矩阵不等式约束下矩阵方程最小二乘问题的增广Lagrangian方法北大核心CSCD

称X∈R^(m×n)为实(R,S)对称矩阵,若满足X=RXS,其中R∈R^(m×m)和S∈R^(n×n)为非平凡实对合矩阵,即R=R^(-1)≠±I_m,S=S^(-1)≠±I_n.该文将优化理论中求凸集上光滑函数最小值的增广Lagrangian方法应用于求解矩阵不等式约束下实(R,S)对称矩阵最小二乘问题,即给定正整数m,n,p,t,q和矩阵A_i∈R^(m×m),B_i∈R^(n×n)(i=1,2,…,q),C∈R^(m×m),E∈R^(p×m),F∈R^(n×t)和D∈R^(p×t),求实(R,S)对称矩阵X∈R^(m×m)且在满足相容矩阵不等式EXF≥D约束下极小化‖∑_(i=1)~qA_iXB_i-C‖,其中EXF≥D表示矩阵EXF-D非负,‖·‖为Frobenius范数.该文给出求解问题的矩阵形式增广Lagrangian方法的迭代格式,并用数值算例验证该方法是可行且高效的.     

矩阵方程的最小二乘解

1　引言与引理设 Rm× n表示所有 m× n阶实矩阵的集合 ,ORn× n为所有 n阶实正交矩阵的全体 ,In 是 n阶单位矩阵 .AT、A+、rank A分别表示矩阵 A的转置、MP逆及秩 ;‖·‖是矩阵的Frobenius范数 .此外 ,对于 A =(αij)∈ Rs× s,B =(βij)∈ Rs× s,A * B表示 A与 B的Hadamard积 ,其定义为 :A* B=(αijβij) 1≤ i,j≤ s,现考虑如下问题 :问题 P　给定 A∈Rn× m,B∈Rp× m,D∈Rm× m求 X∈Rn× p,使得Φ =‖ ATXB - BTXTA - D‖ =m in　　我们知道 ,矩阵方程 ATX B- BTXTA=D在自动控制理论中有很重要的作用[1 ,2 ] .…     

带有线性不等式约束的最小二乘

关于带有等式约束的最小二乘问题,目前已有许多文章进行了讨论和研究,但在实际工作中,有时还会遇到一些线性不等式约束.不等式约束使最小二乘问题的分析和处理复杂化,但足以补偿的是:利用线性不等式约束能够表达一类极为丰富的问题.带有线性不等式约束的最小二乘问题,可以视为二次规划的一种特殊情形,但一般二次规划问题实际处理很复杂,本文针对这一类特殊问题,将带有线性不等式约束的问题转化为带有等式约束的最小二乘问题,并给出方法的证明和数值例子.关于等式约束的最小二     

解等式约束加权线性最小二乘问题的矩阵校正方法

1 引言 在实际应用中常会提出解等式约束加权线性最小二乘问题 min(b_2-A_2x)~TW(b_2-A_2x) x∈R~n (1) s.t.A_1x=b_1,其中A_1∈R~(p×n),A~2∈R(q×n),b_1∈R~p,b_2∈R~q,W∈R(q×q)为对称正定矩阵. 对于问题(1),目前已有多种数值求解方法,如Paige利用(1)的对偶公式给出了一个向后稳定的数值方法.Gulliksson和Wedin利用加权QR分解技巧给出了解(1)的一个直接解法.作者利用广义Cholesky分解构造了解(1)的矩阵分解方法.     

子矩阵约束下矩阵方程AXB=E的极小范数最小二乘对称解

本文主要研究了任意子矩阵约束下矩阵方程AXB=E的极小范数最小二乘对称解问题,方法是借助于子空间的基将约束问题转化为非约束问题,可以应用到线性矩阵方程的所有子空间约束解问题．     

子矩阵约束下矩阵方程组的双对称最小二乘解

矩阵方程组l∑j=1在控制与系统领域中具有广泛应用.该文构造了一种算法求解这个矩阵方程组,其中X_j∈R~(n_j×n_j)(j=1,2,…,l)为带有特殊中心主子矩阵约束的双对称矩阵.在没有舍入误差的情况下,该算法经过有限步迭代得到[X_1,X_2,…,X_l],使得t∑i=1||l∑j=1A_(ij)X_jB_(ij)-C_i||=min.实例表明这种方法是有效的.     

界约束下算子方程最小二乘问题的条件梯度法

研究如下界约束下算子方程最小二乘问题:min x∈Ω‖L(X:A_1,…,At;B_1,…,B_t)-T‖~2,其中‖.‖为Frobenius范数,L(X:A_1…A_t;B_1,…,B_t)为关于X的线性矩阵算子(或齐次线性变换),Ai∈R~(p×m),B_j∈R~(n×q)i,j=1,…,n为算子L的系数矩阵,丁为右端矩阵,ΩR~(m×n)为界约束凸集合.提出了求解问题的条件梯度迭代算法及其简要收敛性分析,并给出条件梯度算法的几类加速形式.随机数据和图像恢复模型数据的实验结果表明说明算法是可行高效的.     

一类矩阵方程的埃尔米特自反最小二乘解

利用埃尔米特自反矩阵的表示定理和矩阵的拉直方法,研究了矩阵方程$AX+BY=C$的埃尔米特自反最小二乘问题,进一步,给出了方程在埃尔米特自反矩阵集合中可解的充分必要条件,得到解的一般表达式,最后,对任意给定的一对复矩阵,得到了其相关最佳逼近问题解的表达式.     

加权广义逆、加权最小二乘和约束最小二乘问题

本文采用如下记号:记C~m×n是具有复数域的m×n长方矩阵的集合,C~m=C~m×1是m维向量的集合.对A∈C~m×n称A~H∈C~m×n是A的共轭转置矩阵,rank(A)表示A的秩,R(A)和N(A)分别为A的值域和零空间,||·||=||·||2和||·||F分别为2-范数和Frobenius范数;I表示恒等矩阵.人们在研究数学规划、数值分析、数据处理,散射理论和电磁学等领域中都将问题归纳为如下的最小二乘问题:     

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.     

具最小二乘谱约束的结构矩阵逼近问题及其扰动分析

从两个方面讨论具有最小二乘谱约束的对称斜哈密尔顿矩阵的逼近问题:(Ⅰ)研究使AX-XA的Frobenius范数最小的n阶实对称斜哈密尔顿矩阵A的集合C,其中X,A分别是特征向量和特征值矩阵, (Ⅱ)求(A)∈c使得‖C-(A)‖=min ‖C-A‖,这里‖·‖是Frobenius范数.给出了C的元素的一般表达式和(A)的显示表达式,分析了该最佳逼近矩阵A的扰动理论,并给出了数值实验.     

增广Lagrangian对偶分解方法求解变分不等式系统

本文考虑带约束的变分不等式系统.提出一个基于增广Lagrangian对偶的分解算法,本文给出了算法的收敛性分析.     

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…     

约束最小二乘估计的优良性

对于线性模型y=Xθ ε,ε服从椭球等高单峰分布,未知参数θ满足不等式约束a′θ≥0,证明了在参数估计优良性的集中概率准则下,θ的约束最小二乘估计θ~*优于最小二乘估计θ.     

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.     

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     

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.     

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。     

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.     

矩阵不等式约束下矩阵方程AX=B的双对称解

本文讨论矩阵不等式CXD≥E 约束下矩阵方程AX=B的双对称解,即给定矩阵A,B,C,D和 E, 求双对称矩阵X, 使得AX=B 和 CXD≥E, 其中CXD≥E表示矩阵CXD-E非负.本文将问题转化为矩阵不等式最小非负偏差问题,利用极分解理论给出了求其解的迭代方法,并结合相关矩阵理论说明算法的收敛性.最后给出数值算例验证算法的有效性.