1) least solution matrix
极小解矩阵
2) least-norm reflexive matrix solution
极小范数自反矩阵解
1.
By this iterative method,the solvability of the equations can be determined automatically,and its reflexive matrix solution or least-norm reflexive matrix solution can be got within finite steps.
该算法可以判断矩阵方程组是否有自反矩阵解,并在有自反矩阵解时,可以在有限步迭代计算之后得到矩阵方程组的一个自反矩阵解或者极小范数自反矩阵解。
3) Polar Decomposition of Matrices
矩阵极分解
4) mean solution matrix
中极解矩阵
5) barely L-matrix
极小L矩阵
6) minimal element matrix
极小元矩阵
1.
By constructing minimal element matrix Amin= ∧ r∈ Iarij ,using matrix inequality,we give linearization sufficient condition of upper limit obervability,and point out that the upper limit observability is superior to the observability.
提出了非线性 DEDSΣ∶ ( F ( x) ,B,C)的能观和上限能观的定义 ,并构造极小元矩阵 Amin=∧r∈ Iarij ,运用矩阵不等式 ,给出了上限能观的线性化充分条件 ,指出了上限能观性强于能观性 ,还给出了系统Σ分别能达的线性化充分条件 ,同时 ,讨论了系统Σ的对偶系统的相应问题 。
补充资料：Luxemburg范数
Luxemburg范数
Luxemburg nonn
L峨曰血叱范数〔I一血叱~;J如盆c服6yP住肋p-Ma] 函数 ，‘x!.(M，一、{*:*>o，丁、(，一’x(:))‘:‘1}， G这里M(u)是关于正的u递增的偶凸函数， 怒“一’M(u)一忽u(M(u))一，一0，对“>0，M(“)>0，且G是R”中的有界集.此范数的性质曾由W.A.J.h以油比飞〔11作了研究.L~b鸣范数等价于O正ez范数(见0口厄空间(C旧允2 sP创芜))，且 I{x}I(，)簇1 lx}I，蕊2 11 x 11(、).如果函数M(u)和N(u)是互补(或互为对偶)的(见O市口类(Or比zc地”‘、则 ，，·，，(一sun{)·(!，，‘!，“!:，，，，，《一‘，}·如果z‘(t)是可测子集E CG的特征函数，则 !l:二11‘M、-一下尖二一. ““启”‘川M一’(l/n篮‘E)’
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条