一类广义左右特征值反问题

本文考虑如下问题:问题Ⅰ(a)给定X∈Rn×p p,y∈Rm×p p,A=diag(λ1Ik1,λ2Ik2,…,λnIkn)∈Rp×p且k1 k2 … k1=p,λ1,…,λ1互异.求矩阵A,B∈Rm×n,使得AXA=BX, ATYA=BTy.问题Ⅰ(b)给定矩阵X∈Rm×p p,y∈Rn×p p,A=diag(λ1Ik1,λ2Ik2,…,λ1Ik1)∈Rp×p且k1 k2 … k1=p,λ1,…,λ1互异.求矩阵A,B∈Rm×n,使得AXA=BX, ATyA=BTy, YTAX=Ip,YTBX=A.问题Ⅱ给定A,B∈Rm×n,求[A,B]∈SAB,使得‖ [A,B]-[A,B]‖F=inf [A,B]∈s AB‖[A,B]-[A,B]‖ F,其中SAB是问题Ⅰ的解集合.借助于矩阵X,Y的奇异值分解给出了问题I的通解表达式,证明了问题Ⅱ的解存在唯一,并给出了问题Ⅱ的唯一解的显式表示.     

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.     

矩阵方程的三对角中心对称最小二乘解

给出矩阵方程AX=B存在三对角中心对称解的充分必要条件,并且给出AX=B的特殊最小二乘解,即对任意给定A,B∈Rm×n,寻求三对角中心对称矩阵X(X∈Rn×n),使得‖AX-B‖最小.     

矩阵求逆的迭代分治算法

对可逆矩阵A ∈Rn×n,用行处理法给出求解A-1的一个保证收敛的迭代分治算法 ,证明算法的正确性并讨论算法固有的并行性 .这种算法容易转换成在向量多处理机系统上实现的收敛性迭代并行算法 ,也容易设计成求解广义逆矩阵A 的迭代分治算法     

一类关于SOR方法的鞍点问题

针对大型稀疏鞍点问题给出了一种新的迭代解法,该方法的构成是基于对系数矩阵进行的一种分裂,A∈Rn×n是对称正定矩阵.利用不完全分解法分解A为LLT+R,通过适当选取预处理矩阵和待定系数,证明该迭代法是收敛的,并且以定理的形式给出了新迭代法收敛的充分必要条件.     

一类次对称矩阵的左右逆特征值问题

研究了下列问题:已知A,C∈Rn×m,B,D∈Rl×n,找X∈M SRn×n,使X A=C BX=成立,其中M SRn×n表示n阶次对称矩阵的集合。讨论了该问题有解的充要条件,并在有解时,给出了通解的一般表达式。     

矩阵方程〖WTHX〗AX=B的W〖WTBZ〗准反对称最小秩解

给定X,B∈Rn×m和正整数s,在集合W-1ASRn×n中寻找矩阵方程AX=B的解A,使得r(A)=s;当解集S1={A∈W-1ASRn×nAX=B}非空时,记m~=minA∈S1r(A),M~=maxA∈S1r(A),在S1中确定最大、最小秩解.     

矩阵方程AX=B的W准反对称最小秩解

给定X,B∈Rn×m和正整数s,在集合W-1ASRn×n中寻找矩阵方程AX=B的解A,使得r(A)=s;当解集S1={A∈W-1ASRn×nAX=B}非空时,记m~=minA∈S1r(A),M~=maxA∈S1r(A),在S1中确定最大、最小秩解.     

对称自正交相似矩阵反问题的最小二乘解

通过给出对称自正交相似矩阵的表示定理,研究了如下对称自正交相似矩阵反问题:问题Ⅰ:己知X、B∈Rn×m,Jn×n为全体n阶对称自正交相似矩阵的集合,n=2k.求A∈Jn×n,使得‖AX-B‖=min.问题Ⅱ:已知A*∈Rn×n,SE是问题Ⅰ的解集.求∈SE,使得‖A*-‖=infA∈SE‖A*-A‖.给出了问题Ⅰ的解的通式及问题Ⅱ的惟一解的表达式.     

矩阵方程AXB~T+BXA~T=F的参数迭代法

文章给出了求矩阵方程AXB~T+BXA~T=F的唯一解的参数迭代法,分析当矩阵A,B均是对称正定矩阵时,迭代矩阵的特征值表达式,给出了最优参数的确定方法,并提出了相应的加速算法与迭代校正法。     

矩阵方程AXB+CXD=F的参数迭代解法

目的建立求解大型线性矩阵方程AXB CXD=F的惟一解的参数迭代方法。方法矩阵变换与矩阵特征值分析方法。结果基于矩阵变换方法导出了矩阵方程的等价形式,并构造出参数迭代格式,得到了格式收敛的充要条件。当A,B,C及D为Herm ite正定矩阵时,导出了最优参数和近似最优参数的计算公式。结论建立了求解大型线性矩阵方程AXB CXD=F的惟一解的参数迭代方法,证明了参数迭代格式的收敛性定理和特殊条件下最优参数的存在性定理。     

矩阵方程AXA^T＋BYB^T＋AZB^T=D与矩阵方程AXA^T＋AZB^T＋BZ^TA^T=D的极小范数解

给定A∈Rm×n,B∈Rm×p,D∈Rm×m,设S1={(X,Y,Z)∈SRn×n×SRp×p×Rn×p|AXAT BYBT AZBT=D}, S2={(X,Z)∈SRn×n×Rn×p|AXAT AZBT BZTAT=D},求(X,Y,Z)∈S1使得‖X‖2 ‖Y‖2 ‖Z‖2=min及(X,Z)∈S2使得‖2‖2 ‖2‖2=min．本文运用矩阵对(A,B)的广义奇异值分解给出了集合S1,S2非空的充分必要条件及X,Y,Z的显式表示．     

两个复矩阵和的强-Drazin逆

一个复数矩阵A∈C~(n×n)有强-Drazin逆,如果存在复数矩阵X∈C~(n×n)满足X~2A=X,AX=XA,A-AX∈N(C~(n×n)).这里X是唯一的,并且被称为矩阵A的强-Drazin逆.在本文中,若复矩阵A和B都具有强-Drazin逆,证明在条件A~2B=0,BAB=0或AB~2=0,ABA=0下,A+λB具有强-Drazin逆,并且给出了(A+AB)sD的表示形式.进一步应用该结论给出分块矩阵的一些对应结果.最后,给出例子来说明得到的结果.     

用QQ-SVD解矩阵方程A=BXC

对于任意给定的矩阵C∈Cq×n,A∈Cm×n,B∈Cm×p,利用QQ-SVD分解给出了矩阵方程A=BXC的一个通解公式.利用这个通解公式,还给出了解集合中解的最大秩和最小秩.     

具有负元素矩阵的Perron-Frobenius性质

利用算子理论方法结合矩阵分块技巧给出具有负元素矩阵及Perron-Frobenius性质的实矩阵的刻画,同时也讨论了该矩阵的性质。给出以下两个结果新的证明:(1)若A∈Rn×n,则下列性质等价。(ⅰ)A和AT具有强的Perron-Frobenius性质;(ⅱ)A是最终正的;(ⅲ)AT是最终正的。(2)若A是伪-M-矩阵,则A-1∈PFn.     

线性流形上亚半正定矩阵的一类反问题

本文考虑如下问题问题P给定X,B∈Rn×m,找A∈SE∩Rn×n≥0,使得AX=B,其中SE={A∈Rn×n| ‖Ay-Z ‖=min,y,Z∈Rn×p},Rn×n≥0={A∈Rn×n|yT Ay≥o,V y∈Rn},‖@‖是矩阵的Frobenius范数.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.     

任意域上方阵的中心化子的维数

设F是任意一个域,A∈Fn×n,称{X∈Fn×n｜AX=XA）为A在Fn×n里的中心化子,记为C（A）,它是F上的一个代数．运用矩阵的有理标准形,纯粹通过有理方法求出C（A）在F上的一组基及维数．     

线性流形上一类双结构矩阵反问题的最小二乘解

设 J=[-0In I0n]In是n阶单位辛矩阵,若A∈C2n×2n满足AHA=I2n,AHJA=J,则称A为辛酉矩阵,所有2n阶辛酉阵的全体记为SUC2n×2n.令S={A∈SUC2n×2n|‖AY-Z‖=min,Y, Z∈C2n×p},本文考虑如下问题:问题Ⅰ给定X,B∈C2n×m,求A∈S使f(A)=‖AX-B‖=min.问题Ⅱ给定～A∈C22n×2n,求～A∈SE使得‖～A-～A‖=infA∈SE‖～A-A‖,其中SE是问题Ⅰ的解集合.本文给出了解集SE的通式及逼近解～A的表示式和一些有关的结果,并给出了相应的数值算法.     

Trace-Ratio问题的两种解法及其应用

线性判别分析(LDA)作为一种降维技术,已成功应用于许多分类问题中,如语音识别、人脸识别、信息提取等领域.许多降维问题最后都会归结为一个Trace-Ratio(迹比)问题,也就是通过寻找一个列规范正交矩阵X∈R~(n×r)(n≥r)能够使得比值tr(X~TAX)/tr(X~TBX)最大化,其中矩A∈R~(n×n)阵是对称的矩阵,矩阵B∈R~(n×n)是对称正定矩阵.迹比问题在线性判别分析以及一些其他应用中占有至关重要的地位.但是迹比问题没有解析形式的解.介绍了Foley-Sammon变换的背景和国内外发展现状.给出了求解迹比问题的两种方法:逐次解法和牛顿法.改进了构造逐次解的具体方法,并且给出了逐次解的数值估计;给出了牛顿法的具体算法和二阶收敛性的证明.实验表明若将逐次解作为初始迭代点代入牛顿法中可以大大减少牛顿法的迭代次数,提高牛顿法的迭代速度.     

相对增益阵列A o A-T=1/nJn的实数解的不变性

设Dn(R),Pn(R)分别是Rn×n上的非奇异对角矩阵、置换矩阵的集合,Gn(R)={X=U1U2...Ut|Ui∈Dn(R)∪Pn(R)}.证明了矩阵乘法下的群Gn(R)可表为Dn(R)与Pn(R)的乘积.如果B=UAV(U,V∈Gn(R)),则称A与B是G-等价的,矩阵方程Φ(X)=1/nJn的实数解在G-等价下具有不变性.