求解相容的矩阵方程组A1XB1＝D1，A2XB2＝D2的一种迭代法

给出了求解矩阵方程组A1XB1＝D1,A2XB2＝D2的迭代法。     

求解相容的矩阵方程组A_1 XB_1=D1,A_2XB_2=D_2的一种迭代法

给出了求解矩阵方程组A1XB1=D1,A2 XB2 =D2 的迭代法 .     

一类矩阵方程组的正交投影迭代解法

讨论了矩阵方程组AX=B,XC=D一般解的正交投影迭代解法.利用正交投影原理和一般矩阵的结构、性质构造迭代算法,再利用矩阵的奇异值分解、F-范数的正交不变性及矩阵方程组解的性质,证明了算法的收敛性,且推导出收敛速率的估计式.经数值实例验证了算法的有效性.     

求解一类非线性矩阵方程组的迭代法

研究了一类非线性矩阵方程组,讨论其正定解的存在性问题.进一步,提出了一种迭代法求其正定解,并对数值算法进行了收敛性分析和误差估计.数值实验表明新算法有效.     

求解矩阵方程组AX=C,XB=D的迭代法

给出了求解矩阵方程组ＡＸ＝Ｃ,ＸＢ＝Ｄ的迭代法,迭代收敛到它的极小Ｆ－范数解,并给出了此极小Ｆ－范数解的显式．     

矩阵方程AX+XB=C的对称解及其最佳逼近

提出一种求解线性矩阵方程AX+XB=C对称解的迭代法.该算法能够自动地判断解的情况,并在方程相容时得到方程的对称解,在方程不相容时得到方程的最小二乘对称解.对任意的初始矩阵,在没有舍入误差的情况下,经过有限步迭代得到问题的一个对称解.若取特殊的初始矩阵,则得到问题的极小范数对称解,从而巧妙地解决了对给定矩阵求最佳逼近解的问题.     

矩阵方程AX＋XB＝C的解的初探

给出了矩阵方程AX＋XB＝C有解的一个充要条件及方程AX＝XB有非零解的两个充要条件，并讨论了方程AX＝XA的解的结构。     

线性矩阵方程组A1XB1=D1,A2XB2=D2的相容性及应用

给出联立线性矩阵方程Ａ１ＸＢ１＝Ｄ１,Ａ２ＸＢ２＝Ｄ２的相容性充要条件及通解的显式显示,作为应用,还得出矩阵方程ＡＸＢ＝Ｄ,Ｘ＾Ｔ＝Ｘ的相容性条件及通解表示。     

矩阵方程组[A1XB1,A2XB2]=[C,D]的最小二乘解

一类复合线性系统的数学模型归结为求解线性矩阵方程组[A1XB1，A2XB2]=[C，D]，但该方程组在一般情况下未必相容，因此研究其最小二乘解与研究其相容条件下的准确解同样具有重要意义，利用矩阵对的广义奇异值分解及Frobenius范数正交矩阵乘积不变性，给出了实矩阵方程组[A1XB1，A2XB2]=[C，D]的最小二乘解的求法及其解的表达式。     

一类矩阵方程的对称正交对称解的迭代法研究

研究了求解一类约束矩阵方程及相应的最佳逼近问题的正交投影迭代法.利用对称正交对称矩阵的结构特点及相关性质,并借助一些矩阵空间的相关理论,给出了求矩阵方程AX=B的对称正交对称解的正交投影迭代算法;证明了算法的收敛性,得到了算法的收敛率估计;当方程相容时,该算法收敛于问题的极小范数解,当方程不相容时,该算法收敛于方程的极小范数最小二乘懈;对该算法稍加修改后,同样可求出相应的最佳逼近解.     

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．     

矩阵方程AX=B关于Hermitian矩阵的迭代解法

研究矩阵方程AX=B在Hermitian矩阵集合中的解及其最佳逼近问题,利用正交投影迭代法,给出迭代算法。证明了算法的收敛性,分析了收敛速率,最后通过数值实例,验证了算法的有效性。     

求解矩阵方程组的斜投影法

利用广义逆Ａ（２）Ｔ,Ｓ的性质给出了求解矩阵方程组的斜投影法     

求解L-矩阵方程组的一种Gauss-Seidel型预条件迭代法

在1991年A.D.Gunawardena等人首先提出了以I＋S为预处理子的Gauss-Seidel型迭代法比基本的迭代法有较好的收敛性.文章提出以阶梯矩阵作预处理子的Gauss-Seidel型迭代法,文中给出了收敛定理并以数值例子说明文章的方法比基本的迭代法及A.D.Gunawardena等人的方法有较好的收敛率.     

矩阵方程AXA~T=B行反对称解的正交投影迭代法

讨论了矩阵方程AXAT=B的行反对称解及其最佳逼近的正交投影迭代解法,首先利用行反对称矩阵类的结构与性质、正交投影及奇异值分解,构造迭代算法,证明了算法的收敛性,得出了收敛速率的估计式;其次给出数值实例,验证了算法的有效性.     

非线性矩阵方程X＋A^＊X^-1A=I的最大Hermite正定解

研究了求解非线性矩阵方程x A*x-A=I之Hermite正定解问题.利用求解非线性矩阵方程Y=I Y1/2A*Y1/2最小Hermite正定解,得到了求解该方程最大Hermite正定解的逆迭代法.     

列延拓矩阵方程组的最佳逼近解

主要讨论列延拓矩阵的线性约束矩阵方程组的最佳逼近.利用延拓矩阵的性质和矩阵奇异值分解的方法研究了列延拓矩阵的线性约束矩阵方程组通解表达式,并得到该问题有解的充要条件,最后研究了相应的最佳逼近解问题.     

求AX=B的最小二乘解的一种迭代法

提出了梯度矩阵(ΔF(x))的概念,构造了一种迭代法求最小二乘问题‖AX-B‖=min。通过这种方法,给定初始矩阵X1,在没有舍入误差的情况下,经过有限步迭代,找到它的一个解。并且,通过选择一种特殊的初始矩阵,得到它的最小范数解X*。另外,给定矩阵X0,通过求最小二乘问题min‖AX-B‖(其中B=B-AX),得到它的最佳逼近解。     

矩阵方程AXB=C的中心对称最小二乘解的迭代解法

给出了求矩阵方程AXB=C的中心对称最小二乘解的一种迭代解法,即利用法方程变换,将求解最小二乘解转化为相容矩阵方程的求解问题,再利用迭代法求出新方程的直接解.使用该方法,对任意给定的初始中心对称矩阵都可在有限步内迭代求出它的中心对称最小二乘解.并且将求最佳逼近的问题转化为求一个新方程的极小范数解的问题,同样可用迭代法求解.     

关于不定方程组5x~2－3y~2＝2，16y~2－5z~2＝11

研究了不定方程组５ｘ２－３ｙ２＝２，１６ｙ２－５ｚ２＝１１，给出了求此不定方程组正整数解的一种方法