随机矩阵α-型和Brauer-型特征值包含区域及其应用
2020-07-05杜烁玉李耀堂
四川师范大学学报(自然科学版) 2020年1期
杜烁玉,李耀堂
(云南大学数学与统计学院,云南昆明650000)
1 预备知识
随机矩阵是非负矩阵的一个子类,在计算机辅助几何设计和马尔可夫链等方面有着广泛的应用,特别是随机矩阵谱隙的估计对马尔可夫链的研究和应用有着重要作用[1-5].近年来随机矩阵在生物工程、金融工程和无线通信等领域的应用也取得了重要的进展[6-8].随机矩阵在这些方面的广泛应用,很多都与随机矩阵的非1特征值有关,因此,研究随机矩阵的非1特征值具有重要意义.关于矩阵特征值的定位已有很多重要的研究成果,如Gersgorin圆盘定理、Brauer卵形定理、Brualdi定理、α-型特征值包含定理[9-14]等.人们当然可以利用这些经典的定理去定位随机矩阵的特征值,但因为所得的随机矩阵特征值定位集都包含随机矩阵的平凡特征值1,从而使得对随机矩阵非1特征值的定位往往不够精确.为了解决这一问题,Cvetkovic等[9]提出了修正矩阵的概念并用其研究随机矩阵非1特征值的定位,这为随机矩阵非1特征值定位研究开辟了新途径.
定理 1.1[9]设A=[aij]∈Rn×n为随机矩阵,
d=[d1,d2,…,dn]T∈Rn.
若λ∈σ(A)\{1},则λ为修正矩阵B=A-edT的特征值.因而如果B是非奇异的,则A也是非奇异的,这里σ(A)为矩阵A的谱.
Li等[11]应用修正矩阵理论,改进了文献[9]所给的随机矩阵非1特征值包含定理,得到了如下2个随机矩阵非1特征值更精确的包含区域.
定理 1.2[11]设A=[aij]∈Rn×n为随机矩阵,如果λ∈σ(A)\{1},则有


2 随机矩阵2个新的非1特征值包含区域
应用修正矩阵理论与矩阵的α-型特征值包含定理和Brauer-型特征值包含定……
登录APP查看全文