矩阵方程AXB+CXD=F对称解的迭代算法

在共轭梯度思想的启发下,本文给出了迭代算法求解约束矩阵方程AXB+CXD=F的对称解及其最佳逼近.应用迭代算法,矩阵方程AXB+CXD=F的相容性可以在迭代过程中自动判断.当矩阵方程AXB+CXD=F有对称解时,在有限的误差范围内,对任意初始对称矩阵X1,运用迭代算法,经过有限步可得到矩阵方程的对称解;选取合适的初始迭代矩阵,还可以迭代出极小范数对称解.而且,对任意给定的矩阵X0,矩阵方程AXB+CXD=F的最佳逼近对称解可以通过迭代求解新的矩阵方程A(X)B+C(X)D=(F)的极小范数对称解得到.文中的数值例子证实了该算法的有效性.     

线性子空间上求解矩阵方程AXB+CXD=F的迭代算法

应用共轭梯度法,结合线性投影算子,给出迭代算法求解线性矩阵方程AXB+CXD=F在任意线性子空间上的约束解及其最佳逼近.当矩阵方程AXB+CXD=F有解时,可以证明,所给迭代算法经过有限步迭代可得到矩阵方程的约束解、极小范数解和最佳逼近.数值例子证实了该算法的有效性.     

矩阵方程AXB+CYD=E的对称极小范数最小二乘解

对于任意给定的矩阵A∈Rm×n,B∈Rn×s,C∈Rm×k,D∈Rk×s,E∈Rm×s,本文利用矩阵的Kmnecker积和Moore-Penrose广义逆,研究矩阵方程AXB CYD=E的对称极小范数最小二乘解,得到了解的表达式．并由此给出了矩阵方程AXB=C的双对称极小范数最小二乘解的表达式．此外,我们还给出了求矩阵方程AXB=C的双对称极小范数最小二乘解的数值算法和数值例子．     

矩阵方程AXB=C的反对称解和极小范数反对称解

建立了求矩阵方程AXB=C反对称解的迭代方法.使用该方法不仅能够判断反对称解的存在性,而且在有反对称解时,能够在有限步迭代计算之后得到反对称解.选取特殊的初始矩阵,可求得极小范数反对称解.     

广义耦合Sylvester矩阵方程的对称-反对称最小二乘解

本文主要研究极小残差问题‖(A1XB1+C1YD1A2XB2+C2YD2)-(M1M2)‖=min关于X对称-Y反对称解的迭代算法.本文首先给出等价于极小残差问题的规范方程,然后,提出求解此规范方程的对称-反对称解的迭代算法.在不考虑舍入误差的情况下,任取一个初始的对称-反对称矩阵对(X0,Y0),该算法都可以在有限步内求得该极小残差问题的对称-反对称解.最后讨论该问题的极小范数对称-反对称解.     

矩阵方程AXB+CY D=E的三对角中心对称极小范数最小二乘解

本文研究了矩阵方程AXB+CY D=E的三对角中心对称极小范数最小二乘解问题.利用矩阵的Kronecker积和Moore-Penrose广义逆方法,得到了矩阵方程AXB+CY D=E的三对角中心对称极小范数最小二乘解的表达式.     

求矩阵方程AXB+CXD=F的中心对称最小二乘解的迭代算法

该文建立了求矩阵方程AXB+CXD=F的中心对称最小二乘解的迭代算法.使用该算法不仅可以判断该矩阵方程的中心对称解的存在性,而且无论中心对称解是否存在,都能够在有限步迭代计算之后得到中心对称最小二乘解.选取特殊的初始矩阵时,可求得极小范数中心对称最小二乘解.同时,也能给出指定矩阵的最佳逼近中心对称矩阵.     

矩阵方程AXB+CX~TD=E自反最佳逼近解的迭代算法

本文研究了Sylvester矩阵方程AXB+CXTD=E自反(或反自反)最佳逼近解.利用所提出的共轭方向法的迭代算法,获得了一个结果:不论矩阵方程AXB+CXTD=E是否相容,对于任给初始自反(或反自反)矩阵X1,在有限迭代步内,该算法都能够计算出该矩阵方程的自反(或反自反)最佳逼近解.最后,三个数值例子验证了该算法是有效性的.     

矩阵方程AXA^T＋BYB^T=C的双对称最小二乘解及其最佳逼近

基于共轭梯度法的思想,通过特殊的变形,建立了一类求矩阵方程AXA^T＋BYB^T=C的双对称最小二乘解的迭代算法．对任意的初始双对称矩阵．在没有舍人误差的情况下,经过有限步迭代得到它的双对称最小二乘解;在选取特殊的初始双对称矩阵时,能得到它的的极小范数双对称最小二乘解．另外,给定任意矩阵,利用此方法可得到它的最佳逼近双对称解,数值例子表明,这种方法是有效的．     

矩阵方程AX＋XB=C的双对称解及其最佳逼近

提出一种求解线性矩阵方程AX＋XB=C双对称解的迭代法.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双对称解,在方程不相容时得到方程的最小二乘双对称解.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双对称解.若取特殊的初始矩阵,则可以得到问题的极小范数双对称解,从而巧妙地解决了对给定矩...     

矩阵方程AXB+CYD=E对称最小范数最小二乘解的极小残差法

<正>1引言本文用R~(n×m)表示全体n×m实矩阵集合,用SR~(n×n)表示全体n×n实对称矩阵集合,OR~(n×n)表示全体n×n实正交矩阵集合.用I_n表示n阶单位矩阵,用A*B表示矩阵A与B的Hadamard乘积.对任意矩阵A,B∈R~(n×m),定义内积〈A,B〉=tr(B~T A),其中     

An efficient iterative method for solving the matrix equation AXB + CYD = E

This paper presents an iterative method for solving the matrix equation AXB + CYD = E with real matrices X and Y. By this iterative method, the solvability of the matrix equation can be determined automatically. And when the matrix equation is consistent, then, for any initial matrix pair [X₀, Y₀], a solution pair can be obtained within finite iteration steps in the absence of round‐off errors, and the least norm solution pair can be obtained by choosing a special kind of initial matrix pair. Furthermore, the optimal approximation solution pair to a given matrix pair [X?, ?] in a Frobenius norm can be obtained by finding the least norm solution pair of a new matrix equation AX?B + C?D = ?, where ? = E ? AX?B ? C?D. The given numerical examples show that the iterative method is efficient. Copyright © 2005 John Wiley & Sons, Ltd.     

矩阵方程ATXA=C的双对称最小二乘解的最佳逼近

1引言根据矩阵分解理论求解线性矩阵方程的问题已经有多位作者研究([2],[3],[5]-[11]),比如文[6],[7],[9]基于GSVD、CCD方法给出了几个矩阵方程的最小二乘解以及方程(组)相     

Toeplitz矩阵填充的四种流形逼近算法比较

 本文提出Toeplitz矩阵填充的四种流形逼近算法。在左奇异向量空间中对已知部分运用最小二乘法逼近,形成新的可行矩阵;并将对角线上的元素分别用均值,l₁范数,l_∞范数和中间数四种方法逼近使得迭代后的矩阵仍保持Toeplitz结构,节约了奇异向量空间的分解时间。最终找到合理的低秩矩阵来逼近未知的高秩矩阵,进而精确地完成Toeplitz矩阵的填充。理论上,分析了在一定条件下算法的收敛性。实验上,通过取不同的采样密度进行数值实验展示了四种算法的优劣。实验结果说明均值算法和l_∞范数算法大多用的时间较少,但是当采样密度和矩阵规模较大时,中间数算法的精度较高。     

求一类矩阵方程组的最小二乘行对称解及其最佳逼近的迭代法

本文构造了求矩阵方程组AX=B,XC=D的最小二乘行对称解及其最佳逼近的迭代法,研究了迭代序列的性质,证明了算法的收敛性。     

An iteration method for the symmetric solutions and the optimal approximation solution of the matrix equation AXB=C

An iteration method is constructed to solve the linear matrix equation AXB=C over symmetric X. By this iteration method, the solvability of the equation AXB=C over symmetric X can be determined automatically, when the equation AXB=C is consistent over symmetric X, its solution can be obtained within finite iteration steps, and its least-norm symmetric solution can be obtained by choosing a special kind of initial iteration matrix, furthermore, its optimal approximation solution to a given matrix can be derived by finding the least-norm symmetric solution of a new matrix equation . Finally, numerical examples are given for finding the symmetric solution and the optimal approximation symmetric solution of the matrix equation AXB=C.     

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.