相似变换矩阵的空间结构探讨

给定 n阶方阵及其若当矩阵 ,讨论所有与该若当矩阵可交换的矩阵空间的结构 ,得出方阵的所有相似变换矩阵的空间结构 .     

子空间上亚半正定矩阵反问题解存在的条件

1 引 言 本文用R~(m×n)表示全体m×n阶实矩阵的集合,R~n为所有n维列向量的全体,OR~(n×n)为n阶正交矩阵的集合,I_n为n阶单位矩阵,A~T,A~ ,B(A),R(A)~⊥,N(A)分别表示矩阵A的转置,Moore-Penrose广义逆,值域,值域的正交补空间及零空间,Ps是     

相似变换矩阵的空间结构探讨

结定n阶方阵及其若当矩阵，讨论所有与该若当矩阵可交换的矩阵空间的结构，得出方阵的所有相似变换矩阵的空间结构。     

关于近似广义极因子的误差界

设A是m×n阶复矩阵,分解式A=QH称为A的广义极分解,如果Q是m×n阶次酉短阵和H是n×n半正定的Hermite矩阵．本文给出了广义极分解的一些性质和推广了有关近似极因子的相关结论．     

与方阵可交换的矩阵空间结构的探讨

本文对给定的n阶矩阵,讨论与其可交换的矩阵空间的结构,得出求此线性空间的维数及基的方法。     

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.     

一类Sylvester矩阵方程的一个迭代算法

考虑这样一类Sylvester矩阵方程:AX XB=C,A,B分别为n阶正半定、正定矩阵,C为n阶矩阵.给出了一个收敛的迭代算法.     

关于半正定性与偏序关系的两个问题

在讨论参数估计的容许性问题时，我们常常要考虑矩阵的偏序关系．即设A，B均为n阶对称矩阵．著A-B是非负定阵，则称A大于等于B，记作A≥B，记号A≥0表示A为半正定阵．由矩阵不等式可导出根多数值不等式，如文[1]中有如下众所周知的结论：     

线性流形上矩阵方程BTXB=F的双对称最小二乘解

1引言令R~(n×m)、OR~(n×n)、SR~(n×n)(SR_0~(n×n))分别表示所有n×m阶实矩阵、n阶实正交阵、n阶实对称矩阵(实对称半正定阵)的全体,A~ 表示A的Moore-Penrose广义逆,I_k表示k阶单位矩阵,S_k表示k阶反序单位矩阵。R(A)表示A的列空间,N(A)表示A的零空间,rank(A)表示矩阵A的秩。对A=(a_(ij)),B=(b_(ij))∈R~(n×m),A*B表示A与     

线性矩阵方程的埃尔米特广义反汉密尔顿半正定解

利用埃尔米特广义反汉密尔顿半正定矩阵的表示定理,作者建立了线性矩阵方程在埃尔米特广义反汉密尔顿半正定矩阵集合中可解的充分必要条件,得到了解的一般表达式.对于逆特征值问题,也得到了可解的充分必要条件.对于任意一个 n 阶复矩阵,得到了相关最佳逼近问题解的表达式.     

多目标半定规划的最优性条件及对偶理论

在不变凸的假设下来讨论多目标半定规划的最优性条件、对偶理论以及非凸半定规划的最优性条件．首先给出了非凸半定规划的一个KKT条件成立的充分必要条件, 并利用此定理证明了其最优性必要条件．其次讨论了多目标半定规划的最优性必要条件、充分条件, 并对其建立Wolfe对偶模型, 证明了弱对偶定理和强对偶定理．     

求解非凸半定规划的一个非线性Lagrange算法及其收敛性分析

本文提出了一个求解非凸半定规划的非线性Lagrange算法,当二阶充分条件以及严格互补条件成立时,证明了这一算法的收敛性定理.收敛结果表明,当惩罚参数小于某个阀值时,算法是局部收敛的;此外,还给出了解的一个依赖于惩罚参数的误差界.     

多目标半定规划的互补弱鞍点和G-鞍点最优性条件

对于含矩阵函数半定约束和多个目标函数的多目标半定规划问题，给出Lagrange函数在弱有效意义下的互补弱鞍点和Geofrrion恰当有效意义下的G-鞍点的定义及其等价定义．然后，在较弱的凸性条件下，利用含矩阵和向量约束的择一性定理，建立多目标半定规划的互补弱鞍点和G-鞍点充分必要条件．     

Necessary and sufficient global optimality conditions for NLP reformulations of linear SDP problems

In this paper we consider the standard linear SDP problem, and its low rank nonlinear programming reformulation, based on a Gramian representation of a positive semidefinite matrix. For this nonconvex quadratic problem with quadratic equality constraints, we give necessary and sufficient conditions of global optimality expressed in terms of the Lagrangian function.     

A nonconvex ADMM for a class of sparse inverse semidefinite quadratic programming problems

ABSTRACT

In this paper, we consider a class of sparse inverse semidefinite quadratic programming problems, in which a nonconvex alternating direction method of multiplier is investigated. Under mild conditions, we establish convergence results of our algorithm and the corresponding non-ergodic iteration-complexity is also considered under the assumption that the potential function satisfies the famous Kurdyka–?ojasiewicz property. Numerical results show that our algorithm is suitable to solve the given sparse inverse semidefinite quadratic programming problems.     

Exact Solutions of Some Nonconvex Quadratic Optimization Problems via SDP and SOCP Relaxations

We show that SDP (semidefinite programming) and SOCP (second order cone programming) relaxations provide exact optimal solutions for a class of nonconvex quadratic optimization problems. It is a generalization of the results by S. Zhang for a subclass of quadratic maximization problems that have nonnegative off-diagonal coefficient matrices of quadratic objective functions and diagonal coefficient matrices of quadratic constraint functions. A new SOCP relaxation is proposed for the class of nonconvex quadratic optimization problems by extracting valid quadratic inequalities for positive semidefinite cones. Its effectiveness to obtain optimal values is shown to be the same as the SDP relaxation theoretically. Numerical results are presented to demonstrate that the SOCP relaxation is much more efficient than the SDP relaxation.     

On duality theory for non-convex semidefinite programming

In this paper, with the help of convex-like function, we discuss the duality theory for nonconvex semidefinite programming. Our contributions are: duality theory for the general nonconvex semidefinite programming when Slater’s condition holds; perfect duality for a special case of the nonconvex semidefinite programming for which Slater’s condition fails. We point out that the results of Fan (Appl. Math. Lett. 18:1068–1073, 2005) can be regarded as a special case of our result.     

凸半定规划中关于非奇异性的一个等价条件

本文将给出凸半定规划中关于非奇异性的一个等价条件,它可以看作线性半定规划中非奇异性的等价条件的推广.     

非线性半定规划一个全局收敛的无罚无滤子SSDP算法

提出了一个求解非线性半定规划的无罚函数无滤子序列二次半定规划(SSDP)算法. 算法每次迭代只需求解一个二次半定规划子问题确定搜索方向; 非单调线搜索保证目标函数或约束违反度函数的充分下降, 从而产生新的迭代点. 在适当的假设条件下, 证明了算法的全局收敛性. 最后给出了初步的数值实验结果.     

C1,1半定规划的二阶最优性条件

研究了C1,1函数类的半定规划问题,其中的目标函数是连续可微的,其梯度是拟可微的.利用拟可微分析分别给出了二阶必要条件和二阶充分条件.