闭凸集约束下线性矩阵方程求解的松弛交替投影算法

研究线性矩阵方程AXB=C在闭凸集合R约束下的数值迭代解法.所考虑的闭凸集合R为(1)有界矩阵集合,(2)Q-正定矩阵集合和(3)矩阵不等式解集合.构造松弛交替投影算法求解上述问题,并用算子理论证明了由该算法生成的序列具有弱收敛性.给出了矩阵方程AXB=C求对称非负解和对称半正定解的数值算例,大量数值实验验证了该算法的可行性和高效性,并说明该算法与交替投影算法和谱投影梯度算法比较在迭代效率上的明显优势.     

轻矩阵及其推广

在R.E.Hartwig工作的基础上进一步研究了轻矩阵,得到了轻矩阵的一些特性,且把轻矩阵推广到了广义轻矩阵,得到了广义轻矩阵的一个充要条件;部分回答了文[1]中R.E.Harwtig提出的一个公开问题：当A与B都为n除非负矩阵时,刻划方程AX=XB的非负解。     

矩阵方程AXB+CYD=E的对称极小范数最小二乘解

对于任意给定的矩阵A∈Rm×n,B∈Rn×s,C∈Rm×k,D∈Rk×s,E∈Rm×s,本文利用矩阵的Kmnecker积和Moore-Penrose广义逆,研究矩阵方程AXB CYD=E的对称极小范数最小二乘解,得到了解的表达式．并由此给出了矩阵方程AXB=C的双对称极小范数最小二乘解的表达式．此外,我们还给出了求矩阵方程AXB=C的双对称极小范数最小二乘解的数值算法和数值例子．     

一类对称正交反对称矩阵反问题的最佳逼近

讨论了一类对称正交反对称反问题的最佳逼近.利用对称正交反对称矩阵的特殊性质,给出了矩阵方程AX=B有对称正交反对称解的充要条件以及解的一般表达式;证明最佳逼近解的存在惟一性并给出其表达式;最后给出计算任意矩阵的最佳逼近解的数值方法及算例.     

求解子矩阵约束条件下四元数矩阵方程AXB=C的矩阵半张量积方法

1引言子矩阵约束下的矩阵方程问题是指限定矩阵方程的解X的一个子矩阵X_(0),然后在某个约束集合中求解矩阵方程.如求满足X([1:q])=X_(0)的对称解,这里X([1:q])表示矩阵X的q阶顺序主子阵.子矩阵约束下的矩阵方程问题来源于实际中的系统扩张问题[1],有一定的实际意义和重要性,受到了许多学者的关注,如[2-4]中,彭分别研究了子矩阵约束条件下实矩阵方程AX=B的实矩阵解,中心对称解和双对称解.     

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。     

一类矩阵方程的双对称定秩解及其最佳逼近

本文研究了矩阵方程AX=B的双对称最大秩和最小秩解问题.利用矩阵秩的方法,获得了矩阵方程AX=B有最大秩和最小秩解的充分必要条件以及解的表达式,同时对于最小秩解的解集合,得到了最佳逼近解.     

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.     

对称广义中心对称矩阵模型修正的矩阵逼近法及其扰动性

X,B是实测的位移矩阵和载荷矩阵,C是有限元方法得到的估计矩阵,给出了AX=B的对称广义中心对称矩阵解集合ζ的表达式,对于逼近问题||C-A||F=min A∈ζ||C-A||F的解A,给出了它的表达式并分析了解A的扰动性,数值结果表明方法是行之有效的.     

双矩阵变量Riccati矩阵方程对称解的迭代算法

研究一类双矩阵变量Riccati矩阵方程(R-ME)对称解的数值计算问题.运用牛顿算法求R-ME的对称解时,会导出求双矩阵变量线性矩阵方程的对称解或者对称最小二乘解的问题,采用修正共轭梯度法解决导出的线性矩阵方程约束解问题,可建立求R-ME的对称解的迭代算法.数值算例表明,迭代算法是有效的.     

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...     

An iterative algorithm for solving a class of generalized coupled Sylvester-transpose matrix equations over bisymmetric or skew-anti-symmetric matrices

This paper presents an iterative algorithm to solve a class of generalized coupled Sylvester-transpose matrix equations over bisymmetric or skew-anti-symmetric matrices. When the matrix equations are consistent, the bisymmetric or skew-anti-symmetric solutions can be obtained within finite iteration steps in the absence of round-off errors for any initial bisymmetric or skew-anti-symmetric matrices by the proposed iterative algorithm. In addition, we can obtain the least norm solution by choosing the special initial matrices. Finally, numerical examples are given to demonstrate the iterative algorithm is quite efficient. The merit of our method is that it is easy to implement.     

求解矩阵方程AXB+CXD=F参数迭代法的最优参数分析

本文针对求矩阵方程AXB+CXD=F唯一解的参数迭代法，分析当矩阵A，B，C，D均是Hermite正（负）定矩阵时，迭代矩阵的特征值表达式，给出了最优参数的确定方法，并提出了相应的加速算法.     

一类线性约束矩阵不等式及其最小二乘问题

本文主要考虑一类线性矩阵不等式及其最小二乘问题,它等价于相应的矩阵不等式最小非负偏差问题.之前相关文献提出了求解该类最小非负偏差问题的迭代方法,但该方法在每步迭代过程中需要精确求解一个约束最小二乘子问题,因此对规模较大的问题,整个迭代过程需要耗费巨大的计算量.为了提高计算效率,本文在现有算法的基础上,提出了一类修正迭代方法.该方法在每步迭代过程中利用有限步的矩阵型LSQR方法求解一个低维矩阵Krylov子空间上的约束最小二乘子问题,降低了整个迭代所需的计算量.进一步运用投影定理以及相关的矩阵分析方法证明了该修正算法的收敛性,最后通过数值例子验证了本文的理论结果以及算法的有效性.     

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．     

矩阵方程ATXA=C的双对称最小二乘解的最佳逼近

1引言根据矩阵分解理论求解线性矩阵方程的问题已经有多位作者研究([2],[3],[5]-[11]),比如文[6],[7],[9]基于GSVD、CCD方法给出了几个矩阵方程的最小二乘解以及方程(组)相     

The common bisymmetric nonnegative definite solutions with extreme ranks and inertias to a pair of matrix equations

We in this paper consider the bisymmetric nonnegative definite solution with extremal ranks and inertias to a system of quaternion matrix equations AX = C, XB = D. We derive the extremal ranks and inertias of the common bisymmetric nonnegative definite solution to the system. The general expressions of the bisymmetric nonnegative definite solution with extremal ranks and inertias to the system mentioned above are also presented. In addition, we give a numerical example to illustrate the results of this paper.     

基于交替投影算法求解单变量线性约束矩阵方程问题

研究如下线性约束矩阵方程求解问题:给定A∈R~(m×n),B∈R~(n×p)和C∈R~(m×p),求矩阵X∈R(?)R~(n×n)"使得A×B=C以及相应的最佳逼近问题,其中集合R为如对称阵,Toeplitz阵等构成的线性子空间,或者对称半(ε)正定阵,(对称)非负阵等构成的闭凸集.给出了在相容条件下求解该问题的交替投影算法及算法收敛性分析.通过大量数值算例说明该算法的可行性和高效性,以及该算法较传统的矩阵形式的Krylov子空间方法(可行前提下)在迭代效率上的明显优势,本文也通过寻求加速技巧进一步提高算法的收敛速度.     

Least-Squares Solutions of the Matrix Equation ATXA = B Over Bisymmetric Matrices and its Optimal Approximation

A real n×n symmetric matrix X=(x_(ij))_(n×n)is called a bisymmetric matrix if x_(ij)=x_(n 1-j,n 1-i).Based on the projection theorem,the canonical correlation de- composition and the generalized singular value decomposition,a method useful for finding the least-squares solutions of the matrix equation A~TXA=B over bisymmetric matrices is proposed.The expression of the least-squares solutions is given.Moreover, in the corresponding solution set,the optimal approximate solution to a given matrix is also derived.A numerical algorithm for finding the optimal approximate solution is also described.     

矩阵方程A~TXA=D的双对称最小二乘解

１．引 言 本文用 Ｒｎ×ｍ表示全体 ｎ×ｍ实矩阵集合，用 ＳＲｎ×ｎ（ＳＲ０ｎ×ｎ）表示全体 ｎ× ｎ实对称（实对称半正定）矩阵集合，ＯＲｎ×ｎ表示全体 ｎ× ｎ实正交矩阵集合，ＢＳＲｎ×ｎ表示全体ｎ×ｎ双对称实矩阵集合．这里，一个实对称矩阵Ａ＝（ａｉｊ）ｎ×ｎ被称为双对称矩阵，如果对所有的 　　　　　　　 　　　　　　　　　　　　　　　用Ａ×Ｂ表示矩阵 Ａ与 Ｂ的Ｈａｄａｍａｒｄ乘积，Ｉｋ表示 ｋ× ｋ阶单位矩阵，Ｏ表示零矩阵，Ｓｋ＝（ｅｋ，…，ｅ２，ｅ１）∈ Ｒｋ×ｋ，其中ｅｉ表示Ｉｋ的第ｉ列． 矩阵方程…