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.     

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。     

求解矩阵方程组A1XB1+C1XD1=E1,A2XB2+C2XD2=E2的迭代算法北大核心CSCD

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A1XB1＋C1XD1=E1,A2XB2＋C2XD2=E2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A1XB1＋C1XD1=E1,A2XB2＋C2XD2=E2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.     

矩阵方程A1Z+ZB1=C1的广义自反最佳逼近解的迭代算法

本文研究了Sylvester复矩阵方程A_1Z+ZB_1=c_1的广义自反最佳逼近解.利用复合最速下降法,提出了一种的迭代算法.不论矩阵方程A_1Z+ZB_1=C_1是否相容,对于任给初始广义自反矩阵Z_0,该算法都可以计算出其广义自反的最佳逼近解.最后,通过两个数值例子,验证了该算法的可行性.     

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.     

一类四元数受限矩阵表达式的最大秩（英文）

确立了一类分块矩阵M11 M12 XM21 M22 M23Y M32 M33的最大秩公式,其中,X和Y是两个受限于四元数线性矩阵方程A_1X=C_1,XB_1=C_2,A_3XB_3=C_3,A_2Y=D_1,YB_2=D_2.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另一四元数二次矩阵方程组解集的条件。     

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.     

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.     

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.     

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     

广义Lyapunov方程A~TX+X~TA=C的一般解及其最佳逼近解

本文讨论矩阵方程ATX+XTA=C的一般解及其最佳逼近解的正交投影迭代解法.首先,利用矩阵的结构特点及相关性质,并借助矩阵空间的相关理论,给出求该矩阵方程一般解正交投影迭代算法;其次,根据奇异值分解、F-范数正交变换不变性证明算法的收敛性并推导出算法的收敛速率估计式,当方程相容时,该算法收敛于问题的极小范数解,且对该算法稍加修改,就可得到相应最佳逼近解;最后,用数值实例验证算法的有效性.     

矩阵方程A~TXB+B~TX~TA=C的一般解及其最佳逼近解

用正交投影迭代法讨论了矩阵方程A~TXB+B~TX~TA=C的一般解及相应的最佳逼近解.首先利用矩阵的相关理论,给出了求矩阵方程的正交投影迭代解法,证明了算法的收敛性,并得出了收敛速率估计式;其次对该算法稍加修改,得到相应的最佳逼近.本文中,要求A,B实正规矩阵,且满足A~TB=BA~T,C是实矩阵.     

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.     

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.     

一类矩阵方程异类约束解与Ls解的迭代算法

当多矩阵变量线性矩阵方程(LME)相容时,通过修改共轭梯度法的下降方向及其有关系数,建立求LME的一种异类约束解的迭代算法.当LME不相容时,先通过构造等价的线性矩阵方程组(LMEs),将不相容的LME异类约束最小二乘解(Ls解)问题转化为相容的LMEs异类约束解问题,然后参照求LME的异类约束解的迭代算法,建立求LME的一种异类约束Ls解的迭代算法.不考虑舍入误差时,迭代算法可在有限步计算后求得LME的一组异类约束解或者异类约束Ls解;选取特殊的初始矩阵时,可求得LME的极小范数异类约束解或者异类约束Ls解.此外,还可在LME的异类约束解或者异类约束Ls解集合中给出指定矩阵的最佳逼近矩阵.算例表明,迭代算法是有效的.     

线性子空间上求解AX=B的最小二乘问题的迭代算法

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AX=B在任意线性子空间上的最小二乘解问题.在不考虑舍入误差的情况下,可以证明,所给迭代算法经过有限步迭代可得到矩阵方程AX=B的最小二乘解、极小范数最小二乘解及其最佳逼近.文中的数值例子证实了该算法的有效性.     

迭代法求解约束矩阵方程AXB+CYD=E

约束矩阵方程在自动控制理论、生物学、电学等领域有广泛的应用.本文研究了矩阵元素和特征值区间约束下矩阵方程AXB+CYD=E最小二乘解问题.给出矩阵对(X*,Y*)是问题的解的充分必要条件,给出计算约束解的迭代方法,证明了算法的全局收敛性.     

离散对偶代数Riccati方程异类约束解的双迭代算法

利用逆矩阵的Neumann级数形式,将在离散时间跳跃线性二次控制问题中遇到的含未知矩阵之逆的离散对偶代数Riccati方程(DCARE)转化为高次多项式矩阵方程组,然后采用牛顿算法求高次多项式矩阵方程组的异类约束解,并采用修正共轭梯度法求由牛顿算法每一步迭代计算导出的线性矩阵方程组的异类约束解或者异类约束最小二乘解,建立求DCARE的异类约束解的双迭代算法.双迭代算法仅要求DCARE有异类约束解,不要求它的异类约束解唯一,也不对它的系数矩阵做附加限定.数值算例表明,双迭代算法是有效的.     

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