基于交替投影算法求解单变量线性约束矩阵方程问题

研究如下线性约束矩阵方程求解问题:给定A∈R^(m×n),B∈R^(n×p)和C∈R^(m×p),求矩阵X∈R(?)R^(n×n)"使得A×B=C以及相应的最佳逼近问题,其中集合R为如对称阵,Toeplitz阵等构成的线性子空间,或者对称半(ε)正定阵,(对称)非负阵等构成的闭凸集.给出了在相容条件下求解该问题的交替投影算法及算法收敛性分析.通过大量数值算例说明该算法的可行性和高效性,以及该算法较传统的矩阵形式的Krylov子空间方法(可行前提下)在迭代效率上的明显优势,本文也通过寻求加速技巧进一步提高算法的收敛速度.

多约束条件下矩阵方程AXA^T=B的最小二乘解

为了求解大型矩阵方程的多约束优化问题,基于Dykstra交替投影算法和相关的矩阵分解理论,提出了求解矩阵方程AXAT=B的多约束条件下的最小二乘解的迭代算法,并讨论了算法的收敛性。数值实验验证了算法的有效性。