矩阵方程AX=B的中心对称最小秩解及其最佳逼近

利用矩阵对的商奇异值分解,得到了矩阵方程AX=B有中心对称解的充分必要条件,以及有解时,最小、最大秩解的一般表达式.另外,给出了中心对称最小秩解集合中与给定矩阵的最佳逼近解.     

线性流形上AXB=C的反中心对称解

讨论了线性流形上矩阵方程AXB=C的反中心对称解及最小二乘解．利用矩阵对的商奇异值分解得到了方程有解的充分必要条件及解的一般表达式．利用矩阵对的标准相关分解技术获得了方程的最小二乘解。     

反中心对称矩阵反问题的最小二乘解

讨论反中心对称矩阵反问题的最小二乘解， 得到了解的具体表达式. 并讨论了用反中心对称矩阵构造给定矩阵的最佳逼近问题， 给出了该问题有解的充要条件和解的表达式.     

线性流形上AXB=C的反中心对称解

讨论了线性流形上矩阵方程AXB=C的反中心对称解及最小二乘解.利用矩阵对的商奇异值分解得到了方程有解的充分必要条件及解的一般表达式.利用矩阵对的标准相关分解技术获得了方程的最小二乘解.     

线性流形上AXB=C的反中心对称解

讨论了线性流形上矩阵方程AXB=C的反中心对称解及最小二乘解.利用矩阵对的商奇异值分解得到了方程有解的充分必要条件及解的一般表达式.利用矩阵对的标准相关分解技术获得了方程的最小二乘解.     

矩阵方程组中心对称最小二乘解的迭代算法

建立了求矩阵方程组AtXBi+CiXDi=Fi(i=1,2)中心对称最小二乘解的迭代算法.如果忽略舍入误差,对任意给定的初始中心对称矩阵,该算法能够在有限步迭代计算后得到此方程组的中心对称最小二乘解,给定特殊的初始矩阵可得到极小范数中心对称最小二乘解.另外,在上述解集合中也可得到给定矩阵的最佳逼近矩阵的表达式.     

矩阵方程AXB=C的最小二乘解的定秩研究

研究了矩阵方程AXB=C最小二乘解的秩的范围,利用矩阵的奇异值分解以及Frobenius范数的特征,得到了秩约束下最小二乘解的表达式,并得到了最大秩和最小秩最小二乘解.     

基于正交投影方法的二次特征值反问题及其最佳逼近解

考虑二次特征值反问题的广义中心对称解(广义反中心对称解)及其最佳逼近问题,应用矩阵的正交投影方法,给出矩阵方程AX+BY+CZ=0的解及其最佳逼近问题.利用广义中心对称矩阵(广义反中心对称矩阵)的性质导出了该问题有广义中心对称解(广义反中心对称解)的条件及有解情况下的通解表达式,并证明了最佳逼近问题解的存在性与唯一性,得到了最佳逼近解的表达式.     

子矩阵约束下中心对称矩阵最佳逼近问题

主要讨论子矩阵最小二乘约束下矩阵反问题AX=B的最小二乘中心对称解,其中X,B为给定矩阵,并在相应的最小二乘解集合中,给出已知矩阵A*的最佳逼近解的解析表达式.最后提供求最佳逼近解的算法.     

关于矩阵表示秩的研究及应用

考虑四元数体上的两个矩阵表达式A—BXB＊-CY—Y＊C＊和A—BXB＊-CY＋Y＊C＊,其中A是四元数上的埃尔米特矩阵或是斜埃尔米特矩阵．在四元数体上研究了这两个线性矩阵表达式的最大秩和最小秩,并且给出了满足最小秩时X和Y的一般形式．作为应用,通过矩阵秩的方法得到了一四元数矩阵方程相容的充要条件．     

四元数体上矩阵方程AXA*=B的非负定解

讨论了四元数体上矩阵方程AXA^*=B的非负定解，解决了以下问题：（1）给出了四元数体上矩阵方程AXA^*＝B存在非负定解的充分必要条件；（2）当矩阵方程AXA^*=B的非负定解，给出了求X的秩的公式以及X为最小秩或最大秩解的条件。     

一类矩阵方程的最小秩解及其最佳逼近

讨论了矩阵方程的最小秩解及其最佳逼近,利用矩阵对的广义奇异值分解,得到了定秩解的解集合;对于最小秩解的解集合Sm,得到了最佳逼近解.     

矩阵方程AXB=C的对称最小二乘解

利用矩阵对的商奇异值分解,得到矩阵方程AXB=C的对称最小二乘解的通解表达式,同时推出了该矩阵方程对称解存在的充分必要条件,并给出了通解表达式.     

线性约束下双反对称矩阵扩充及其最佳逼近

首次提出并讨论了一类带有线性约束的双反对称矩阵扩充问题,得到了问题有解的充分必要条件,并给出了解的一般表达式.此外,还给出了解集合中与给定矩阵的最佳逼近解的表达式.     

齐次线性方程组的一种简捷的公式化解法

n元齐次线性方程组当其矩阵的秩小于n时有非零解.要求出这个非零解,通常是将矩阵进行初等变换而得到.但对矩阵的秩是一个n-1的方程组,却有一个和克莱姆法则一样的简捷的公式化解法.这一解法对三元齐次线性方程组来说特别方便.     

子矩阵约束下的Hermite自反矩阵反问题

讨论了子矩阵约束下矩阵反问题AX=B的Hermite自反矩阵解,给出了解存在的充要条件和通解表达式,且对任一给定矩阵,在解集合中求出了最佳逼近解.     

一类逆特征值问题的拓广

本文利用广义奇异值分解给出了一类极小化问题的通解，同时给出了相关矩阵方程组有解的充要条件及相应解集合的表达式。     

Optimization Problems of the Rank and Inertia Corresponding to a Hermitian Least-Squares Problem

Generally, the least-squares problem can be solved by the normal equation. Based on the projection theorem, we propose a direct method to investigate the maximal and minimal ranks and inertias of the least-squares solutions of matrix equation AXB= C under Hermitian constraint, and the corresponding formulas for calculating the rank and inertia are derived.