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))。     

具有左、右特征向量及特征值约束下逆特征值问题

§1 问题的提法R~(n×m)表示所有 n×m 阶实阵集合,(A)表示矩阵 A 的列空间,A~+表示 A 的 Moore-Penrose 广义逆,P_A=AA~+表示到(A)的正交投影核子;I_n 表示 n 阶单位阵,‖·‖_F 表示 Frobenius 范数。问题Ⅰ给定X,Y∈~(n×m),Λ=diag(λ_1,λ_2,…,λ_m)∈R~(m×m),找 A∈R~(n×m),使得问题Ⅱ给定 A~*∈R~(n×n),找∈S_E,使得‖A~*-‖_F=‖A~*-A‖_F,其中 S_E是问题Ⅰ的集合。本文讨论问题Ⅰ有解的充分与必要条件,且求出 S_E的表达式,同时给出的表达式。     

一类对称次反对称矩阵反问题解存在的条件

1.引言 用Rn×m表示所有n×m阶实矩阵所组成的集合,Rr(n×m)表示Rn×m中秩为r的子集,A+表示矩阵A的Moore-Penrose广义逆,Ik表示k阶单位阵,||·||表示Frobenius范数. 定义1.若A=(aij)∈Rn×m满足:     

关于鲁棒的输出反馈极点配置问题的算法

本文使用下列符号:R~(n×m):所有n×m实矩阵的全体;R_r~(n×m):所有秩为r的n×m实矩阵的全体;||·||_2:向量的欧氏范数和矩阵的谱范数;||·||_F:矩阵的Frobenius范数;     

矩阵方程AX=B的一类反问题及数值解法

§1.引言 用I_r表示r阶单位阵,R~(n×m)表示所有n×m实矩阵的集合.||·||_F表示Frobenius范数.若?0≠x∈R~n有x~TAx≥0(>0),则记为A≥0(>0);若A≥0(>0)且A=A~T,则称A为对称半正定(正定)阵.     

线性流形上中心对称矩阵的最佳逼近

1 引 言令Rn×m表示所有n×m阶实矩阵集合;ORn×n表示所有n×n阶正交矩阵之集;A+表示矩阵A的Moore-Penrose广义逆;Iκ表示κ阶单位阵;||·||表示矩阵的Frobenius范数;rank（A）表示矩阵A的秩.设ei为n阶单位矩阵In的第i列（i=1,2,…,n）,记Sn=（en,en-1,…,e1）,易知     

一类矩阵反问题及其数值解法

1.问题的提法 R~(n×m)表示所有n×m阶实矩阵的集合,R~(n×1)=R~n,R_r~(n×m)表示R~(n×m)中秩为r的子集.||·||取Frobenius范数.若?0≠x∈R~n,α≥0,有x~TAx≥αx~Tx(>αx~Tx),则记为A≥α(>α).若A≥0(>0)且A=A~T,则A为对称半正定(正定)阵. 令     

双反对称矩阵反问题的最小二乘解

1 引 言Rn×m表示所有n×m阶实矩阵集合,Rrn×m表示Rn×m中秩为r的子集;ORn×m表示所有n阶正交阵的集合;A+表示A的Moore-Penrose广义逆;Iκ表示κ阶单位阵;||·||表示Frobenius范数;ASRn×m表示n阶实反对称阵的全体;A＊B表示A与B的Hadamard乘     

线性约束下的矩阵束最佳逼近及其应用

1.引言 用C~(n×m)表示所有n×m阶复矩阵的集合,R~(n×m)表示所有n×m阶实矩阵的集合,R_r~(n×m)表示R~(n×m)中矩阵秩为r的子集.任取A,B∈R~(n×m),定义内积和范数为     

加权广义逆、加权最小二乘和约束最小二乘问题

本文采用如下记号:记C~m×n是具有复数域的m×n长方矩阵的集合,C~m=C~m×1是m维向量的集合.对A∈C~m×n称A~H∈C~m×n是A的共轭转置矩阵,rank(A)表示A的秩,R(A)和N(A)分别为A的值域和零空间,||·||=||·||2和||·||F分别为2-范数和Frobenius范数;I表示恒等矩阵.人们在研究数学规划、数值分析、数据处理,散射理论和电磁学等领域中都将问题归纳为如下的最小二乘问题: