共查询到16条相似文献，搜索用时 140 毫秒
1.
建立了一种求矩阵方程AXAT＋BYBT=C对称最小二乘解的递推算法,对任意的初始对称矩阵,经过有限步迭代得到它的对称最小二乘解.若选取特殊的初始矩阵,通过递推算法得到的解就是极小范数对称最小二乘解.而且,对给定的任意矩阵,通过对方程的变形能得到它的最佳逼近对称解. 相似文献
2.
利用本文提出的迭代算法可得到矩阵AXB+CYD=E的双对称最小二乘解,并对算法的收敛性给出了证明,当选取初始矩阵为零时能得到矩阵方程的极小范数双对称最小二乘解,利用此方法还可得到任意给定矩阵的最佳逼近双对称解. 相似文献
3.
利用矩阵的奇异值分解,研究了线性流形上实对称矩阵的左右逆特征值的最小二乘解,得到了最小二乘解的一般表达式.对于给定的矩阵,得到了它的最佳逼近解。 相似文献
4.
通过矩阵的奇异值分解,求得了矩阵方程AX=B的在加权范数下的最小二乘解、对称最小二乘解、反对称最小二乘解,同时也导出了在相应解集中与给定矩阵最佳逼近的最小二乘解. 相似文献
5.
叶明 《常熟理工学院学报》2010,24(10)
讨论了不相容矩阵方程AXB=C的最小二乘问题min ||AXB-C||F,给出了一个迭代算法,并从理论上证明了算法在忽略舍入误差情形下、在有限步迭代内可得到精确解.选取适当的初始迭代矩阵可求得最小二乘解中极小范数矩阵,并将算法应用于约束条件下的矩阵最佳逼近问题,算例表明算法是可行、有效的. 相似文献
6.
通过矩阵的奇异值分解定理，得到矩阵方程A^TXA=B的在加权范数下的最小二乘解和对称最小二乘解表达式，同时导出了在相应解集中与已知矩阵最佳逼近的最小二乘解。 相似文献
7.
8.
9.
10.
11.
提出一种求矩阵方程AX XB=D反中心对称解的递推算法,该算法不仅能够判断反中心对称解的存在性,而且能够计算反中心对称解.选取特殊的初始矩阵时,该算法可以求出矩阵方程的极小范数反中心对称解,以及对给定矩阵进行最佳逼近的反中心对称解. 相似文献
12.
罗明 《南昌教育学院学报》2013,(9):72-73
对于求解线性矩阵方程sum (A_1X_1B_1=C) from l=1 to N的反对称解X_1,X_2,...,X_N的问题,文章给出一个迭代算法,用这个算法可判断方程是否存在反对称解。若如果矩阵方程相容,就可以通过有限步的迭代之后得到反对称解;若选择特定的初始值,则通过迭代之后得到的是它的极小范数反对称解。 相似文献
13.
讨论了矩阵方程AXB＋CYD=E中心对称解的迭代算法,该算法能够判断矩阵方程是否有中心对称解,在有解的条件下,能得到它的中心对称解,而且在选取特殊的初始矩阵时,该算法能够求出矩阵方程的极小范数中心对称解,以及对给定的矩阵进行最佳逼近的中心对称解． 相似文献
14.
文章首先考虑了如下问题：给定矩阵A,B∈Cn×m,求循环矩阵X∈CIRn×n,使得min｜｜AX—B｜｜。给X出了问题具有循环矩阵解的条件和解的一般表达式,若用SE表示上述问题解的集合,文章还考虑了最佳逼近问题：给定X＊∈CIRn×n,求X∈SE,使得minX∈SE｜｜X-X＊｜｜=｜｜X-X＊｜｜,其中｜｜·｜｜表示矩阵的Frobenius范XESE数,证明了问题存在唯一解,给出了其唯一解的一般表达式。 相似文献
15.
利用不动点定理将n阶线性方程组X=Cx＋d在范数‖·‖1的列范数下解的存在性与唯一性推广至范数‖·‖1的行范数、范数‖·‖p和范数‖·‖∞,并将这一性质推广至无限阶线性方程组. 相似文献
16.
The authors present their analysis of the differential equation dX(t)/dt=AX(t)-XT(t)BX(t)X(t), where A is an unsymmetrical real matrix, B is a positive definite symmetric real matrix, X∈Rn; showing that the equation characterizes a class of continuous type full-feedback artificial neural network; We give the analytic expression of the solution; discuss its asymptotic behavior; and finally present the result showing that, in almost all cases, one and only one of following cases is true. 1. For any initial value X0∈Rn, the solution approximates asymptotically to zero vector. In this case, the real part of each eigenvalue of A is non-positive. 2. For any initial value X0 outside a proper subspace of Rn, the solution approximates asymptotically to a nontrivial constant vector (X0). In this case, the eigenvalue of A with maximal real part is the positive number λ=‖(X0)‖2B and (X0) is the corresponding eigenvector. 3. For any initial value X0 outside a proper subspace of Rn, the solution approximates asymptotically to a non-constant periodic function (X0,t). Then the eigenvalues of A with maximal real part is a pair of conjugate complex numbers which can be computed. 相似文献