关于对称不定和广义半正定矩阵的扰动分析

讨论了对称不定矩阵G的广义LDLT分解的扰动,对系数矩阵为对称不定的线性方程组也进行扰动分析,并进一步推导了广义半正定矩阵的情况。     

矩阵方程ATXA=F的双对称半正定解

讨论矩阵方程A^TXA＝F的双对称半正定解，利用广义奇异值分解给出了该方程有双对称半正定和正定解的充要条件及解的通式．     

广义行(列)酉对称矩阵的满秩分解及其Moore-Penrose逆

 提出了广义行(列)酉对称矩阵的概念,研究了它们的性质,得到了一些新的结果,给出了广义行(列)酉对称矩阵的满秩分解、秩分解和广义逆的公式,减少了它们的计算量与存储量,又不会降低数值精度.同时推广了有关文献的相应结果,拓宽了实际应用领域的范围.     

线性流形上广义次对称矩阵的加权最小二乘解

运用矩阵的奇异值分解及矩阵对的广义奇异值分解得到了线性流形上广义次对称矩阵在加权范数下的最小二乘解,同时导出了解集合中与给定矩阵的最佳逼近解的表达式.     

矩阵的广义亚次正定与次Volterra乘子

推广了亚次正定矩阵的概念,即广义亚次正定矩阵和实方阵的次Volterra乘子的概念,讨论并给出了广义亚次正定矩阵的一些基本性质及实方阵存在次V01terra乘子的条件.     

列满秩矩阵的半正定因子的新扰动界

利用矩阵的奇异值分解和广义极分解,得到了列满秩矩阵广义极分解的半正定因子的新扰动界。所得结论改进了以前的结果,先前结论可看作新扰动界的一种特殊情形。     

拟行(列)对称矩阵的Schur分解及正交对角分解

考虑拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆, 给出拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆的计算公式. 实例计算结果表明, 该方法既减少了计算量与存储量, 又不会降低数值精度.     

半定内积下的矩阵奇异值分解

利用矩阵广义逆研究了其中一个权矩阵为半正定的,另一个权矩阵为正定的加权奇异值分解,同时给出了半定内积下的矩阵奇异值分解及其存在的条件。     

拟行(列)对称矩阵的Schur分解及正交对角分解

考虑拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆, 给出拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆的计算公式. 实例计算结果表明, 该方法既减少了计算量与存储量, 又不会降低数值精度.     

酉不变范数下广义极分解的扰动界

设A是m×n且秩为r的复矩阵,存在m×n次酉矩阵Q和n×n半正定矩阵H使得A=QH.此分解称为A的广义极分解.文章给出了在任意酉不变范数下次酉矩阵Q和半正定矩阵H的扰动界.     

行（列）对称矩阵的极分解与广义逆

考虑行（列）对称矩阵的极分解与广义逆, 给出了行（列）对称矩阵的极分解和广义逆的计算公式, 并导出了行（列）对称矩阵极分解的系列扰动界. 结果表明, 所给方法既减少了计算量与存储量, 又不会降低数值精度.     

行（列）反对称矩阵的极分解及其广义逆

考虑行（列）反对称矩阵的极分解和广义逆, 给出了行（列）反对称矩阵的极分解和广义逆计算公式, 并对行（列）反对称矩阵的极分解作了扰动分析.
结果表明, 所给方法既减少了计算量与存储量, 又保证了数值精度.     

拟行（列）对称矩阵的极分解及其扰动界

研究拟行（列）对称矩阵的极分解、 广义逆和扰动界, 给出了拟行（列）对称矩阵的极分解和广义逆的计算公式, 并对拟行（列）对称矩阵的极分解作了扰动分析. 结果表明, 该方法既减少了计算量与存储量, 又不会降低数值精度.     

泛延拓矩阵的极分解与广义逆

应用矩阵分解和广义逆理论给出泛延拓矩阵的极分解和广义逆的计算公式,并推导出泛延拓矩阵极分解的一些扰动界.结果表明,该方法在保持数值精度的同时降低了计算量与存储量.     

泛延拓矩阵的极分解与扰动界

用矩阵分解和广义逆的相关性质给出泛延拓矩阵的极分解、广义逆和扰动界的若干计算公式.数值实例结果表明,该方法在数值精度不变的情况下可极大降低计算量与存储量.     

对称不定矩阵的校正分解

在分析对称正定矩阵的校正分解算法的基础上，提出了解决对称不定矩阵的校正分解算法，一对称不定矩阵的Bunch-Parlett分解需要0(n^3)次运算，而根据对称不定矩阵的Bunch-Parlett分解得到的Bunch-Parlett校正分解算法仅需0(n^2）次运算，数值结果也比较稳定。     

拟行(列)对称矩阵的极分解

考虑拟行(列)对称矩阵的极分解、广义逆和扰动界,并对拟行(列)对称矩阵的极分解进行扰动分析,获得了拟行(列)对称矩阵的极分解和广义逆的计算公式.结果表明,该方法既能减少计算量与存储量,又不会降低数值精度.     

解二次规划的Lagrange方法

本文讨论解二次规划问题的 Lagrange 方法。我们分析了解正定二次规划和某些半正定二次规划的对偶算法,指出这些算法可以从 Lagrange 方法直接导出。此外我们还给岀了解不定二次规划的一个新的 Lagrange 算法。这一算法在投影矩阵为不定矩阵时,利用广义的 Cholesky 分解技术由 Lagrange 方程解得二次目标函数的负曲率方向,以此作为该步迭代寻查方向。算法还采用了有效集策略。