李 瑩,王玉珊,丁文旭,韋安麗

(聊城大學(xué) 數(shù)學(xué)科學(xué)學(xué)院，山東 聊城 252059)

近年來, Toeplitz矩陣已經(jīng)成為科學(xué)研究中較為熱門的一類特殊矩陣, 它被廣泛應(yīng)用于眾多科學(xué)領(lǐng)域, 如數(shù)字信號處理、數(shù)字圖像處理、排隊網(wǎng)絡(luò)、數(shù)值分析、微分方程數(shù)值解等[1]. 在數(shù)字信號處理方面, 應(yīng)用Toeplitz矩陣的特殊結(jié)構(gòu), 將共軛Toeplitz結(jié)構(gòu)和中央對稱Toeplitz結(jié)構(gòu)納入?yún)f(xié)方差模型中, 設(shè)計了一種基于MOS(model order selection)理論的先分類再檢測的檢測體系, 來判斷接收到的回波信號中是否有目標[2]. 在數(shù)字圖像處理方面, 將圖像退化的過程等價為傳輸函數(shù)和噪聲對原始圖像矩陣進行線性變換, 而圖像恢復(fù)過程等價為當(dāng)傳輸函數(shù)可分離時, 將最小二乘問題轉(zhuǎn)化為Toeplitz矩陣的求逆[3]. 利用系數(shù)矩陣Toeplitz的性質(zhì)打破了在電磁法理論研究中一維理論以及積分方程方法存在的局限性, 使傳統(tǒng)積分方程方法中遇到的稠密矩陣的存儲困境得到了有效解決. 同時, 利用其所具有的特殊性質(zhì), 用快速傅里葉變換實現(xiàn)了迭代算法中的矩陣向量乘積, 加速了傳統(tǒng)積分方程技術(shù)中直接求矩陣向量乘積的過程[4]. 此外, 針對Toeplitz矩陣特征值的漸近行為, 給出了其在時間序列分析中的應(yīng)用[5]. 利用上三角Toeplitz矩陣分別給出了常系數(shù)線性微分方程和差分方程特解的表達式, 這對求解常系數(shù)線性微分方程和差分方程帶來了極大的方便[6-7]. 由此可見, 對Toeplitz矩陣的研究具有重要的應(yīng)用價值.

作為一類特殊的矩陣, 對以Toeplitz矩陣為系數(shù)矩陣的線性方程組的求解問題, 以及怎樣用計算機來實現(xiàn)算法是主要研究方向之一[8]. 研究方法分為兩大類：直接法[9]、迭代法.文獻[10]提出了通過分裂Toeplitz矩陣迭代求解線性方程組的HSS方法(skew-Hermitian splitting). 文獻[11]提出了將Toeplitz矩陣分裂成一個循環(huán)和一個反循環(huán)矩陣, 再進行雙步迭代求解的CSCS(circulant and skew circulant splitting)方法. 文獻[12]提出了將CSCS方法中一個參數(shù)形式改進成為兩個參數(shù)形式的ACSCS(accelerated circulant and skew circulant splitting)方法. Toeplitz系統(tǒng)求解的最新研究進展參見文獻[13]. 論文將基于矩陣半張量積,提出一種新的研究四元數(shù)上三角Toeplitz線性系統(tǒng)求解的直接方法.

問題1設(shè)A∈TQn×n, 令

S={x|x∈n,Ax=b}，

1 預(yù)備知識

定義1[14]設(shè)M∈m×n,U∈p×q,則

其中：t為n與p的最小公倍數(shù), 當(dāng)n=p時, 矩陣半張量積轉(zhuǎn)化為普通矩陣乘積.

引理1[14]設(shè)x∈m,y∈n, 則

x×y=x?y.

注矩陣半張量積是普通矩陣乘積的推廣, 具備普通矩陣乘積所具備的性質(zhì). 相較于普通矩陣乘積, 學(xué)者在矩陣半張量積可交換性方面的研究有著重要的突破.

引理2[14]設(shè)x∈t,A為任意矩陣, 則

x×A=(It?A)×x.

定義2[14]定義換位矩陣

直接計算即可檢驗換位矩陣的如下性質(zhì)

借助于換位矩陣, 可以對矩陣半張量積中的兩向量因子的順序進行交換.

引理3[14]設(shè)x∈m,y∈n, 則

W[m,n]×x×y=y×x,(x)T×(y)T×W[m,n]=(y)T×(x)T.

MF稱為F的結(jié)構(gòu)矩陣.

引理4[16]設(shè)A∈m×n,b∈m,當(dāng)且僅當(dāng)AA?b=b時，線性方程組Ax=b有解，且通解表示形式為x=A?b+(In-A?A)y,?y∈n.

2 四元數(shù)矩陣的實向量表示

定義4[17]設(shè)q=q1+q2i+q3j+q4k∈, 其中：qi∈(i=1,2,3,4), 并且基底的乘積滿足

i2=j2=k2=-1,ij=-ji=k,jk=-kj=i,ki=-ik=j.

定義5設(shè)四元數(shù)a=a1+a2i+a3j+a4k∈, 稱

vE(a)=(a1,a2,a3,a4)T

為四元數(shù)a的實向量表示.

根據(jù)定義5, 知兩個四元數(shù)乘積的實向量表示可以轉(zhuǎn)化為兩個四元數(shù)的實向量表示與四元數(shù)乘積的結(jié)構(gòu)矩陣的矩陣半張量積運算, 即引理5.

引理5[18]設(shè)l,m∈, 則

vE(lm)=MQ×vE(l)×vE(m),

定義6設(shè)xT,y∈n, 稱

vE(x)=((vE(x1))T,(vE(x2))T,…,(vE(xn))T)T,

vE(y)=((vE(y1))T,(vE(y2))T,…,(vE(yn))T)T

為四元數(shù)向量x，y的實向量表示.

(2) ‖x‖=‖vE(x)‖;

證明(1)，(2)容易驗證, 僅對(3)進行證明.

設(shè)x=(x1,x2,…,xn),y=(y1,y2,…,yn)T, 則

vE(xy)=vE(x1y1+…+xnyn)=vE(x1y1)+…+vE(xnyn)=

MQ×[vE(x1)×vE(y1)+…+vE(xn)×vE(yn)]=

(3)得證.

借助于四元數(shù)向量的實向量表示, 給出四元數(shù)矩陣的實向量表示的定義及性質(zhì).

定義7設(shè)A∈m×n, Colj(A),Rowi(A)分別代表四元數(shù)矩陣A的第j列與第i行,j=1,2,…,n,i=1,2,…,m, 分別稱

為四元數(shù)矩陣A的實列排與實行排.

證明(1)～(3)易檢驗, 僅對(4)進行證明. 首先, 將矩陣A按行分塊如下

可以得到Ax=(Row1(A)x,Row2(A)x,…,Rowm(A)x)T, 則

3 問題1的代數(shù)解

定理3設(shè)

則

其中

定理4設(shè)A∈TQn×n,x∈n, 則問題1中解的集合S可以表示為

S={x|x∈n,vE(x)=L?vE(b)+(I4n-L?L)y,?y∈4n},

(1)

vE(xL)=L?vE(b).

(2)

證明根據(jù)定理1，3, 可得

所以,有

‖Ax-b‖=0?‖LvE(x)-vE(b)‖=0?LvE(x)=vE(b).

對于實矩陣方程LvE(x)=vE(b), 利用引理4, 即得(1)，(2)式.

推論設(shè)A∈TQn×n,x∈n, 則四元數(shù)上三角Toeplitz線性系統(tǒng)Ax=b有解的充要條件為

(LL?-I4n)vE(b)=0.

(3)

證明利用定理4的證明過程, 可得

‖Ax-b‖=‖LvE(x)-vE(b)‖=

‖LL?LvE(x)-vE(b)‖=‖LL?vE(b)-vE(b)‖=‖(LL?-I4n)vE(b)‖,

則

‖Ax-b‖=0?‖(LL?-I4n)vE(b)‖=0?(LL?-I4n)vE(b)=0，

從而(3)式得證.

4 算法與數(shù)值算例

算法(問題1) 設(shè)四元數(shù)上三角Toeplitz線性系統(tǒng)Ax=b相容，該算法用于計算極小范數(shù)解.

(2) 輸入F,G,J, 輸出L;

(3) 根據(jù)(2)計算Ax=b的極小范數(shù)解xL.

算例

在MATLAB中, 借助‘rand’函數(shù)隨機生成兩個向量, 通過‘Toeplitz’ ‘triu’ 函數(shù)構(gòu)造出上三角Toeplitz矩陣Ai與實向量xi(i=1,2,3,4), 借助四元數(shù)工具包生成四元數(shù)矩陣A∈TQn×n與四元數(shù)向量x∈n,計算b=Ax.利用該算法計算得到四元數(shù)上三角Toeplitz線性方程Ax=b的極小范數(shù)解xL, 將其與真實解x進行比較, 令ε=log10‖xL-x‖, 則ε在不同規(guī)模的系統(tǒng)下的值如圖1所示.從圖1可以看出, 所得到的誤差數(shù)量級均小于-12, 從而驗證了該算法的有效性.

圖1 不同規(guī)模系統(tǒng)下的誤差的數(shù)量級