非线性方程X+A<'*>X<'-2>A=Q的Hermite正定解

来源 :山东大学 | 被引量 : 0次 | 上传用户:minghao1122
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
求解非线性矩阵方程的问题主要是通过分析所给方程参数的性质来得到方程的解.由于Hermite正定解在实际中应用较多,所以我们只讨论此类解的情况.在现实生活中,方程的来源相当广泛,包括控制理论,动态规划,统计和椭圆型偏微分方程的差分方法求解等多个领域.关于此类方程的求解通常涉及到三个问题:(1)可解性问题,即方程有解的充分和必要条件;(2)数值求解问题,即有效的数值方法;(3)解的扰动分析.   首先,本文讨论了方程X+A*X-2A=Q(1)的可解性及解的性质,主要结论如下:   定理1矩阵方程(1)有解的充要条件是存在非奇异的矩阵W,Z,使得A=(W*W)Z,其中矩阵WQ1/2 ZQ1/2是列酉正交的,此时方程(1)有解X=W*W.   定理2矩阵方程(1)有解的充要条件是存在酉矩阵U1,V1和对角矩阵Γ>0,φ>0,使得(公式略)   其中Γ2+φ2=I.此时X=Q1/2*Γ2Q1/2是方程(1)的解.   定理3若方程(1)有解为X,A为非奇异矩阵,则(公式略)   定理4设方程(1)有解为X,A为非奇异矩阵,则(公式略)其中(~a)是数量方程(公式略)在(0,2/3)内的解.   定理5设方程(1)有解为X,A为非奇异矩阵,则(公式略)其中(^a)是数量方程(公式略)在[2/3,1]内的解.   定理6若A和Q满足条件(2.7),X是矩阵方程(1)的解,则(公式略)其中,α1,β1是方程(2.5)的两个正实根;α2,β2是方程(2.6)的两个正实根其次,通过两种不同的迭代方式,利用不动点定理分别求出了方程(1)的迭代解,并讨论了迭代解的收敛性,同时给出了迭代解的扰动界.   定理7若A和Q满足条件(2.7),则矩阵方程(1)在[β1I,β2I]上存在唯一解XL,且不可能有比XL更大的解.XL可由以下迭代得到(公式略)其中X0∈[β1I,β2I].   定理8若A和Q满足条件(2.7),则矩阵方程(1)在X∈[α2I,α1I]]上有极大解(^X)和极小解(-X),且(^X)=limn→∞(^X)n,(-X)=limn→∞(-X)n,其中(公式略)且(-X)0≤(-X)1≤…≤(-X)n≤…≤(^X)≤…(^X)n≤…≤(^X)1≤(^X)0.对方程(1)的任意解X,都有X≥(-X),即(-X)是方程(1)的所有解中的最小解.   定理9设A,(~A)=A+△A为非奇异矩阵,Q,(~Q)=Q+△Q∈Cn×n为Hermite正定矩阵.若A和Q满足条件(公式略)   最后,给出了方程的牛顿迭代算法并证明了其收敛阶。   定理11由牛顿迭代(4.2)产生的矩阵序列{Xk}二次收敛到XL,即存在C>0,使得(公式略)。
其他文献
本文研究了一类含有马尔科夫跳(MarkovianJumping)参数的神经网络的稳定性分析和状态估计问题。所考虑的神经网络模型既含有离散时滞又含有分布时滞,并且时滞是马尔科夫模态依
在统计决策理论中,对称损失函数是一类重要的损失函数。比如平方损失函数,刻画了如果参数估计量与真值很接近,则该估计量对应较小的损失,是合理的;如果偏离得远,则该估计量对应较大
短期负荷预测作为电力系统工作中不可或缺的一部分,对电力系统的安全和经济的发展具有深远的影响。对于短期负荷预测的研究已有很久的历史,研究者们仍在不断提出能够提高负荷预测精度的方法。近年来,数据挖掘、机器学习、人工智能等技术越来越广泛地应用于电力系统的负荷预测中,小波分析理论在电力系统负荷预测中所起的作用愈加显著,且梯度Boosting回归树算法在搜索排名、机器学习和生物研究等多个领域有着广泛应用,是
广义纳什均衡问题(GNEP)是对Nash提出的经典纳什均衡问题(NEP)的推广,其中每个决策者的目标函数和可行集都依赖于其他参与者的策略。它是源于经济学的一类重要模型,并被广泛应用于
循环矩阵是一类重要的特殊矩阵,近年来对它的理论研究比较活跃。本文在前人对循环矩阵、r-循环矩阵、首尾和循环矩阵、首尾和r-循环矩阵、H-循环矩阵研究的基础上,对H-循环矩阵
在无线传感器网络中,网络安全通信已逐步得到研究人员的重视,由于传感器网络具有大规模、节点资源有限、分布式等特点,传统的基于公钥和可信任的密钥分配中心等方式,经过验证
学位