了可对称化矩阵特征值的wielandt型绝对扰动上界,改进了以往的结果.     

略论线性方程组解的误差估计

由于计算机计算时会出现舍入误差和舍位误差,因此用计算机解线性方程组Ax=b(A∈Cn×n,b∈Cn)时就不可避免地会有计算误差,本文借助矩阵范数和向量范数的概念,结合矩阵幂级数的有关结论,给出了线性方程组Ax=b(A∈Cn×n,b∈Cn)解的绝对误差和相对误差的四个上界.     

矩阵方程ATXA=D的反对称次对称最小二乘解

该文研究的问题为给定A∈R n×m,D∈Rm×m求X∈ASRn×n,使得‖ATXA-D‖F=min.这里ASRn×n表示全体n×n阶反对称次对称矩阵的集合,‖·‖表示Frobinius范数;利用矩阵对的标准相关分解(CCD),得到了该问题的通解表达式及矩阵方程ATXA=D有反对称次对称解的充分必要条件.     

非奇异H-矩阵的一个简捷判据

设A=(aij)∈Cn×n,若存在α∈(0,1),使(A)i∈N,|aii|≥Rαi(A)S1-αi (A),则称A为Ostrowski对角占优矩阵.文章首先推广Ostrowski对角占优矩阵的概念到广义Ostrowski对角占优矩阵;最后得到了判别非奇异H-矩阵的一个判定方法,进一步丰富和完善了Ostrowski对角占优矩阵和非奇异H-矩阵的理论.