1. 引言
用
表示
实矩阵的集合,
表示矩阵A和B的Kronecker积,
表示将矩阵A按行拉直构成的列向量。对
,A与B的内积定义为
,则由此内积导出的范数
是矩阵A的Frobenius范数。
本文讨论如下问题:
问题I 给定
求
,使得
(1)
问题II 设问题I相容,且其解集合为
,给定
,求解组
,使得
(2)
广义Sylvester方程在控制论、信号处理、神经网络、模型降阶、图像恢复等领域有着广泛的应用。例如,控制理论及应用领域,在极点配置、观测器设计及构造Sylvester函数中都需要求矩阵方程
的解。正因为矩阵方程的数值解在众多应用中的重要性,近几年国内外众多学者对矩阵方程的数值求解进行了研究,得到了一些有效的数值解法。如文献 [1] [2] [3] [4] 在实矩阵类上不同的方法讨论了
具有一般解、对称解、反对称解的相容性条件和通解表达式。
迄今为止,对矩阵方程
的解及其最佳逼近的迭代算法进行了一些研究,例如顾传青 [5] 给出一种改进的梯度方法,邵新慧 [6] 给出了松弛迭代解法,段复建 [7] 给出了一类Sylvester矩阵方程异类约束解的迭代算法,邓勇 [8] 给出了广义Sylvester矩阵方程反自反解的有限迭代算法,康靖 [9] 给出了改进IO迭代算法,但是对问题I的正交投影迭代算法 [10] 的研究结果尚未见到,并且当前给出的算法都没有有效地进行收敛速率估计。本文利用正交投影的思想构造广义Sylvester矩阵方程一般实数解的迭代算法,并讨论迭代算法的收敛性问题。
2. 问题1的迭代算法
算法1
1) 任取初始值
,令
;
2) 计算
;
3) 令
;
4) 如果
且
,迭代结束,否则,
,
;
5) 令
,则转步骤(2)。
引理1 在迭代算法1中,
的选择使得
极小并且使得
和
相互正交。
证明:根据算法1,我们有
从上式可知,使得
达到极小的充要条件是
另一方面,令
,我们同样得到
。
引理2 在迭代算法1中,有
。
定理1 算法1必定收敛,在问题I中,设矩阵A的最大、最小非零奇异值分别是
,那么
算法1的收敛速率不小于
。
证明:设矩阵A的秩为
。设矩阵A的奇异值分解为
其中
都是正交阵,
,
,
。
若问题I相容,则有
成立,而由算法1得
,则
令
,那么
其中
,
,
且
。
设
是矩阵
和矩阵
的夹角,则有
其中
而由引理2,
,我们有
。
从上式可知算法1必定收敛,且收敛速率不小于
。
引理3 设线性方程组
存在解
,则
必为该线性方程组的唯一的极小范数解。
定理2 若问题I相容,算法1收敛到该问题的极小范数解。
证明:根据算法1,若问题I相容,那么由算法1可以得到问题1的一个迭代解组
,且
,
可分别表示为
下面证明
即为问题I的极小范数解。
将问题I中的矩阵方程(1)两边进行拉直映射运算,并记
,
,
,
,
,
则矩阵方程组(1)等价于线性方程组
(3)
可知
是线性方程组(3)的极小范数解,由于拉直映射是同构的,故
也是问题I的极小范数解组。
3. 问题2的解
若问题1相容,则解集
为一非空集,当
时,由
可得
令
,则问题2等价于求相容矩阵方程
的极小范数解组
。
利用迭代算法1,取特殊初值
时,可得矩阵方程
的唯一的极小范数解组
,从而得到问题2的解
,
。
4. 数值实例
用本文构造的迭代算法求矩阵方程
的一般解及矩阵
的最佳逼近矩阵。
例设
求问题I的解
。
若问题I相容,给定
求问题II的解
① 由算法1,取初值
;解得问题I的解为:
② 由算法1,若初值取特殊矩阵
,其中
则解得问题I的极小范数解为:
由上述的①,②可知,若问题I相容,则算法1收敛到该问题的唯一极小范数解。
令
;取初值
,由算法1可得
则由此可得问题II的解为:
5. 结论
本文对正交投影迭代算法进行改进,构造了求解广义Sylvester矩阵方程
一般实数解的正交投影迭代算法,利用奇异值分解,证明了该算法的收敛性,得出了收敛速率的估计式
,为了验证该算法的有效性,进行数值实例,数值实验的结果表明该算法是有效的。本文创新点如下:
1) 对正交投影迭代算法进行改进得到求解广义Sylvester矩阵方程
一般实数解的正交投影迭代算法;
2) 利用奇异值分解、不等式放缩性质证明了该算法的收敛性,得出了收敛速率的估计式为
;
3) 进行了数值验证,验证了该算法的有效性。
基金项目
湖南省2022年普通高等学校教学改革研究重点项目(编号:HNJG-2022-0381),湖南信息学院2022年校级科研课题(编号:XXY022YB09)。