求解结构矩阵低秩逼近的交替投影方法

结构矩阵低秩逼近在图像压缩、计算机代数和语音编码中有广泛应用.首先给出了几类结构矩阵的投影公式,再利用交替投影方法计算结构矩阵低秩逼近问题.数值试验表明新方法是可行的.     

半定矩阵秩极小的非凸精确松弛

本文主要研究半定矩阵秩极小问题(P)的非凸精确松弛及其性质.首先,为求解问题(P),我们引入其Schatten p-范数(0＜p＜1)松弛,记为(Sp).其次,通过定义半定限制等距常数和半定限制正交常数,我们给出了问题(P)有唯—解的充分条件.最后,利用半定限制等距性质,我们给出了问题(P)和(Sp)有相同唯一解的充分条件.特别地,对任意0＜p＜1,我们还得到—个一致的精确恢复条件.     

秩2修正矩阵的秩

In this paper,the authors discuss the relationship in detail between the rank of M in the modified matrix M=A BC~* and the rank of matrix A.The authors do believe the results are useful tools in the modified matrices.     

数据缺损矩阵低秩分解的正则化方法

数据缺损下矩阵低秩逼近问题出现在许多数据处理分析与应用领域. 由于极高的元素缺损率,数据缺损下的矩阵低秩逼近呈现很大的不适定性, 因而寻求有效的数值算法是一个具有挑战性的课题. 本文系统完整地综述了作者近期在这方面的一些研究进展, 给出了基本模型问题的不适定性理论分析, 提出了两种新颖的正则化方法: 元素约束正则化和引导正则化, 分别适用于中等程度的数据缺损和高度元素缺损的矩阵低秩逼近. 本文同时也介绍了相应快速有效的数值算法. 在一些实际的大规模数值例子中, 这些新的正则化算法均表现出比现有其他方法都好的数值特性.     

低秩稀疏矩阵恢复的快速非单调交替极小化方法

针对低秩稀疏矩阵恢复问题的一个非凸优化模型,本文提出了一种快速非单调交替极小化方法.主要思想是对低秩矩阵部分采用交替极小化方法,对稀疏矩阵部分采用非单调线搜索技术来分别进行迭代更新.非单调线搜索技术是将单步下降放宽为多步下降,从而提高了计算效率.文中还给出了新算法的收敛性分析.最后,通过数值实验的比较表明,矩阵恢复的非单调交替极小化方法比原单调类方法更有效.     

基于改进的不动点迭代算法的低秩Gram矩阵的恢复

仿射限制条件下的低秩矩阵的恢复问题广泛地出现在控制、信号处理及系统识别等许多领域中.此问题可以凸松弛为带仿射限制条件的矩阵核范数的极小化问题.尽管后者能够转化为标准的半定规划问题求解,但是对于规模较大的矩阵其产生的计算量也很大.为此提出一种新的求解Gram矩阵核范数极小化问题的一阶算法-改进的不动点迭代算法(FPC-BB),并给出了算法的收敛性分析.算法以不动点迭代算法(FPC)中的算子分裂技术为基础,通过改进阈值算子Tv来求解低秩Gram矩阵的恢复问题.同时,还引入Barzilai-Borwein技术进行参数的选取,提高了算法的收敛速度.数值实验显示算法不仅能够很快地将低秩Gram矩阵精确地恢复出来,对于一些非低秩矩阵的恢复问题也能得出较好的结果.     

求解低秩矩阵恢复问题的非单调交替梯度方向法

低秩矩阵恢复问题作为一类在图像处理和信号数据分析等领域中都十分重要的问题已被广泛研究.本文在交替方向算法的框架下,应用非单调技术,提出一种求解低秩矩阵恢复问题的新算法.该算法在每一步迭代过程中,首先利用一步带有变步长梯度算法同时更新低秩部分的两块变量,然后采用非单调技术更新稀疏部分的变量.在一定的假设条件下,本文证明了...     

关于矩阵秩的一个不等式

对任意矩阵 M,用 r( M)表示 M的秩。熟知 ,矩阵的秩是矩阵的一个重要不变量 ,对矩阵的加法和乘法 ,我们有下面两个基本的不等式。(一 )设 A、B是两个 m× n矩阵 ,则r( A +B)≤ r( A) +r( B) ( 1 )　　 (二 )设 A、B分别是两个 m× n、n× l矩阵 ,则r( A) +r( B) -n≤ r( AB)≤ min{ r( A) ,r( B) }它通常被称为 Sylvester不等式。对这两个不等式 ,有不同的证明和理解 ,见 [1、2 ]。在本文里 ,我们要结合矩阵的满秩分解 ,用不等式 (二 )来研究不等式 (一 ) ,从中给出 r( A+B)≤ r( A) +r( B)的一个推广形式。本文所需的矩阵知识是基…     

求矩阵秩的一个新算法

为了求出矩阵A的秩和它的行空间的一个基,学生总是被告知使用行初等变换方法把矩阵A变成阶梯形矩阵。于是该阶梯形矩阵的非零行的个数即为矩阵A的秩,而该阶梯形矩阵的各行则构成矩阵A的行空间的一个基。上述方法肯定是正确的,但在实践中,相应的运算却可能并不灵便。例如,对于一个整数矩阵A,有两个标准步骤来进行第一步,我们利用(基于除法的)行初等变换把矩阵A的第一列元素除第一项以外全部消成零。第二步,首先我们把第一行各元素分别除以该左手第一项a_(11)(假定A_(11)≠0)然后从除第一行以外的其余各行中减去现在新的第一行元素的适当倍数。无论那一种情况,下一步运算要考虑的对象均是(m-1)×(n-1)阶矩阵。因此,再重复上述步骤。     

浅析矩阵的秩

1.引言线性代数的特点之一是其概念多、定理多 ,从而题目所涉及到的类型也多 ,给初学者带来很多困难。本文以矩阵的秩为例 ,通过分析矩阵的秩在线性代数中的诸多作用 ,逐步加深对这一概念本质的理解 ,进而真正掌握矩阵的秩并能灵活地运用它解决各种有关问题。定义 1　矩阵 A中非零子式的最高阶数叫做矩阵 A的秩 ,记作 R( A)。从定义上看 ,一个矩阵的秩 ,就是一个数 ,但这个数在线性代数中的作用非同一般。2 .矩阵的秩在讨论方阵中的作用对于一个方阵 A,判断 A是否可逆及 A可逆时的一些特性 ,是线性代数中的重点之一。矩阵的秩在此起着重…     

一类矩阵多项式的秩特征

给出了一类矩阵多项式的秩特征定理及它的多种证法.     

分块矩阵取得极值秩的条件

证明了如何选取矩阵X,Y和Z使得下面的分块矩阵(AXYZ)取得它的极大秩和极小秩,这里A∈C~(m×n)是一个已知矩阵,X∈C~(m×k),Y∈C~(p×n)和Z∈C~(p×k)是三个任意矩阵.     

关于矩阵秩命题的证明

利用齐次线性方程组 AX =0的系数矩阵的秩和它的基础解系之间的关系 ,比较容易地证明许多有关矩阵秩或向量组秩的一些命题 .     

关于矩阵秩的几点注记

研究了任意数域上两个相乘可交换方阵的幂的乘积的秩,推广了一个熟知的关于方阵幂的秩的结果.     

一般矩阵元素振动秩的一个定理

在文[1]列满矩阵元素扰动秩的稳定性基础上,运用矩阵的范数,分析,研究一般矩阵A∈C^m&;#215;n元素扰动秩的问题,得出“存在ε＞0,只要δA∈C^m&;#215;n,满足||δ||＜ε,则有A＋δA∈U^nk=rC^m&;#215;nk=r的结论。     

矩阵的逆及秩的降阶方法

降阶方法是处理矩阵问题的最核心的思想方法之一.从分块矩阵■出发,利用降阶的思想,讨论了该矩阵的逆与秩的计算,并给出该降阶公式的各种变形以及在解题中的应用.     

两个矩阵秩等式的推广

给出文[1]建立的两个矩阵秩等式的统一推广.     

Hermitian型分块矩阵的极值秩

证明了可选取矩阵X和Hermitian矩阵Z,使得下面的Hermitian型分块矩阵(A XX*Z)取得它的极大秩和极小秩,这里A*=A∈Cm×m是一个已知的复矩阵,X∈Cm×k和Z*=Z∈Ck×k是两个任意的复矩阵.     

关于三幂等矩阵的秩特征的研究

本文对已有的关于三幂等矩阵秩的等式作了进一步研究，指出其中有些可以作为判定三幂等矩阵的充要条件，即三幂等矩阵的秩特征等式，本文还证明了有无穷多种三幂等矩阵的秩特征等式形式．     

线性映射视角下矩阵的秩

向量空间之间的线性映射是线性代数研究的主要内容之一.从线性映射的视角考察线性代数知识可以更清晰地认识线性代数中重要知识点的本质.利用线性映射知识,对矩阵秩的几个重要命题给出了比较简洁的证明.