周平 (文山學院數學學院,云南 文山663000)
令N={1,2,…,n},Cn×n(Rn×n)表示所有n×n階復(實)矩陣構成的集合。
定義1[1~9]設A=(aij)∈Rn×n,若aij≥0;i,j∈N,則稱A為非負矩陣,記為A≥0;若aij>0;i,j∈N,則稱A為正矩陣,記為A>0。
定義2[1~9]記Zn×n={A=(aij)∈Rn×n|aij≤0;i,j∈N;i≠j},稱Zn×n中的矩陣A為Z-矩陣,簡記A∈Zn×n。
定義3[1]設σ(A)={λi=1,2,…,n}(λi是A的所有特征值),則σ(A)叫做A的譜;矩陣A的n個特征值的模的最大者稱為A的譜半徑,記為ρ(A),即ρ(A)=max{|λi|,i∈N}。
定義4[1]若A=(aij)∈Zn×n可表示為A=sI-P,其中P≥0,s≥ρ(P),則稱A為M-矩陣。
特別地,當s=ρ(P)時,稱A為奇異M-矩陣;當s>ρ(P)時,稱A為非奇異M-矩陣。記所有n×n階非奇異M-矩陣所成之集為Mn。
引理1[1]設A∈Zn,則A∈Mn當且僅當A-1≥0。
引理2[1]設A≥0,若A的譜半徑ρ(A)是A的一個特征值,即ρ(A)∈σ(A),此時稱ρ(A)為A的Perron特征值。
定義5[1]設A=(aij)∈Zn×n,記τ(A)=min {Re(λ)∈σ(A)},稱τ(A)為A的最小特征值。
引理3[2]若A∈Mn,則τ(A)為A的模的最小特征值,且τ(A)=>0。
定義6[1~9]設A=(aij)∈Cm×n,B=(bij)∈Cm×n,用A?B表示A和B的對應元素相乘而成的m×n陣,即:
稱其為A和B的Hadamard積,也稱為Schur積。
引理4[2]設A,B∈Rn×n都為M-矩陣且B非奇異,則A?B-1為M-矩陣。
引理5[1]若A是M-矩陣,則存在正對角矩陣D,使得D-1AD是行嚴格對角占優M-矩陣。
引理6[1]設A,B∈Rn×n,且D,E∈Rn×n是對角矩陣,則:
引理7[1]設A∈Mn,D=diag(d1,d2,…,dn),di>0(i=1,2,…,n),則D-1AD是M-矩陣。
引理8[6]若A=(aij)∈Cn×n,則對任意的0≤α≤1和任意的正實數組x1,x2,…,xn,A的特征值位于下列區域:
設A=(aij)∈Rn×n是非奇異M-矩陣,對任意i,j,k∈N;i≠j,定義:
引理9[9]如果A=(aij)∈Rn×n是一個行嚴格對角占優M-矩陣,則A-1=(βij)存在,且:
引理10[9]如果A=(aij)∈Mn是一個行嚴格對角占優M-矩陣,則A-1=(βij)存在,且:
引理11[9]如果A=(aij)∈Rn×n是M- 矩陣,A-1=(βij)是雙隨機矩陣,則:
定理1 設A=(aij)∈Mn,B=(bij)∈Mn,A-1=(βij),則:
證明 因為A∈Mn,所以應用引理4~引理7,存在正對角矩陣D,使得D-1AD是嚴格對角占優M- 矩陣,且有τ(B?A-1)=τ(D-1(B?A-1)D)=τ(B?(D-1AD)-1)。為了不失一般性,假設A是嚴格行對角占優M-矩陣。
(Ⅰ)如果矩陣A和B都是不可約矩陣,令=ajk|mki;i,j∈N;j≠i,則:
因此,存在實數εji(0≤εji≤1),使得:
從而:
又令εj=,則0<εj≤1(如果εj=0,則A是可約矩陣,這與假設矛盾),所以:
因為A是不可約矩陣,所以:
記τ(B?A-1)=λ,則根據引理8和引理9知,存在i(1≤i≤n),有:
即:
由引理3,上式可變為:
故:
(Π)如果A和B中至少有一個是可約矩陣時,令:
由于A,B∈Mn,從而對任意正數δ,只要δ足夠小時,A-δT與B-δT的所有主子式為正,且A-δT,B-δT是不可約的非奇異M-矩陣[3],用A-δT和B-δT分別替換A,B,并且令δ→0,由(Ⅰ)和連續性可得該結論。
注1 在定理1中,當α=0時,得到:
即為文獻[9]中的定理3.4。
事實上,因為:
所以:
定理2 若A=(aij)∈Rn×n是嚴格行對角占優M-矩陣,A-1=(βij),則:
證明 類似于定理1的證明,只須將定理1的證明過程中的bij替換成aij,bii替換成aii,便可得到定理2的結果。
定理3 設A=(aij)∈Mn,B=(bij)∈Mn,且A-1=(βij)是雙隨機矩陣,則:
類似定理1的證明即可得到以上結論。
定理4 設A=(aij)∈Mn,A-1=(βij)是雙隨機矩陣,則:
證明 在定理3中令B=A即可得到該定理。
注3 在定理3和定理4中,當α=0時,分別得到:
即為Cheng Guanghui等[9]給出的定理3.1。
根據注1、注2、注3和注4可知,筆者所給出的這些估計式在一定條件下改進了已有文獻的結果。
例1 令:
顯然A,B∈Mn。
應用 Matlab7.0計算τ(B?A-1)=0.2148;
應用文獻[2]中定理5.7.31的估計式,得τ(B?A-1)≥0.07;
應用文獻[7]中定理9的估計式,得τ(B?A-1)≥0.052;
應用文獻[8]中定理2.1中的估計式,得τ(B?A-1)≥0.075;
但應用定理1,取α=時,得τ(B?A-1)≥0.1742。
在這里,A是雙隨機矩陣,應用 Matlab7.0計算τ(B?A-1)=0.9755。
應用Fiedler和 Markham的猜想得τ(A?A-1)≥0.05;應用文獻[7]中定理3.1得τ(A?A-1)≥0.06624;應用文獻[8]中定理3.2得τ(A?A-1)≥0.7999;應用文獻[9]中定理3.1得τ(A?A-1)≥0.8250。但應用定理4,取α=時,得τ(A?A-1)≥0.9211。
對該算例的計算結果作比較可知,筆者給出的新估計式改進了Fiedler和Markham的猜想以及現有文獻的結果,所得結論是對相關文獻的一個有益補充。
[1]陳公寧 .矩陣理論與應用 [M].北京:科學出版社,2007.
[2]Horn R A,Johnson C R.Topic in Matrix Analysis [M].New York:Cambridge University Press,1991.
[3]Fiedler M,Markham T.An inequality for the Hadamard Product of anM-matrix and InverseM-matrix [J].Linear Algebra and its applications,1988,101:1~8.
[4]Yong X R.Proof of a conjecture of Fiedler and Markham [J].Linear Algebra and its applications,2000,320:167~171.
[5]Huang R.Some inequalities for the Hadamard product and the Fan product of matrices [J].Linear Algebra and its applications,2008,428:1551~1559.
[6]Cvetkovic L.H-matrix theory vs.eigenvalue localization [J].Numer Algor,2006,42:229~245.
[7]Li H B,Huang T Z,Shen S Q,et al.Lower bounds for the minimum eigenvalue of an M-matrix and its inverse [J].Linear Algebra and its applications,2007,420:235~247.
[8]Li Y T,Chen F B.Wang D F.New lower bounds on eigenvalue of the Hadamard product of an matrix and inverse [J].Linear Algebra and its applications,2009,430:1423~1431.
[9]Cheng G H,Tan Q,Wang Z D.Some inequalities for the minimun eigenvalue of of the Hadamard productof an matrix and inverse [J].Linear and Multilinear Algebra,2013,65:1029~1038 .