矩阵方程的最小二乘解是数值代数和矩阵分析领域中的重要研究课题, 在工程学、生物学、理论物理学、固体力学、自动控制等领域都有着广泛的应用.关于这方面的研究成果十分丰富.例如文[1-2].关于矩阵方程
的解和最小二乘解的研究也取得了不少进展.例如文[3-4], 其方法用的是奇异值分解和广义奇异值分解. 2007年, 文[5]利用矩阵的Kronecker积和矩阵的拉直算子及矩阵的Moore-Penrose广义逆研究了矩阵方程(1.1) 的对称极小范数最小二乘解.
然而, 根据不同实际问题的需要, 同一类矩阵方程需要研究其不同类型的解.三对角中心对称矩阵的结构较一般对称矩阵更复杂, 并且关于三对角中心对称解的研究也较少见.但三对角中心对称矩阵在噪声处理、工程技术等方面有着重要应用.文[6]利用奇异值分解的方法研究了矩阵方程 $AX=B$存在三对角中心对称(极小范数)最小二乘解的充要条件, 但并未给出其解的表达式.本文利用文[5]的方法来研究矩阵方程(1.1) 的三对角中心对称极小范数最小二乘解, 并给出其解的表达式.
本文用 $R^{m\times n}$表示 $m\times n$阶实矩阵的集合, $I_n$表示 $n$阶单位矩阵的集合, $e_i$表示单位矩阵 $I_n$的第 $i$列 $(i=1, 2, \cdots, n)$. $A^T, A^{+}$分别表示 $A$的转置和 $A$的Moore-Penrose广义逆.对 $A \in R^{m \times n}, B\in R ^{m\times n}$, 定义实矩阵 $A$与 $B$的内积为 $\langle A, B\rangle={\rm tr}(A^TB)$, 由此导出的范数 $\|A\|=\sqrt{\langle A, A\rangle}$称为 $A$的Frobenius范数, 且 $R^{m \times n}$构成一个完备内积空间.
定义1.1 设 $A \in R^{m \times n}, B \in R^{p\times q}$, 称 $A\otimes B=(a_{ij}B) \in R^{mp\times nq}$为 $A$与 $B$的Kronecker积.
定义1.2 设 $A=(a_{ij})_{m\times n}$, 记 $a_j=(a_{1j}, a_{2j}, \cdots, a_{mj})$ $(j=1, \cdots, n)$, 称 ${\rm vec}(A)=(a_1, \cdots, a_n)^T$为矩阵 $A$的(按列)拉直.
定义1.3 若矩阵 $X=(x_{ij})\in R^{n\times n}$的元素满足 $x_{ij}=x_{n+1-i, n+1-j}(i, j=1, \cdots, n)$, 则称 $X$为中心对称矩阵.若 $X$是中心对称的且为三对角矩阵,则称 $X$为三对角中心对称矩阵.全体 $n$阶三对角中心对称矩阵的集合记为 $CSTR^{n\times n}$.
本文主要考虑以下问题:
问题Ⅰ 给定 $A\in R^{m\times n}, B\in R^{n\times s}, C\in R^{m\times l}, D\in R^{l\times s}, E\in R^{m\times s}$, 求
问题Ⅱ 求 $[\hat{X}, \hat{Y}] \in AS_L, $使得
问题Ⅰ的解称为矩阵方程(1.1) 的三对角中心对称最小二乘解,问题Ⅱ的解称为矩阵方程(1.1) 的三对角中心对称极小范数最小二乘解.本文在第2节给出了问题Ⅰ的解, 第3节给出了问题Ⅱ的解的表达式.
为了研究问题Ⅰ的解,先来看几个引理.
引理2.1 (1) 当 $n=2k$时, $X=(x_{ij})_{n\times n}\in R^{n\times n}$, 则
其中
其中 $e_i$为单位矩阵 $I_n$的第 $i$列,易知 $J_n\in R^{n^2\times \frac{3n-2}{2}}$.
(2) 当 $n=2(k+1)$时, $X=(x_{ij})_{n\times n}\in R^{n\times n}$, 则
其中 $e_i$为单位矩阵 $I_n$的第 $i$列, 易知 $J_n^{\prime}\in R^{n^2\times \frac{3n-1}{2}}$.
证 只证(1), (2) 的证明同(1).
若 $X\in CSTR^{n\times n}$, 由三对角中心对称矩阵的定义可知
将等式两边按列拉直得
进一步可得 ${\rm vec}(X)=J_n{\rm vec}_S(X)$.反过来, 若 $\forall X=(x_{ij})_{n\times n}\in R^{n\times n}$且 ${\rm vec}(X)=J_n{\rm vec}_S(X)$, 则 $X\in CSTR^{n\times n}$.
引理2.2[7] ${\rm vec}(AXB)=(B^T\otimes A){\rm vec}(X)$.
引理2.3[7] 设 $A\in R^{m\times n}, b\in R^n $, 则不相容线性方程组 $Ax=b$的最小二乘解为
其中 $y\in R^n$是任意的.
引理2.4[8] 分块矩阵 $(P_1, P_2)$的Moore-Penrose广义逆为
下面来求解问题Ⅰ的解.
定理2.1 给定 $A\in R^{m\times n}, B\in R^{n\times s}, C\in R^{m\times l}$, $D\in R^{l\times s}$, $E\in R^{m\times s}$, ${\rm vec}(X)$如定义1.2所给, $J_n, {\rm vec}_S(X)$如引理2.1所给, 令 $Q_1=J_n$, $Q_2=J_l$, 记 $Q={\rm diag}(Q_1, Q_2)$, $P_1=(B^T\otimes A)Q_1$, $P_2=(D^T\otimes C)Q_2$, 则问题Ⅰ的解 $AS_L$可表示为
其中 $ y$为适当维数的任意向量.
证 由引理2.1知
由引理2.3知
由引理2.4知
其中 $y$为适当维数的任意向量.
注 定理2.1中 $J_n, {\rm vec}_S(X)$的表达式根据 $n=2k$或 $n=2k+1$分别取(2.1) 式或(2.4) 式.
定理3.1 条件与符号和定理2.1相同,则问题Ⅱ存在唯一解 $[\hat X, \hat Y] \in AS_L$且 $[\hat X, \hat Y]$可表示为
证 易知 $AS_L$为完备内积空间 $R^{n\times n}\times R^{l\times l}$的一个闭凸集, 由最佳逼近定理知存在唯一的 $[\hat X, \hat Y]\in AS_L$使(1.2) 式成立.下面证明 $[\hat X, \hat Y]$由(3.1) 式给出.
由(2.8) 式知
的解为
其中 $y_0=-\begin{bmatrix}Q \begin{bmatrix} S_{11}&S_{12}\\ S_{12}^T&S_{22} \end{bmatrix} \end{bmatrix}^+\begin{bmatrix}Q \begin{bmatrix} P_1^{+}-P_1^{+}P_2H \\ H \end{bmatrix}{\rm vec}(E) \end{bmatrix}$, $ z$为适当维数的任意向量.
将(3.2) 式代入(2.8) 式且当 $z$为零向量时可得 $[\hat{X}, \hat{Y}]$如(3.1) 式所示.