共查询到16条相似文献,搜索用时 46 毫秒
1.
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. 相似文献
2.
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. 相似文献
3.
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. 相似文献
4.
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. 相似文献
5.
建立了求矩阵方程AXB=C反对称解的迭代方法.使用该方法不仅能够判断反对称解的存在性,而且在有反对称解时,能够在有限步迭代计算之后得到反对称解.选取特殊的初始矩阵,可求得极小范数反对称解. 相似文献
6.
给出了矩阵方程AXB=D相容的又一充要条件,同时讨论它的极小范数解、最小二乘解和极小范数最小二乘解,推广了文献[1]和[3]的结论. 相似文献
7.
当多矩阵变量线性矩阵方程(LME)相容时,通过修改共轭梯度法的下降方向及其有关系数,建立求LME的一种异类约束解的迭代算法.当LME不相容时,先通过构造等价的线性矩阵方程组(LMEs),将不相容的LME异类约束最小二乘解(Ls解)问题转化为相容的LMEs异类约束解问题,然后参照求LME的异类约束解的迭代算法,建立求LME的一种异类约束Ls解的迭代算法.不考虑舍入误差时,迭代算法可在有限步计算后求得LME的一组异类约束解或者异类约束Ls解;选取特殊的初始矩阵时,可求得LME的极小范数异类约束解或者异类约束Ls解.此外,还可在LME的异类约束解或者异类约束Ls解集合中给出指定矩阵的最佳逼近矩阵.算例表明,迭代算法是有效的. 相似文献
8.
9.
10.
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. 相似文献
11.
12.
13.
矩阵方程ATXB+BTXTA=D的极小范数最小二乘解的迭代解法 总被引:1,自引:0,他引:1
1 引言 设Rm×n表赤m×n实矩阵的全体,AT表示矩阵A的转置,R(A)和N(A)分别表示矩阵A的值域和零空间. 相似文献
14.
Anping Liao Yuan Lei 《计算数学(英文版)》2007,25(5):543-552
Let SE denote the least-squares symmetric solution set of the matrix equation A×B = C, where A, B and C are given matrices of suitable size. To find the optimal approximate solution in the set SE to a given matrix, we give a new feasible method based on the projection theorem, the generalized SVD and the canonical correction decomposition. 相似文献
15.
本文研究了一类矩阵方程AT XA=B的对称广义中心对称解.利用广义奇异值分解和广义逆矩阵,获得了该方程有对称广义中心对称解的充要条件及解的通式,并讨论了解对于已知矩阵的最佳逼近问题,得到了解的表达式. 相似文献
16.
矩阵方程AXB+CYD=E对称最小范数最小二乘解的极小残差法 总被引:1,自引:0,他引:1
<正>1引言本文用R~(n×m)表示全体n×m实矩阵集合,用SR~(n×n)表示全体n×n实对称矩阵集合,OR~(n×n)表示全体n×n实正交矩阵集合.用I_n表示n阶单位矩阵,用A*B表示矩阵A与B的Hadamard乘积.对任意矩阵A,B∈R~(n×m),定义内积〈A,B〉=tr(B~T A),其中 相似文献