有标题 对角占优矩阵的性质及其应用

合集下载

大规模稀疏矩阵求解严格对角占优矩阵

大规模稀疏矩阵求解严格对角占优矩阵

大规模稀疏矩阵求解严格对角占优矩阵1. 简介大规模稀疏矩阵求解是计算数学领域中的一个重要问题,涉及到各种领域的应用,如工程、科学计算、机器学习等。

在许多实际问题中,待求解的矩阵往往是稀疏的,而且具有严格对角占优的性质。

本文将重点讨论如何有效地求解严格对角占优的稀疏矩阵,包括其特点、求解方法以及相关算法优化技巧。

2. 稀疏矩阵的特点稀疏矩阵是指矩阵中绝大部分元素为0,只有少数非零元素的矩阵。

它在实际问题中的应用非常广泛,比如有限元法中的刚度矩阵、图像处理中的图像采样矩阵等。

稀疏矩阵的特点是存储和计算效率低下,因为大部分元素都是0,而且通常会导致内存访问的不连续性。

3. 严格对角占优矩阵严格对角占优矩阵是一类重要的矩阵,具有良好的性质,对于稀疏矩阵求解也有很大的帮助。

严格对角占优矩阵是指矩阵的每一行对应的绝对值最大的元素都在对角线上,这保证了矩阵的对角线元素对整个矩阵的影响最大。

严格对角占优矩阵在实际问题中也很常见,比如常用的有限差分方法就会生成严格对角占优的矩阵。

4. 求解方法对于严格对角占优的稀疏矩阵,通常可以采用迭代法来求解。

其中最经典的算法包括雅可比迭代法、高斯-赛德尔迭代法和预条件共轭梯度法。

这些算法都充分利用了矩阵的特殊性质,尤其是对角占优性质,从而能够有效地收敛到精确解。

5. 算法优化技巧考虑到稀疏矩阵的存储和计算效率问题,我们还可以采用一些算法优化技巧,来进一步提高求解速度。

比如可以采用稀疏矩阵存储格式来降低内存占用和提高计算效率,还可以利用并行计算来加速迭代过程。

针对特定的实际问题,还可以设计一些特定的加速算法,比如多重网格方法、预处理技术等。

6. 结论大规模稀疏矩阵求解严格对角占优矩阵是一个具有挑战性的问题,但是通过充分利用特殊的矩阵结构和采用适当的求解方法,我们可以有效地解决这一问题。

未来,随着计算机硬件和算法技术的不断发展,相信在大规模稀疏矩阵求解领域一定会有更多的创新和突破。

局部双对角占优矩阵及其应用

局部双对角占优矩阵及其应用
l c ld u l ig nal o n n t x i e e aie t cl ig n ly do i a tm arx,i e isc m p rs n o a o b e d a o ly d mi a tma r s g n r l d sr ty d a o al m n n t i z i i . . t o a o i
(9 4 ) 男 , 16 一 , 汉族 , 博士 , 副教授 , 从事计 算数学的研究 , — a : unj l e u c. E m i g ay u d .n l @j .
J∈Nk ‘ \{ }
()= ∑ A _ .
JEN\ Nk
定义 1 1 如果 矩阵 A =( . 。 a )∈M C 满足 : ()
l ≥ r A) l , a (
收稿 日期 : 0 90 —4 2 0 -71 .
V ∈N ,
(. ) 11
作者简 介:王 信存 (9 3 ) 17 一 ,男 ,汉 族 ,硕 士 ,讲 师 ,从 事 矩 阵理论 的研究 ,E ma :w y3 6 s a em.通 讯作 者 :关 玉景 — i y9 3 @ i . o l n
关键 词 : 义 严格 对角 占优 矩 阵 ;非 奇异 M一 阵 ;判定 广 矩 中图分 类号 : 5 . 1 O1 12 文献 标 志码 : A 文章 编号 :17 -4 9 2 1 ) 30 0 -5 6 15 8 (0 0 0 -4 1 0
Lo a u e Di g n ly Do i a tM a r c s a d I s Ap lc to c lDo bl a o a l m n n t ie n t p i a i n
王信存 关玉景 ,
( .辽东学院 师范学院 , 1 辽宁 丹东 18 0 ; .吉林大学 数 学学院 , 10 1 2 长春 10 1 ) 3 0 2

对角矩阵 数据结构

对角矩阵 数据结构

对角矩阵数据结构(原创版)目录一、对角矩阵的定义与特点二、对角矩阵的压缩存储方法三、对角矩阵在数据结构中的应用四、总结正文一、对角矩阵的定义与特点对角矩阵是指一个方阵,其中主对角线(从左上角到右下角)上的元素非零,而其余位置的元素全部为零。

对角矩阵可以表示为一个特殊的矩阵,它具有以下特点:1.对角矩阵是方阵,即行数等于列数;2.对角矩阵的主对角线(从左上角到右下角)上的元素非零,而其余位置的元素全部为零;3.对角矩阵的转置等于其本身;4.对角矩阵的行列式等于其对角线上元素的乘积。

二、对角矩阵的压缩存储方法对角矩阵的压缩存储方法是指在存储对角矩阵时,只存储对角线上的非零元素,而将其余位置的零元素忽略。

这种方法可以大大节省存储空间,尤其是在对角矩阵中大部分元素为零的情况下。

压缩存储方法的实现可以采用以下步骤:1.遍历对角矩阵,找出非零元素及其位置;2.按照行优先的顺序存储这些非零元素;3.在存储时,对于每一行,先存储行号较小的元素,行号相等时先存储列号较小的元素;4.对于零元素,不分配存储空间。

三、对角矩阵在数据结构中的应用对角矩阵在数据结构中有广泛的应用,例如:1.在线性代数中,对角矩阵可以用来表示一个向量空间中的基底;2.在信号处理中,对角矩阵可以用来表示离散余弦变换(DCT)和离散傅里叶变换(DFT)的矩阵;3.在图像处理中,对角矩阵可以用来表示图像的稀疏表示,从而实现图像的压缩。

四、总结对角矩阵是一种特殊的矩阵,具有独特的特点和存储方法。

在数据结构中,对角矩阵可以用来表示一些特殊的数据结构,如三角矩阵、稀疏矩阵等,从而实现数据的压缩和优化。

广义S-α1_型块对角占优矩阵的判定及其谱分析

广义S-α1_型块对角占优矩阵的判定及其谱分析

Advances in Applied Mathematics 应用数学进展, 2023, 12(8), 3619-3630 Published Online August 2023 in Hans. https:///journal/aam https:///10.12677/aam.2023.128360文章引用: 朱开心, 庹清, 黄琦. 广义S-α1型块对角占优矩阵的判定及其谱分析[J]. 应用数学进展, 2023, 12(8): 3619-3630. DOI: 10.12677/aam.2023.128360广义S -α1型块对角占优矩阵的判定及其谱分析朱开心,庹 清*,黄 琦吉首大学数学与统计学院,湖南 吉首收稿日期:2023年7月18日;录用日期:2023年8月8日;发布日期:2023年8月17日摘 要利用G -函数的性质研究了一类新的广义块对角占优矩阵及其判定方法。

同时,利用该判定方法给出了分块矩阵特征值新的包含域。

最后,用数值算例说明了该判定方法的优越性。

关键词块H -矩阵,G -函数,特征值,广义S -α1型块对角占优矩阵The Determination and Spectrum of Generalized S -α1 Block Diagonally Dominant MatricesKaixin Zhu, Qing Tuo *, Qi HungCollege of Mathematics and Statistics, Jishou University, Jishou HunanReceived: Jul. 18th , 2023; accepted: Aug. 8th , 2023; published: Aug. 17th, 2023AbstractA new class of generalized block diagonally dominant matrix and its determination method are studied by using the properties of G-function. At the same time, a new bound for eigenvalues of block matrices was given and some examples are given to show the advantages of this new result.KeywordsBlock H -Matrix, G -Function, Eigenvalue, Generalized S -α1 Block Diagonally Dominant Matrix*通讯作者。

广义对角占优矩阵的新判据

广义对角占优矩阵的新判据

1 广义对角 占优矩 阵判定 的充分条件
引理 3 设 A =( ∈c , n) 若存 在正对 角矩 阵 . 使 D 则 D
约 , 称 A 为 不 可 约 一对 角 占 优矩 阵 ;若 对 式 则
证明
因为 A 是 广 义对 角 占优矩 阵 , 以存 D 所
定义 l 若存 在 Ⅳ1Ⅳ , , cN+ 满足 n , 2… , :(,≠ , , 2 i Vi j J∈N+ u : =N+ 则 称 Ⅳ , 2 , , 】Ⅳ ,

0 .设 ∈[ , ] N 0 1 , +=N 2 1 0Ⅳ 为N+ 的一个划分, 其 中 N ={∈ +0<I I ( + 1 )i } 。 iN : 口 ≤ A) ( 一 S( A) , ^ ={∈ + f“ > + I ) } , N : f R( 2 A) ( — S( . A)
由引理 1 , N =(, AEG 若 =2, 知 若 1 2 则 D; j f j 则 A∈G .故本 文总假设 : Ⅳ ≠ .此外 , Ⅳ D N ,2 当 1 ( Ⅳ) 或 2为单点 集 时 , 规定
t EN1,≠‘ I

为集合N+ 的划分 , 为N+ N1 2 记 = 0Ⅳ 0…0 .
第 1期

如 : 义 对 角 占优 矩 阵 的 新 判 据 广
2 5
阵. 由于 D 是 正对 角矩 阵 ,故 D 也 是 正对 角 矩 又 D
) A , s ( ) 则称 A为具 非零元素链 a一 角 占优 对
引理 1 设 A∈cl , D 当且 仅 当A 为 【 J AEG
广义 一 角 占优 矩阵. 对
了深入研究 , 并取得 了不少成果 ( 见文献 [ ]-[ ] 1 6 等 ) 文提 出一些新 的判据 , 广 了文献 [ ] [ ] .本 推 1 、2

对称局部双对角占优矩阵及其应用

对称局部双对角占优矩阵及其应用

非奇 日 矩阵不仅在对称正定矩阵 ,
矩阵
B= ( ) + ( ) 为实对称矩 阵,不失一般性 , 设 本 文 中 的 N , N2均 为 非 空 集 , 显 然
Ⅳ1 u N2=N, N1 r ^ 、 N2= , 且记 为正 实数
的判定及矩阵特征值分布等方面具有很强 的理论
价值 ,而且在计算数学 、数学物理 、控制理论 、 弹性力学 、经济数学等许多领域中有着重要的实
用 价值 . 文献[ 1 — 7 】 给 出了非 奇 矩 阵 的一 些 充分 条 件 ,本 文则 定义 了两 类 对称 局 部双对 角 占优 矩 阵, 并 由此得 到 了非奇 H 矩 阵 的 2个 新 的充分 条
( Co l l e g e o f Ma t h s &C o mp u t a t i o n a l S c i e n c e , H u n a n C i t y U n i v e r s i t y , Y i y a n g , Hu n a n 4 1 3 0 0 0 , C h i n a )
∑ ㈦+ )
集, ( A ) = 2 l 口 f r l ‘
1 定 义 及 结 论
定义 1 设 A=( a f , ) ∈C似 , , ∈R , 若
不 等式
件 ,推广了文献【 3 — 6 】 的判定范围.
设 A:( a , , ) ∈C ” (
A∈D ;我 们 称 ( ) 为 矩 阵, r 一 吾 c - 一 + 一 , 八 [ 。 2 I 一 ( I + I I ) ] J
f ∑[ a i t I + I f ) ] f ∑ ( I 。 } + a q I ) , ( ) ] , ( + ( ) J,

对角占优矩阵判定方法

对角占优矩阵判定方法 嘿,朋友们!今天咱们来聊聊对角占优矩阵判定这个有点神秘又好玩的事儿。你可以把对角占优矩阵想象成一群动物里的首领,特别霸气,在自己的地盘(矩阵里)有着超强的影响力。

想象一下,一个矩阵就像一个热闹的动物王国。对角线上的元素呢,就是每个小领地的国王,周围的元素就是臣民。如果对角线上的元素绝对值比它所在行其他元素绝对值之和还大,那就好比这个国王超级强壮,能轻松压制住自己领地里所有臣民的力量总和,这就是行对角占优啦。这时候的对角元素就像超级英雄,周围的元素在它面前都显得弱小。

那怎么判定呢?这就像玩一个找大王的游戏。我们要逐个检查矩阵的每一行,看看对角线上的那个数字是不是足够“厉害”。如果是,那就离这个矩阵是对角占优矩阵更近一步啦。

还有列对角占优呢。这就像是从另一个角度看这个动物王国,从每一列的角度来看谁最厉害。要是每列对角线上的元素绝对值比这一列其他元素绝对值之和大,就像这个动物王国里有很多垂直领域的小霸王,每个小霸王在自己这一竖条的地盘上称霸。

有时候,一个矩阵可能既是行对角占优又是列对角占优,那这个矩阵可就厉害了,简直就是矩阵界的超级巨星。就像一个人既在唱歌领域称霸,又在跳舞领域无敌,全能型选手啊。 不过呢,判定对角占优矩阵也有陷阱哦。就像在森林里找宝藏,有时候你可能会被一些伪装的元素迷惑。比如有一些元素看起来很大,但其实仔细一对比,对角元素并没有真正“占优”。

你要是把矩阵想象成一场比赛的话,对角线上的元素就是每个赛道的种子选手。如果种子选手足够强,能碾压同赛道的其他选手总和,那这个比赛的格局就是对角占优的格局。

在这个判定的过程中,我们就像侦探一样,要仔细排查每一个线索(矩阵里的元素)。不能放过任何一个小细节,不然就可能把一个不是对角占优的矩阵误判啦。

当我们最终判定出一个矩阵是对角占优矩阵的时候,就像是找到了隐藏在数学世界里的一颗珍贵宝石。这个宝石有着独特的性质和价值,能在很多数学魔法(计算、推导等)里发挥大作用呢。所以啊,对角占优矩阵判定虽然有点像玩一场有点复杂的游戏,但真的很有趣,也很有成就感哦。

向量空间中的对角矩阵初步了解

向量空间中的对角矩阵初步了解在线性代数中,对于一个向量空间V上的线性变换T,我们可以找到一个矩阵A来描述它的行为。

但是,在某些情况下,我们想要特定的线性变换,例如缩放、旋转或反转,这种情况下,我们可以使用对角矩阵。

一、什么是对角矩阵对角矩阵是一种特殊的方阵,它除了对角线上有非零元素外,其余元素均为零。

例如,下面是一个二阶对角矩阵:$$ A=\begin{bmatrix}a_1 & 0\\ 0 & a_2\end{bmatrix} $$其中,a1和a2是非零的实数。

这里所说的对角线是指矩阵从左上角到右下角的对角线。

对角线上的元素称为主对角线元素,它们位于A的对角线上。

二、对角矩阵的性质接下来,我们将介绍对角矩阵的一些性质:1. 相乘两个对角矩阵相乘,其结果也是一个对角矩阵。

例如,如果有两个二阶对角矩阵A和B,则它们的乘积C是一个二阶对角矩阵:$$ A=\begin{bmatrix}a_1 & 0\\ 0 & a_2\end{bmatrix},B=\begin{bmatrix}b_1 & 0\\ 0 & b_2\end{bmatrix},C=AB=\begin{bmatrix}a_1b_1 & 0\\ 0 & a_2b_2\end{bmatrix} $$此外,任意数量的对角矩阵相乘的结果也是一个对角矩阵。

2. 矩阵乘向量对角矩阵与向量相乘的结果就是将向量的每个维度分别乘以对角线上相应的元素。

例如,有一个二阶对角矩阵A和一个二维列向量v,则它们的乘积Av可以写成:$$ A=\begin{bmatrix}a_1 & 0\\ 0 & a_2\end{bmatrix},v=\begin{bmatrix}v_1\\ v_2\end{bmatrix},Av=\begin{bmatrix}a_1v_1\\ a_2v_2\end{bmatrix} $$这样做的结果相当于将v中的每个维度与A的对角线元素相乘,产生一个新的、缩放过的向量。

对称正定和严格对角占优的关系

对称正定和严格对角占优的关系1. 引言大家好!今天我们来聊聊线性代数中的两个重要概念:对称正定矩阵和严格对角占优矩阵。

听起来是不是有点深奥?别担心,我们来轻松地探讨一下这两个小家伙的关系。

想象一下,在数学的世界里,它们就像两个好朋友,各自有自己的特点,却又有许多共同之处,互相呼应,互相支持。

2. 什么是对称正定矩阵?2.1 定义首先,让我们来解锁“对称正定矩阵”这个概念。

简单来说,若一个矩阵是对称的,就意味着它的转置等于它自己,像个爱美的人,总是希望自己看起来一模一样。

再说到“正定”,它的意思是,对任何非零向量,经过这个矩阵的变换后,结果的内积都是正数。

就像是说:“我绝对不会让你失望!”2.2 特性对称正定矩阵还有很多有趣的特性。

比如说,所有特征值都是正数,就像是总有阳光普照的日子,绝不让阴云笼罩。

而且,这样的矩阵总是可以找到一个“友好的”下三角矩阵,帮助我们进行简单的运算。

好比说,有人给你提供了一个绝佳的通行证,让你畅行无阻,真是太贴心了!3. 什么是严格对角占优矩阵?3.1 定义接着,我们来聊聊“严格对角占优矩阵”。

这个名字听起来复杂,其实它的意思挺简单的:一个矩阵如果对角线上的元素大于同一行其他元素的绝对值之和,那它就被称为严格对角占优矩阵。

就像是班级里的学霸,总是高高在上,成绩遥遥领先,其他同学也只能仰望。

3.2 特性严格对角占优矩阵的一个重要特性是,它总是可逆的。

想想看,如果一个班级里有个学霸,他肯定能带动大家一起进步;同样地,这个矩阵也能帮助我们找到稳定的解。

并且,在数值计算中,严格对角占优的矩阵一般能保证收敛速度快,让人倍感轻松。

真是个好伙伴啊!4. 对称正定与严格对角占优的关系好啦,接下来我们要进入今天的重头戏:这两个概念到底有什么关系呢?嘿嘿,这就有趣了!首先,如果一个对称矩阵是严格对角占优的,那么它一定是正定的。

就像是学霸不仅成绩好,性格也特别好,大家都愿意跟他交朋友。

4.1 反之不成立但是,如果说严格对角占优矩阵一定是对称正定的,那就不一定啦!想象一下,有些人虽然看起来很优秀,但内心可能有些小秘密,不愿意显露出来。

圆盘定理在严格对角占优矩阵中的应用

Gerschgorin 圆盘定理在严格对角占优矩阵中的应用【摘要】:利用 Gerschgorin 圆盘定理给出严格对角占优矩阵中的一些重要结论的证明,简化了原证明过程。

关键词:Gerschgorin 圆盘定理;矩阵;对角占优矩阵;特征值Application of Gerschgorin theorem in strictly diagonallydominant matrixAn Yu Shuan(University of Electronic Science and Technology of China chengdu gaoxinxiquxiyuandadao2006 hao 611731)Abstract :Using Gerschgorin theorem gave the proof about a number of important conclusions on strictly diagonally dominant matrice ,and the proof is very simple .Key words :Gerschgorin theorem ;matrix ;diagonlly dominant matrice ;eigenvalue1 引言及预备知识Gerschgorin 圆盘定理是矩阵理论中的一个十分重要的定理,在矩阵理论中占有很重要的地位,在很多方面均有应用,尤其在严格对角占优矩阵中.本文利用 Gerschgorin 圆盘定理给出了严格对角占优矩阵中的一些重要结论的证明,简化了原证明过程.定义[1]设n n ij a A ×)(=,若∑≠≥nij j iji ii aA R a ,1==)( )n 21=( ,,i ,则称A 为对角占优的;若∑≠nij j ij i ii a A R a ,1==)(> )n 21=( ,,i ,则称为严格对角占优的。

  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姓名:付艳学号: ************指导教师:***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)致谢 (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 dominant concepts discussed diagonally dominant matrix of a number of nature and its application, and diagonally dominant matrix has strong and weak points of this paper mainly to strict diagonally dominant matrix for the study, are given an appropriate angle about the nature of some 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内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:依算子范数定义,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 j j i j j j j a b 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