Banach空间算子闭值域区域的正则划分

本文讨论Banach空间算子闭值域区域和T-正则点和T-奇异点,引入算子T的约化最小模函数γr(λ),用它刻划算子闭值域区域ρD(T),得到ρrD(T)与ρsD(T)的若干结构表示定理.     

最小范数在秩亏自由网平差中的应用

为了比较经典自由网平差与秩亏自由网平差解法的特点,本文在分析秩亏自由网平差方法的基础上应用最小二乘法和最小范数法对同一水准网进行了解算,结果表明最小二乘解不唯一,权逆阵也不唯一,但改正数唯一;最小范数解与最小二乘解的改正数相同且结果唯一。     

最小范数最小二乘的计算问题

对一般线性模型：Ｙ＝Ｘβ＋ｅ，Ｅ（ｅ＝０，Ｃｏｖ（ｅ）＝δ￣２∨，∨＞０，当设计阵Ｘ列降秩时，β的最小二乘或广义最小二乘解与广义逆的选取有关，这在具体计算时会产生一些麻烦。同时，在许多情况下，问题本身要求最小二乘具有较小的长度。因此有必要考虑最小范数最小二乘问题，本文从设计阵本身的结构出发，寻找最小范数最小二乘的计算方法。只要知道Ｘ中ｒ＝Ｒ（Ｘ）个线性无关的列向量组Ｘ＿１，就能得到唯一的最小范数最小二乘：β＝Ｘ′Ｘ＿１（Ｘ＿１ＸＸ′Ｘ＿１）￣（－１）Ｘ＿１Ｙ，若Ｔ＝∨＋ＸＵＸ′，则唯一的最小范数广义最小二乘是：β￣＊＝Ｘ′Ｘ＿１（Ｘ＿１Ｔ￣＋ＸＸ′Ｘ＿１）￣（－１）Ｘ＿１Ｔ￣＋Ｙ。对Ｘ的行向量有类似的结论，实际计算表明，这种计算方法是简单有效的。     

自反Banach空间中最小范数控制的表示

研究了Banach空间中分布参数系统的最小范数控制问题．利用Banach空间几何方法,给出了输入空间自反时最小范数控制的形式表达式,由此得到的表达式更便于最小范数控制的分析和计算．所得结果将最小范数控制的形式表达式的近期结果,从假定输入控制空间为自反、严格凸和光滑空间推广到了自反空间的情形.     

赋范空间中最小范数问题的研究

Hahn-Banach定理的延拓形式是在赋范线性空间中研究最优化理论的重要基础之一,同时也是研究最小范数问题的有力工具。在Hilbert空间中最小范数问题可以利用投影定理使问题得到完满的解决,但在一般的赋范空间及凸集上情况就变得复杂的多。在一般的赋范空间中解决最小范数问题的办法是利用对偶定理来解决,它同时涉及两个不同的赋范空间对问题的研究带来一定的麻烦。这里从另外一个角度,利用Hahn-Banach定理的几何形式来研究最小范数问题,它的优点在于摆脱了同时设想在两个不同的赋范空间中考虑问题带来的烦杂。另外,把原赋范空间与其对偶空间的有关对象很好的结合在了一起,对最小范数问题给出了直观的几何解释。     

正弦余弦算法求解线性互补问题的最小范数解

针对存在多个解的线性互补问题,找出尽可能多的解,进而在众多解中寻找最小范数解,成为当前的一个研究热点.论文通过把线性互补问题转化为绝对值方程,定义了智能算法的适应值函数,采用正弦余弦算法求解线性互补问题,在其中选取范数最小的解.数值结果表明该方法能够找到原问题尽可能多的最小范数解,可为研究其稀疏解提供一些近似结果.     

Banach空间算子方程mild解

在文献[2]中利用A是(C_0)类紧半群Γ(t)的无穷小,讨论了算子万程u=Au十f(t,u),u(i)=u。t∈[t_0,T];的mild解的存在性。本文以半序理论及Bochner m-可积为工具,去掉T(t)的紧算子条件,不仅证明了mild解的存在性,且给出解的迭代方法。文献[1]有关结果只是本文A=0的特例。     

广义逆矩阵及其应用

由普通的逆矩阵推广到广义逆矩阵,进而研究广义逆矩阵的几类形式．在广义逆矩阵基础上,讨论了广义逆矩阵在线性方程组求解中的应用．     

关于线性方程组Ax＝b的解的注记

考虑了当b固定时,怎样的矩阵G,使x=Gb是相容或不相容线性方程组Ax=b的极小范数解,最小二乘解,从而得到许多有益的结论。     

矩阵方程AXB＋CYD＝I解存在的条件

本文利用矩阵的广义奇异值分解给出了AXB＋CYD＝I解存在的条件及解的表达式,定义并以简单明了的形式给出了其最小范数解。     

左乘算子的约化最小模

Banach空间盛上的全体有界线性算子表示为B（X）对算子A∈B（X防）,左乘算子LA定义为LA（X）=AX,X∈B（X）。本文讨论了左乘算子LA厶的约化最小模与算子A的约化最小模的关系,得到γ（LA）≤γ（A）。特别地,对Hilbert空间上的算子A,证明了γ（LA）=γ（A）成立。     

左乘算子的约化最小模

Banach空间X上的全体有界线性算子表示为B(X)对算子A∈B(X),左乘算子LA定义为LA(X)=AX,X∈B(X)。本文讨论了左乘算子LA的约化最小模与算子A的约化最小模的关系,得到γ(LA)≤γ(A)。特别地,对Hilbert空间上的算子A,证明了γ(LA)=γ(A)成立。     

线性代数方程组的解的表示

本文在R~(?)中讨论了线性代数方程组的形式解,给出了解存在唯一的充分必要条件。当解唯一时,此形式解便是经典解,当解不唯一时,此形式解为其最小范数解,此方法既便于理论分析,又便于数值计算。     

矩阵方程AXA^T＋BYB^T＋AZB^T=D与矩阵方程AXA^T＋AZB^T＋BZ^TA^T=D的极小范数解

给定A∈Rm×n,B∈Rm×p,D∈Rm×m,设S1={(X,Y,Z)∈SRn×n×SRp×p×Rn×p|AXAT BYBT AZBT=D}, S2={(X,Z)∈SRn×n×Rn×p|AXAT AZBT BZTAT=D},求(X,Y,Z)∈S1使得‖X‖2 ‖Y‖2 ‖Z‖2=min及(X,Z)∈S2使得‖2‖2 ‖2‖2=min．本文运用矩阵对(A,B)的广义奇异值分解给出了集合S1,S2非空的充分必要条件及X,Y,Z的显式表示．     

求线性方程组极小l1范数解的一种算法

陈中文研究中关于求线性方程组极小l1范数解问题有着较为广泛的应用。本文研究了该问题的最优性条件,给出最优解的充分必要条件。进一步研究了该问题最优解的一种表现形式,提出一个单纯形方法的算法,该算法解决了退化问题,且收敛速度较快,同时给出确定初始基的方法。     

主子阵约束下对称半正定矩阵反问题

讨论了主子阵约束下矩阵反问题的对称半正定解存在的充要条件,并在有解的情况下给出了其通解的一般表达式.同时也把所得结论应用到相应的逆特征值问题,并给出了逆特征值问题的极小范数解.     

自由网平差的直接解算

首先分析现有的自由网平差解算方法，在重点分析假观测值法的基础上，提出了加权自由网平差、秩亏网平差和拟稳平差的一种直接解算算法，推导出了相应的计算公式和解算步骤。提出的解算方法不需组成法方程式，但满足最小二乘准则和不同基准约束条件，可直接得到与其他解法完全相同的解L和X。通过实例的比较计算分析可以看出，所提出的算法原理简单，计算简便易行。