关于矩阵方程AX+YB=C反问题的极小 Frobenius范数对称解

在线性约束下矩阵束最佳逼近问题中,对给定的条件做一改变,解决了一个矩阵束最佳逼近问题.设A、B、C都是m×n阶矩阵,当A和B满足同时奇异值分解(SSVD)时,解决了一个关于X,Y的矩阵方程AX+YB=C的反问题即求X∈SRn×n,Y∈SRm×m,使得满足‖AX+YB-C‖F=min,得到了其Frobenius范数对称解.     

一种复型矩阵方程AXB=C解的结构

一种复型矩阵方程AXB=C有解的充分条件是A∈Fm×s,B∈F2r×n,C∈Fm×n,且r(A)=r(B) =r(c)=r且Cr×rBr×(n-r)=Cr×(n-r),矩阵方程解的结构仍为导出复型矩阵方程的通解与复型矩阵方程一个解的和。     

矩阵方程求解中SVD方法的讨论

分析了利用矩阵A(A∈Crm×n),B(B∈Ctm×n)的奇异值分解来求解矩阵方程AX=C(X∈Cm×n)与AXB=C(X∈Cn×m),讨论了有解的充分必要条件,并在有解时给出了解的一般形式.对于一般的无特殊规律矩阵方程,利用其奇异值分解来求解将会十分的方便.     

线性互补问题和线性方程组迭代方法的收敛条件

讨论了对线性互补问题Z>0,MZ-q>0,Z~T(MZ+q)=0,其中M∈R~(n×n),q∈R~n,Z∈R_+~n的选代方法收敛条件,M所有特征值的实部大于零是投影Jacobi松弛算法收敛的充分条件,这个条件相对弱于其它迭代方法的收敛条件,同时指出线性方程组AX=b迭代方法收敛的充分必要条件是A所有特征值实部不等于零且同号。此外,还给出各种矩阵类型的线性互补问题的实例。     

关于矩阵铁的一点注记

此文给了《美国数学月刊》2000，10776号问题之解给定A∈Rm×n，试求B0∈Rm×n，使对一切矩阵B∈Rm×n，有rank(A+Ib0)≤rank(A+Ib).     

矩阵非异性判定

本文利用矩阵块对角占优的性质,给出矩阵非奇异的几个判定条件。下面用 R~(n×n)表示 n 阶实方阵的全体,用 C~(n×n)表示 n 阶复方阵的全体,并令,Z~(n×n)={A=(a_(ij))∈R~(n×n)|a_(ij)|≤0,i≠j,1≤i,j≤n}若 A 是非奇异 M 一矩阵。则记 A∈M.引理1 设 A=(a_(ij))∈Z~(n×n),且 A_(ij)>0,1≤i≤n,令 A =,则 A∈M     

关于幂等矩阵的组合的几个秩等式及其应用

研究了幂等矩阵的组合a(PQ)k +b(QP)k -cP(QP)k和a(PQP)k +b(QPQ)k -c(PQ)k+1的秩(其中a≠0,b≠0,P是幂等矩阵,Q是幂等矩阵或任意矩阵).用两种方法证明了这些组合的几个秩等式,推广了Tian和Styan的有关结果.作为应用,用这些秩等式给出了(PQ)k±(QP)k和(PQ...     

非奇异(a,b)矩阵中元素a的可能个数

设a和b是两个不同的实数,如果矩阵C=(cij)n×n,cij=a或b,就称C为(a,b)矩阵.根据a、b的不同取值分三种情况研究了n阶(a,b)矩阵非奇异时元素a的所有可能个数d,确定了d的取值范围,并对每一个正整数d给出了相应的非奇异(a,b)矩阵.     

带有向量参数的参数线性规划解的连续性

本文证明了参数线性规划 P(λ,μ,θ):min{c~T(λ)x|A(μ)x=b(θ),x≥0}当μ,λ不出现,b(θ)=b_1+F_θ,b_1∈R~m,F 是 m×t 矩阵,θ∈R~t 时,最优顶点集 VS(θ)是下半连续的,还给出了当μ,θ不出现,c(λ)=c_1+H_λ,c_1∈R~n,H 为 n×r 矩阵,λ∈R~r 时,最优顶点集 VS(λ)下半连续的充分必要条件。     

带有向量参数的参数线性规划解的连续性

本文证明了参数线性规划P(λ,μ,θ):min{c~T(λ)x|A(μ)x=b(θ),x≥0}当μ,λ不出现,b(θ)=b_1+Fθ,b_1∈R~m,F是m×t矩阵,θ∈R~t时,最优顶点集VS(θ)是下半连续的,还给出了当μ,θ不出现,c(λ)=c_1+Hλ,c_1∈R~n,H为n×r矩阵,λ∈R~r时,最优顶点集VS(λ)下半连续的充分必要条件.