线性子空间上求解AXB+CXD=F的最小二乘问题的迭代算法

应用共轭梯度方法和线性投影算子,给出了求解线性矩阵方程AXB+CXD=F在任意线性子空间上的最小二乘解问题的迭代算法.在不考虑舍入误差的情况下,理论上可以证明,所给迭代算法经过有限步迭代可得到矩阵方程AXB+CXD=F的最小二乘解,极小范数解及其最佳逼近.该算法可以应用于任何线性子空间,包括由对称矩阵,中心对称矩阵等构成的线性子空间.文中的数值例子证实了该算法的有效性.     

线性子空间上求解矩阵方程组A_1XB_1=C_1,A_2XB_2=C_2的迭代算法

应用共轭梯度方法,结合线性投影算子,给出迭代算法求解了线性矩阵方程组A_1XB_1=C_1,A_2XB_2=C_2在任意线性子空间上的约束解及其最佳逼近.当矩阵方程组A_1XB_1=C_1,A_2XB_2=C_2相容时,可以证明,所给迭代算法经过有限步迭代可得到矩阵方程组的约束解、极小范数解和最佳逼近.文中的数值例子证实了该算法的有效性.     

双变量矩阵方程组对称最小二乘解的迭代算法

本文研究了求双变量线性矩阵方程组的对称最小二乘解的问题.利用求解线性代数方程组的共轭梯度法的基本思想,通过对有关矩阵和系数的变形与近似处理,建立了一种迭代算法.拓宽了共轭梯度法的适用范围.算例表明,迭代算法是有效的.     

双变量LMEs一种异类约束最小二乘解的MCG算法

借鉴求线性矩阵方程组(LMEs)同类约束最小二乘解的修正共轭梯度法,建立了求双变量LMEs的一种异类约束最小二乘解的修正共轭梯度法,并证明了该算法的收敛性.在不考虑舍入误差的情况下,利用该算法不仅可在有限步计算后得到LMEs的一组异类约束最小二乘解,而且选取特殊初始矩阵时,可求得LMEs的极小范数异类约束最小二乘解.另外,还可求得指定矩阵在该LMEs的异类约束最小二乘解集合中的最佳逼近.算例表明,该算法是有效的.     

求解矩阵方程组A1XB1+C1XD1=E1,A2XB2+C2XD2=E2的迭代算法北大核心CSCD

应用共轭梯度方法和线性投影算子,给出迭代算法求解了线性矩阵方程组A1XB1＋C1XD1=E1,A2XB2＋C2XD2=E2在任意线性子空间上的约束解及其最佳逼近.可以证明,当矩阵方程组A1XB1＋C1XD1=E1,A2XB2＋C2XD2=E2相容时,所给迭代算法经过有限步迭代可得到矩阵方程组的约束解,极小范数解和最佳逼近.文中的数值例子证实了该算法的有效性.     

线性矩阵方程组AX=B,YA=D的最小二乘(R,S_σ)-交换解

Trench在[Characterization and properties of (R,S_σ)-commutative matrices,Linear Algebra Appl.,2012,436:4261-4278]中给出了(R,S_σ)-交换矩阵的定义.本文在此基础上讨论(R,S_σ)-交换矩阵的一般性结构,对给定的矩阵X,Y,B,D,以及线性方程组AX=B,YA=D在(R,S_σ)-交换矩阵集合中的最小二乘问题及最佳逼近问题.细致分析最小二乘(R,S_σ)-交换解和最佳逼近解的具体解析表达式.同时在方程组相容情况下分析(R,S_σ)-交换解存在的充要条件及其具体解析表达式.     

Hermitian自反矩阵反问题的最小二乘解

本文研究了Hermitian自反矩阵反问题的最小二乘解及其最佳逼近.利用矩阵的奇异值分解理论,获得了最小二乘解的表达式.同时对于最小二乘解的解集合,得到了最佳逼近解.     

广义中心对称矩阵反问题的最小二乘解

讨论了广义中心对称矩阵反问题的最小二乘解,得到了解的一般表达式,并就该问题的特殊情形:矩阵反问题,得到了可解的充分必要条件及解的通式.此外,证明了最佳逼近问题解的存在惟一性,并给出了其解的具体表达式.     

关于矩阵方程AXB=E的加权最小二乘Hermite解

In this paper, we discuss the matrix equation AXB = C. We obtain a terse expression of weighted least-squares solution by applying the canonical correlation decomposition(CCD), we discuss the sufficient and necessary conditions for existence of Hermitian solutions, and derive a general form of the Hermite solutions.We also derive the expression of the optimal approximation solution in the set of Hermite soluti6ns to given matrix.     

求矩阵方程AXB+CXD=F的中心对称最小二乘解的迭代算法

该文建立了求矩阵方程AXB+CXD=F的中心对称最小二乘解的迭代算法.使用该算法不仅可以判断该矩阵方程的中心对称解的存在性,而且无论中心对称解是否存在,都能够在有限步迭代计算之后得到中心对称最小二乘解.选取特殊的初始矩阵时,可求得极小范数中心对称最小二乘解.同时,也能给出指定矩阵的最佳逼近中心对称矩阵.     

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.     

关于广义线性最小二乘问题的扰动分析

1问题 在应用统计中，常用的参数估计方法之一是广义线性最小二乘min(Cx-y)~TW~+(Cx-y).(1.1)其中C为m×n矩阵，W为m×m对称半正定矩阵，上标+代表Moore-Penrose广义逆Paige~[1]注意到：从统计观点看，W一般未必可逆，且通常具有对称满秩分解W=BB~T，因而，把问题改述为下述形式更合适     

范德蒙型方程组最小二乘解的快速算法

在用多项式进行曲线拟合等实际问题中,需要求解以范德蒙型矩阵VT为系数阵的线性方程组VTx=b的最小二乘解.     

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.     

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.     

一类线性约束矩阵不等式及其最小二乘问题

本文主要考虑一类线性矩阵不等式及其最小二乘问题,它等价于相应的矩阵不等式最小非负偏差问题.之前相关文献提出了求解该类最小非负偏差问题的迭代方法,但该方法在每步迭代过程中需要精确求解一个约束最小二乘子问题,因此对规模较大的问题,整个迭代过程需要耗费巨大的计算量.为了提高计算效率,本文在现有算法的基础上,提出了一类修正迭代方法.该方法在每步迭代过程中利用有限步的矩阵型LSQR方法求解一个低维矩阵Krylov子空间上的约束最小二乘子问题,降低了整个迭代所需的计算量.进一步运用投影定理以及相关的矩阵分析方法证明了该修正算法的收敛性,最后通过数值例子验证了本文的理论结果以及算法的有效性.     

界约束下算子方程最小二乘问题的条件梯度法

研究如下界约束下算子方程最小二乘问题:min x∈Ω‖L(X:A_1,…,At;B_1,…,B_t)-T‖~2,其中‖.‖为Frobenius范数,L(X:A_1…A_t;B_1,…,B_t)为关于X的线性矩阵算子(或齐次线性变换),Ai∈R~(p×m),B_j∈R~(n×q)i,j=1,…,n为算子L的系数矩阵,丁为右端矩阵,ΩR~(m×n)为界约束凸集合.提出了求解问题的条件梯度迭代算法及其简要收敛性分析,并给出条件梯度算法的几类加速形式.随机数据和图像恢复模型数据的实验结果表明说明算法是可行高效的.     

A SELF-ADAPTIVE ALGORITHM FOR NONLINEAR LEAST SQUARES WITH LINEAR CONSTRAINTS

An algorithm for solving nonlinear least squares problems with general linear inequality constraints is described.At each step,the problem is reduced to an unconstrained linear least squares problem in a subs pace defined by the active constraints,which is solved using the quasi-Newton method.The major update formula is similar to the one given by Dennis,Gay and Welsch (1981).In this paper,we state the detailed implement of the algorithm,such as the choice of active set,the solution of subproblem and the avoidance of zigzagging.We also prove the globally convergent property of the algorithm.     

矩阵方程AXB+CX~TD=E自反最佳逼近解的迭代算法

本文研究了Sylvester矩阵方程AXB+CXTD=E自反(或反自反)最佳逼近解.利用所提出的共轭方向法的迭代算法,获得了一个结果:不论矩阵方程AXB+CXTD=E是否相容,对于任给初始自反(或反自反)矩阵X1,在有限迭代步内,该算法都能够计算出该矩阵方程的自反(或反自反)最佳逼近解.最后,三个数值例子验证了该算法是有效性的.