盖尔金圆定理及严格对角占优矩阵(SDD) 1
盖尔金圆定理(Gersghorin Circle Thorem)
盖尔金圆定理(Gersghorin Circle Thorem)是线性代数中一个有趣而实用的定理,可以用它来描述矩阵的特征值。首先我们先来看一下盖尔金圆定理。
(盖尔金圆定理)对于任意的nnn阶方阵A" role="presentation" style="position: relative;">AAA,若λλ\lambda是AAA的一个特征值,则存在1≤i≤n" role="presentation" style="position: relative;">1≤i≤n1≤i≤n1\leq i\leq n,使得|λ−aii|≤∑j=1,j≠in|aij|.|λ−aii|≤∑j=1,j≠in|aij|.|\lambda - a_{ii}| \leq \sum\limits_{j=1,j\neq i}^{n}|a_{ij}|.
证明:
若λλ\lambda是AAA的一个特征值,设其特征向量为x" role="presentation" style="position: relative;">xxx,可以选取iii使得|xi|=maxj=1,2,...,n|xj|=1," role="presentation" style="position: relative;">|xi|=maxj=1,2,...,n|xj|=1,|xi|=maxj=1,2,...,n|xj|=1,|x_i|=\max\limits_{j=1,2,...,n} |x_{j}|=1,这总是可以做到的,因为特征向量乘上任何数(除0外)仍为特征向量。
根据特征值和特征向量的定义,有Ax=λxAx=λxAx=\lambda x,因此有:
\sum\limits_{j=1}^{n}a_{ij}x_{j}=\lambda x_{i}.
从而:
|(\lambda-a_{ii})x_{i}|=|\lambda-a_{ii}|\leq \sum\limits_{j=1,j\neq i}^{n}|a_{ij}x_{j}|\leq \sum\limits_{j=1,j\neq i}^{n}|a_{ij}|.
证明完毕
对于任意一个方阵,我们只要画出它在复平面上的盖尔金圆,就能推测出特征值的分布情况了,因为该方阵的所有特征值总是在这些圆中某一个内。
下面给出如何在复平面上画方阵的盖尔金圆的Python代码,如下:
# Plotting Gershgorin Circles for any square matrix
from matplotlib.patches import Circle
import matplotlib.pyplot as plt
from math import sqrt
import numpy as np# example matrix, each entity can be complex number
A = np.array([[5, 0, 0, -1],[1, 0, -1, 0],[-1.5, 1, -2, 1],[-1, 1, 1, -3j]],dtype='complex')# begin plotting figure
fig = plt.figure()
ax = fig.add_subplot(111)# Circle: |A[i,i]-z| <= sum(|A[i,j]| for j in range(n) and j != i)
for i in range(A.shape[0]):real = A[i,i].real # each complex's real partimag = A[i,i].imag # each complex's image part# calculate the radius of each circleradius = -sqrt(A[i,i].real**2+A[i,i].imag**2)for j in range(A.shape[0]):radius += sqrt(A[i,j].real**2+A[i,j].imag**2)# add the circle to the figure and plot the center of the circlecir = Circle(xy = (real,imag), radius=radius, alpha=0.5, fill=False)ax.add_patch(cir)x, y = real, imagax.plot(x, y, 'ro')# title
plt.title("Gershgorin Circles of Matrix")# show the figure which can be used for analyse eigenvalues of the matrix
plt.savefig("E://GCircle.png")
该方阵的盖尔金圆分布如下图:
以下给出盖尔金圆定理在 严格对角占优矩阵中的应用。
严格对角占优矩阵(SDD)
严格对角占优矩阵(Strictly Diagonally Dominant Matrix, SDD)是数值分析中的一个重要概念,它能保证Jacobi迭代法和Gauss-Seidel迭代法的收敛性。
所谓SDD,指的是满足以下条件的方阵:
|a_{ii}| > \sum\limits_{j=1,j \neq i}^{n}|a_{ij}|, \forall i =1,2,...,n.
通俗地来理解,就是主对角线上的每个元素的模(或者绝对值)都大于该元素所在行的所有元素(除掉它本身)的模(或者绝对值)的总和。
下面给出SDD的几个重要性质。
(SDD的性质)SDD必定是非奇异矩阵。
证明:若 AAA为SDD,它不是非奇异矩阵,则A" role="presentation" style="position: relative;">AAA至少有一个特征值为0,从而由盖尔金圆定理可知,存在 1≤i≤n1≤i≤n1\leq i\leq n,使得 |aii|≤∑j=1,j≠in|aij|.|aii|≤∑j=1,j≠in|aij|.|a_{ii}| \leq \sum\limits_{j=1,j\neq i}^{n}|a_{ij}|. 此与SDD的定义矛盾。从而SDD必定是非奇异矩阵。
(SDD的性质)若AAA为SDD,则Ax=b" role="presentation" style="position: relative;">Ax=bAx=bAx=b有解。
证明:因为AAA为SDD,故A" role="presentation" style="position: relative;">AAA可逆,从而x=A−1b.x=A−1b.x=A^{-1}b.
(SDD的性质)若AAA为SDD,则对于方程Ax=b" role="presentation" style="position: relative;">Ax=bAx=bAx=b, Jacobi迭代法, Gauss-Seidel迭代法,SOR迭代法收敛。
证明:因为我们还没讲到Jacobi迭代法, Gauss-Seidel迭代法,SOR迭代法,因此我们将在之后的博客中给出该性质的证明,敬请期待。
盖尔金圆定理及严格对角占优矩阵(SDD) 1相关推荐
- 严格对角占优矩阵特征值_盖尔金圆定理及严格对角占优矩阵(SDD)
盖尔金圆定理(Gersghorin Circle Thorem) 盖尔金圆定理(Gersghorin Circle Thorem)是线性代数中一个有趣而实用的定理,可以用它来描述矩阵的特征值.首先我们 ...
- 盖尔金圆定理及严格对角占优矩阵(SDD)
盖尔金圆定理(Gersghorin Circle Thorem) 盖尔金圆定理(Gersghorin Circle Thorem)是线性代数中一个有趣而实用的定理,可以用它来描述矩阵的特征值.首先 ...
- 严格对角占优矩阵特征值_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: Gersch ...
- 严格对角占优矩阵特征值_严格对角占优矩阵与SOR迭代法的收敛性定理.pdf
严格对角占优矩阵与SOR迭代法的收敛性定理 第34卷第1期 长春理工大学学报(自然科学版) Vol.34 No. 1 20 11年3月 Journal of Changchun University ...
- 严格对角占优矩阵特征值_电子科技大学矩阵理论复习笔记 第四章 特征值的估计...
4.1 特征值界的估计(详细证明) 掌握定理1 (Shur)的证明 利用第三章给的引理, ,在经过放缩(划线处),最后利用相似得到证明. 4.2 Gerschgorin 圆盘定理(详细证明) 定理1的 ...
- 严格对角占优矩阵特征值_严格对角占优M-矩阵特征值的界
严格对角占优 M- 矩阵特征值的界 蒋建新, 李艳艳 [摘 要] 对严格对角占优 M- 矩阵 A 的最小特征值 τ(A)经典的下界估计式应用 该类矩阵逆矩阵 A-1 元素的上界新的提高的估计式与得到 ...
- 【控制】盖尔圆盘定理
盖尔圆盘定理 盖尔圆盘定理 盖尔圆盘定理 关于盖尔圆的 Matlab 实现和验证可参考文章: [Matlab 控制]绘制盖尔圆 [数理知识]第4章-赋范线性空间与矩阵范数-<矩阵论>方保镕 ...
- 主对角占优矩阵的结论与应用
文章目录 什么是主对角占优矩阵 一个结论 证明 应用1(这道题操作手法非常saoqi) 证明 应用2 证明 什么是主对角占优矩阵 数域 K K
- 严格对角占优矩阵特征值_二次型和特征值
前言:以下内容不是严格的数学表述, 以自己理解的思路形式叙述. 二次型: 这个名词是来自于线性代数, 多用于二次规划和优化组合等问题. 在线性代数里形如以下函数表达式称为二次型:(A是对称矩阵) 这里 ...
最新文章
- ORB-SLAM3 论文笔记
- 帮小猴子准备的高数知识点
- iOS 开发中的多线程
- Hive学习和配置Mysql
- MVC和MVVM以及MVP的介绍
- 干货收藏!639页《深度学习:Deep Learning》图文并茂课程PPT
- java导入日期处理,java实现Excel表格的导入日期变成数字的问题
- 搜集整理一些Cron表达式例子
- 【黑苹果教程】Airport-miniPCIe 无线网卡驱动
- 内存卡 android 刷机教程,怎样用卡刷包刷机?安卓手机通用刷机包卡刷教程
- Python单词识别
- 我就知道肯定有人想要这个
- 为什么要预测、优化工业生产中的问题呢?
- 70. Climbing Stairs. Iter--Sol
- pH敏感聚乙二醇-聚甲基丙烯酸PEG-b-PDPA混合胶束-瑞禧
- 词法分析器的构成(含源代码)
- Python中的getter、setter、deleter
- Spring Cloud Sleuth与Zipkin整合时遇到的问题记录(大湿胸文章集锦)
- discuz 自定义联盟推广链接案例及百度分享自定义推广链接的方法
- 阿里云ecs windows 2008 安装ftp