目标函数含绝对值的一类分式规划问题

讨论如下形式的目标函数含绝对值的一类分式规划问题max z=((n∑i=1) ci |xi|+p)/(n∑i=1) di|xi|+q)s.t.Ax=b,ci,di,p,q∈R,A是m×n矩阵,x=(x1,x2,…,xn)T,b=(b1,b2,…,bm)T.一般情况下,用单纯形类算法的相邻极点迭代方法不能求解该问题.本文证明在一定条件下,单纯形类算法能够求出此类问题的最优解,以及在某些条件下,不能应用单纯形类算法进行求解.     

利用矩阵的行变换寻求L.p问题的可行基的一种方法

对于标准线性规划: 其中:A=(aij)_(mxn),C=(c_1,c_2,…,c_n),X=(x_1,x_2,…,x_n)~T,b=(b_1,b_2,…,b_m)~T若系数矩阵A的秩为m,且有基B利用左乘B~(-1)可获得标准单纯形表:     

分裂四元数矩阵方程AXA~H+BYB~H=C的反Hermite 解

本文主要讨论分裂四元数矩阵方程AXA~H+BYB~H=C的反Hermite解,其中A∈Q_s~(m×n),B∈Q_s~(m×p),C∈Q_s~(m×m),X∈AHQ_s~(n×n),Y∈AHQ_s~(p×p).以分裂四元数矩阵的复表示、矩阵列拉直算子以及Moore-Penrose广义逆为工具,得到此矩阵方程有反Hermite解的充分必要条件及解的通解表达式.     

构造基本解都为整数的线性规划的方法

线性规划minf=C~TX,AX=b,X≥0的系数矩阵A,列向量C及b都由整数组成,要求它的基本解全为整数组成.为构造这样的线性规划,本文定义了3个基本概念,给出m行、1/2m(m+1)列不变整数矩阵A的构造方法,使对应的线性规划的基本解全由整数所组成.     

一类广义左右特征值反问题

本文考虑如下问题:问题Ⅰ(a)给定X∈Rn×p p,y∈Rm×p p,A=diag(λ1Ik1,λ2Ik2,…,λnIkn)∈Rp×p且k1 k2 … k1=p,λ1,…,λ1互异.求矩阵A,B∈Rm×n,使得AXA=BX, ATYA=BTy.问题Ⅰ(b)给定矩阵X∈Rm×p p,y∈Rn×p p,A=diag(λ1Ik1,λ2Ik2,…,λ1Ik1)∈Rp×p且k1 k2 … k1=p,λ1,…,λ1互异.求矩阵A,B∈Rm×n,使得AXA=BX, ATyA=BTy, YTAX=Ip,YTBX=A.问题Ⅱ给定A,B∈Rm×n,求[A,B]∈SAB,使得‖ [A,B]-[A,B]‖F=inf [A,B]∈s AB‖[A,B]-[A,B]‖ F,其中SAB是问题Ⅰ的解集合.借助于矩阵X,Y的奇异值分解给出了问题I的通解表达式,证明了问题Ⅱ的解存在唯一,并给出了问题Ⅱ的唯一解的显式表示.     

矩阵方程AX＋YB＝D及AX＋XA＝D的最优解

本文考虑如下问题问题Ⅰ.给定A∈Rm×n,B∈Rt×p,D∈Rm×p,设L1={[X,y]X∈Rm×p,Y∈Rm×t,‖AX+YB-D‖=min},求[X,Y]∈L1,使得‖[X,Y]‖=(‖X‖2+‖Y‖2)1/2=min问题Ⅱ.给定A∈SRm×m,B∈Rm×m,(a)设S1={XX∈SPm×m,‖AX+XA-B‖=min}求     

利用矩阵的行变换寻求L·p问题的可行基的一种方法

当B~(-1)b≥0时,可得L.p问题的一个基可行解:X=(B~(-1)b,O),这是单纯形方法的基础。伹对B~(-1)b<0或其部分分量<0时,没有进行讨论。而矩阵行变换法,对此加以补充,从另一个途径利用单纯形方法进行换基迭代,求得L.p问题的最优解。为说明问题实质,将两种方法简要地加以说明。单纯形方法是左乘基B的逆矩阵B~(-1),获得标准单纯形表,且保证B~(-1)b≥0.但要找到基B及B~(-1)是很麻烦的。而单纯形方法,利用数学方法简化此运算即构造一个可行基,使得     

Fuzzy亚对称方阵的亚可实现问题及亚可实现条件

在 [0 ,1]格上讨论 :已知n×n阶Fuzzy矩阵B ,问是否存在Fuzzy矩阵A =(aij) n×m 使B =A AST,其中 ,AST =(aklST) m×n,aSTkl =an-l 1,m -k 1,k=1,2 ,… ,m ;l =1,2 ,… ,n , 为Fuzzy矩阵间的max min合成算子 .如果存在使B =A AST 成立的Fuzzy矩阵A ,则称B是亚可实现的 .进一步设w(B)=min{m｜A是n×m阶Fuzzy矩阵且使B =A AST} ,称w(B)为B的亚容度 .将证明存在使B =A AST 成立的Fuzzy矩阵A的充要条件是B =BST;进一步 ,w(B)≤ 2n2 - 1.     

一类既约梯度算法

既约梯度法是求解非线性规划问题的一类方法,它们尤其适用于带线性约束的非线性规划的求解。Wolfe的既约梯度法和Zangwill的凸单纯形法 是较熟悉的两种方法。本文给出了包含这两种方法的一类既约梯度算法以及此算法类的收敛性定理。 一、假设条件及记号 考虑如下非线性规划: (P) min｛f(x)｜Ax=b,x≥0｝,其中x∈Rn,A为m×n矩阵。令S为全体可行点的集合,且S非空。与一样,我们假定:(H1)f∈C1;(H2)A中的任意m个列向量线性无关;(H3)多面体S的每个极点非退化。 我们以A1表示A的一个子矩阵,它的行号与A相同,列的标号属于Ⅰ,其中Ⅰ　｛1,2,…     

矩阵损失下的协方差阵Σ的二次型估计的风险函数

考虑模型 H:Y=( Y1 ,Y2 ,… ,Yn)′=( X′1 ,X′2 ,… ,X′n)′β+ ( e1 ,e2 ,… ,en)′ Xβ+ e.其中 ,Yi:r维列观察向量 ,Xi:r× p已知矩阵 ,i=1 ,2 ,… ,n.β=( β1 ,β2 ,… ,βp)′是 p维未知参数向量 .e1 ,e2 ,… ,en　iid,e1 与r维正态分布 Nr( 0 ,Σ)有相同的前 4阶矩 ,这里Σ是未知的 r× r协方差阵 .在矩阵损失函数 L( d,Σ) =( d-Σ) 2 下 ,给出了Σ的二次型估计类 { Y′AY:A≥ 0 ,A∈ Rn× n}的风险函数 .     

复数域上非奇异矩阵A+iB的逆矩阵

我们知道一个复数域上的n阶矩阵总可以把它写成A+iB(此处A,B为n阶实矩阵),今若A+iB可逆,且其逆矩阵表为C+iD(此处C,D为n阶实矩阵),那么A,B和C,D是否有关系?其关系如何?本文就此问题作些探讨。由文[1]定理1直接可得推论1 若n阶复矩阵A+iB(此处A,B为n阶实矩阵)可逆,则引理1 若P为m×m(n≤m)矩阵,其秩为n,Q为m×n矩阵,其秩也为n,则n×n方阵PQ的秩为n 与文[3]的引理1证法相同,这里不再重复。引理2 对推论1中的A,B和任意一个2n×2n方阵u=(M_(2n×n)N_(2n×n))(此处M_(2n×n)的秩     

En空间二面角的另一类不等式

在[2]中尹景尧得出关于单纯形的一类三角不等式．本文把不等式cos2A+cos2B+cos2C≥3/4．A、B、C为ΔABC的三内角，推广到n维单形上去并且得另一类关于二面角的不等式。假定En中非退化单形Δn的顶点集S={p1，p2，…，Pn+1}，fi表示顶点p1所对的n-1维侧面，     

Max-plus代数中analogy-transitive矩阵及其本征问题

定义一类analogy-transitive矩阵,讨论其基本性质,给出判定一个矩阵是否为analogytransitive矩阵的判定定理及算法,最后讨论关于analogy-transitive矩阵的本征问题.对于analogytransitive矩阵,存在一个O(n2)的算法计算其唯一本征值λ(A)和所有本征向量x=(x1,…,xn)使得max j=1,…,n(aij+xj)=λ+xi(i=1,…,n).该结果较一般情况下O(n3)的算法有所改进.     

行列式求值的拓扑算法

本文利用Wai-kai Chen定理给出一个计算任意行列式值的拓扑方法。按本算法编出的计算程序具有以下特点:(1)程序简短,只有 80多个 FORTRAN语句;(2)运算精度高,本算法只对不可消项展开而后相加,因此可达到计算机本身的精度;(3)节省存贮,本算法需用的存贮量为2m+7n(m为矩阵非零元个数,n为矩阵的阶数)。本算法特别适用于高阶稀疏矩阵。 一、基 本 概 念 失介绍一些有关的定义和定理: 定义1 等余因式矩阵。如果一方阵A的每一行元素之和及每一列元素之和都为零,则称A是一个等余因式矩阵。 定理1 如果A是一个等余因式矩阵,那么A的元素的所有…     

Kv的完备匹配Mi的算法

给出了边矩阵的定义,提出了求解完备匹配Mi的2种算法.其中算法A是利用边矩阵K2n的△(G)一边着色求Mi,算法B是利用边矩阵K2n的2×2子矩阵划分及完全图Kn的n-1个完备匹配Mi的求解,再求Mi.介绍了用算法A构造循环赛图K(i)20的过程和用算法B构造循环赛图K(i)20的过程.     

求矩阵的广义逆

利用行式和列式的性质,给出了两种求矩阵广义逆的方法:1.伴随矩阵法,若m×n矩阵A的行(列)式|A|≠0,则1|A|A*是矩阵A的广义逆.2.如果m×n矩阵A是满秩的,且A的子式Ni1i2…irj1j2…jr(r=min(m,n))的行列式不等于零,则pN-112…mj1j2…jm0或Nii1i2…in12…n0P是矩阵A的一个广义逆.     

三角矩阵的存储映射

对三角矩阵的存储映射问题进行了讨论.对于n阶下三角矩阵,若按行主顺序仅将下三角部分各元素依次存储到向量B[1∶n(n+1)/2]中,则可获得矩阵下标集合到向量下标集合的一个一一映射f(i,j)=i(i-1)/2+j,其逆映射为f-1(k)=(p,k-p(p-1)/2).这里i≥j且p=(8k+1-1)/2.对于上三角矩阵,若按列主顺序仅存上三角部分,则可对称地获得类似的一一映射:g(i,j)=f(j,i)=j(j-1)/2+i,g-1(k)=(k-p(p-1)/2,p),其中i j,p同前.一般地,对于对称矩阵,若仅如前地存储下三角部分或上三角部分,则得到一个多对一映射h∶h(i,j)=f(i,j)(若i j)或g(i,j)(若i相似文献   

赛德尔迭代的一个新的高效算法

本文提出一个新的高效赛德尔迭代算法(ESI算法)求解大型对称正定稀疏线性方程组AX=b。A是n*n阶的对称正定稀疏系数矩阵。A可表达为A=D+U~T+U,其中D是对角矩阵,U是主对角元素为零的上三角矩阵。这个算法,只需上三角阵非零元及其同等数量的索引信息压缩存储。每行第一个非零元存入界限信息而其他非零元仅需存入对应列号。整个系数矩阵存储量为τ,τ是A的非零元个数。压缩与还原过程仅需O(n)次加法或减法运算。     

有界闭集上酉矩阵的反问题

令S＝｛A∈Mm｜‖AX1－B1‖AX1－B1‖＝min，X1，B1∈Cm×p｝，其中Cm×p表示m×p阶复矩阵，Mm表示m×m阶酉矩阵，‖·‖表示Frobenius范数。本文考虑如下问题：问题Ⅰ：给定矩阵X2，B2∈Cm×n，求A∈S，使：f（A）＝‖AX2－B2‖＝min其解集记为S2。问题Ⅱ：给定矩阵，求满足：本文给出了解集SA的通式及逼近解的表示式和一些有关的结果，并给出了相应的数值算法。     

加边矩阵与广义逆(Ⅰ)

设A〔C.On,B〔C“X”,C‘C.。“,这里n p=m q。方阵ABCO称为A用B与C加边而得到的矩阵,简称为A的加边矩阵。加边矩阵在矩阵论、广义逆矩阵论,以及许多应用领域中都是重要的。加边矩阵的非奇异性问题是这一论题的中心内容之一。关于加边矩阵的非奇异性问题研究的发展情况,在〔1〕中有所叙述,但那是不完全的,〔幻的第5章芍6所附文献可对之加以补充。[1」中所讨论的加边阵,对(·)中的矩阵B与C加上了较强的限制条件,即B只能是m一r列矩阵,C只能是n一:行矩阵,这里r二rankA。 ,e .c,、[2〕的第5章夸6也讨论了加边矩阵,但那里讨论的是逆阵为…