矩阵方程AXB+CXD=F对称解的迭代算法

在共轭梯度思想的启发下,本文给出了迭代算法求解约束矩阵方程AXB+CXD=F的对称解及其最佳逼近.应用迭代算法,矩阵方程AXB+CXD=F的相容性可以在迭代过程中自动判断.当矩阵方程AXB+CXD=F有对称解时,在有限的误差范围内,对任意初始对称矩阵X1,运用迭代算法,经过有限步可得到矩阵方程的对称解;选取合适的初始迭代矩阵,还可以迭代出极小范数对称解.而且,对任意给定的矩阵X0,矩阵方程AXB+CXD=F的最佳逼近对称解可以通过迭代求解新的矩阵方程A(X)B+C(X)D=(F)的极小范数对称解得到.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.     

矩阵方程AXB=D解的研究

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.     

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.     

Sylvester矩阵方程极小范数最小二乘解的迭代解法

研究了Sylvester矩阵方程最小二乘解以及极小范数最小二乘解的迭代解法,首先利用递阶辨识原理,得到了求解矩阵方程AX+YB=C的极小范数最小二乘解的一种迭代算法,进而,将这种算法推广到一般线性矩阵方程A_iX_iB_i=C的情形,最后,数值例子验证了算法的有效性.     

矩阵方程组一种异类约束最小二乘解的迭代算法

本文研究了求双矩阵变量线性矩阵方程组(LMEs)的一种异类约束最小二乘解的问题.通过构造等价的LMEs,并修改共轭梯度法的下降方向及其有关系数,建立了一种迭代算法.算例表明,迭代算法是有效的.     

矩阵方程AXA^T＋BYB^T=C的双对称最小二乘解及其最佳逼近

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．     

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。     

矩阵方程AXB=D的最小二乘Hermite解及其加权最佳逼近

本中,我们讨论了矩阵方程AXB=D的最小二乘Hermite解,通过运用广义奇异值分解(GSVD)，获得了解的通式。此外,对于给定矩阵F，也得到了它的加权最佳逼近表达式。     

求Lyapunov矩阵方程的双对称解的迭代算法

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.     

用正交投影迭代法求矩阵方程AXA~H=B的Hermite解

本文讨论了矩阵方程AXAH=B的Hermite解及其最佳逼近的正交投影迭代法,证明了算法的收敛性,得到收敛速率的估计式.通过数值试验也检验了算法的有效性.     

线性流形上反对称正交对称矩阵反问题的最小二乘解

该文讨论了线性流形上矩阵方程AX=B反对称正交对称反问题的最小二乘解及其最佳逼近问题. 给出了最小二乘问题解集合的表达式, 得到了给定矩阵的最佳逼近问题的解, 最后给出计算任意矩阵的最佳逼近解的数值方法及算例.     

广义耦合Sylvester矩阵方程的对称-反对称最小二乘解

本文主要研究极小残差问题‖(A1XB1+C1YD1A2XB2+C2YD2)-(M1M2)‖=min关于X对称-Y反对称解的迭代算法.本文首先给出等价于极小残差问题的规范方程,然后,提出求解此规范方程的对称-反对称解的迭代算法.在不考虑舍入误差的情况下,任取一个初始的对称-反对称矩阵对(X0,Y0),该算法都可以在有限步内求得该极小残差问题的对称-反对称解.最后讨论该问题的极小范数对称-反对称解.     

An iterative algorithm for the least squares bisymmetric solutions of the matrix equations

In this paper, an iterative algorithm is constructed to solve the minimum Frobenius norm residual problem: min over bisymmetric matrices. By this algorithm, for any initial bisymmetric matrix X₀, a solution X^* can be obtained in finite iteration steps in the absence of roundoff errors, and the solution with least norm can be obtained by choosing a special kind of initial matrix. Furthermore, in the solution set of the above problem, the unique optimal approximation solution to a given matrix in the Frobenius norm can be derived by finding the least norm bisymmetric solution of a new corresponding minimum Frobenius norm problem. Given numerical examples show that the iterative algorithm is quite effective in actual computation.     

求矩阵方程组的反对称最小二乘解的递推算法

讨论了矩阵方程组A_1XB_1=D_1,A_2XB_2=D_2反对称最小二乘解的递推算法,该算法不仅能够用于计算反对称最小二乘解,而且在选取特殊的初始矩阵时,算法能够求出矩阵方程组的极小范数反对称最小二乘解,以及对给定的矩阵进行最佳逼近的反对称解.     

求一类矩阵方程组的最小二乘行对称解及其最佳逼近的迭代法

本文构造了求矩阵方程组AX=B,XC=D的最小二乘行对称解及其最佳逼近的迭代法,研究了迭代序列的性质,证明了算法的收敛性。     

矩阵方程AXB=C的反对称解和极小范数反对称解

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.     

An efficient algorithm for the generalized centro-symmetric solution of matrix equation <Emphasis Type="Italic">A X B</Emphasis> = <Emphasis Type="Italic">C</Emphasis>

In this paper, an iterative algorithm is constructed for solving linear matrix equation AXB = C over generalized centro-symmetric matrix X. We show that, by this algorithm, a solution or the least-norm solution of the matrix equation AXB = C can be obtained within finite iteration steps in the absence of roundoff errors; we also obtain the optimal approximation solution to a given matrix X ₀ in the solution set of which. In addition, given numerical examples show that the iterative method is efficient.     

An iteration method for the symmetric solutions and the optimal approximation solution of the matrix equation AXB=C

An iteration method is constructed to solve the linear matrix equation AXB=C over symmetric X. By this iteration method, the solvability of the equation AXB=C over symmetric X can be determined automatically, when the equation AXB=C is consistent over symmetric X, its solution can be obtained within finite iteration steps, and its least-norm symmetric solution can be obtained by choosing a special kind of initial iteration matrix, furthermore, its optimal approximation solution to a given matrix can be derived by finding the least-norm symmetric solution of a new matrix equation . Finally, numerical examples are given for finding the symmetric solution and the optimal approximation symmetric solution of the matrix equation AXB=C.