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.     

矩阵方程AX=B的双反对称最佳逼近解

本文主要讨论下而两个问题并得到相关结果:问题Ⅰ:给定A ∈ R~(k×n),B ∈ R~(k×n),求X ∈ BASR~(n×n),使得AX=B.问题Ⅱ:给定X* ∈R~(n×n),求X使得‖X-X~*‖=minX∈S_E‖X-X~*‖,其中S_E是问题Ⅰ的解集合,‖·‖是Frobenius范数.通过对上述问题的讨论给出了问题Ⅰ解存在的充分必要条件和其解的一般表达式同时给出了问题Ⅱ的解,算法,和数值例子.     

矩阵不等式约束下矩阵方程最小二乘问题的增广Lagrangian方法北大核心CSCD

称X∈R^(m×n)为实(R,S)对称矩阵,若满足X=RXS,其中R∈R^(m×m)和S∈R^(n×n)为非平凡实对合矩阵,即R=R^(-1)≠±I_m,S=S^(-1)≠±I_n.该文将优化理论中求凸集上光滑函数最小值的增广Lagrangian方法应用于求解矩阵不等式约束下实(R,S)对称矩阵最小二乘问题,即给定正整数m,n,p,t,q和矩阵A_i∈R^(m×m),B_i∈R^(n×n)(i=1,2,…,q),C∈R^(m×m),E∈R^(p×m),F∈R^(n×t)和D∈R^(p×t),求实(R,S)对称矩阵X∈R^(m×m)且在满足相容矩阵不等式EXF≥D约束下极小化‖∑_(i=1)~qA_iXB_i-C‖,其中EXF≥D表示矩阵EXF-D非负,‖·‖为Frobenius范数.该文给出求解问题的矩阵形式增广Lagrangian方法的迭代格式,并用数值算例验证该方法是可行且高效的.     

矩阵不等式约束下矩阵方程最小二乘问题的增广Lagrangian方法

称X∈R~(m×n)为实(R,S)对称矩阵,若满足X=RXS,其中R∈R~(m×m)和S∈R~(n×n)为非平凡实对合矩阵,即R=R~(-1)≠±I_m,S=S~(-1)≠±I_n.该文将优化理论中求凸集上光滑函数最小值的增广Lagrangian方法应用于求解矩阵不等式约束下实(R,S)对称矩阵最小二乘问题,即给定正整数m,n,p,t,q和矩阵A_i∈R~(m×m),B_i∈R~(n×n)(i=1,2,…,q),C∈R~(m×m),E∈R~(p×m),F∈R~(n×t)和D∈R~(p×t),求实(R,S)对称矩阵X∈R~(m×m)且在满足相容矩阵不等式EXF≥D约束下极小化‖∑_(i=1)~qA_iXB_i-C‖,其中EXF≥D表示矩阵EXF-D非负,‖·‖为Frobenius范数.该文给出求解问题的矩阵形式增广Lagrangian方法的迭代格式,并用数值算例验证该方法是可行且高效的.     

核范数和谱范数下广义Sylvester方程最小二乘问题的一类改进算法

在文献[10]中,作者从数值角度讨论核范数和谱范数下的广义Sylvester方程约束最小二乘问题min X∈ S|NΣI=1A_iXB_i-C|的算法,其中s为闭凸集合.采用的数值算法是非精确交替方向法,并结合阈值算法、 MoreauYosida正则化算法、谱投影算法、LSQR, SPG等算法求解相应子问题.本文在文献[10]的基础上,通过引入新变量,应用交替方向法简化子问题的求解,其中每个子问题都可以精确求解,更重要的是每个变量都具有显式的表达式.在理论方面我们证明了算法的收敛性,数值试验表明改进后的算法不管是在时间上还是在迭代步上,运行的结果得到很大的改善.     

关于径向矩阵与谱矩阵

§1.引言与记号 设A∈C~(s×n),则称 ‖A‖=‖AX‖/‖X‖ 为A的谱模(谱范数),其中‖X‖表示向量X∈C~(n×1)的Euclid范数。即当X=(x_1,…,x_n)~(?)时,‖X‖=(XX)~1/2=sum from i=1 to n(|X_1|~2)~1/2;‖AX‖为向量AX的Euclid范数。 如众周知,我们有如下结论: 引理 1[1]、设A、B∈C~(n×n),则谱模满足范数的三个条件: 1>.恒正性:‖A‖≥0且‖A‖=0 A=0; 2>.齐次性:若α∈C,则‖αA‖=|α|·‖A‖; 3>.三角不等式:‖A+B‖≤‖A‖+‖B‖。     

线性流形上对称正交反对称矩阵反问题的最小二乘解

设P是n阶对称正交矩阵,如果n阶矩阵A满足AT=A和(PA)T=-PA,则称A为对称正交反对称矩阵,所有n阶对称正交反对称矩阵的全体记为SARnp.令S={A∈SARnp f(A)=‖AX-B‖=m in,X,B〗∈Rn×m本文讨论了下面两个问题问题Ⅰ给定C∈Rn×p,D∈Rp×p,求A∈S使得CTAC=D问题Ⅱ已知A~∈Rn×n,求A∧∈SE使得‖A~-A∧‖=m inA∈SE‖A~-A‖其中SE是问题Ⅰ的解集合.文中给出了问题Ⅰ有解的充要条件及其通解表达式.进而,指出了集合SE非空时,问题Ⅱ存在唯一解,并给出了解的表达式,从而得到了求解A∧的数值算法.     

一类不可微二次规划逆问题

本文求解了一类二次规划的逆问题,具体为目标函数是矩阵谱范数与向量无穷范数之和的最小化问题.首先将该问题转化为目标函数可分离变量的凸优化问题,提出用G-ADMM法求解.并结合奇异值阈值算法,Moreau-Yosida正则化算法,matlab优化工具箱的quadprog函数来精确求解相应的子问题.而对于其中一个子问题的精确求解过程中发现其仍是目标函数可分离变量的凸优化问题,由于其变量都是矩阵,所以采用适合多个矩阵变量的交替方向法求解,通过引入新的变量,使其每个子问题的解都具有显示表达式.最后给出采用的G-ADMM法求解本文问题的数值实验.数据表明,本文所采用的方法能够高效快速地解决该二次规划逆问题.     

厄米特矩阵的迹的几点性质

应用矩阵A=(aij)∈C^m&;#215;n的弗罗伯尼范数‖A‖r和谱范数‖A‖s，研究厄米特矩阵的迹的性质，得到几个结论：Tr(AB)=∑λ=1^n λi∑tijuj(λ，uj分别为A，B的特征值，0≤tij≤1，且∑i=1^n tij=1，j=1，2，…，n), Tt(AB)≤Tr(A)‖B‖s≠Tr(AB)^H(AB)]≤Tr(A^H A)[MAXλ 1＜i＜n]^x(λ是B的特征值)等。     

一类反对称正交反对称矩阵逆特征值问题

设P为一给定的对称正交矩阵,记AARnP={A∈Rn×n‖AT=-A,(PA)T=-PA}.讨论了下列问题:问题给定X∈Cn×m,Λ=diag(λ1,λ2,…,λm).求A∈AARPn使AX=XΛ.问题设A~∈Rn×n,求A*∈SE使‖A~-A*‖=infA∈SE‖A~-A‖,其中SE为问题的解集合,‖.‖表示Frobenius范数.研究了AARPn中元素的通式,给出了问题解的一般表达式,证明了问题存在唯一逼近解A*,且得到了此解的具体表达式.     

离散型p次Dirichlet型第一特征值

设μ=(μ_i)_i≥0为Z_+上的测度且p 1,考虑下述离散型p次Dirichlet型D_p(f)=Σ_(i=0)~∞μ_ib_i(f_i-f_(i+1))(f_i~(p-1)-f_(i+1)~(p-1)),f≥0,其中(b_i)_(i≥0)为Z_+上的正序列.本文旨在给出空间L~p(μ)上p次Dirichlet型D_p(f)所对应的第一特征值λ_(0,p)=inf{D_p(f):‖f‖_p=1,f非负且具有紧支撑}的上下界精细估计.     

加权Bloch空间上复合算子的线性组合

设λi(i=1,...,N)是一列非0的数,D是一维复平面C的开单位圆盘,φi(i=1,...,N)是D的解析自映射,本文研究了定义在加权Bloch空间上复合算子线性组合∑i=1NλiCφi、的紧致性.     

基于几何连续的AT-β-Spline曲线曲面的构造

为了更好地修改给定的样条曲线曲面,构造了满足几何连续的带两类形状参数的代数三角多项式样条曲线曲面,简称为AT-β-Spline.这种代数三角曲线曲面不仅具有普通三角多项式的性质,而且具有全局的和局部的形状可调性.同时还具备较为灵活的连续性.当两类形状参数在给定的范围内任意取值时,这种带两类形状参数的AT-β-Spline曲线满足一阶几何连续性;如果给定两段相邻曲线段中的两类形状参数满足-1≤α≤1,μ_i=λ_(i+1)或μ_i=λ_i=μ_(i+1)=λ_(i+1)时,则带两类形状参数的AT-β-Spline曲线满足C~1∩G~2连续.另外利用奇异混合的思想,构造了满足C~1∩G~2插值AT-β-Spline曲线,解决曲线反求的几何连续性等问题.同时还给出了旋转面的构造,描述了两类形状参数对旋转面的几何外形的影响;当形状参数取特殊值时,这种AT-β-Spline曲线曲面可以精确地表示圆锥曲线曲面.从实验的结果来看,本文构造的AT-β-Spline曲线曲面是实用的有效的.     

三角代数上Jordan高阶导子的刻画

设u=Tri(A,M,B)是含单位元I的三角代数,()={()_n}_(n∈N)是u上一簇线性映射.本文证明了:如果对任意U,V∈u且UV=VU=I,有()_n(UV+VU)=∑_(i+j=n)(()_i(U)_(()_j)(V)+()_i(V)()_j(U)),则()={()_n}_(n∈N)是u上高阶导子.作为应用,得到了套代数上Jordan高阶导子的一个刻画.     

稳定积分的弱收敛

令{X;X_n≥1}是一列严平稳的随机变量,且其分布F在一个α-稳定分布的吸引场,这里0α1.本文考虑∑_(i=1)~n f_n(β,i/n)(X_i)/(a_n)的弱收敛性.不同于经典意义下的随机过程弱收敛,本文将∑_(i=1)~n∫_n(β,in/)(X_i)/(a_n)看作β变化的随机元,利用点过程收敛方法得到了其弱收敛性.     

A Bishop–Phelps–Bollobás Theorem for Asplund Operators

By characterizing Asplund operators through Fréchet differentiability property of convex functions, we show the following Bishop–Phelps–Bollobás theorem: Suppose that X is a Banach space,T : X → C(K) is an Asplund operator with ║T║= 1, and that x_0 ∈ S_X, 0 ε satisfy ║T(x_0)║ 1-ε~2/2.Then there exist x_ε∈ S_X and an Asplund operator S : X → C(K) of norm one so that ║S(x_ε)║ = 1, x_0-x_ε ε and ║T-S║ ε.Making use of this theorem, we further show a dual version of Bishop–Phelps–Bollobás property for a strong Radon–Nikodym operator T : ?_1 → Y of norm one: Suppose that y_0~*∈ S_(Y~*), ε≥ 0 satisfy T~*(y_0~*) 1-ε~2/2. Then there exist y_ε~*∈ S_(Y~*), x_ε∈(±e_n), y_ε∈ S_Y, and a strong Radon–Nikodym operator S : ?_1 → Y of norm one so that (ⅰ)║S(x_ε)║= 1;(ⅱ) S(x_ε) = y_ε;(ⅲ)║T-S║ ε;(ⅳ)║S~*(y_ε~*)║=y_ε~*, y_ε= 1;(ⅴ)║y_0~*-y_ε~*║ ε and (ⅵ)║T~*-S~*║ ε,where(e_n) denotes the standard unit vector basis of ?_1.     

Strong Laws of Large Numbers for Double Sums of Banach Space Valued Random Elements

For a double array {V_(m,n), m ≥ 1, n ≥ 1} of independent, mean 0 random elements in a real separable Rademacher type p(1 ≤ p ≤ 2) Banach space and an increasing double array {b_(m,n), m ≥1, n ≥ 1} of positive constants, the limit law ■ and in L_p as m∨n→∞ is shown to hold if ■ This strong law of large numbers provides a complete characterization of Rademacher type p Banach spaces. Results of this form are also established when 0 p ≤ 1 where no independence or mean 0 conditions are placed on the random elements and without any geometric conditions placed on the underlying Banach space.     

三角代数上 Jordan 积为幂等元处的高阶ξ-Lie 可导映射

设U=Tri（A，M，B）是三角代数，{φ_n}_n∈N：U→U是一列线性映射.本文利用代数分解的方法，证明了如果对任意U，V∈U且U?V=P为标准幂等元，有φ_n（[U，V]_ξ=Σ_i+j=n（φ_i（U）φ_j（V）-ξφ_i（V）φ_j（U））（ξ≠1），则{φ_n}_n∈N是一个高阶导子，其中φ₀=id为恒等映射，U?V=UV+VU为Jordan积，[U，V]_ξ=UV-ξVU为ξ-Lie积.