1. 引言
若一个矩阵的所有子式都是非正的(非负的),则称此矩阵为完全非正(非负)矩阵。若矩阵A的所有k阶非零子式有相同符号
,则称矩阵A为符号序列为
的符号规则矩阵(简称为SR矩阵)。这几类结构矩阵在概率论、组合学和数值代数等中都有着广泛的应用 [1] [2] [3]。
在数值线性代数中,我们追求的目标是高精度的数值计算。在文 [4] 中,R. Huang对两类特殊的符号序列为
的广义SR矩阵(quasi-Vandermonde and quasi-Cauchy)的所有特征值进行了高精度计算。
本文将研究quasi-h-Bernstein-Vandermonde矩阵
的所有特征值的高精度计算,此类矩阵的形式如下:
(1.1)
其中
,
,
。
在文 [5] 定理9中,符号序列为
的非奇异SR矩阵
被唯一分解为
(1.2)
且
(1.3)
满足
(1.4)
其中
,
和
分别是单位矩阵和反单位矩阵,
,
,
,
和
是双对角矩阵,如下:
,
(1.5)
,
.(1.6)
在文 [4] 中,符号序列为
的SR矩阵
(
)被除(1.3)中的
和
以外的非平凡元素参数化,所有参数被存储在形如矩阵
中,且
(1.7)
满足
(1.8)
参数矩阵
的符号正则性如下:
(1.9)
其中
。因此,
表示向量
的所有非零元素是正的,
表示向量
的所有非零元素是负的,特别地;若向量
,则
。
在本文中,我们定义:
通过(1.2)由
生成的矩阵。
定义1.1 [4] 若
满足(1.9)且
,则称矩阵
是符号序列为
的广义SR矩阵。
必须强调的是,计算参数(1.7)的公式如下:
(1.10)
本文将作以下安排:第2节给出quasi-h-Bernstein-Vandermonde矩阵的双对角分解,并且高精度计算出这类矩阵的所有参数。第3节给出计算此类矩阵的所有特征值的高精度算法。第4节给出数值例子来说明所提出算法的高精度性。
2. quasi-h-Bernstein-Vandermonde矩阵的双对角分解
定义2.1 [6] 如果矩阵
有如下形式,
(2.1)
那么B是h-Bernstein-Vandermonde矩阵,其中
,
。
引理2.2 [6] 令
是形如(2.1)的h-Bernstein-Vandermonde矩阵,则
(2.2)
(2.3)
推论2.3令
是形如(1.1)的quasi-h-Bernstein-Vandermonde矩阵,则关于矩阵A的子式有如下的结论:
(2.4)
(2.5)
证明 因为
,其中B是h-Bernstein-Vandermonde矩阵,
.
所以
由h-Bernstein-Vandermonde矩阵的子式的引理2.2,结论得证。
定理2.4 令
是一个形如(1.1)的非奇异quasi-h-Bernstein-Vandermonde矩阵。则
如下:
(2.6)
证明 接下来,计算所有参数的表达式
① 利用推论2.3中的表达式(2.4)得到:
(2.7)
② 利用推论2.3中的表达式(2.5)得到:
(2.8)
③ 利用矩阵A的初始子式表达式,得到:
(2.9)
下面讨论
,
,
和
的表达式。
元素
如下:
(2.10)
则元素
如下:
(2.11)
由(2.9)和(2.10)得:
(2.12)
由(2.11)和(2.12)得:
(2.13)
接下来求参数
,
(2.14)
最后,利用推论2.3得到参数
(2.15)
特别的,若
。则:
(2.16)
结论得证。
根据定理2.4,我们得到形如(1.1)的quasi-h-Bernstein-Vandermonde矩阵是符号序列为
的广义SR矩阵。
3. quasi-h-Bernstein-Vandermonde矩阵的高精度算法
本节,利用上一节的定理2.4求得的所有参数,给出计算quasi-h-Bernstein-Vandermonde矩阵A的所有特征值的高精度算法。
算法3.1
输入:
和节点
,其中
。
输出:矩阵A的所有特征值。
1) 通过定理2.4计算出矩阵A的所有参数。
2) 利用步骤1所求得的参数,结合算法3 [4] 计算矩阵A的所有特征值。
4. 数值实验
接下来,通过给出数值例子来验证我们所提出的计算特征值的算法的高精度性。
1) 在Matlab中分别用上一节所提出的算法和命令eig计算出矩阵A的所有特征值的计算值
:
a) 算法3.1。
b) Matlab中的命令eig。
2) 在Mathematica中计算出矩阵A的所有特征值的准确值
。
3) 将算法3.1计算出的特征值与MATLAB命令eig计算出的特征值进行比较,并且利用
来衡量相对误差。
例子4.1 令
是一个quasi-h-Bernstein-Vandermonde矩阵,元素
其中
,
,
和
。谱条件数为:
。
具体实验结果见下面表1与图1。
Table 1. The relative error of the eigenvalues of the matrix A
表1. 矩阵A的特征值的相对误差
Figure 1. The relative error of the calculated characteristic value
图1. 计算的特征值的相对误差
实验结果表明,Matlab中的命令eig只能确保部分大的特征值是高精度的,但如果特征值非常小时就不能确保其高精度,而文中的算法3.1能够高精度计算所有的特征值。因此,数值实验4.1验证了算法3.1的高精度性。