有标题对角占优矩阵的性质及其应用

合集下载

数据统计学中的对角占优矩阵

数据统计学中的对角占优矩阵

数据统计学中的对角占优矩阵对角占优矩阵(Diagonally Dominant Matrix)是数据统计学中一个重要的概念。

在这篇文章中,我们将探讨对角占优矩阵的定义、性质和其在统计学中的应用。

对角占优矩阵是指在一个矩阵中,每一行(或每一列)的绝对值之和大于该行(或列)对应对角线上元素的绝对值。

换句话说,如果记矩阵为A,第i行(或列)的绝对值之和大于第i行(或列)对应对角线上元素的绝对值,即∑|A[i, j]| > |A[i, i]|,其中j表示第i 行(或列)的其他元素。

这样的矩阵被称为严格对角占优矩阵(Strictly Diagonally Dominant Matrix)。

如果不等号变为小于等于号,即∑|A[i, j]| ≥ |A[i, i]|,则称为对角占优矩阵。

在严格对角占优矩阵中,绝对值之和大于对角元素的绝对值,而在对角占优矩阵中,绝对值之和可以等于对角元素的绝对值。

对角占优矩阵的出现是很常见的,它们可以用于描述各种不同的现实情况。

在统计学中,对角占优矩阵在许多方法和技术中都起着重要作用。

下面我们将介绍一些对角占优矩阵的性质和它们在统计学中的应用。

对角占优矩阵在解线性方程组时具有很好的性质。

对于严格对角占优矩阵,它们是非奇异矩阵,即行列式不为零,因此它们总可以通过高斯消元法求解。

对于对角占优矩阵,它们的行列式可能为零,但在实践中仍可以使用迭代方法求解,如雅可比迭代法或高斯-赛德尔迭代法。

因此,对角占优矩阵的性质使得它们在数值线性代数中非常有用。

对角占优矩阵在概率和统计模型中也有广泛应用。

例如,在概率论中,对角占优矩阵可以用于表示条件独立性,即给定一些随机变量的条件下,另一些随机变量之间的独立性。

在贝叶斯网络中,对角占优矩阵经常用于表示变量之间的依赖关系。

此外,在统计建模中,对角占优矩阵可以用于描述相关性或协方差矩阵的结构。

在实际数据分析中,对角占优矩阵经常被用于估计模型参数、推断变量之间的关系以及进行模型选择。

广义严格对角占优矩阵的两个性质

广义严格对角占优矩阵的两个性质
广义严格对角占优矩阵是一类特殊的矩阵,其特点在于存在一组正数,使得矩阵的每个元素与其对应正Байду номын сангаас的乘积满足一定的条件。这种矩阵在数值计算中具有重要的应用,特别是在线性方程组的求解中。本文首先给出了广义严格对角占优矩阵的定义,并通过引理证明了这类矩阵是非奇异的。进一步,针对线性方程组Ax=b,本文证明了当系数矩阵A为广义严格对角占优矩阵时,Jacobi迭代法和Gauss-Seidel迭代法均收敛。这两种迭代法都是数值计算中常用的方法,其收敛性对于保证计算结果的准确性和效率至关重要。通过本文的证明,我们可以更加放心地在满足条件的情况下使用这两种迭代法来求解线性方程组。此外,本文的研究结果也为广义严格对角占优矩阵在更广泛领域的应用提供了理论基础。

数据统计学中的对角占优矩阵

数据统计学中的对角占优矩阵

数据统计学中的对角占优矩阵1. 引言在数据统计学中,矩阵是一种重要的数学工具,用于表示和处理多维数据。

对角占优矩阵是一类特殊的矩阵,在某些统计分析和计算中具有重要的应用价值。

本文将介绍对角占优矩阵的定义、性质和应用,并探讨其在数据统计学中的重要性。

2. 对角占优矩阵的定义对角占优矩阵是指在一个方阵中,每一行(或每一列)的对角元素(即主对角线上的元素)的绝对值大于等于其他非对角元素之和。

具体而言,设一个n×n方阵A={aij},其中i和j分别表示行和列的索引,则A是一个对角占优矩阵当且仅当满足以下条件:|aii| ≥ Σ|aij| (j ≠ i)其中Σ表示求和运算。

3. 对角占优矩阵的性质对角占优矩阵具有许多重要的性质,这些性质使得它在数据统计学中得到广泛应用。

3.1 唯一解如果一个线性方程组的系数矩阵是对角占优矩阵,并且方程组的右端向量满足一定条件,那么该线性方程组将有唯一解。

这个性质在统计分析中非常重要,因为它确保了我们可以准确地计算出线性模型的参数。

3.2 迭代收敛对角占优矩阵还具有迭代收敛的性质。

在某些迭代算法中,如Jacobi方法和Gauss-Seidel方法,对角占优矩阵作为系数矩阵可以加速迭代过程的收敛速度。

这对于大规模数据集和复杂模型的统计计算非常有用。

3.3 稀疏性对角占优矩阵通常具有稀疏性,即大部分元素都为零。

这种稀疏性使得对角占优矩阵在存储和计算上更加高效。

在大规模数据集和高维问题中,使用对角占优矩阵可以显著提高计算效率。

4. 对角占优矩阵的应用对角占优矩阵在数据统计学中有广泛的应用,下面介绍几个典型的应用场景。

4.1 线性回归在线性回归分析中,对角占优矩阵常用于计算最小二乘估计量的闭合解。

通过将线性回归问题转化为一个方程组,其中系数矩阵是对角占优矩阵,可以快速计算出最优参数估计。

4.2 特征值分解对角占优矩阵在特征值分解中也有重要应用。

特征值分解是一种将矩阵分解为特征向量和特征值的方法。

广义对角占优矩阵的讨论及其应用

广义对角占优矩阵的讨论及其应用

广义对角占优矩阵的讨论及其应用孙德淑;彭小平【摘要】广义对角占优矩阵在动力系统理论及智能科学等许多学科中都有着广泛的应用.但在实际应用中要判定广义对角占优矩阵是比较困难的.该文给出判定广义对角占优矩阵的一组新条件,并给出其在神经网络系统中的应用实例,相应数值例子说明了新判定方法的有效性.【期刊名称】《广西师范学院学报(自然科学版)》【年(卷),期】2018(035)004【总页数】5页(P18-22)【关键词】广义对角占优矩阵;神经网络系统;对角占优性;不可约;非零元素链【作者】孙德淑;彭小平【作者单位】贵州民族大学数据科学与信息工程学院,贵州贵阳 550025;贵州民族大学数据科学与信息工程学院,贵州贵阳 550025【正文语种】中文【中图分类】O151.210 引言广义对角占优矩阵在计算数学、数学物理、经济学、生物学、动力系统理论及智能科学等许多学科中都有着广泛的应用,许多实际问题的解决都可以归纳到广义对角占优矩阵的判断上.但在实际应用中,判定一个矩阵是否为广义对角占优矩阵是比较困难的问题,因此,研究广义对角占优矩阵的数值判定方法,并给出简捷实用的判别条件,具有十分重要的理论价值和实际应用价值.国内外许多学者在研究广义对角占优矩阵的性质、判定条件和迭代判别算法等方面做了大量的工作,已获得一些十分有价值的成果[1~9].本文继续这方面问题的研究,讨论了广义对角占优矩阵的判定准则,得到一些新的判定范围更广的条件,最后用数值例子说明了新判定方法的有效性.1 符号与引理用Cn×n表示n阶全体复方阵的集合,记N={1,2,…,n},M={(i,j)|i,j∈N,i≠j}.设A=(aij)∈Cn×n,记若|aii|>Ri(A),∀i∈N,则称A是严格对角占优的.若存在正对角阵Y,使得AY是严格对角占优的,则称A为广义对角占优矩阵,记作本文中我们假定A满足:aii≠0,Ri(A)Ci(A)≠0,∀i∈N.定义1[1] 设A=(aij)∈Cn×n,若存在α∈[0,1],使得|aiiajj|>(Ri(A)Rj(A))α(Ci(A)Cj(A))1-α,∀(i,j)∈M,则称A为严格α-双对角占优矩阵,记为A∈DD(α).引理1[1] 设A=(aij)∈Cn×n,若A∈DD(α),则引理2[2] 设A=(aij)∈Cn×n,若存在α∈[0,1],使得|aii ajj|≥(Ri(A)Rj(A))α(Ci(A)Cj(A))1-α,∀(i,j)∈M,且对每一满足|aiiajj|=(Ri(A)Rj(A))α(Ci(A)Cj(A))1-α 的(i,j)∈M都有一个非零元素链ai0i1ai1i2…aipj0或aj0j1aj1j2…ajqi0,使得i0=i,j0∈J(A)或i0=j,j0∈J(A),其中J(A)={i||aiiajj|>(Ri(A)Rj(A))α(Ci(A)Cj(A))1-α,(i,j)∈M}≠∅,则用Γ(A)表示A的有向图,E(A)表示Γ(A)的边集.引理3[3] 设A=(aij)∈Cn×n不可约,若存在α∈[0,1],使得|aiiajj|≥(Ri(A)Rj(A))α(Ci(A)Cj(A))1-α,∀(i,j)∈M,且存在(i*,j*)∈E(A)(i*≠j*),使得|ai*i*aj*j*|>(Ri*(A)Rj*(A))α(Ci*(A)Cj*(A))1-α,则2 主要结论首先引入记号.下文中Ri(A),Ci(A)分别简记为Ri,Ci.N1={(i,j)|RiRj<|aiiajj|<CiCj},N2={(i,j)|CiCj<|aiiajj|<RiRj},N3={(i,j)||aiiajj|≥CiCj>RiRj},N4={(i,j)||aiiajj|≥RiRj>CiCj},N5={(i,j)||aiiajj|>RiRj=CiCj},N0={(i,j)||aiiajj|≤RiRj,|aiiajj|≤CiCj},显然有N=N1∪N2∪N3∪N4∪N5∪N0.令∀(i,j)∈N1;∀(i,j)∈N2.引理 4 设A=(aij)∈Cn×n,则A∈DD(α)的充分必要条件是N0=∅且对任意的(s,t)∈N1,(i,j)∈N2,有logαstβst+logxijyij>1.(1)证明充分性对任意(s,t)∈N1,有又对任意(i,j)∈N2,有由式(1)知logxijyij>1-logαstβst,所以存在0<α<1,使得(2)于是,对任意的(s,t)∈N1,由式(2)知即整理得|assatt|≥(RsRt)α(CsCt)1-α.对任意的(i,j)∈N2,由式(2)知即整理得|aiiajj|≥(RiRj)α(CiCj)1-α,又因为N0=∅,故对任意(p,q)∈N3∪N4∪N5,0<α<1,有|a ppaqq|≥(RpRq)α(CpCq)1-α.综上所述可知A∈DD(α).必要性由A∈DD(α)知N0=∅,且对任意(s,t)∈N1,存在0<α<1,使得|assatt|≥(RsRt)α(CsCt)1-α,即整理得(3)类似地,对任意(i,j)∈N2,有(4)由式(3)及式(4)知式(1)成立. 定理得证.定理1 若A=(aij)∈Cn×n满足N0=∅,且对任意(s,t)∈N1,(i,j)∈N2,式(1)总成立,则证明由引理4知A∈DD(α),再由引理1知定理2 设A=(aij)∈Cn×n,N0=∅,若A满足logαstβst+logxijyij≥1,(s,t)∈N1,(i,j)∈N2,且对于满足logαstβst+logxijyij=1,(s,t)∈N1,(i,j)∈N2,(5)的(s,t),(i,j)都存在非零元素链as0s1as1s2…aspt0或at0t1at1t2…atqs0和ai0i1ai1i2…aikj0或aj0j1aj1j2…ajmi0,其中s0=s或s0=t和i0=i或i0=j,使得t0,j0∈G(A)={i|logαstβst+logxijyij>1,(i,j)∈N2}≠∅,则证明由引理4知对任意(s,t)∈N1,(i,j)∈N2,一定存在0<α<1,使得|assatt|≥(RsRt)α(CsCt)1-α, |aiiajj|≥(RiRj)α(CiCj)1-α.且对任意(p,q)∈N3∪N4∪N5,0<α<1,显然有|appaqq|≥(RpRq)α(CpCq)1-α.由G(A)≠∅知存在(s,t)∈N1,(i,j)∈N2,使得logαstβst+logxijyij>1,即|assatt|>(RsRt)α(CsCt)1-α, |aiiajj|>(RiRj)α(CiCj)1-α.由式(5)知对于满足|assatt|=(RsRt)α(CsCt)1-α((s,t)∈N1),|aiiajj|>(RiRj)α(CiCj)1-α((i,j)∈N2),的(s,t),(i,j)都存在非零元素链as0s1as1s2…aspt0或at0t1at1t2…atqs0和ai0i1ai1i2…aikj0或aj0j1aj1j2…ajmi0,其中s0=s或s0=t和i0=i或i0=j,使得t0,j0∈J(A)={i||aiiajj|>(RiRj)α(Ci Cj)1-α,(i,j)∈N2}≠∅.故由引理2知定理3 设A=(aij)∈Cn×n不可约,N0=∅, 若A满足logαstβst+logxijyij≥1,(s,t)∈N1,(i,j)∈N2,且存在ei*,j*∈E(A)((i*,j*)∈N2),使得logαstβst+logxi*j*yi*j*>1,(6)则证明类似于定理2的证明可得对任意的(i,j)∈N1∪N2∪N3∪N4∪N5,一定存在0<α<1,使得|aiiajj|≥(RiRj)α(CiCj)1-α.由式(6)知存在且存在ei*,j*∈E(A)((i*,j*)∈N2),使得|ai*i*aj*j*|>(Ri*Rj*)α(Ci*Cj*)1-α.故由引理3知3 数值例子算法:(1) 输入矩阵A;(2) 计算Ri(A), Ci(A), i∈N;(3) 确定指标集N1,N2,N0;(4) 若N0≠∅, 则判定法失效;(5) 若N0=∅,计算αst,βst,(s,t)∈N1; xij,yij,(i,j)∈N2;(6) 利用第五步的计算结果验证定理1的条件.若条件成立,则输出“A为广义对角占优矩阵”.上述算法利用数学软件Matlab编制程序, 所得计算结果是在AMD E1-2000 APU 处理器上应用数学软件Matlab 7.1实现的(计算结果精确到小数点后四位).例1 设则N1={(1,5),(2,5)},N2={(1,3),(2,3)},N0=∅.计算得logα15β15+logx13y13≈1.094 7>1,logα15β15+logx23y23≈1.512 4>1,logα25β25+logx13y13≈1.736 7>1,logα25β25+logx23y23≈2.146 2>1.可见A满足本文定理1的条件,故但是因此,A不满足文[8]中定理2.1的条件.又因此,A不满足文[9]中定理1的条件.下面考虑Hopfield神经网络系统:其中gi(ui)>0, ui≠0, 0<gi≤1, gi(±)=±1, Ci=1, i=1,2,3,4,5;注意到为广义对角占优矩阵,因此由文献[10]知,所讨论的系统的平衡位置存在且唯一,并且全局指数是稳定的.4 结语本文讨论了广义对角占优矩阵的判别方法,得到了几个新的判定条件,改进和推广了某些已有的判别法,并给出了新判别法在神经网络系统稳定性判断中的应用.最后,用数值算例说明了本文所得判别方法的有效性.参考文献:【相关文献】[1] 黄廷祝.Ostrowski定理的推广与非奇异H-矩阵的条件[J].计算数学,1994,16(1):19-24.[2] 李庆春.广义严格对角占优矩阵的判定[J].高等学校计算数学学报,1999,21(1):87-92.[3] 李阳,宋岱才,路永洁.α-双对角占优与非奇异H-矩阵的判定[J].合肥工业大学学报(自然科学版),2005,28(12):1624-1626.[4] 庹清,谢清明,刘建州.非奇异H-矩阵的实用新判定[J].应用数学学报,2008,31(1):143-151.[5] 韩涛,陆全,徐仲,等.一组非奇异H-矩阵判定的新判据[J].工程数学学报,2011,28(4):498-504.[6] 王峰.广义对角占优矩阵的判定准则[J].高等学校计算数学学报,2012,34(1):23-29.[7] 张俊丽,韩贵春.非奇异H-矩阵的新判定方法[J].中北大学学报(自然科学版),2016,37(3):211-214,224.[8] 王磊磊,黄浩,李全兵,等.非奇异H-矩阵的一类新判定[J].数学杂志,2015,35(6):1504-1510.[9] 朱海,王健,廖貅武,等.非奇H-矩阵的实用判别准则[J].数学的实践与认识,2014,44(7):280-285.[10] Liao Xiaoxin, Liao Yang. Stability of Hopfield type neural network (II)[J]. Science in China (Series A),1997,40(8):813-816.。

对角占优矩阵的行列式大于零的证明

对角占优矩阵的行列式大于零的证明

对角占优矩阵的行列式大于零的证明对角占优矩阵的行列式大于零的证明一、引言在线性代数中,对角占优矩阵(Diagonally Dominant Matrix)是一种常见的矩阵类型,具有很多重要的性质和应用。

其中一个重要的性质是,对角占优矩阵的行列式大于零。

在本文中,我们将探讨这个性质的证明过程,帮助读者更全面、深刻地理解对角占优矩阵的特性。

二、定义与性质回顾在开始证明之前,让我们先回顾一下对角占优矩阵的定义和一些相关性质。

1. 定义:对角占优矩阵是指矩阵的每一行(或每一列)对应的对角元素的绝对值大于等于该行(或该列)中非对角元素绝对值之和。

2. 性质1:对角占优矩阵的主对角线元素为正。

3. 性质2:对角占优矩阵的行列式大于等于零。

三、证明过程下面我们将逐步证明对角占优矩阵的行列式大于零。

1. 基本思路我们将采用矩阵的定义进行证明。

根据性质1,对角占优矩阵的主对角线元素为正,而矩阵的行列式等于各列元素的代数余子式之和。

我们只需要证明矩阵的每个列元素的代数余子式都为正,就能得出结论。

2. 证明过程考虑对角占优矩阵A的第i列元素ai,我们需要证明它对应的代数余子式Mi为正。

(1)对第i列元素ai求代数余子式Mi,可以得到一个n-1阶子矩阵。

(2)根据对角占优矩阵的定义,第i列元素的绝对值大于等于其他非对角元素的绝对值之和,即|ai| >= Σ|aij| (j ≠ i)。

(3)由于对角占优矩阵的主对角线元素为正,所以|ai| > Σ|aij| (j ≠ i)。

(4)根据代数余子式的定义,Mi的行列式为(-1)^(i+j)乘以子矩阵的行列式Di。

(5)根据(3)和(4),Mi的行列式为正乘以一个正数,因此Mi的行列式大于零。

3. 总结回顾通过逐步证明,我们得出了对角占优矩阵的每个列元素的代数余子式都为正的结论,从而证明了对角占优矩阵的行列式大于零。

四、个人观点与理解对角占优矩阵的行列式大于零的证明过程比较简洁清晰,但却要依赖于对角占优矩阵的定义和一些矩阵性质。

列严格对角占优矩阵圆盘定理证明

列严格对角占优矩阵圆盘定理证明

矩阵领域中的圆盘定理:一种列严格对角占优矩阵的证明在矩阵领域中,圆盘定理是一种重要的理论,它描述了一类特殊的矩阵在计算特征向量和特征值时的性质。

而在这类矩阵中,列严格对角占优矩阵则是其中一种较为典型的形式。

本文将从基础概念出发,引入列严格对角占优矩阵,并给出其在圆盘定理中的应用和证明。

首先,列严格对角占优矩阵指的是,对于某个正整数k,对于任意i∈{1,2,……,n},都有|a_ii|≥∑|a_ij| (j≠i, j≤k),即该矩阵的对角线元素都大于等于其它元素的绝对值之和。

这个性质使得这种矩阵比其它一般的矩阵更容易计算特征向量和特征值,因为特征向量都集中在对角线附近,并且特征值与对角线元素有关。

接下来,我们引入圆盘定理的概念。

圆盘定理指的是,给定一个矩阵A和一个向量v,当有限次将v左乘A的线性组合后,所得到的向量序列将收敛于一个由A生成的向量空间,其中该向量空间的维度等于矩阵A的最大特征数。

而对于列严格对角占优矩阵,这个定理可以更进一步地说明,即只需有限次的线性组合即可收敛于该向量空间。

具体地,我们考虑一个n维的列严格对角占优矩阵A。

假设其最大特征值为λ_max,且特征向量为x_max。

在给定任意向量v的情况下,我们考虑其生成的向量序列x_k=A^kv。

根据圆盘定理的定义,这个序列将收敛于由矩阵A生成的向量空间W。

我们可以证明,只需要k≤n,这个收敛就是从x_1到x_k的。

具体证明可以采用数学归纳法和列严格对角占优矩阵的性质得到。

从上述证明中,我们可以看到,列严格对角占优矩阵作为一类特殊的矩阵,在圆盘定理中起到了重要的作用。

通过该定理和对其证明的理解,我们可以更好地认识这种矩阵的性质和特性,同时也可以为解决一些矩阵计算中的问题提供指导。

严格对角占优矩阵定义

严格对角占优矩阵定义

严格对角占优矩阵定义矩阵是线性代数中的基本概念之一,它是由若干个数排成的矩形阵列。

在实际应用中,矩阵广泛应用于各种数学、物理、工程和计算机科学等领域。

其中,严格对角占优矩阵是一类特殊的矩阵,它在数值计算和科学计算中具有重要的作用。

本文将详细介绍严格对角占优矩阵的定义、性质和应用。

一、严格对角占优矩阵的定义严格对角占优矩阵是一类具有特殊性质的矩阵。

它的定义如下:对于一个n阶矩阵A=(aij),如果存在一个正整数p,使得对于任意的i∈[1,n],都有|aii|>∑|aij|,其中j∈[1,n],j≠i且j≠p,则称矩阵A是严格对角占优的。

其中,|aij|表示aij的绝对值,∑|aij|表示矩阵A第i行除去aii元素后,其余元素绝对值之和。

举个例子,下面是一个3阶的严格对角占优矩阵:A = [ 4 -1 0-1 4 -10 -1 4 ]可以看到,对于任意一个元素aii,都有|aii|>∑|aij|,其中j ≠i。

例如,当i=1时,|4|>|(-1)|+|0|=1,当i=2时,|4|>|(-1)|+|(-1)|=2,当i=3时,|4|>|(-1)|+|0|=1。

因此,矩阵A是严格对角占优的。

二、严格对角占优矩阵的性质严格对角占优矩阵具有以下性质:1.唯一性:严格对角占优矩阵是唯一的。

也就是说,如果一个矩阵A是严格对角占优的,那么它一定是唯一的。

2.可逆性:严格对角占优矩阵是可逆的。

也就是说,如果一个矩阵A是严格对角占优的,那么它一定是可逆的。

3.正定性:严格对角占优矩阵是正定的。

也就是说,如果一个矩阵A是严格对角占优的,那么它的所有特征值都是正实数。

4.稳定性:严格对角占优矩阵在数值计算中具有很好的稳定性。

也就是说,对于一个严格对角占优矩阵A,如果对其进行一些数值计算,得到的结果也是非常稳定的,不会受到舍入误差的影响。

三、严格对角占优矩阵的应用严格对角占优矩阵在数值计算和科学计算中具有广泛的应用。

严格对角占优矩阵定义

严格对角占优矩阵定义

严格对角占优矩阵定义矩阵是数学中的一种重要工具,被广泛应用于各个领域,如物理、工程、计算机科学等。

其中,严格对角占优矩阵是一种非常特殊的矩阵,具有很多重要的性质和应用。

本文将介绍严格对角占优矩阵的定义、性质和应用,并提供一些实例来帮助读者更好地理解和应用这种矩阵。

一、严格对角占优矩阵的定义严格对角占优矩阵是指矩阵的对角线元素绝对值大于非对角线元素绝对值之和的矩阵。

具体来说,设矩阵A的大小为n×n,即A=[aij]n×n,其中i和j分别表示行和列的下标,那么A是严格对角占优的,当且仅当:|aii| > ∑|aij| (j≠i)其中,∑|aij|表示对于每个i,将aij的绝对值相加得到的总和。

如果A是对角占优矩阵,即|aii| ≥∑|aij| (j≠i),则A不是严格对角占优矩阵。

二、严格对角占优矩阵的性质严格对角占优矩阵具有很多重要的性质,这些性质使得它在数学和应用中都有着广泛的应用。

下面我们将介绍一些重要的性质。

1.严格对角占优矩阵的逆矩阵存在且唯一。

如果A是严格对角占优矩阵,那么它的逆矩阵A-1也存在且唯一。

证明如下:由于A是严格对角占优矩阵,所以|aii| > ∑|aij| (j≠i),即:|aii| > |ai1| + |ai2| + ... + |ai(i-1)| + |ai(i+1)| + ... + |ain|将上式移项并除以|aii|,得到:1 > |ai1|/|aii| + |ai2|/|aii| + ... + |ai(i-1)|/|aii| + |ai(i+1)|/|aii| + ... + |ain|/|aii|因为|aij|/|aii| < 1,所以|ai1|/|aii| + |ai2|/|aii| + ... + |ai(i-1)|/|aii| +|ai(i+1)|/|aii| + ... + |ain|/|aii| < n-1因此,1/(n-1) < 1/|aii|,即|aii| < n-1。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

本科生毕业论文(设计)题目:对角占优矩阵的性质及其应用学生:付艳学号: 2指导教师:邹庆云专业班级:数学与应用数学完成时间:2012年5月目录0引言 (1)1主要结果 (2)1.1 对角占优矩阵奇异性 (2)1.2对角占优矩阵行列式 (3)1.3对角占优矩阵其逆矩阵对角占优性 (4)1.4对角占优矩阵其他相关性质 (5)1.5关于矩阵对角占优性在矩阵分解方面的应用 (9)1.6关于矩阵对角占优性在利用迭代法解线性方程方面的应用 (11)结论 (14)参考文献 (14)致 (15)对角占优矩阵的性质及其应用数学与应用数学专业学生:付艳指导教师:邹庆云摘要:本文根据严格对角占优矩阵、不可约对角占优等概念,讨论了对角占优矩阵的若干性质及其应用,而对角占优矩阵有强、弱之分,本文主要以严格对角占优矩阵为研究对象,适当的给出了不可约对角占优矩阵的一些性质。

本文主要研究了对角占优矩阵的奇异性、行列式、特征值、以及其逆矩阵的对角占优性,同时研究了矩阵对角占优性在利用迭代法求解线性方程组,以及进行矩阵LU分解等方面的应用。

关键词:对角占优矩阵,奇异性,迭代收敛性,行列式,特征值。

Abstract:Based on the strict diagonally dominant matrix, not about diagonally dominantconcepts discussed diagonally dominant matrix of a number of nature and its application, anddiagonally dominant matrix has strong and weak points of this paper mainly to strictdiagonally dominant matrix for the study, are given an appropriate angle about the nature ofsome of the dominant matrix. This article on the diagonally dominant matrix of singularity,the determinant, the characteristics of value, and its inverse matrix of diagonally dominant,while on a matrix diagonally dominant in the use of the method for solving linear Equations,as well as matrix LU decomposition, and other aspects of the application. Keywords :diagonal dominance matrix; irregularity; convergence of iterative; determinant; eigenvalue.0 引言各类对角占优矩阵是数值代数和矩阵分析研究中的重要课题之一,19世纪末,人们在研究行列式的性质和值的计算时,就注意到“对角占优”这一性质,而对于对角占优 矩阵的一些性质在数值计算、矩阵分解方面具有重要作用,因此,对对角占优矩阵性质 及其应用的探讨成为许多国外学者的主要研究课题。

定义1 若A 是n n ⨯矩阵,且满足ii ij j ia a ≠≥∑ ()ii ij j ia a ≠>∑(1,2,,i n =…),则称A 为对角占优矩阵(严格对角占优矩阵)。

定义2 设n 阶矩阵(),ij A a =当1n =时,若A 的惟一的元素不为0,则称A 为不可约,否 则称为可约;当2n ≥时,把正整数1,2,,n …的全体记为N ,若存在一个非空集合K , 它是N 的真子集合(即K ⊂N,但K ≠N )使0ij a ≠,当i ∉k,j ∈k.则称A 为可约矩阵,否则 称为不可约矩阵。

定义3 设n 阶矩阵()ij ij A a =满足下面三个条件:(1)A 为对角占优矩阵,(2)A 为不可约矩阵,(3)严格不等式ii ij j ia a ≠>∑至少对一个下标i N ∈成立,则称A 为不可约对角占优矩阵。

1 主要结果1.1 关于对角占优矩阵奇异性研究定理1 A 为严格对角占优矩阵,则A 为非奇异。

证明:用反证法。

假设有非零向量12(,,)n x x x x =…,满足10,1,2,nij jj a xi ===∑…,n,则存在正整数k ≤n,使得1max 0k j j nx x ≤≤=>且 1,nj kk kjj j kkx a a x =≠=-∑由此得 1,1,nnj kk kjkj j j kj j kkx a a a x =≠=≠≤≤∑∑这与A 严格对角占优的性质矛盾。

定理2若矩阵A 为不可约按行(或列)对角占优矩阵,则A 非奇异。

证明:仅考虑结论对不可约按行对角占优矩阵成立。

设矩阵A 为不可约按行对角占优矩阵,如果A 奇异,则存在非零向量x ,使得0Ax =, 记{}|,i I i x x ∞==显然0x ∞≠且I 非空,则1,1,1,,nnnii ii i ij j ij j ij j j ij j ij j ia xa x a x a x a x i I ∞∞=≠=≠=≠==≤≤∈∑∑∑(1)如果{}1,2,I N n ==…,,则 1,,1,2,,nii ij j j ka a i n =≠≤=∑…,与对角占有性矛盾。

如果I N ≠,令/J N I =,则J 非空,且,I J N I J ⋃=⋂=∅由对角占优性以及(1) 1,1,,,nnij ij j j j ij j ia xa x i I ∞=≠=≠≤∈∑∑即()1,0,.nijj j j ia xx i I ∞=≠-≤∈∑当j I ∉即j J ∈时j xx ∞>,故由上式立即得到0ij a =,因此0,ij a J =∈∈,i I,j 与矩阵A 不可约矛盾。

证毕。

1.2 关于对角占优矩阵行列式的研究定理3设()n n ij A a R ⨯=∈是(行或列)严格对角占优矩阵,则det A 和A 的主对角元素之 积1122nna a a ⋅⋅⋅同号。

而且,当A 是行严格对角占优时,1det n ii ijj i i A a a ≠=⎛⎫≥- ⎪⎝⎭∑∏。

当A 是列严格对角占优时,1det n jj iji j j A a a ≠=⎛⎫≥- ⎪⎝⎭∑∏。

证明:由假设知0,1,2,,ii a i n ≠=…。

记()sgn ,1,2,,;,n ni ii i ij a i n B a R εε⨯===∈…于是12det A det B n εεε=…。

注意到B 的对角元素是正实数:0,1,2,,.i ii ii a a i n ε=>=…则B 的所有特征值具有正实部。

这样,由于B 是实的,复特征值必共轭成对出现,其积是正实数,而实特征值必为正实数,从而()det B —等于B 的所有特征值(按代数重数计)之积—必大于零。

因此有()()121122sgn det sgn n nn A a a a εεε==……,证毕。

1.3 关于对角占优矩阵其逆矩阵对角占优性的研究定理4设()n n ij A a R ⨯=∈是行严格对角占优矩阵,则1A -是列元素严格对角占优矩阵。

证明:由于A 对角占优,则A 可逆。

令()()1,ij ij A a A -==α则()()det()1,,1,2,,det i jij ij A i j n A +=-=α…因此,只须证明()()det det ,1,2,,.ii ij A A i n >=… 不失一般性,为了方便,取1, 2.i j == 从而我们可得知 ()11det 0.B > 注意到()()()()11111212det det ,det det .B A B A == 为了完成定理的证明,只须证明 ()()1112det det 0.B B ±> 事实上,()()2222232222122322332333333313333311122313det det detdetn n n n n n n n n nn n n n n n nn a a a a a a a a a a a a B B a a a a a a εεεεεεεεεεεεεεεεεε⎛⎫⎛⎫⎪⎪⎪⎪±=± ⎪ ⎪⎪⎪⎝⎭⎝⎭……………………………………()()()22221223223323133333213det n n n n n n n n nn a a a a a a a a a a aa εεεεεεεεε±⎛⎫⎪± ⎪= ⎪⎪⎪±⎝⎭…………………此式中最后的行列式是正的,因为其矩阵是行严格对角占优且对角元素全大于零,证毕。

1.4 对角占优矩阵其他相关性质定理5设()n n ij A a C ⨯=∈行严格对角占优矩阵,则对于任何()n n ij B b C ⨯=∈成立1111,max.nijj ni nii ijj j ibA Ba a =-∞≤≤=≠≤-∑∑证明:依算子数定义,存在 ()12,,,,1,Tn n C ξξξξξ∞=∈=…使得11.A B A B ξ--∞∞=令()112,,,Tn A B ηηηηξ-=≡且令01max ,i i i nηηη∞≤≤==由A B ηξ=得 0011.nni jj i j j j j ab ηξ===∑∑于是0000000000001,1,111,n n nn ni i i i j i i i i j j i jj i j j i j j j i j j i j j j a a a a ab b ηηηηξ=≠=≠===⎛⎫-≤-≤=≤ ⎪⎝⎭∑∑∑∑∑从而00000011111,1,,max nni jijj j i nni ni i i jii ijj j i j j ibbA Ba a a a ηη==-∞∞≤≤=≠=≠==≤≤--∑∑∑∑,证毕。

定理6 设111211121222121112111121n n n n n n n n n n n n nn nn a a a a a a a a A a a a a aa a a -----------⎛⎫⎪--- ⎪⎪=⎪--- ⎪ ⎪---⎝⎭………………………①其中()0,,1,2,,ij a i j n ≥=…,A 为n 阶实方阵,若A 是对角占优矩阵,则: (1)()det 0A ≥;(2)A 的所有主子式非负,即对所有的121k i i i n ≤<<<≤…,有 ()1212det ,,,,0k kA i i i i i i ≥……;(3)A 的所有顺序主子式非负;证明:设P 为n 阶行交换初等矩阵,则A 为对角占优矩阵当且仅当T PAP 为对角占优 矩阵,据此对A 的行与行和列与列施行相同的交换,使得第一行除对角线上的元素以外,还有元素不为零,为讨论方便,将T PAP 记为A ,现设矩阵A 具有形式①,其中A 满足11121310,,,n a a a a >…不全为零。

相关文档
最新文档