行严格对角占优矩阵——一道矩阵代数作业题

今年(2018年)11月20日的矩阵代数课上老师布置了一道课后作业题,题目如下:
已知矩阵 A = ( a i j ) ∈ C n × n A=\left(a_{ij}\right)\in \mathbb{C}^{n\times n} A=(aij)Cn×n为行严格对角占优矩阵,记
H i = ∣ a i i ∣ − ∑ j = 1 , j ≠ i n ∣ a i j ∣ ( 1 ) H_i=\left\lvert a_{ii}\right\rvert -\sum _{j=1, j\neq i}^n \left\lvert a_{ij}\right\rvert \qquad (1) Hi=aiij=1,j̸=inaij(1)
其中 i , j = 1 , . . . , n i,j=1,...,n i,j=1,...,n ,则有 H i > 0 H_i>0 Hi>0
证明:
a b s ∣ A ∣ ≥ H 1 H 2 . . . H n ( 2 ) abs\left\lvert A\right\rvert \ge H_1 H_2 ...H_n\qquad (2) absAH1H2...Hn(2)
其中, ∣ A ∣ \left\lvert A\right\rvert A表示 A A A的行列式。

解题时,已知
∣ A ∣ = ∏ i = 1 n λ i \left\lvert A\right\rvert = \prod_{i=1}^n \lambda_i A=i=1nλi

a b s ∣ A ∣ = ∏ i = 1 n ∣ λ i ∣ abs\left\lvert A\right\rvert = \prod_{i=1}^n \left\lvert \lambda_i \right\rvert absA=i=1nλi
若对每一个 H i H_i Hi 都存在一个 λ k \lambda_k λk 使得 ∣ λ k ∣ > H i \left\lvert \lambda_k\right\rvert \gt H_i λk>Hi, 则可证得原命题。
因此,首先想到的是Gerschgorin(盖尔)圆盘定理,因为它与(1)式有相似的表达形式,但由于连通域的存在,无法保证保证每个盖尔圆都只有一个特征值,因此该思路不通。
然后就是在网上检索该题目的答案,最后找出来了,在 F e l i x R . G a n t m a c h e r Felix R. Gantmacher FelixR.Gantmacher所著的 《 M a t r i z e n t h e o r i e 》 《Matrizentheorie》 Matrizentheorie p 455 p455 p455(德语,矩阵论)。
书中给出的证明如下:
定义矩阵 F = ( f i j ) ∈ C n × n F=\left(f_{ij}\right)\in \mathbb{C}^{n\times n} F=(fij)Cn×n,其中
f i j = a i j H i f_{ij}=\frac {a_{ij}}{H_i} fij=Hiaij
则有
∣ f i i ∣ − ∑ j = 1 , j ≠ i n ∣ f i j ∣ = ∣ a i i H i ∣ − ∑ j = 1 , j ≠ i n ∣ a i j H i ∣ = 1 ∣ H i ∣ ∗ ( ∣ a i i ∣ − ∑ j = 1 , j ≠ i n ∣ a i j ∣ ) = H i ∣ H i ∣ = 1 ( 3 ) \begin{aligned} &\left\lvert f_{ii}\right\rvert-\sum _{j=1, j\neq i}^n \left\lvert f_{ij}\right\rvert \\&=\left\lvert \frac {a_{ii}}{H_i}\right\rvert-\sum _{j=1, j\neq i}^n \left\lvert \frac {a_{ij}}{H_i}\right\rvert \\ &=\frac 1{\left\lvert H_i\right\rvert} *\left(\left\lvert a_{ii}\right\rvert -\sum _{j=1, j\neq i}^n \left\lvert a_{ij}\right\rvert\right)\\ &=\frac {H_i}{\left\lvert H_i\right\rvert} =1\qquad (3) \end{aligned} fiij=1,j̸=infij=Hiaiij=1,j̸=inHiaij=Hi1aiij=1,j̸=inaij=HiHi=1(3)
取矩阵 F F F 的任一特征值 λ 0 \lambda_0 λ0 ,其对应的特征向量为 { x 1 , x 2 , . . . , x n } ⊤ \{x_1,x_2,...,x_n\}^\top {x1,x2,...,xn} ,记 ∣ x k ∣ = max ⁡ 1 ≤ i ≤ n { ∣ x i ∣ } > 0 \left\lvert x_k\right\rvert=\max_{1 \le i\le n}\{\left\lvert x_i\right\rvert\}\gt0 xk=max1in{xi}>0,则有
λ 0 x k = ∑ j = 1 n f k j x j = f k k x k + ∑ j = 1 , j ≠ k n f k j x j ( 4 ) \begin{aligned} \lambda_0 x_k &=\sum _{j=1}^n f_{kj}{x_j}\\ &=f_{kk}x_k+\sum _{j=1, j\neq k}^n f_{kj}x_j\qquad (4) \end{aligned} λ0xk=j=1nfkjxj=fkkxk+j=1,j̸=knfkjxj(4)
结合(3)式有
∣ λ 0 x k ∣ = ∣ λ 0 ∣ ∣ x k ∣ = ∣ f k k x k + ∑ j = 1 , j ≠ k n f k j x j ∣ ≥ ∣ f k k x k ∣ − ∣ ∑ j = 1 , j ≠ k n f k j x j ∣ ≥ ∣ f k k x k ∣ − ∑ j = 1 , j ≠ k n ∣ f k j x j ∣ ≥ ∣ f k k ∣ ∣ x k ∣ − ∑ j = 1 , j ≠ k n ∣ f k j ∣ ∣ x k ∣ ≥ ∣ x k ∣ ∗ ( ∣ f k k ∣ − ∑ j = 1 , j ≠ k n ∣ f k j ∣ ) = ∣ x k ∣ \begin{aligned} \left\lvert\lambda_0 x_k \right\rvert&=\left\lvert\lambda_0 \right\rvert\left\lvert x_k \right\rvert\\ &=\left\lvert f_{kk}x_k+\sum _{j=1, j\neq k}^n f_{kj}x_j\right\rvert\\ &\ge \left\lvert f_{kk}x_k \right\rvert-\left\lvert\sum _{j=1, j\neq k}^n f_{kj}x_j \right\rvert\\ &\ge \left\lvert f_{kk}x_k \right\rvert-\sum _{j=1, j\neq k}^n\left\lvert f_{kj}x_j \right\rvert\\ &\ge \left\lvert f_{kk} \right\rvert\left\lvert x_k \right\rvert-\sum _{j=1, j\neq k}^n\left\lvert f_{kj} \right\rvert \left\lvert x_k\right\rvert\\ &\ge \left\lvert x_k \right\rvert *\left(\left\lvert f_{kk}\right\rvert -\sum _{j=1, j\neq k}^n \left\lvert f_{kj}\right\rvert\right)\\ &=\left\lvert x_k \right\rvert \end{aligned} λ0xk=λ0xk=fkkxk+j=1,j̸=knfkjxjfkkxkj=1,j̸=knfkjxjfkkxkj=1,j̸=knfkjxjfkkxkj=1,j̸=knfkjxkxkfkkj=1,j̸=knfkj=xk
由于 ∣ x k ∣ > 0 \left\lvert x_k \right\rvert\gt0 xk>0,从而得到
∣ λ 0 ∣ ≥ 1 \left\lvert \lambda_0 \right\rvert\ge1 λ01
λ 0 \lambda_0 λ0的任意性知,矩阵 F F F的所有特征值的绝对值均大于等于1。从而
a b s ∣ F ∣ = ∏ i = 1 n ∣ λ i ∣ ≥ 1 ( 5 ) abs\left\lvert F\right\rvert = \prod_{i=1}^n \left\lvert \lambda_i \right\rvert\ge1\qquad (5) absF=i=1nλi1(5)
另一方面,有
∣ F ∣ = ∣ A ∣ H 1 H 2 . . . H n ( 6 ) \left\lvert F\right\rvert =\frac{\left\lvert A\right\rvert}{H_1 H_2 ...H_n} \qquad (6) F=H1H2...HnA(6)
结合(5)、(6)式可得到(2)式
a b s ∣ A ∣ ≥ H 1 H 2 . . . H n abs\left\lvert A\right\rvert \ge H_1 H_2 ...H_n absAH1H2...Hn
证毕。

书中还提到若矩阵 A = ( a i j ) ∈ C n × n A=\left(a_{ij}\right)\in \mathbb{C}^{n\times n} A=(aij)Cn×n为列严格对角占优矩阵,记
G i = ∣ a i i ∣ − ∑ j = 1 , j ≠ i n ∣ a j i ∣ ( 7 ) G_i=\left\lvert a_{ii}\right\rvert -\sum _{j=1, j\neq i}^n \left\lvert a_{ji}\right\rvert \qquad (7) Gi=aiij=1,j̸=inaji(7)
则有
a b s ∣ A ∣ ≥ G 1 G 2 . . . G n ( 8 ) abs\left\lvert A\right\rvert \ge G_1 G_2 ...G_n\qquad (8) absAG1G2...Gn(8)
可利用 ∣ A ∣ = ∣ A ⊤ ∣ \left\lvert A\right\rvert=\left\lvert A^\top\right\rvert A=A,结合上述方法证明。

你可能感兴趣的:(矩阵代数)