一类反中心对称矩阵反问题的最小二乘解

给定矩阵Y, X和B,得到了矩阵方程YAX=B的反中心对称最小二乘解.利用矩阵的标准相关分解给出解存在的充要条件及其解的一般表达式.     

一类中心对称矩阵反问题的最小二乘解

研究了一类中心对称矩阵反问题，得到问题有最小二乘解的充要条件并给出解的表达式。     

一类双对称矩阵反问题的最小二乘解

１．问题的提出近年来,对于矩阵反问题ＡＸ＝Ｂ的研究已取得了一系列的结果［１］,获得了解存在的条件,但由于实际问题中Ｘ,Ｂ由实验给出,很难保证满足解存在的条件,因此研究问题的最小二乘解是有实际意义的．本文就结构设计中用到的一类双对称矩阵的最小二乘问题进行探讨．令Ｒ~(ｎ×ｍ)表示所有ｎ×ｍ阶实矩阵集合,Ｒ~n=Ｒ~(n×1)　表示其中秩为ｒ的子集;ＯＲ~（ｎ×ｎ）　表示所有ｎ阶正交阵之集;Ａ~（ ）表示矩阵Ａ的Ｍｏｏｒｅ－Ｐｅｎｒｏｓｅ广义逆;Ｉ_ｋ表示ｋ阶单位阵;||·||表示Fｒｏｂｅｎｉｕｓ范数;表示ＳＲ~(ｎ…     

一类对称正交对称矩阵反问题的最小二乘解

1 引言 本文记号R~(n×m),OR~(n×n),A~+,I_k,SR~(n×n),rank(A),||·||,A*B,BSR~(n×n)和ASR~(n×n)参见[1].若无特殊声明文中的P为一给定的矩阵且满足P∈OR~(n×n)和P=P~T. 定义1 设A=(α_(ij))∈R~(n×n).若A满足A=A~T,(PA)~T=PA则称A为n阶对称正交对称矩阵;所有n阶对称正交对称矩阵的全体记为SR_P~n.若A∈R~(n×n)满足A~T=A,(PA)~T=-PA,则称A为n阶对称正交反对称矩阵;所有n阶对称正交反对     

双对称非负定阵一类逆特征值问题的最小二乘解)

１．引言 逆特征值问题在工程中有广泛的应用,其研究已有一些很好的结果［１－５］．最近,文［６］还研究了双对称矩阵逆特征值问题,即研究了如下两个问题： 问题Ａ．已知Ｘ∈Ｒｎｘｍ,Ａ＝ｄｉａｇ（λ１…,λｍ）,求Ａ∈ＢＳＲｎｘｎ使 ＡＸ＝ＸＡ,其中 Ｒｎｘｍ表示全体 ｎ ｘ ｍ实矩阵集合, ＢＳＲｎｘｎ表示全体 ｎ ｘ ｎ双对称阵集合． 问题Ｂ．已知Ａ＊ＥＲｎｘｎ,求Ａ∈ＳＥ使 ｜｜Ａ＊－Ａ｜｜＝ ｉｎｆ ｜｜Ａ＊－Ａ｜｜ ＡＦＳＥ其中 ＳＥ是问题 Ａ的解集合,｜｜． ｜｜表示 Ｆｒｏｂｅｎｉｕｓ范数． 在实际问题中, …     

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.     

双反对称矩阵反问题的最小二乘解

1 引 言Rn×m表示所有n×m阶实矩阵集合,Rrn×m表示Rn×m中秩为r的子集;ORn×m表示所有n阶正交阵的集合;A+表示A的Moore-Penrose广义逆;Iκ表示κ阶单位阵;||·||表示Frobenius范数;ASRn×m表示n阶实反对称阵的全体;A＊B表示A与B的Hadamard乘     

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.     

Hermite广义Hamilton矩阵反问题的最小二乘解

本文研究了Hermite广义Hamilton矩阵反问题的最小二乘解,利用矩阵的奇异值分解,得到了解的表达式用Hermite广义Hamilton矩阵构造给定定矩阵的最佳逼近问题有解的条件.     

求解特征值反问题的一种迭代法

关于特征值反问题的算法,已讨论许多,见[1]—[5].到目前为止,主要的算法是用Newton法解相应的非线性方程组.然而,代数特征值反问题是一类矩阵计算问题,因此,有可能利用矩阵的性质构造简单的算法,而不仅仅是把它作为一个通常的非线性问题加以处理.基于这种思想.本文给出一个利用矩阵性质的线性收敛迭代法.     

线性流形上次反对称矩阵逆特征值问题的最小二乘解

讨论了线性流形上次反对称矩阵逆特征值问题的最小二乘问题及其最佳逼近，给出了这些问题解的通式；并就这些问题的特殊情况进行了讨论，得到了一些结果。     

对称正交对称矩阵反问题的最小二乘解

Let P ∈ Rn×n be a symmetric orthogonal matrix. A∈Rn×n is called a symmetric orthogonal symmetric matrix if AT = A and (PA) T = PA. The set of all n × n symmetric orthogonal symmetric matrices is denoted by SRnxnp. This paper discusses the following problems: Problem I. Given X,B∈ Rn×m, find A ∈SRn×np such that||AX - B|| = min Problem II. Given A∈ Rn×n, find A∈SL such thatwhere ||·|| is the Frobenius norm, and SL is the solution set of Problem I.The general form of SL is given. The solvability conditions for the inverseproblem AX = B in SRn×nP are obtained. The expression of the solution toProblem II is presented.     

线性流形上Hermite-广义反Hamilton矩阵反问题的最小二乘解

1.引言 令Rn×m表示所有n×m实矩阵集合,Cn×m表示所有n×m复矩阵集合,Cn=Cn×1,HCn×n表示所有n阶Hermite矩阵集合,UCn×n表示所有n阶酉矩阵集合,AHCn×n表示所有n阶反Hermite矩阵集合,R(A)表示A的列空间,N(A)表示A的零空间,A+表示A的Moore—Penrose广义逆,A*B表示A与B的Hadamard积,rank(A)表示矩阵A的秩.tr(A)表示矩阵A的迹.矩阵A,B的内积定义为(A,B)=tr(BHA),A,B∈Cn×m,由此内积诱导的范数为||A||=√(A,A)=[tr(AHA)]1/2,则此范数为Frobenius范数,并且Cn×m构成一个完备的内积空间,In表示n阶单位阵,i=√-1,记OASRn×n表示n×n阶正交反对称矩阵的全体,即     

一类二阶非线性特征值问题的可解性

运用分歧方法和隐函数定理等工具分别在a(t)不变号和变号两种情形下讨论了非线性特征值问题u″+λa(t)f(u)=0,00,a∈C[0,1].     

非线性特征值问题的正解

本文着重考察非线性特征值问题u"+λg(t)f(u)=0,0＜t＜1,u(0)=u(1)=0,在没有任何单调性条件下,运用不动点指数理论,得到了上述问题的正解,推广、改进了以往的工作.     

非线性特征值问题的正解

本文着重考察非线性特征值问题u"+λg(t)f(u)=0, 0相似文献   

一类特征值反问题(IEP)的基于矩阵方程的Ulm型算法

应用求解算子方程的Ulm方法构造了求解一类矩阵特征值反问题（IEP）的新算法.所给算法避免了文献[Aishima K.,A quadratically convergent algorithm based on matrix equations for inverse eigenvalue problems,Linear Algebra and its Applications,2018,542：310-33]中算法在每次迭代中要求解一个线性方程组的不足,证明了在给定谱数据互不相同的条件下所给算法具有根收敛意义下的二次收敛性.数值实验表明本文所给算法在矩阵阶数较大时计算效果优于上文所给算法.     

四阶非线性特征值问题的正解

本文考虑了四阶非线性特征值问题d4u/dt4=λg(t)f(u,u″),0＜t＜1,u(0)=u(1)=0,au″(0)-bu″′(0)=0,cu″(1)+du″′(1)=0.其中g(t)∈C((0,1),[0,∞)),f(u,v)∈C([0,∞)×(-∞,0],[0,∞)),a≥0,b≥0,c ≥0,d ≥ 0,且△=ac+ad+bc＞0.利用锥压缩与拉伸不动点定理,获得了上述问题正解的存在性结果.