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 ] .…     

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     

实对称带状矩阵特征值反问题

用R~(n×m)表示所有n×m实矩阵的集合;OR~(n×n)表示所有n×n正交矩阵的集合;S_(n,r)表示所有带宽为2r+1的n阶实对称矩阵的集合;||·||_F表示矩阵的Frobenius范数,||·||表示向量的Euclid范数.任取A∈R~(n×m),满足AA~-A=A 的A~-∈R~(m×n)叫做A的内逆,满足AA_l~-A=A和(AA_l~-)~T=AA_l~-的A_l~-∈R~(m×n)叫做A的最小二乘广义逆,     

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     

等式约束加权线性最小二乘问题的解法

1 引言 在实际应用中常会提出解等式约束加权线性最小二乘问题 min||b-Ax||_M,(1.1) x∈C~n s.t.Bx=d, 其中B∈C~(p×n),A∈C~(q×n),d∈C~p,b∈C~q,M∈C~(q×q)为Hermite正定阵. 对于问题(1.1),目前已有多种解法,见文[1—3).本文将利用广义逆矩阵的知识,给出(1.1)的通解及迭代解法.本文中关于矩阵广义逆与投影算子(矩阵)的记号基本上与文[4]的相同.例如,A~+表示A的MP逆,P_L表示到子空间L上的正交投影算子,λ_(max)(MAY)表示矩阵M~(1/2)AY的最大特征值.我们还要用到广义BD逆的概念: 设A∈C~(n×n),L为C~n的子空间,则称A_(L)~(+)=P_L(AP_L+P_L⊥)~+为A关于L的广义BD逆.     

一类双对称矩阵反问题的最小二乘解

１．问题的提出近年来,对于矩阵反问题ＡＸ＝Ｂ的研究已取得了一系列的结果［１］,获得了解存在的条件,但由于实际问题中Ｘ,Ｂ由实验给出,很难保证满足解存在的条件,因此研究问题的最小二乘解是有实际意义的．本文就结构设计中用到的一类双对称矩阵的最小二乘问题进行探讨．令Ｒ~(ｎ×ｍ)表示所有ｎ×ｍ阶实矩阵集合,Ｒ~n=Ｒ~(n×1)　表示其中秩为ｒ的子集;ＯＲ~（ｎ×ｎ）　表示所有ｎ阶正交阵之集;Ａ~（ ）表示矩阵Ａ的Ｍｏｏｒｅ－Ｐｅｎｒｏｓｅ广义逆;Ｉ_ｋ表示ｋ阶单位阵;||·||表示Fｒｏｂｅｎｉｕｓ范数;表示ＳＲ~(ｎ…     

矩阵方程ATXB+BTXTA=D的极小范数最小二乘解

1引言本文用Rm×n表示所有m×n实矩阵全体,ORn×n,ASRn×n分别表示n×n实正交矩阵类与反对称矩阵类.‖·‖F表示矩阵的Frobenius范数,A+为矩阵A的Moore-Penrose广义逆,A*B与A(?)B分别表示矩阵4与B的Hadamard乘积及Kronecker乘积,即若A=(aij),B=(bij),则A*B=(ajibij),A(?)B=(aijB),vec4表示矩阵A的按行拉直,即若A=[aT1,aT2,…,aTm],其中ai为A的行向量,则vecA=(a1a2…am)T.设A∈Rn×m,B∈Rp×m,D∈Rm×m,我们考虑不相容线性矩阵方程ATXB+BTXTA=D(1.1)     

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:     

非齐次对称特征值问题

引言 用SR~(n×n)表示所有。n×n实对称矩阵的集合。R~n表示n维线性空间。||·||_2表示向量的Euclid范数或矩阵的谱范数。 本文研究如下问题: 问题ISEP 给定矩阵A∈SR~n×n和向量b∈R~n,求实数λ和向量X∈R~n使得 AX=λX+b, (1) ||X||_2=1. (2) 若b=0,则问题ISEP就是通常的实对称矩阵特征值问题,若b≠0,则问题ISEP称为非齐次对称特征值问题,使(1)和(2)式成立的数λ和向量X分别称为非齐次特征值和相应的非齐     

一类对称正交对称矩阵反问题的最小二乘解

1 引言 本文记号R~(n×m),OR~(n×n),A~+,I_k,SR~(n×n),rank(A),||·||,A*B,BSR~(n×n)和ASR~(n×n)参见[1].若无特殊声明文中的P为一给定的矩阵且满足P∈OR~(n×n)和P=P~T. 定义1 设A=(α_(ij))∈R~(n×n).若A满足A=A~T,(PA)~T=PA则称A为n阶对称正交对称矩阵;所有n阶对称正交对称矩阵的全体记为SR_P~n.若A∈R~(n×n)满足A~T=A,(PA)~T=-PA,则称A为n阶对称正交反对称矩阵;所有n阶对称正交反对     

TLS和LS问题的比较

There are a number of articles discussing the total least squares(TLS) and the least squares(LS) problems.M.Wei(M.Wei, Mathematica Numerica Sinica 20(3)(1998),267-278) proposed a new orthogonal projection method to improve existing perturbation bounds of the TLS and LS problems.In this paper,wecontinue to improve existing bounds of differences between the squared residuals,the weighted squared residuals and the minimum norm correction matrices of the TLS and LS problems.     

加权总体最小二乘问题的分析

总体最小二乘问题由Golub和Van Loan首先进行数学的分析,随后人们对于总体最小二乘问题的算法、解的各种形式、总体最小二乘解和最小二乘解的关系、总体最小二乘解的扰动理论以及数值试验作了大量的研究工作。近来,[10]中给出了总体最小二乘问题(TLS)较一般地讨论。另一方面,Golub和Van Loan研究了总体最小二乘问题的特殊均加权形式。本文试图在[10,11]的基础上讨论最一般的总体最小二     

加权总体最小二乘问题的解集和性质

本文讨论了加权总体最小二乘问题的等价解集，分析了加权总体最小二乘解与加权最小二乘问题的解之间的关系。推广了Ｇｏｌｕｂ和Ｖａｎ Ｌｏａｎ，Ｖａｎ Ｈｕｆｆｅｌ和Ｖａｎｄｅｗａｌｌｅ，及Ｗｅｉ的相应结果。     

EXTENDED OBLIQUE PROJECTION METHOD FOR GENERALIZED LEAST SQUARES PROBLEM

We extend the oblique projection method given by Y.Saad to solve the generalized least squares problem. The corresponding oblique projection operator is presented and the convergence theorems are proved. Some necessary and sufficient conditions for computing the solution or the minimum N-norm solution of the min || A x- b ||M2 have been proposed as well.     

A NUMERICALLY STABLE BLOCK MODIFIED GRAM-SCHMIDT ALGORITHM FOR SOLVING STIFF WEIGHTED LEAST SQUARES PROBLEMS

Recently, Wei in proved that perturbed stiff weighted pseudoinverses and stiff weighted least squares problems are stable, if and only if the original and perturbed coefficient matrices A and A^- satisfy several row rank preservation conditions. According to these conditions, in this paper we show that in general, ordinary modified Gram-Schmidt with column pivoting is not numerically stable for solving the stiff weighted least squares problem. We then propose a row block modified Gram-Schmidt algorithm with column pivoting, and show that with appropriately chosen tolerance, this algorithm can correctly determine the numerical ranks of these row partitioned sub-matrices, and the computed QR factor R^- contains small roundoff error which is row stable. Several numerical experiments are also provided to compare the results of the ordinary Modified Gram-Schmidt algorithm with column pivoting and the row block Modified Gram-Schmidt algorithm with column pivoting.     

矩阵方程AXB+CY D=E的三对角中心对称极小范数最小二乘解

本文研究了矩阵方程AXB+CY D=E的三对角中心对称极小范数最小二乘解问题.利用矩阵的Kronecker积和Moore-Penrose广义逆方法,得到了矩阵方程AXB+CY D=E的三对角中心对称极小范数最小二乘解的表达式.     

THE NESTED TOTAL LEAST SQUARES PROBLEM:FORMULATION,SOLUTIONS AND PERTURBATION ANALYSIS

In this paper, we propose the nested totoal least squatres problem (NTLS), which is an extension of the equality constrained least squares problem (LSE). The formulation of the NTLS problem is given and the solution set of the NTLS problem is obtained. The least squares residuals and the minimal norm correction matrices of the NTLS solution are provided and a perturbation analysis of the NTLS solutions is given.     

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.