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.     

含高次逆幂的矩阵方程对称解的双迭代算法

本文研究了在控制理论和随机滤波等领域中遇到的一类含高次逆幂的矩阵方程的等价矩阵方程对称解的数值计算问题.采用牛顿算法求等价矩阵方程的对称解,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的对称解或者对称最小二乘解,建立了求这类矩阵方程对称解的双迭代算法,数值算例验证了双迭代算法是有效的.     

双矩阵变量Riccati矩阵方程对称解的迭代算法

研究一类双矩阵变量Riccati矩阵方程(R-ME)对称解的数值计算问题.运用牛顿算法求R-ME的对称解时,会导出求双矩阵变量线性矩阵方程的对称解或者对称最小二乘解的问题,采用修正共轭梯度法解决导出的线性矩阵方程约束解问题,可建立求R-ME的对称解的迭代算法.数值算例表明,迭代算法是有效的.     

一类Riccati矩阵方程广义自反解的双迭代算法

本文研究了一类Riccati矩阵方程广义自反解的数值计算问题.利用牛顿算法将Riccati矩阵方程的广义自反解问题转化为线性矩阵方程的广义自反解或者广义自反最小二乘解问题,再利用修正共轭梯度法计算后一问题,获得了求Riccati矩阵方程的广义自反解的双迭代算法.拓宽了求解非线性矩阵方程的迭代算法.数值算例表明双迭代算法是有效的.     

一类Lyapunov矩阵方程的双反对称解的迭代算法

基于求线性代数方程组的共轭梯度法的思想,建立一种求Lyapunov矩阵方程的双反对称解的迭代算法,对任意给定的初始双反对称矩阵,算法能够在有限步迭代计算后得到矩阵方程的极小范数双反对称解,同时在上述解集中也可得出指定矩阵的最佳逼近双反称矩阵.数值算例表明,迭代算法是有效的.     

参量连续代数Riccati方程对称解的两种迭代算法

基于求线性矩阵方程约束解的修正共轭梯度法,针对源于低增益反馈设计中的一类参量连续代数Riccati方程,建立求其非零对称解的两种互为补充的迭代算法,称之为变换-MCG算法和牛顿-MCG算法.在一定条件下,当Riccati方程存在可逆对称解或唯一对称正定解时,由变换-MCG算法所得对称解具备可逆性或正定性.牛顿-MCG算法仅要求Riccati方程存在非零对称解,对系数矩阵等没有附加限定,但所得对称解不能保证可逆性或正定性.数值算例表明,两种迭代算法是有效的.     

求Lyapunov矩阵方程的双对称解的迭代算法

本文研究了Lyapunov矩阵方程.利用共轭梯度法,建立了求该矩阵方程双对称解的迭代算法.同时,也能给出指定矩阵的最佳逼近双对称矩阵.     

矩阵方程AXA^T＋BYB^T=C的双对称最小二乘解及其最佳逼近

基于共轭梯度法的思想,通过特殊的变形,建立了一类求矩阵方程AXA^T＋BYB^T=C的双对称最小二乘解的迭代算法．对任意的初始双对称矩阵．在没有舍人误差的情况下,经过有限步迭代得到它的双对称最小二乘解;在选取特殊的初始双对称矩阵时,能得到它的的极小范数双对称最小二乘解．另外,给定任意矩阵,利用此方法可得到它的最佳逼近双对称解,数值例子表明,这种方法是有效的．     

一类Riccati方程组对称自反解的两种迭代算法

针对源于Markov跳变线性二次控制问题中的一类对偶代数Riccati方程组,分别采用修正共轭梯度算法和正交投影算法作为非精确Newton算法的内迭代方法,建立求其对称自反解的非精确Newton-MCG算法和非精确Newton-OGP算法.两种迭代算法仅要求Riccati方程组存在对称自反解,对系数矩阵等没有附加限定.数值算例表明,两种迭代算法是有效的.     

参量离散代数Riccati方程对称解的两类迭代算法

基于求线性矩阵方程约束解的修正共轭梯度法,针对源于低增益反馈设计和时滞控制系统中的一类参量离散代数Riccati方程,建立求其非零对称解的Newton-MCG算法和非精确Newton-MCG算法以及求其可逆对称解的T-MCG算法.(非精确)Newton-MCG算法仅要求Riccati方程存在非零对称解,对系数矩阵等没有附加限定,但所得对称解不能保证可逆性或正定性;在系数矩阵满足可控性等条件下,由T-MCG算法所得对称解是正定的.数值算例表明,两类迭代算法是有效的.     

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.     

解非线性方程的自动调节阻尼法

解非线性方程组的一般方法是将其线性化,形成各种形式的迭代程序进行数值近似计算.对于复杂强非线性问题,在迭代过程中往往不易收敛,甚至数值失稳而发散.不能满足工程要求.常规的牛顿法及改进的牛顿法均未彻底解决这一问题,因而使得复杂强非线性问题的数值模拟计算受到了限制.本文提出一种新的方法---自动调节阻尼法,是对带阻尼因子的牛顿法的进一步改进.引进阻尼因子向量,在迭代过程中,通过判断与调整,不断地自动调节阻尼因子向量,引用有效收敛系数与加速系数,改善对赋初值的要求,加速求解的迭代过程,保证了复杂强非线性方程求解的稳定性.采用这一新的方法,已成功地数值模拟了飞机中的一些复杂的传热问题,可进一步推广用于非线性流动、传热、结构动力响应等各种复杂强非线性的工程问题的数值模拟计算.     

信号处理中一类非线性方程组的快速求解

在声纳和雷达信号处理中,需要求解一类维数可变的非线性方程组,这类方程组具有混合三角多项式方程组形式.由于该问题有很多解,且其对应的最小二乘问题有很多局部极小点,用牛顿法等传统的迭代法很难找到有物理意义的解.若把它化为多项式方程组,再用解多项式方程组的符号计算方法或现有的同伦方法求解,由于该问题规模太大而不能在规定的时间内求解,而当考虑的问题维数较大时,利用已有的方法甚至根本无法求解.综合利用我们提出的解混合三角多项式方程组的混合同伦方法和保对称的系数参数同伦方法,我们给出该类问题一种有效的求解方法.利用这种方法,可以达到实时求解的目的,满足实际问题的需要.     

广义耦合Sylvester矩阵方程的对称-反对称最小二乘解

本文主要研究极小残差问题‖(A1XB1+C1YD1A2XB2+C2YD2)-(M1M2)‖=min关于X对称-Y反对称解的迭代算法.本文首先给出等价于极小残差问题的规范方程,然后,提出求解此规范方程的对称-反对称解的迭代算法.在不考虑舍入误差的情况下,任取一个初始的对称-反对称矩阵对(X0,Y0),该算法都可以在有限步内求得该极小残差问题的对称-反对称解.最后讨论该问题的极小范数对称-反对称解.     

连续Sylvester矩阵方程求解的分裂迭代算法

有效求解连续的Sylvester矩阵方程对于科学和工程计算有着重要的应用价值,因此该文提出了一种可行的分裂迭代算法.该算法的核心思想是外迭代将连续Sylvester矩阵方程的系数矩阵分裂为对称矩阵和反对称矩阵,内迭代求解复对称矩阵方程.相较于传统的分裂算法,该文所提出的分裂迭代算法有效地避免了最优迭代参数的选取,并利用了复对称方程组高效求解的特点,进而提高了算法的易实现性、易操作性.此外,从理论层面进一步证明了该分裂迭代算法的收敛性.最后,通过数值算例表明分裂迭代算法具有良好的收敛性和鲁棒性,同时也证实了分裂迭代算法的收敛性很大程度依赖于内迭代格式的选取.     

Newton's iteration for non-linear equations in Markov chains

A large number of queueing systems may be modelled as infiniteMarkov chains for which the transition matrix has a repetitivestructure. In order to determine the stationary distributionfor these Markov chains, it is necessary to find a particularsolution of a non-linear matrix equation. Various iterative algorithms have been proposed to determinethe matrix of interest. We consider here one particular algorithmand transform it by Newton's method. We show that Newton's algorithmis well defined and converges quadratically in the domain ofinterest.     

Quadratically Convergent Method for Simultaneously Approaching the Roots of Polynomial Solutions of a Class of Differential Equations: Application to Orthogonal Polynomials

This paper investigates the application of the method introduced by L. Pasquini (1989) for simultaneously approaching the zeros of polynomial solutions to a class of second-order linear homogeneous ordinary differential equations with polynomial coefficients to a particular case in which these polynomial solutions have zeros symmetrically arranged with respect to the origin. The method is based on a family of nonlinear equations which is associated with a given class of differential equations. The roots of the nonlinear equations are related to the roots of the polynomial solutions of differential equations considered. Newton's method is applied to find the roots of these nonlinear equations. In (Pasquini, 1994) the nonsingularity of the roots of these nonlinear equations is studied. In this paper, following the lines in (Pasquini, 1994), the nonsingularity of the roots of these nonlinear equations is studied. More favourable results than the ones in (Pasquini, 1994) are proven in the particular case of polynomial solutions with symmetrical zeros. The method is applied to approximate the roots of Hermite–Sobolev type polynomials and Freud polynomials. A lower bound for the smallest positive root of Hermite–Sobolev type polynomials is given via the nonlinear equation. The quadratic convergence of the method is proven. A comparison with a classical method that uses the Jacobi matrices is carried out. We show that the algorithm derived by the proposed method is sometimes preferable to the classical QR type algorithms for computing the eigenvalues of the Jacobi matrices even if these matrices are real and symmetric.     

Block Based Bivariate Blending Rational Interpolation via Symmetric Branched Continued Fractions

This paper constructs a new kind of block based bivariate blending rational interpolation via symmetric branched continued fractions. The construction process may be outlined as follows. The first step is to divide the original set of support points into some subsets (blocks). Then construct each block by using symmetric branched continued fraction. Finally assemble these blocks by Newton’s method to shape the whole interpolation scheme. Our new method offers many flexible bivariate blending rational interpolation schemes which include the classical bivariate Newton’s polynomial interpolation and symmetric branched continued fraction interpolation as its special cases. The block based bivariate blending rational interpolation is in fact a kind of tradeoff between the purely linear interpolation and the purely nonlinear interpolation. Finally, numerical examples are given to show the effectiveness of the proposed method.