对角占优矩阵(Diagonally-dominant Matrix)

这篇具有很好参考价值的文章主要介绍了对角占优矩阵(Diagonally-dominant Matrix)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

对角占优矩阵(Diagonally-dominant Matrix)

作用:它较多出现于经济价值模型和反网络系统的系数矩阵及解某些确定微分方程的数值解法中(来自百度百科)

For some matrices you can see quickly that they are invertible because every number a i i a_{ii} aii on their main diagonal dominates the off-diagonal part of that row i i i

对角占优矩阵是 可逆的

对角占优矩阵(Diagonally-dominant Matrix)

对角占优矩阵(Diagonally-dominant Matrix)
例1:
对角占优矩阵(Diagonally-dominant Matrix)

∣ a 11 ∣ = 3 > ∣ a 12 ∣ + ∣ a 13 ∣ = 1 + 1 = 2 ∣ a 22 ∣ = 3 > ∣ a 21 ∣ + ∣ a 23 ∣ = 1 + 1 = 2 ∣ a 33 ∣ = 3 > ∣ a 31 ∣ + ∣ a 32 ∣ = 1 + 1 = 2 |a_{11}|=3\gt |a_{12}|+|a_{13}|=1+1=2\\ |a_{22}|=3\gt |a_{21}|+|a_{23}|=1+1=2\\ |a_{33}|=3\gt |a_{31}|+|a_{32}|=1+1=2 a11=3>a12+a13=1+1=2a22=3>a21+a23=1+1=2a33=3>a31+a32=1+1=2

So A A A is diagonally-dominant ( 3 > 2 3\gt 2 3>2

例2:

对角占优矩阵(Diagonally-dominant Matrix)

2 = ∣ a 11 ∣ = ∣ a 12 ∣ + ∣ a 13 ∣ = 1 + 1 = 2 2 = ∣ a 22 ∣ = ∣ a 21 ∣ + ∣ a 23 ∣ = 1 + 1 = 2 3 = ∣ a 33 ∣ > ∣ a 31 ∣ + ∣ a 32 ∣ = 1 + 1 = 2 2=|a_{11}|= |a_{12}|+|a_{13}|=1+1=2\\ 2=|a_{22}|= |a_{21}|+|a_{23}|=1+1=2\\ 3=|a_{33}|\gt |a_{31}|+|a_{32}|=1+1=2 2=a11=a12+a13=1+1=22=a22=a21+a23=1+1=23=a33>a31+a32=1+1=2

So B B B is NOT diagonally-dominant,but still Invertible d e t ( B ) ≠ 0 det(B)\neq 0 det(B)=0

例3:
对角占优矩阵(Diagonally-dominant Matrix)
These column vectors are independent,So C is singular and NOT Invertible文章来源地址https://www.toymoban.com/news/detail-472582.html

到了这里,关于对角占优矩阵(Diagonally-dominant Matrix)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python生成对角矩阵和对角块矩阵

    scipy中的函数 在 scipy.linalg 中,通过 tri(N, M=None, k=0, dtype=None) 可生成 N × M Ntimes M N × M 对角矩阵,若 M=None ,则 M M M 默认为 N N N 。 k 表示矩阵中用1填充的次对角线个数。 在 numpy 中也提供了多种对角矩阵生成函数,包括 diag , diagflat , tri , tril , triu 等, numpy.diagflat diagflat 用于

    2024年02月01日
    浏览(36)
  • 矩阵补充(matrix completion)

    这篇文章介绍矩阵补充(matrix completion),它是一种向量召回通道。矩阵补充的本质是对用户 ID 和物品 ID 做 embedding,并用两个 embedding 向量的內积预估用户对物品的兴趣。值得注意的是,矩阵补充存在诸多缺点,在实践中效果远不及双塔模型。 上篇文章介绍了embedding,它可

    2024年01月19日
    浏览(33)
  • torch.diag() 取矩阵对角线元素,torch.diag_embed() 指定值变成对角矩阵

    1、torch.diag() 2、torch.diag_embed()

    2024年02月16日
    浏览(32)
  • Eigen-Matrix矩阵

    在Eigen中,所有矩阵和向量都是矩阵模板类的对象。向量只是矩阵的一种特殊情况,要么有一行,要么有一列。矩阵就是一个二维数表,可以有多行多列。 Matrix类有六个模板参数,但现在只需要了解前三个参数就足够了。剩下的三个参数都有默认值,我们暂时不碰它们,我们

    2024年03月09日
    浏览(55)
  • [矩阵论]正规矩阵可酉相似对角化

    满足: A H A = A A H A^H A = AA^H A H A = A A H 的矩阵,被称为正规矩阵 证明 A A A 可以酉相似对角化的 充要 条件是, A A A 是正规矩阵 A H A = A A H A^H A = AA^H A H A = A A H 这里插一句: 一般矩阵可以对角化是: P − 1 A P = Λ P^{-1}AP = Lambda P − 1 A P = Λ Λ Lambda Λ 是对角阵,而对角化只要

    2023年04月22日
    浏览(33)
  • 特殊矩阵的压缩存储(对称矩阵,三角矩阵和三对角矩阵)

    目录 1.对阵矩阵 2.三角矩阵 3.三对角矩阵(带状矩阵) 定义:若对一个n阶矩阵A中的任意一个元素 aᵢ,ⱼ 都有aᵢ,ⱼ=aⱼ,ᵢ (1≤i,j≤n),则称其为对称矩阵。 存储策略:只存储主对角线+下三角区(或主对角线+上三角区),以主对角线+下三角区为例,按照行优先把这些元

    2024年02月09日
    浏览(34)
  • 输入一个n×n的矩阵,分别计算该矩阵主对角线元素与副对角线元素之和。

    输入格式: 输入包含n + 1行: 第一行为一个正整数n(1 = n = 10)。 第二行到第n + 1行,每行有n个整数,邻近两数之间用一个空格隔开。 输出格式: 两数之间用一个空格隔开。 输入样例: 4 2 3 4 1 5 6 2 1 7 1 8 3 1 6 1 1 输出样例: 17 5

    2024年02月11日
    浏览(37)
  • leetcode 542. 01 Matrix(01矩阵)

    矩阵中只有0,1值,返回每个cell到最近的0的距离。 思路: 0元素到它自己的距离是0, 只需考虑1到最近的0是多少距离。 BFS. 先把元素1处的距离更新为无穷大。 0的位置装入queue。 从每个0出发,走上下左右4个方向,遇到0不需要处理,遇到1,距离为当前距离+1. 如果当前距离

    2024年02月12日
    浏览(27)
  • Eigen 矩阵Matrix及其简单操作

    在Eigen,所有的矩阵和向量都是Matrix模板类的对象,Vector只是一种特殊的矩阵(一行或者一列)。 Matrix有6个模板参数,主要使用前三个参数,剩下的有默认值。 Scalar是表示元素的类型,RowsAtCompileTime为矩阵的行,ColsAtCompileTime为矩阵的列。 库中提供了一些类型便于使用,比如

    2024年02月12日
    浏览(25)
  • 分块对角矩阵的求逆

    分块对角矩阵的逆矩阵: [ A B C ⋱ ] − 1 = [ A − 1 B − 1 C − 1 ⋱ ] begin{bmatrix} mathbf{A} \\\\ mathbf{B} \\\\ mathbf{C} \\\\ ddots \\\\ end{bmatrix}^{-1} = begin{bmatrix} mathbf{A}^{-1} \\\\ mathbf{B}^{-1} \\\\ mathbf{C}^{-1} \\\\ ddots \\\\ end{bmatrix} ⎣ ⎢ ⎢ ⎡ ​ A ​ B ​ C ​ ⋱ ​ ⎦ ⎥ ⎥ ⎤ ​ − 1 = ⎣ ⎢ ⎢ ⎡

    2024年02月05日
    浏览(34)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包