求解矩阵方程组A_1XB_1+C_1XD_1=E_1,A_2XB_2+C_2XD_2=E_2的迭代算法

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A_1XB_1+C_1XD_1=E_1,A_2XB_2+C_2XD_2=E_2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A_1XB_1+C_1XD_1=E_1,A_2XB_2+C_2XD_2=E_2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.     

矩阵方程组A1XB1=C1,A2XB2=C2的相容性与通解

本文推广了R.Penrose关于矩阵方程组AX=C,XB=D的工作,给出了矩阵方程组 A_1XB_1=C_1,A_2XB_2=C_2的相容性条件,给出了通解表达式以及唯一解的充要条件。     

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.     

线性子空间上求解矩阵方程AXB+CXD=F的迭代算法

应用共轭梯度法,结合线性投影算子,给出迭代算法求解线性矩阵方程AXB+CXD=F在任意线性子空间上的约束解及其最佳逼近.当矩阵方程AXB+CXD=F有解时,可以证明,所给迭代算法经过有限步迭代可得到矩阵方程的约束解、极小范数解和最佳逼近.数值例子证实了该算法的有效性.     

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.     

矩阵方程AX＋XB=C的双对称解及其最佳逼近

提出一种求解线性矩阵方程AX＋XB=C双对称解的迭代法.该算法能够自动地判断解的情况,并在方程相容时得到方程的双对称解,在方程不相容时得到方程的最小二乘双对称解.对任意的初始矩阵,在没有舍入误差的情况下,经过有限步迭代得到问题的一个双对称解.若取特殊的初始矩阵,则可以得到问题的极小范数双对称解,从而巧妙地解决了对给定矩...     

矩阵方程组AX=C,XB=D的公共最小二乘解

通过使用矩阵秩方法,我们给出了矩阵方程组AX =C,XB =D的公共最小二乘解的通解表达式,以及公共最小二乘解的极大秩和极小秩.     

矩阵方程A~TXB+B~TX~TA=C的一般解及其最佳逼近解

用正交投影迭代法讨论了矩阵方程A~TXB+B~TX~TA=C的一般解及相应的最佳逼近解.首先利用矩阵的相关理论,给出了求矩阵方程的正交投影迭代解法,证明了算法的收敛性,并得出了收敛速率估计式;其次对该算法稍加修改,得到相应的最佳逼近.本文中,要求A,B实正规矩阵,且满足A~TB=BA~T,C是实矩阵.     

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.     

广义Lyapunov方程A~TX+X~TA=C的一般解及其最佳逼近解

本文讨论矩阵方程ATX+XTA=C的一般解及其最佳逼近解的正交投影迭代解法.首先,利用矩阵的结构特点及相关性质,并借助矩阵空间的相关理论,给出求该矩阵方程一般解正交投影迭代算法;其次,根据奇异值分解、F-范数正交变换不变性证明算法的收敛性并推导出算法的收敛速率估计式,当方程相容时,该算法收敛于问题的极小范数解,且对该算法稍加修改,就可得到相应最佳逼近解;最后,用数值实例验证算法的有效性.     

迭代法求解约束矩阵方程AXB+CYD=E

约束矩阵方程在自动控制理论、生物学、电学等领域有广泛的应用.本文研究了矩阵元素和特征值区间约束下矩阵方程AXB+CYD=E最小二乘解问题.给出矩阵对(X*,Y*)是问题的解的充分必要条件,给出计算约束解的迭代方法,证明了算法的全局收敛性.     

关于矩阵方程XB=C的结构解

很多应用中导出矩阵方程XB=G,本文考虑此方程的结构解.首先考虑自伴矩阵解及反自伴矩阵解,接下来考虑广义对称解及广义反对称解,最后讨论更广泛的矩阵方程AXB=C的酉矩阵解.所得结果推广了Sun,Tisseur,Trench等人的-些结果.     

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.     

矩阵方程组的{P,Q,k+1}-自反解（英文）

主要研究了矩阵方程组AX=C,XB=D, AXB=E的{P, Q, k+1}-自反解和反自反解.通过奇异值分解,得到了以上方程组有{P,Q,k+1}-自反解和反自反解的充要条件,并给出了解的表达式.更进一步地,考虑了一般情况下方程组的最小二乘{P,Q,k+1}-自反解和反自反解.最后,给出了一个算法,且通过两个算例验证了其有效性.     

矩阵方程A1Z+ZB1=C1的广义自反最佳逼近解的迭代算法

本文研究了Sylvester复矩阵方程A_1Z+ZB_1=c_1的广义自反最佳逼近解.利用复合最速下降法,提出了一种的迭代算法.不论矩阵方程A_1Z+ZB_1=C_1是否相容,对于任给初始广义自反矩阵Z_0,该算法都可以计算出其广义自反的最佳逼近解.最后,通过两个数值例子,验证了该算法的可行性.     

矩阵方程A1X1B1＋A2X2B2＋…＋AlXlBl=C的中心对称解及其最佳逼近

设矩阵X=(xij)∈R ,如果xij=xn+1-i,n+1-j(i,j=1,2,…,n),则称X是中心对称矩阵.该文构造了一种迭代法求矩阵方程A1X1B1+A2X2B2+…+AlXlBl=C的中心对称解组(其中[X1,X2,…,Xl]是实矩阵组).当矩阵方程相容时,对任意初始的中心对称矩阵组[X1(0),X2(0),…,Xl(0)],在没有舍入误差的情况下,经过有限步迭代,得到它的一个中心对称解组,并且,通过选择一种特殊的中心对称矩阵组,得到它的最小范数中心对称解组.另外,给定中心对称矩阵组[X1,X2,…,X1],通过求矩阵方程A1X1B1+A2X2B2+…+AlXlBl=C(其中G=C-A1X1B1-A2X2B2-…-AlXlBl)的中心对称解组,得到它的最佳逼近中心对称解组.实例表明这种方法是有效的.     

一类四元数矩阵方程的循环解及其最佳逼近

本文研究了四元数体上矩阵方程XB=C的循环解及其最佳逼近问题.利用循环矩阵的结构表示式,以及四元数矩阵的复分解,得到了方程XB=C的循环解存在条件及其通解形式;在循环矩阵约束条件下,给出了该方程的最小二乘解集合;与此同时,在最小二乘解集合中,获得与给定四元数循环矩阵的最佳逼近解.推广了约束矩阵方程的数值求解范围.数值算例验证了本文算法的可行性.     

一类矩阵方程异类约束解与Ls解的迭代算法

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.     

线性子空间上求解AX=B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,给出迭代算法求解了线性矩阵方程AX=B在任意线性子空间上的最小二乘解问题.在不考虑舍入误差的情况下,可以证明,所给迭代算法经过有限步迭代可得到矩阵方程AX=B的最小二乘解、极小范数最小二乘解及其最佳逼近.文中的数值例子证实了该算法的有效性.