共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
研究如下形式的LP minc~Tx, s.t.Ax=0,(1) e~Tx=1,x≥0。其中A为m×n的行满秩矩阵,e=(1,…,1)~T∈R~n。已知x~0=(x_1~0,…,x_n~0)~T为(1)的一个严格可行内点。令Ω={x|x∈R~n,Ax=0},S={x|x∈R~n,e~Tx=1,x≥0},D=diag{x_1~0,…,x_n~0}。我们用统一的观点和方法导出K法和MK法。对(1)进行投影变换T: (?)x∈R~n,有 T(x)=y=(D~(-1)x/(e~TD~(-1)x))。 (2) 相似文献
3.
考虑问题: (?)f(x) (NP)其中R={x∈R~n|a_i~Tx≤b_i,i=1,…,m},f(x)一阶连续可微且凸。本文在R退化条件下,给出了一个整体超线性收敛的变尺度法。记N={1,…,m),J(?)N,记A_J={a_i|i∈J}。当γ(A_J)=|J|时,R~n到 R_J={x∈R~n|a_i~Tx=0,i∈J}的正投影矩阵P_J=E_n-A_J(A_J~TA_J)~(-1)A_J~T。若{a_i|i∈I}和{a_i|i∈J}都是{a_i|i∈N′(?)N}的最大线性无关组,则P_J=P_I。x~k∈R,记N_k={i∈N|a_i~Tx~k=b_i},gk=▽f(x~k)。 相似文献
4.
非线性约束条件下的梯度投影方法 总被引:9,自引:0,他引:9
§1.引言 考虑问题:其中R={x∈E~n|h_i(x)≤0,i=1,…,m},并且满足 (H1)h_i(x),i=1,…,m为一阶连续可微的凸函数;f(x)为一阶连续可微函数。 (H2)对A_x∈R:{△h_i(x)|i∈J_0(x)}为线性无关的向量组,其中J_0(x)={i|h_i(x)=0}。 对这类非线性约束的极值问题,以往的梯度投影方法是先对切面做梯度的投影,然后拉回到可行区域,原因是梯度在切面上的投影往往已不是可行方向。本文改变了以往 相似文献
5.
这里A是某个紧Hausdorff空间,l,u∈C(A).G是由{h_1,…,h_n}张成的n维子空间,且满足下述条件: i)h_i是定义在T∪A上的函数,且在T上,h_i∈L_p~w(T,μ),在A上连续(i=1,2,…,n)。 ii){h_i}_i~n=1在T和A上分别是线性无关的. 相似文献
6.
7.
《高等学校计算数学学报》2017,(3)
<正>1引言给定R~n中非空子集Ω和函数F:R~n→R~n,变分不等式问题(简记为VIP(Ω,F))是指寻求向量x~*∈Ω满足(y-x~*)~T F(x~*)≥0,?y∈Ω.常见的VIP(Ω,F)是集合Ω为区间[l,u]的情形,即Ω=[l,u]={x=(xi)∈R~n|l_i≤x_i≤u_i,i=1,…,n},其中l_iu_i,i=1,…,n.在一些文献中,这一问题也称为混合互补问题(见[7]).容易证明,x~*=(x_i~*)∈R~n是VIP([l,u],F)的解的充要条件是 相似文献
8.
正1引言对给定的矩阵A∈R~(n×n)和正定阵B∈R~(n×n),特征值互补问题(EiCP)~([1-3])是指:求实数λ和向量x∈R~n\{0}使得{y=(A-λB)x y≥0,x≥0 y~Tx=0 (1)它源于工程和物理问题,如对力学接触问题和结构力学系统的稳定性的研究[3-6].EiCP也可表示为如下形式的锥约束特征值问题[7,8]:对给定的矩阵A∈R~(n×n)和正定阵B∈R~(n×n),求实数λ和向量量x∈R~n\{0}使得 相似文献
9.
线性抛物型积分微分方程的扩展混合体积元方法 总被引:2,自引:0,他引:2
1 引言 考虑线性抛物型积分微分方程初边值问题: {pt(x,t)-▽.{A(x,t)▽p(x,t) +∫t0 B(x,t,τ)▽p(x,τ)dτ}=f(x,t),(x,t)∈Ω×(0,T],(1.1) p(x,0):p0(x), x∈Ω, p(x,t)=0, (x,t)∈(a)Ω×(0,T]. 这里x=(x,y),Ω=(a,b)×(c,d),(e)Ω是区域Ω的边界,p为未知函数,A=(aij)2×2为已知的对称正定矩阵,B=(bij)2×2为已知矩阵,而且aij,bij,(aij)t(i,j=1,2)光滑有界,f∈L2(Ω). 相似文献
10.
双重随机向量序列模型的平稳解 总被引:1,自引:1,他引:0
设(Ω,(?),P)为一概率空间,I={0,±1,…}。{U_t,t∈I}为定义在(Ω,(?),P)上的p维独立白噪声,EU_t=0,EU_tU_s~t=S,{φ_t,t∈I}为定义在同一概率空间上的任一p×p随机矩阵列。则称满足 相似文献