关于一类二阶共轭矩阵方程的解

考虑一类二阶共轭矩阵方程 B*X*AXB+B*X*C+C*XB+D=O 其中，B∈Cp×m，A∈n×n，C∈Cn×m，D∈Cm×m，在A＞O及A≥O，C或B为列满秩阵两种情况 下，此方程可解的充分必要条件，并在有解的情况下，给出了通解的显式表示。     

一类广义亚半正定矩阵反问题有解的条件

考虑如下问题 问题P 给定G∈Rn×m,设X∈Rn×k,B∈Rm×k,求A∈GRm×n≥O,使得AX=B其中,GRm×n≥O={A∈Rm×n|GA∈Rn×n≥O}. 本文讨论了问题P有解的充分必要条件,并在有解的情况下,给出了问题P的解的表示.     

一类可反对称化矩阵反问题的最小二乘解

利用矩阵的奇异值分解讨论了如下问题:已知X,B∈Rn×m,S=ASRn×n,A*∈Rn×m,令L={A∈S|‖AX-B‖=min},求AL,S∈L使‖A*-AL,S‖=infA∈L‖A*-A‖,给出了问题的通解表达式.     

关于一类特殊形状线性方程组的可解性条件

在许多领域中,常需要解下列形状的线性方程组ABTB-Dxy=fg其中,A∈Rn×n,B∈Rm×n,D∈Rm×m,且A、D对称非负定.本文讨论此种特殊方程组的可解性及有唯一解的充分必要条件,并通过A、B、D、f、g表示出来.     

矩阵方程AX+XB=D的最优解

考虑如下问题问题1.给定A∈SRm×m,B∈SRn×n,D∈Rm×n.记S1={X|X∈Rm×n,‖AX+XB-D‖=min},求∈S1,使得‖‖=min.问题2.给定A∈SRm×m,B∈SRn×n,D∈Rm×n.记S2={X|Xm×n,AX+BX=D},求∈S2,使得‖‖=min.借助于矩阵分解得出了问题2有解的充分必要条件,给出了问题1与问题2的解的表示.     

子空间上矩阵方程AXB=D的对称解

设Ω={z∈Rn|Gz=o,G∈Rk×n},SRn×nΩ={x∈Rn×n|zT(x-xT)z=0,(A)z∈Ω}.本文给出了矩阵方程AXB=D有解x∈SRn×nΩ的充分必要条件,并在有解的情况下,给出了通解的显式表示.     

线性流形上对称正交对称矩阵反问题的最小二乘解

研究了以下问题问题Ⅰ给定X,B∈Rn×m,求A∈S,使得f(A)=‖AX-B ‖=min,其中S={A∈SRn×nP| AY=C,Y,C∈Rn×m}为非空流形.问题Ⅱ给定(A)∈Rn×n,求(A)∈SE,使得‖(A)-(A)‖=min ‖A-(A)‖,其中SE是问题Ⅰ的解集.A∈SE首先讨论了S非空的充要条件,并给出了其显式表示;其次研究了在线性流形S上反问题的最小二乘解及其最佳逼近,得到了问题Ⅰ的解和问题Ⅱ的唯一解.     

约束条件下一类实对称矩阵束的最佳逼近

考虑以下问题:问题Ⅰ:给定矩阵X∈Rn×m,D∈SRm×m,求(A,B)∈SRn×n,使满足AX=BXD,其中SRn×n为,n阶实对称矩阵的集合.问题Ⅱ:给定A∈Rn×n,(^B))∈Rn×n,求((^A),(^B))∈SAB,使得‖((^A),(^B))-((^A),(^B))‖F= inf ‖ A,B-v((^A)...     

线性流形上广义反自反矩阵反问题的最小二乘解

设P∈C m×m、Q∈C n×n 是广义反射矩阵,若A∈C m×n满足A=-PAQ,则称A为关于矩阵对(P,Q)的广义反自反矩阵; 所有m×n阶关于矩阵对(P,Q)的广义反自反矩阵的全体记为Cam×n (P,Q). 设S={A∈Cam×n(P,Q)(|AZ-Y)=min,Z∈C n×k,Y∈C m×k}, 考虑问题Ⅰ给定X∈C n×p,B∈C m×p,求A∈S,使得(AX-B)=min,考虑问题Ⅱ给定(~A)∈C m×n,求(A)∈SE,使得(~A-~A)=infA∈SE(~A-A),其中SE是问题Ⅰ的解集合.首先讨论C m×na (P,Q)中元素的结构,然后给出问题Ⅰ解集合SE的通式,最后证明问题Ⅱ的解存在唯一,并给出解的表达式.     

一类广义中心对称矩阵的Procrustes问题

设R∈(C)n×n为广义反射矩阵满足R=RH=R-1≠±In.若G∈(C)n×n满足RGR=G,则称G为广义中心对称矩阵.所有n×n阶广义中心对称矩阵的全体记为GCS(C)n×n.考虑问题Ⅰ给定X,Y,D∈(C)n×p,求A,B∈GCS(C) n×n,使得‖AX-BY-D‖=min.问题Ⅱ给定,∈(C)n×n,求((A),(B))∈ψ(X,Y,D)使得‖(A,B)-((A),(B))‖=min(A,B)∈φ(X,Y,D)‖(A,B)-((A),(B))‖(ψ(X,Y,D)是问题Ⅰ的解集合).文中给出了问题Ⅰ的通解表示及问题Ⅱ的唯一解,的表达式.     

子空间上部分对称半正定和亚半正定矩阵反问题有解的条件

本文考虑以下问题:问题Ⅰ:给定G∈Rn×p,X,B∈Rn×m,求A∈GSRn≥×0n使得AX=B,其中:GSRn≥×0n={A∈Rn×n|xTAx≥0且xT(A-AT)=0,x∈R(G)}。问题Ⅱ:给定G∈Rn×p,X,B∈Rn×m,求A∈GRn≥×0n使得AX=B,其中GRn≥×0n={A∈Rn×n|xTAx≥0,x∈R(G)}。讨论了问题Ⅰ与问题Ⅱ有解的充要条件,并在有解时给出了通解的一般表达式。     

由一起在美国发生的无正本提单放货案引发的思考

国内某贸易公司A与国外某贸易公司B签订贸易合同，装港为国内港口，卸港为美国，集装箱货物，运输条款为CY-CY。A公司向国内某无船承运人C订舱，C公司向A公司签发了无船承运人指示提单，提单上的发货人为A公司，收货人为“按A公司指示”。C公司委托国内一家实际承运人D公司负责海上运输区段，D公司向C公司签发一套海运单，海运单上的发货人为C公司，收货人为C公司在美国的代理E公司。货物到达目的港后，实际承运人D公司凭B公司的公司保函将货物放给B公司。B公司收到货物后却拒绝向A公司支付货款，A和B两公司发生贸易纠纷。1个月后，A公司在国内起诉无船承运人C公司以及C公司在目的港的代理人E公司。C公司全额赔偿后，在国内起诉实际承运人D公司。     

一维奇型Dirac算式自伴域的刻画

Dirac方程是量子力学的基本方程，讨论Dirac算式的自伴域在数学物理中有广泛的应用，文中根据Dirac算式的最大定义域、最小定义域和Dirac算式在区间[0，b]上的自伴域的结果，利用自伴延拓的Calkin描述通过对b取极限的讨论推导出Dirac算式在区间[0，＋∞）上的自伴域D（T（L））={f∈D（L）／f1（0）Cosα＋f2（0）sinα}，并证明了当势函数q1（x），q2（x）为区间[0，＋∞）上的实值连续函数，则L必是极限点．     

矩阵方程A^TXA＋B^TYB=D及A^TXA=C，B^TXB=D的对称解

运用矩阵的奇异值分解与广义逆矩阵，给出了矩阵方程A^TXA B^TYB=D及矩阵方程A^TXA=C,B^TXB=D有对称解的充分必要条件，并在有解的情况下，给出了通解的显式表示。     

预借提单引起的思考

1 案例 上海A公司出口一批工艺品到瑞典B公司.信用证规定装运期为不迟于2000年8月31日,价格条件为CIF汉堡,付款条件为L/C90天远期.瑞典进口商将这批货转手卖给瑞典的C公司.A公司的生产厂家由于车间设备故障无法在规定的装运期内交货,后试图与瑞典B进口商协商修改信用证推迟装运期,但B公司没有同意.于是A公司找到船公司D,由于A公司与D公司有长期的业务往来,在确认无法在交单期内装运货物的情况下,经D公司同意由A公司出具保函,D公司预借给A公司一份日期为8月30日的已装船提单,但货物的实际装船日期为9月22日.     

矩阵方程AXA^T=C,BXB^T=D的对称半正定解

给出了矩阵方程AXA^T=C,BXB^T=D的对称半正定解的充分必要条件，并在有解的情况下，给出了通解的显式表示。     

关于矩阵方程AX=B，XC=D及AXB=D的对称正定解

借助于矩阵的奇异值分解及矩阵的广义逆，给出了矩阵方程AX=B，XC=D及AXB=D有对称正定解的充分必要条件，并在有解的情况下，给出了通解的显式表示。     

对称正交反对称矩阵反问题的最小二乘解

设P∈Rn×n 满足PT=P,PTP=In,即P为对称正交矩阵.若A∈Rn×n 满足AT=A,(PA)T=-(PA),则称A为n阶对称正交反对称矩阵,所有n阶对称正交反对称矩阵全体记为ASRn×nP.考虑问题Ⅰ给定X,B∈Rn×m,求A∈ASRn×nP 使得‖AX-B‖=min 及问题Ⅱ给定∈Rn×n,求∈SE 使得 ‖-‖=infA∈SE‖-A‖,其中SE是问题Ⅰ的解集合.首先讨论了对称正交反对称矩阵的结构;然后给出了问题Ⅰ解集合SE的通式,并导出AX=B有解的条件及其通解表示;最后证明问题Ⅱ的解存在唯一,并给出解的表达式.     

一类Hermitian-Hamilton矩阵的广义特征值反问题

设J=OIn-InO是单位辛矩阵,若A∈C 2n×2n满足AH=A,(JA)H=JA,则称A为Hermitian-Hamilton矩阵,所有2n×2n阶Hermitian-Hamilton矩阵的全体记为HHC2n×2n.本文考虑问题P给定X∈C 2n×p,Λ=diag(λ1,λ2,…,λp)∈Cp×p,求A,B∈HHC2n×2n使得AX=BXΛ.文中首先讨论了HHC2n×2n中元素的结构,然后给出了问题P的解的表达式.     

关于矩阵方程（AX，XC）=（B，D）的对称解

借助于矩阵的广义逆，给出了线性矩阵方程（AX，XC）=（B，D）有对称解的充分必要条件；在有解的情况下，给出了通解的显式表示；作为特例，讨论了一类逆特征值问题。