矩阵方程AXB+CYD=E的中心对称最小二乘解及其最佳逼近

提出一类求矩阵方程AXB+ CYD=E的中心对称最小二乘解的迭代算法,并证明迭代算法的收敛性.在不考虑舍入误差时,迭代算法能够在有限步计算后得到矩阵方程的中心对称最小二乘解;选取特殊的初始矩阵时,能够得到矩阵方程的的极小范数中心对称最小二乘解.同时能够得到给定矩阵的最佳逼近中心对称矩阵.数值例子表明,这种方法是有效的.     

矩阵方程AXB=C的中心对称最小二乘解的迭代解法

给出了求矩阵方程AXB=C的中心对称最小二乘解的一种迭代解法,即利用法方程变换,将求解最小二乘解转化为相容矩阵方程的求解问题,再利用迭代法求出新方程的直接解.使用该方法,对任意给定的初始中心对称矩阵都可在有限步内迭代求出它的中心对称最小二乘解.并且将求最佳逼近的问题转化为求一个新方程的极小范数解的问题,同样可用迭代法求解.     

AXB＋CXD=F的中心对称解及其最佳逼近的迭代算法

应用共轭梯度思想,给出了求解约束矩阵方程AXB CXD=F的中心对称解及其最佳逼近的迭代算法. 当矩阵方程AXB CXD=F有中心对称解时,在有限的误差范围内,对任意初始中心对称矩阵X1,运用迭代算法,经过有限步可得到矩阵方程的中心对称解;选取合适的初始迭代矩阵,还可以迭代出极小范数中心对称解. 对任意给定的矩阵X0, 矩阵方程AXB CXD=F的最佳逼近中心对称解可以通过迭代求解新的矩阵方程AB CD=F的极小范数中心对称解而得到. 文中给出的数值例子证实了该算法的有效性.     

子矩阵约束下中心对称矩阵最佳逼近问题

主要讨论子矩阵最小二乘约束下矩阵反问题AX=B的最小二乘中心对称解,其中X,B为给定矩阵,并在相应的最小二乘解集合中,给出已知矩阵A*的最佳逼近解的解析表达式.最后提供求最佳逼近解的算法.     

矩阵方程 AXB=D 的中心对称最小二乘解及最佳逼近的迭代解法

构造迭代算法研究了线性矩阵方程 AXB=D 的中心对称最小二乘解及其最佳逼近问题,得到求解的一种有效的迭代方法,并给出了该方法的误差估计.此外,还给出了具体的数值例子.     

矩阵方程AX+XB=C的对称解及其最佳逼近

提出一种求解线性矩阵方程AX+XB=C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对称解,在方程不相容时得到方程的最小二乘对称解.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对称解.若取特殊的初始矩阵,则得到问题的极小范数对称解,从而巧妙地解决了对给定矩阵求最佳逼近解的问题.     

矩阵方程AXB+CYD=E的最小二乘解及其最佳逼近

通过特殊的变形建立了求解矩阵方程AXB+CYD=E最小二乘解的迭代算法,并证明了该算法的收敛性;对于任意给定矩阵的最佳逼近解也可以通过此方法得到.     

求解Sylvester方程的正交迭代算法

对于任意初始矩阵,运用求解Sylvester矩阵方程的正交迭代算法可以在有限步内得到方程的最小二乘解,而且通过选择初始矩阵还可以得到方程的极小范数最小二乘解,这种算法还能用于解决最佳逼近问题,数值例子表明了所提出算法的有效性.     

矩阵方程组一种异类约束解的MCG1-2-3-4算法

建立求含多个未知矩阵方程组的对称、反对称、中心对称和中心反对称解的修正共轭梯度算法.该算法可以判断矩阵方程组的对称、反对称、中心对称和中心反对称解是否存在,在约束解存在时,不考虑舍入误差情况下,能求得矩阵方程组的一组异类约束解;选取特殊初始矩阵时,可求得该方程组的极小范数解;给定矩阵可以在约束解集合中,求出其最佳逼近矩阵.数值实验验证了该算法的可行性.     

一类矩阵方程的最小二乘反对称次对称解及其最佳逼近

基于变形共轭梯度法,提出一种求解线性矩阵方程AX+XB=C的最小二乘反对称次对称解的迭代法.对任意的初始矩阵,在不考虑舍入误差的情况下,该算法能经过有限步得到问题的一个最小二乘反对称次对称解,且对任意给定的矩阵,利用该算法能得到AX+XB=C的最佳逼近解.算例表明该算法是可行且有效的.     

求AXB=C的对称自反矩阵解及其最佳逼近的迭代解法

采用迭代法讨论了矩阵方程AXB=C的对称自反矩阵解及其最佳逼近问题,证明了若问题1有解,则可在有限步求出一个迭代解;若取特殊初始矩阵,则可迭代出问题1的极小范数解．并给出了最佳逼近问题的极小范数解．     

求解一类矩阵方程最佳逼近解的算法

应用复合最速下降法,给出了在加权范数下求解矩阵方程AXB＋CYD=E的对称最佳逼近解的一种迭代算法。在有限的误差范围内,对任意初始矩阵X0、Y0,运用迭代算法,经过有限步可得到矩阵方程的最佳逼近解,并给出的数值例子证实了该算法的有效性。     

矩阵方程AXA^T=B的对称反自反最小二乘解

给定对称正交矩阵P，利用矩阵的标准相关分解，研究了矩阵方程AXA^T=B的对称反自反最小二乘解，得到了最小二乘解的一般表达式。     

一类矩阵方程的对称正交对称最小二乘解

在给定对称正交矩阵P的情形下,文章主要讨论了矩阵方程ATXA=B的对称正交对称最小二秉解,得到了解的一般表达式.并且对于任意给定的矩阵X*,在最小二来解集中得到了X*的最佳逼近解.     

矩阵方程AXA~T=B的对称反自反最小二乘解

给定对称正交矩阵P,利用矩阵的标准相关分解,研究了矩阵方程AXAT=B的对称反自反最小二乘解,得到了最小二乘解的一般表达式。     

求解线性方程组的一种迭代算法及其收敛性

对于求解线性方程组Ax=b,考虑当矩阵A为对称正定矩阵或者M矩阵时,文章给出了一种松弛迭代算法并且讨论了其收敛性.从数值结果,可以看出此算法的优越性.     

对称加权算法对数据矩阵补全的优化研究

数据分析中存在数据集矩阵缺失,可用数据矩阵补全缺失数据元素,高效的补全数据矩阵算法可从算法精度等方面优化提升.为此提出对称加权(SW)算法,首先,根据通用的矩阵补全模型,用正则化方法进行低秩矩阵分解补全;其次,对分解后的矩阵因子用共同的对称矩阵加权,得到新的矩阵补全模型和正则化加权函数;最后,结合块坐标下降和交替最小二乘法优化算法,迭代得到目标函数最优解,获得数据补全的最优补全矩阵.仿真结果表明,与APALM,IRSVF和IRNN算法相比,对称加权算法在数据矩阵补全的精度和算法收敛速度方面均有较好提升.     

矩阵方程AXB=C的广义中心对称解及其最佳逼近

利用矩阵对的广义奇异值分解,给出了矩阵方程AXB=C广义中心对称解的充要条件和通解表达式,证明了在矩阵方程AXB=C的广义中心对称解集合中存在唯一与给定矩阵X*的最佳逼近解,给出了求解最佳逼近解的数值算法和数值例子.     

块对称加速超松弛迭代法及其收敛性

给出了解线性代数方程组Ａｘ＝ｂ的一个新的迭代算法模型——块对称加速超松弛迭代法（ＢＳＡＯＲ迭代法），并在系数矩阵Ａ为块Ｈ－矩阵的条件下，证明了该模型的收敛性．在该模型中，对参数取特殊值可得到块对称Ｇａｕｓｓ－Ｓｅｉｄｅｌ迭代法和块对称ＳＯＲ迭代法等常用的块对称迭代算法，并且还可产生许多新的块对称迭代法．即事实上建立了块对称迭代法的一般性收敛理论．