矩阵方程组A1XB1=C1,A2XB2=C2的相容性与通解

本文推广了R.Penrose关于矩阵方程组AX=C,XB=D的工作,给出了矩阵方程组 A_1XB_1=C_1,A_2XB_2=C_2的相容性条件,给出了通解表达式以及唯一解的充要条件。     

线性子空间上求解矩阵方程组A_1XB_1=C_1,A_2XB_2=C_2的迭代算法

应用共轭梯度方法,结合线性投影算子,给出迭代算法求解了线性矩阵方程组A_1XB_1=C_1,A_2XB_2=C_2在任意线性子空间上的约束解及其最佳逼近.当矩阵方程组A_1XB_1=C_1,A_2XB_2=C_2相容时,可以证明,所给迭代算法经过有限步迭代可得到矩阵方程组的约束解、极小范数解和最佳逼近.文中的数值例子证实了该算法的有效性.     

求解矩阵方程组A_1XB_1+C_1XD_1=E_1,A_2XB_2+C_2XD_2=E_2的迭代算法

应用共轭梯度方法和线性投影算子,给出迭代算法求解了线性矩阵方程组A_1XB_1+C_1XD_1=E_1,A_2XB_2+C_2XD_2=E_2在任意线性子空间上的约束解及其最佳逼近.可以证明,当矩阵方程组A_1XB_1+C_1XD_1=E_1,A_2XB_2+C_2XD_2=E_2相容时,所给迭代算法经过有限步迭代可得到矩阵方程组的约束解,极小范数解和最佳逼近.文中的数值例子证实了该算法的有效性.     

求矩阵方程组的反对称最小二乘解的递推算法

讨论了矩阵方程组A_1XB_1=D_1,A_2XB_2=D_2反对称最小二乘解的递推算法,该算法不仅能够用于计算反对称最小二乘解,而且在选取特殊的初始矩阵时,算法能够求出矩阵方程组的极小范数反对称最小二乘解,以及对给定的矩阵进行最佳逼近的反对称解.     

一四元数矩阵方程组的广义(反)反射解

该文给出了四元数矩阵方程组X_1B_1=C_1,X_2B_2=C2,A_1X_1B_3+A_2X_2B_4=C_b可解的充要条件及其通解的表达式,利用此结果建立了四元数矩阵方程组XB_a=C_a,A_bXB_b=C_b有广义(反)反射解的充要条件及其有此种解时通解的表达式.     

一类四元数矩阵三次方程的可解性(英文)

确立了某类分块矩阵[M（₁1） M₁₂ XM₂₁ Y M₂₃Z M₃₂ M₃₃]的最大秩公式,其中,X,Y和Z是三个受限于四元数线性矩阵方程A₁X=C₁,XB₁=C₂,A₂Y=D₁,YB₂=D₂,A₃Z=E₁,ZB₃=E₂的变量矩阵.作为该公式的一项应用,我们推导出上述矩阵方程解集等同于某类四元数三次矩阵方程组A₁X=C₁,XB₁=C₂,A₂Y=D₁,YB₂=D₂,A₃Z=E₁,ZB₃=E₂,XYZ=J解集的条件.     

线性矩阵方程sum from i=1 to P(A_iXB_i)=C的求解

<正> 文[1]在第二章以例介绍了矩阵方程AXB=C (1)的解法。对于(1)的推广形式A_1XB_1+A_2XB_2+…+A_QXB_Q=C (2)及AX+XB=C (3) 在工程技术中,特别对自动控制是有着重要应用的一类方程。如果能把它们与已经讨论过的矩阵向量方程AX=6相联系,那末,根据线性方程组的一般理论,就可以顺利地懈决矩阵     

平面束的方程

关于平面束的方程,有些通用教材的讲述似有不完善之处,今提出来向大家请教.例如,有教材一方面说“通过定直线的所有平面的全体称为平面束”;另一方面又说“方程A_1x B_1y C_1z D_1十 λ(A_2x B_2y C_2z D_2)=0(其中λ为任意常数)称为通过直线L:A_1x B_1y C_1z D_1=0A_2x B_2y C_2z D_2=0 (A_1:B_1:C_1≠A_2:B_2:C_2)的平面束方程.”     

广义相关系数和若干极值

对于矩阵D_1和D_2是非负定时,本文给出行列式之比|X'AY|~2/(|X'D_1X||Y'D_2Y|和矩阵之迹[tr(X’AY)]~2在约束X’D_1X=I_k,Y’D_2Y=I_k的极值,这一结果把作者文[5]的极值结果推广到D_1,D_2可能奇异的情况。本文把所得到的极值结果应用到多元分析,说明文章[1]定义的几种广义相关系数的极值性质,从而分别给出几种广义相关系数一种统计解释。     

解二元二次方程组的通法

对于一般的二元二次方程组A_1x~2+B_1xy+C_1y~2+D_1x+E_1y+F_1=0,A_2x~2+B_2xy+C_2y~2+D_2x+E_2y+F_2=0。可以写成下列形式 A_1x~2+(B_1y+D_1)x+ A_2x~2+(B_2y+D_2)x+ (C_1y~2+E_1y+F_1)=0 (1) (C_2y~2+E_2y+F_2)=0 (2)也可以把它写成y的降幂排列形式,如果把x~2、x作为两个未知数,那么解此二元一次方程组,有     

界约束下算子方程最小二乘问题的条件梯度法

研究如下界约束下算子方程最小二乘问题:min x∈Ω‖L(X:A_1,…,At;B_1,…,B_t)-T‖~2,其中‖.‖为Frobenius范数,L(X:A_1…A_t;B_1,…,B_t)为关于X的线性矩阵算子(或齐次线性变换),Ai∈R~(p×m),B_j∈R~(n×q)i,j=1,…,n为算子L的系数矩阵,丁为右端矩阵,ΩR~(m×n)为界约束凸集合.提出了求解问题的条件梯度迭代算法及其简要收敛性分析,并给出条件梯度算法的几类加速形式.随机数据和图像恢复模型数据的实验结果表明说明算法是可行高效的.     

线性矩阵方程组AX=B,YA=D的最小二乘(R,S_σ)-交换解

Trench在[Characterization and properties of (R,S_σ)-commutative matrices,Linear Algebra Appl.,2012,436:4261-4278]中给出了(R,S_σ)-交换矩阵的定义.本文在此基础上讨论(R,S_σ)-交换矩阵的一般性结构,对给定的矩阵X,Y,B,D,以及线性方程组AX=B,YA=D在(R,S_σ)-交换矩阵集合中的最小二乘问题及最佳逼近问题.细致分析最小二乘(R,S_σ)-交换解和最佳逼近解的具体解析表达式.同时在方程组相容情况下分析(R,S_σ)-交换解存在的充要条件及其具体解析表达式.     

一类向量四阶非线性微分方程边值问题的奇摄动

我们研究伴有边界摄动的向量边值问题:
ε2y(4)=f(x,y,y″,ε,μ)(μy(x,ε,μ)|_x=μ=A₁(ε,μ),y(x,ε,μ)|_x=1-μ=B₁(ε,μ)
y″(x,ε,μ)|_x=μ=A₂(ε,μ),y″(x,ε,μ)|_x=1-μ=B₂(ε,μ)
其中y,f,A_j和B_j(j=1,2)是n维向量函数和ε,μ是两个正的小参数.虽然纯量边值问题曾有人研究过,但这样的向量边值问题尚未被研究.在适当的假设下,利用微分不等式方法,我们找到向量边值问题的一个解和获得一致有效的渐近展开式.     

矩阵方程AXB+CYD=E的M对称解的迭代算法

在共轭梯度思想的启发下,结合线性投影算子,给出迭代算法求解了线性矩阵方程AXB+CYD=E的M对称解[X,Y]及其最佳逼近.当矩阵方程AXB+CYD=E有M对称解时,应用迭代算法,在有限的误差范围内,对任意初始M对称矩阵对[X_,Y_1],经过有限步迭代可得到矩阵方程的M对称解;选取合适的初始迭代矩阵,还可得到极小范数M对称解.而且,对任意给定的矩阵对[X,Y],矩阵方程AXB+CYD=E的最佳逼近可以通过迭代求解新的矩阵方程AXB+CYD=E的极小范数M对称解得到.文中的数值例子证实了该算法的有效性.     

奇摄动向量问题的边界层和内层现象

本文考虑非线性向量边值问题:εy″=f(x,y,z,y',ε), y(0)=A₁ y(1)=B₁ εz″=f(x,y,z,z',ε), z(0)=A₂ z(1)=B₂其中ε是正的小参数,0≤x≤1,f,g是R4中的连续函数。在适当的假设下,利用微分不等式理论,我们证明了上述问题的解的存在性,并得到包括边界层和内层在内的解的估计.     

von Neumann代数上的局部可乘Lie n-导子

A₁，…，A_n的（n-1）-换位子记为p_n（A₁，…，A_n）.令M是von Neumann代数，n ≥ 2是任意正整数，L：M → M是一个映射.本文证明了，若M不含I₁型中心直和项，且L满足L（p_n（A₁，…，A_n））=∑_k=1ⁿ p_n（A₁，…，A_k-1，L（A_k），A_k+1，…，A_n）对所有满足条件A₁A₂=0的A₁，A₂，…，A_n ∈ M成立，则L（A）=φ（A）+f（A）对所有A ∈ M成立，其中φ：M → M和f：M → Z（M）（M的中心）是两个映射，且满足φ在P_iMP_j上是可加导子，f（p_n（A₁，A₂，…，A_n））=0对所有满足A₁A₂=0的A₁，A₂，…，A_n ∈ P_iMP_j成立（1 ≤ i，j ≤ 2），P₁ ∈ M是core-free投影，P₂=I-P₁；若M还是因子且n ≥ 3，则L满足条件L（p_n（A₁，A₂，…，A_n））=∑_k=1ⁿ p_n（A₁，…，A_k-1，L（A_k），A_k+1，…，A_n）对所有满足A₁A₂A₁=0的A₁，A₂，…，A_n ∈ M成立当且仅当L（A）=φ（A）+h（A）I对所有A ∈ M成立，其中φ是M上的可加导子，h是M上的泛函且满足h（p_n（A₁，A₂，…，A_n））=0对所有满足条件A₁A₂A₁=0的A₁，A₂，…，A_n ∈ M成立.     

Maps preserving peripheral spectrum of generalized Jordan products of operators

Let X1 and X2 be complex Banach spaces with dimension at least three, A1 and A2 be standard operator algebras on X1 and X2, respectively. For k ≥ 2, let(i1, i2,..., im) be a finite sequence such that {i1, i2,..., im} = {1, 2,..., k} and assume that at least one of the terms in(i1,..., im) appears exactly once. Define the generalized Jordan product T1 o T2 o ··· o Tk= Ti1Ti2··· Tim+ Tim··· Ti2Ti1 on elements in Ai. This includes the usual Jordan product A1A2 + A2A1, and the Jordan triple A1 A2 A3 + A3 A2 A1. Let Φ : A1 → A2 be a map with range containing all operators of rank at most three. It is shown that Φ satisfies that σπ(Φ(A1) o ··· o Φ(Ak)) = σπ(A1 o ··· o Ak) for all A1,..., Ak,where σπ(A) stands for the peripheral spectrum of A, if and only if Φ is a Jordan isomorphism multiplied by an m-th root of unity.     

一类数字限制集的上、下Assouad维数

设b≥2,D_1,D_2■{0,1,...,b-1},S_1,S_2■N且S_1,S_2不交.记E是由下面(1.1)所确定的数字限制集.本文讨论了E的各种分形维数,主要证明了E的上、下Assouad维数公式.