几类约束矩阵方程成绩及其迭代解法.pdfVIP

摘要 约束矩阵方程问题是指在满足一定约束条件下的矩阵集合中求矩阵 方程的解。约束条件不同，或矩阵方程不同，则得到不同的约束矩阵方 程问题。 约束矩阵方程问题在结构设计、参数识别、生物学、电学、分子光谱 学、固体力学、自动控制理论、振动理论、有限元、线性最优控制等领 域都有着重要应用。 本篇硕士论文主要研究了下列问题的迭代算法： 问题I给定A，B∈R刖4，求X∈S，使得 AX=B 问题Ⅱ设问题I相容，且其解结合为SE，给定Xo∈R“”，求j∈SF， 使得 忙一刊，=恕肛一KlI， 其中S为R默”中满足某约束条件的矩阵集合。 本文主要研究成果如下： 1．当S是正交(反)对称矩阵集合时，首先利用这类矩阵的结构和特 征性质，采用正交投影构造了问题I的迭代算法，然后利用这类矩阵和 (反)对称矩阵的关系证明了算法的收敛性，同时给出了算法的收敛速 度估计。当方程相容时，算法收敛于问题I的极小范数解。对算法稍加 修改后，得到了问题II的迭代算法。最后给出了数值算例，验证了算法 的有效性。 2．当s是对称正交(反)对称矩阵集合时，首先采用了正交投影构造 了问题I的迭代算法，然后通过对问题I中的矩阵方程AX=B做等价变 换，证明了算法的收敛性，同时给出了算法的收敛速度估计。当方程相 容时，算法收敛于问题I的极小范数解。对算法稍加修改后，得到了问 题II的迭代算法。最后给出了数值算例，验证了算法的有效性。 3．当S是反对称正交(反)对称矩阵集合时，构造了问题I的迭代算 法，证明了算法的收敛性，给出了算法的收敛速度估计。当方程相容时， 算法收敛于问题I的极小范数解。对算法稍加修改后，得到了问题II的 迭代算法。最后给出了数值算例，验证了算法的有效性。 关键词：约束矩阵方程；极小范数解；最佳逼近解；正交投影迭代法 ABSTRACT The constrainedmatrix iStofindsolutionsofamatrix equationproblem inasetofmatriceswhichsatisfiessomeconstraintconditions． equation Whentheconstrainedconditionsare thematrix are different，or equations can differentconstrainedmatrix different，weget equationproblems． The constrainedmatrix havebeen usedin equationproblems widely structural design，parameter control spectroscopy，solidmechanics，automatic theory，vibrationtheory， finite controlandSOon． elements，linear optimal The iterativemethodsofthe be whichwill followingproblems