随机矩阵新的非1特征值包含集

关键词
随机矩阵，S-SDD矩阵，具有相同行和实矩阵，非奇异，特征值包含集
1. 引言
随机矩阵及其特征值的定位在诸如 Markov 链， 人口流动模型， 经济学和运筹学等众多领域都起着重 要的作用[1]-[4]，其定义如下：
n× n 定义 1.1 [5]-[8]：若非负矩阵 = A aij ∈ R 的所有行和都是 1，即
{ z ∈ C : aii − z − qi ( A) ≤ cqi ( A)} ，
其中
1 1 vi ( A ) = max 0, min {aki + ami } , qi ( A ) = ∑ aki , cli ( A ) = ∑ aki − li ( A) ， k ≠ m∈N \{i} − 1 k∈N \{i} 2 n k ∈N \{i}
摘
要
本文利用 S − SDD 矩阵的非奇异性及修正矩阵理论，给出具有非零相同行和实矩阵非奇异的三个新的充
文章引用: 李素华, 李耀堂 (2015) 随机矩阵新的非 1 特征值包含集. 理论数学, 5, 238-246. http://dx.doi.org/10.12677/pm.2015.55034
阵)， d = ( d1 , d 2 , , d n ) 为任一 n 维实向量。若 λ ∈ σ ( A ) \ {η} ，则 λ 为修正矩阵 B = A − ed T 的特征值。
T
下面给出具有非零相同行和实矩阵非奇异的三个新的充分条件。
n× n 定理 2.5：设 A = aij ∈ R ( n ≥ 2 ) 为具有非零相同行和实矩阵， S 是 N 的非空真子集，S = N \ S 。
n× n 定理 2.3 [13]：设 A = aij ∈ C ( n ≥ 2 ) ， S 是 N 的非空真子集， S = N \ S ，则
A ) ΓiS ( A ) σ ( A) ⊆ C S ( = i∈S
Hale Waihona Puke Baidu

VijS ( A ) ， i∈S , j∈S
Keywords
Stochastic Matrices, S-SDD Matrices, Real Matrices with Same Row Sums, Nonsingular, Eigenvalue Inclusion Set
随机矩阵新的非1特征值包含集
李素华，李耀堂
云南大学，数学与统计学院，云南 昆明 Email: suhuali66@126.com, liyaotang@ynu.edu.cn 收稿日期：2015年9月6日；录用日期：2015年9月25日；发布日期：2015年9月28日
= ri ( A )
则称 A 为(行)随机矩阵。
= ∑a ij
j =1
n
1,
∀i ∈ = N
{1, 2, , n} ，
由 非 负 矩 阵 的 Perron-Frobenius 定 理 [1]-[4] 知 ， 1 是 任 一 随 机 矩 阵 的 一 个 主 特 征 值 ， 且
= e
(1,1, ,1)
S − SDD 矩阵[13]的非奇异性，研究具有非零相同行和实矩阵[1]非奇异的条件，然后利用其讨论随机矩
阵非 1 特征值的定位问题。
2. 具有非零相同行和实矩阵非奇异的充分条件
为下文叙述和证明方便，首先给出一些定义、引理和定理。 i) aii > ciS ( A ) , ∀i ∈ S ， ii) 其中
T
k ∈S \{i}
k ∈S \{i}
aki − li ( A ) ，
= cS j ( B)
k ∈S \{ j}
= ∑ akj − l j ( A) , c Sj ( B )
k ∈S \{ j}
∑
akj − l j ( A ) 。
240
李素华，李耀堂
由(2.1)式得
bii > ciS ( B ) , ∀i ∈ S ，
k ∈N \{i}
γ max ( aii − li ( A ) ) 。若 λ ∈ σ ( A ) \ {1} ，则 =
1≤ i ≤ n
λ ∈ Θ sto ( A ) = { z ∈ C : z − γ ≤ 1 − trace ( A) + ( n − 1) γ } 。
Shen 等在文[11]中通过给出非奇异随机矩阵的三个充分条件，得到了随机矩阵非 1 实特征值的三个 包含集。随后，Li 等在文[12]中推广了 Shen 的结果，得到了三个比定理 1.2 更精确的随机矩阵非 1 特征 值的包含集。 n× n 定理 1.3 [12]：设 = A aij ∈ R 为随机矩阵。若 λ ∈ σ ( A ) \ {1} ，则
若
aii − li ( A ) > cliS ( A ) , ∀i ∈ S ，
(2.1) (2.2)
(a
其中
ii
S S − li ( A ) − cliS ( A ) ⋅ a jj − l j ( A ) − cl S j ( A ) > cli ( A ) ⋅ cl j ( A ) , ∀i ∈ S , ∀j ∈ S ，
New Sets to Localize All Eigenvalues Different from 1 for a Stochastic Matrix
Suhua Li, Yaotang Li
School of Mathematics and Statistics, Yunnan University, Kunming Yunnan Email: suhuali66@126.com, liyaotang@ynu.edu.cn Received: Sep. 6 , 2015; accepted: Sep. 25 , 2015; published: Sep. 28 , 2015 Copyright © 2015 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/
)(
)
= cltS ( A )
则 A 是非奇异的。
k ∈S \{t}
= ∑ akt − lt ( A) , cltS ( A)
k ∈S \{t}
∑
akt − lt ( A ) ,
∀t ∈ N ，
证令 B = A − ed T 其中 = d l= ( A)
( l1 ( A) , l2 ( A) , , ln ( A) ) 。则 = bii = aii − li ( A ) , ciS ( B ) = ∑ aki − li ( A) , ciS ( B ) ∑
由(2.2)式得
(b
ii
S S − ciS ( B ) ⋅ b jj − c S j ( B ) > ci ( B ) ⋅ c j ( B ) ,
)(
)
∀i ∈ S , ∀j ∈ S ，
故 B 是 S − SDD 矩阵。由定理 2.2 知， B 是非奇异的，再由引理 2.4 知， A 是非奇异的。
T
∈ R n 是其对应的一个特征向量，因此对于随机矩阵特征值的定位问题，只需对其所有非 1
特征值进行定位即可。为了研究这个问题，Cvetkovic 等在文[9]中引入了修正矩阵([9], Proposition 2.1)的 概念，并将著名的 Gersgorin 圆盘定理[10]应用于修正矩阵，得到了如下结果。 n× n li ( A ) = min aki ， σ ( A ) 表示 A 的谱， trace ( A ) 为 A 的迹， 定理 1.2 [9]： 设 = A aij ∈ R 为随机矩阵，
λ ∈ Γ stol ( A = )
i∈N
{ z ∈ C : aii − z − li ( A) ≤ cli ( A)} ，
λ ∈ Γ stov ( A = )
和
stoq ( A λ ∈Γ = )
i∈N
i∈N
{ z ∈ C : aii − z − vi ( A) ≤ cvi ( A)} ，
Pure Mathematics 理论数学, 2015, 5(5), 238-246 Published Online September 2015 in Hans. http://www.hanspub.org/journal/pm http://dx.doi.org/10.12677/pm.2015.55034
th th th
Abstract
By using the nonsingularity of S-SDD matrices and the theory of modified matrices, three new sufficient conditions of the nonsingular real matrices with nonzero same row sums are given, and then three new sets to localize all eigenvalues different from 1 for a stochastic matrix are obtained. Numerical examples are given to illustrate that the proposed results are better than the results of Shen et al. [Linear Algebra Appl., 447(2014)74-87], Cvetkovic et al. [ETNA., 18(2004)73-80] and Li et al. [Linear and Multilinear Algebra, http://dx.doi.org/10.1080/03081087.2014.986044].
)(
)
ctS ( A ) =
k ∈S \{t}
∑
, ctS ( A ) akt =
k ∈S \{t}
∑
akt ,
∀t ∈ N ，
则称 A 为 S − 严格对角占优矩阵(简记为 S − SDD 矩阵)。 n× n 定理 2.2 [13]：若 A = aij ∈ C ( n ≥ 2 ) 为 S − SDD 矩阵，则 A 是非奇异的。
cvi ( A ) = ∑ aki − vi ( A) , cqi ( A) = ∑ aki − qi ( A) 。
k ∈N \{i} k ∈N \{i}
239
李素华，李耀堂
对于矩阵特征值的定位问题， 人们总是力求用尽可能少的计算量得到尽可能精确的特征值包含区域， 但现有的结果还远远没有达到人们的期望，因此有必要继续对其进行研究。本文将利用修正矩阵理论及
李素华，李耀堂
分条件，进而得到了随机矩阵的三个新的非1特征值包含集。数值例子表明，所得结果改进了Shen et al. [Linear Algebra Appl., 447 (2014) 74-87]，Cvetkovic et al. [ETNA., 18 (2004) 73-80]和Li et al. [Linear and Multilinear Algebra, http://dx.doi.org/10.1080/03081087.2014.986044]的结果。


其中
ΓiS ( A ) = z ∈ C : z − aii ≤ ciS ( A ) ，
S S VijS ( A ) = z ∈ C : z − aii − ciS ( A ) ⋅ z − a jj − c S j ( A ) ≤ ci ( A ) ⋅ c j ( A ) 。
{
}
{
(
)(
)
}
aij ∈ R n×n 为所有行和都是常数 η 的实矩阵(称这样的矩阵为具有相同行和实矩 引理 2.4 [9]：设 = A
n× n 定义 2.1 [13]：设 A = aij ∈ C ( n ≥ 2 ) ， S 是 N 的非空真子集， S = N \ S 为 S 的补集。若
(a
ii
S S − ciS ( A ) ⋅ a jj − c S j ( A ) > ci ( A ) ⋅ c j ( A ) , ∀i ∈ S , ∀j ∈ S ，