矩阵方程的最小二乘解

1　引言与引理设 Rm× n表示所有 m× n阶实矩阵的集合 ,ORn× n为所有 n阶实正交矩阵的全体 ,In 是 n阶单位矩阵 .AT、A+、rank A分别表示矩阵 A的转置、MP逆及秩 ;‖·‖是矩阵的Frobenius范数 .此外 ,对于 A =(αij)∈ Rs× s,B =(βij)∈ Rs× s,A * B表示 A与 B的Hadamard积 ,其定义为 :A* B=(αijβij) 1≤ i,j≤ s,现考虑如下问题 :问题 P　给定 A∈Rn× m,B∈Rp× m,D∈Rm× m求 X∈Rn× p,使得Φ =‖ ATXB - BTXTA - D‖ =m in　　我们知道 ,矩阵方程 ATX B- BTXTA=D在自动控制理论中有很重要的作用[1 ,2 ] .…     

线性流形上对称正交对称矩阵逆特征值问题

1.引言 令R~(n×m)表示所有n×m阶实矩阵集合;OR~(n×n)表示所有n阶正交矩阵全体;A~+表示A的Moore-penrose广义逆;I_к表示К阶单位阵;SR~(n×n)表示n阶实对称矩阵的全体;rank(A)表示A的秩;||·||是矩阵的Frobenius范数;对A=(a_(ij)),B=(b_(ij))∈R~(n×m),A＊B表示A与B的Hadamard乘积,其定义为A*B=(a_(ij),b_(ij))。     

线性流形上亚半正定阵的一类逆特征值问题

1　引言与引理设 Rm× n表示所有 m× n实矩阵集合 ,m=n时 ,Rm× n简记为 Rm;Rm0 表示所有 m阶亚半正定阵集合 ,即 Rm0 ={ A∈Rm× m|YTAY≥ 0 , Y∈Rm× 1 } ;ORm表示 m阶正交矩阵集合 ;A+表示矩阵 A的 Moore-Penrose广义逆 ;‖·‖表示 Frobenius范数 .In 表示 n阶单位阵 ,有时令SE={ A∈ Rm× m|‖ AE -F‖ =min,E,F∈ Rm× k} ,(1 .1 )则 SE是线性流形 .文 [1 ] ,[2 ]分别研究了 SE上实对称矩阵及实对称半正定阵的逆特征值问题 ,本文将进一步研究 SE上亚半正定阵的一类逆特征值问题 ,具体叙述如下 :问题 　给定 X,B∈R…     

子空间上的一类矩阵反问题

1 引言 设Rn×m为所有n×m实矩阵的集合,ASRn×n为n阶实反对称矩阵的集合,ORn×n 为n阶实正交矩阵的全体. In是n阶单位矩阵,A+,R(A),N(A)分别表示矩阵A的 Moore-Penrose广义逆、值域及零空间,并记EA=I-AA+,FA=I-A+A(I为单位矩 阵,A为任意矩阵).对A=(aij),B=(bij)∈Rn×m,A*B=(aijbij)表示矩阵A与B 的Hadamard积.在Rn×m上定义矩阵A与B的内积为(A,B)=tr(BT A),则由此内积 导出的范数‖A‖=(A,A)~(1/2)是矩阵的Frobenius范数,并且Rn×m构成一个完备的内积 空间.     

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     

线性流形上实对称矩阵最佳逼近

1.引言 首先介绍一些记号,IR~(n×m)表示所有n×m实矩阵的全体,SIR~(n×n)表示所有n×n实对称矩阵的全体,OIR~(n×n)表示所有n×n正交矩阵的全体,I_n表示n阶单位矩阵,A~T和A~+分别表示矩阵A的转置和Moore-Penrose广义逆。对A=(a_(ij)),B=(b_(ij))∈IR~(n×m),A＊B表示A与B的Hadamard积,定义为A＊B=(a_(ij)b_(ij)),并且定义A与B的内积     

线性流形上Hermite-广义反Hamilton矩阵反问题的最小二乘解

1.引言 令Rn×m表示所有n×m实矩阵集合,Cn×m表示所有n×m复矩阵集合,Cn=Cn×1,HCn×n表示所有n阶Hermite矩阵集合,UCn×n表示所有n阶酉矩阵集合,AHCn×n表示所有n阶反Hermite矩阵集合,R(A)表示A的列空间,N(A)表示A的零空间,A+表示A的Moore—Penrose广义逆,A*B表示A与B的Hadamard积,rank(A)表示矩阵A的秩.tr(A)表示矩阵A的迹.矩阵A,B的内积定义为(A,B)=tr(BHA),A,B∈Cn×m,由此内积诱导的范数为||A||=√(A,A)=[tr(AHA)]1/2,则此范数为Frobenius范数,并且Cn×m构成一个完备的内积空间,In表示n阶单位阵,i=√-1,记OASRn×n表示n×n阶正交反对称矩阵的全体,即     

两类矩阵方程的极小范数解

设Rm×n表示所有m×n阶实矩阵的集合,SRn×n是所有n阶实对称矩阵的全体,ORn×n为n阶实正交矩阵的全体,In是n阶单位矩阵,AT、rankA分别表示矩阵A的转置与秩,||·||是矩阵的Frobenius范数.此外,对于A=（αij）s×s’,B=（βij）s×s’,A＊B表示A与B的Hadamard积,其定义为,现讨论如下两个问题:     

关于两个最小二乘解流形的逼近性

L1={X∈Rn×m|f(X)=‖XA1-B1‖2+‖CT1X-DT1‖2=min},L2={Y∈Rn×m|g(Y)=‖YA2-B2‖2+‖CT2Y-DT2‖2=min},其中A1∈Rm×k1,B1∈Rn×k1,C1∈Rn×l1,D1∈Rm×l1,A2∈Rm×k2,B2∈Rn×k2,C2∈Rn×l2,D2∈Rm×l2均为已知矩阵,本文讨论了L1,L2两个线性流形之间的逼近性,给出了d(L1,L2)=minX∈L1,Y∈L2‖X-Y‖的具体表达式.     

对称次反对称矩阵的一类反问题

1 引言 用R~(m×n),SR~(n×n),ASR~(n×n),OR~(n×n)分别表示所有m×n实矩阵,n阶实对称矩阵,n阶实反对称矩阵和n阶实正交矩阵组成的集合,I_k表示k阶单位矩阵,S_k表示k阶反序单位矩阵,||A||表示矩阵A的Frobenius范数。若A=(a_(ij))∈R~(n×n),记D_A=diag(a_(11),a_(22),…,a_(nn)),L_A=(l_(ij))∈R_(n×n)其中当i>j时,l_(ij)=a_(ij),当i≤j时,l_(ij)=0,(i,j=1,2,…,n).若A=(a_(ij)),B=(b_(ij))∈R~(m×n),A*B表示A与B的Hadamard乘积,其定义为A*B=(a_(ij)b_(ij))。     

四元数矩阵方程AXAH=B的最小二乘解

引入了四元数矩阵范数的概念，通过使用四无数矩阵的奇异值分解，给出了四元数矩阵方程AXA^H＝B在最小二乘意义下的Hermitian解以及Skew-Hermitian解．     

Reduced-order extrapolation spectral-finite difference scheme based on POD method and error estimation for three-dimensional parabolic equation

In this study, a classical spectral-finite difference scheme (SFDS) for the three-dimensional (3D) parabolic equation is reduced by using proper orthogonal decomposition (POD) and singular value decomposition (SVD). First, the 3D parabolic equation is discretized in spatial variables by using spectral collocation method and the discrete scheme is transformed into matrix formulation by tensor product. Second, the classical SFDS is obtained by difference discretization in time-direction. The ensemble of data are comprised with the first few transient solutions of the classical SFDS for the 3D parabolic equation and the POD bases of ensemble of data are generated by using POD technique and SVD. The unknown quantities of the classical SFDS are replaced with the linear combination of POD bases and a reducedorder extrapolation SFDS with lower dimensions and sufficiently high accuracy for the 3D parabolic equation is established. Third, the error estimates between the classical SFDS solutions and the reduced-order extrapolation SFDS solutions and the implementation for solving the reduced-order extrapolation SFDS are provided. Finally, a numerical example shows that the errors of numerical computations are consistent with the theoretical results. Moreover, it is shown that the reduced-order extrapolation SFDS is effective and feasible to find the numerical solutions for the 3D parabolic equation.     

用矩阵分解求解线性矩阵方程的最优解

In this paper,the following problems are considered     

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     

Finite difference scheme based on proper orthogonal decomposition for the nonstationary Navier-Stokes equations

The proper orthogonal decomposition(POD)and the singular value decomposition(SVD) are used to study the finite difference scheme(FDS)for the nonstationary Navier-Stokes equations. Ensembles of data are compiled from the transient solutions computed from the discrete equation system derived from the FDS for the nonstationary Navier-Stokes equations.The optimal orthogonal bases are reconstructed by the elements of the ensemble with POD and SVD.Combining the above procedures with a Galerkin projection approach yields a new optimizing FDS model with lower dimensions and a high accuracy for the nonstationary Navier-Stokes equations.The errors between POD approximate solutions and FDS solutions are analyzed.It is shown by considering the results obtained for numerical simulations of cavity flows that the error between POD approximate solution and FDS solution is consistent with theoretical results.Moreover,it is also shown that this validates the feasibility and efficiency of POD method.     

双对称线性矩阵方程的最佳逼近解

本文讨论了wang和Chang的双线件矩阵方程(ATXA,BTXB):(C,D)对称解的一致性条件.利用Hilbert空间的投影定理、商奇异值分解及其通解表达式和典型相关分解(CCD)的有效工具,获得了关于这个矩形方阵对的最小二乘问题的明确的解析表达式反对称(或最小Frobenius范数反对称解作为特例)最佳逼近解.     

矩阵方程AXAT+BYBT=C的对称与反对称最小范数最小二乘解

对于任意给定的矩阵A∈Rk×m,B∈Rk×n和C∈Rk×k,利用奇异值分解和广义奇异值分解,我们给出了矩阵方程AXAT+BYBT=C的对称与反对称最小范数最小二乘解的表达式.     

一类广义Sylvester方程的反对称最小二乘解及其最佳逼近

本文利用矩阵的奇异值分解(SVD),给出了广义Sylvester矩阵方程AX YA=C反对称解存在的充分必要条件,导出了其反对称解和反对称最小二乘解的表达式,同时在解集合中得到了对给定矩阵的最佳逼近解.     

Van der Pol方程周期解的分解算法

1 引言 动力系统周期解方程的研究是一个重要而有兴趣的问题,当系统周期解的方程能够写出来时,不但可以确定它的准确或近似位置,而且还可以研究当周期解因微分方程中的参数变动而消失时,它是否跑到二维复空间中去,对于人所熟知的van der Pol方程