1. 引言
线性互补问题应用广泛,在双矩阵对策的纳什平衡点,轴颈轴承的接触问题和自由边界等问题中有各种应用(见[1]-[3])。线性互补问题(Linear Complementarity Problem)是指寻找一个向量
,使
(1)
成立,其中
,简记为
。当M是P-矩阵时,对任何向量
(1)有唯一解[4]。
2006年,文献[5]给出了当M为P-矩阵时,相应的线性互补问题解的误差界估计式:
其中
是LCP的解,
。
近年来,许多学者基于文献[6]的研究,对一些特殊矩阵线性互补问题解的误差界进行了研究,如SB-矩阵[4] [6],P-矩阵[5] [7],具有正对角元素的H-矩阵[7] [8],B-矩阵[9],BS-矩阵[10],DB-矩阵[11]和∑SDD-矩阵[12]。
2014年,文献[13]给出了
-矩阵线性互补问题解的误差界。设
是
-矩阵,
,
,
。
令
,
,则
本文利用线性互补问题的等价条件,得到了P-矩阵的一个子类
-矩阵的LCP新误差界。
本文第2节主要介绍相关定义、引理及符号说明;第3节中,给出了
-矩阵线性互补问题解的新误差界,并讨论了在不同参数下
-矩阵线性互补问题解的估计式结果;最后,通过数值例子验证了该误差界估计式的有效性和可行性。
2. 定义及符号说明
为方便叙述,本文先给出几个符号说明,
表示
阶实矩阵的集合,
。
定义1 [14]设
,若
,则称M为Z-阵,Z-阵的全体记为Z。
定义2 [14]设
,若
,则称M为严格对角占优矩阵,记为SDD阵。若
,则称M为双严格对角占优矩阵。
定义3 [15]设
,若M的所有主子式都大于零,则称M为P-阵。
定义4 [15]设
,若
,其中
为
矩阵B的谱半径,则称A为M-矩阵。若A的所有顺序主子式均大于零(或
等),则称A是非奇异M-矩阵。M-矩阵的主对角线元素全是非负的,而其它一切元素全是非正。
定义5 [15] A的比较矩阵:
称为A的比较矩阵,其中:
定义6 [15]如果A的比较矩阵是非奇异M-矩阵,则称其为非奇异H-矩阵。
定义7 [16]设
,满足
,
,且存在向量
,满足
,
则称为
-阵,
-阵的全体记为
。
定义1 [17]设
,若存在
,
,
,
,
,
,
,使
,且使得
的分裂如下(2)式,若
是非奇异M-阵,则称M为
-矩阵,
-矩阵的全体记为
。
(2)
其中
。
下面介绍几个与本文相关的引理。
引理1 [17]若
是严格对角占优或双严格对角占优Z-阵,则M是非奇异M-阵。
引理2 [18]若
为
-矩阵,则M是P-阵。
引理3 [19]矩阵A是一个M-矩阵当且仅当A的对角元素为正,并且存在正对角矩阵X,AX是行SDD。
引理4 [20]单位矩阵I的Sherman-Morrison公式是:
u和v是两个给定的向量且
。
引理5 [21]如果A是一个SDD矩阵,那么对于任意矩阵B:
(3)
其中
是A的比较矩阵,
,e是一个列向量,其元素都是1。
引理6 [22]设A为M-矩阵,
为A的对角部分,则对于任意非负对角矩阵
和正对角矩阵
,
(4)
其中
为对角矩阵,其对角线元
。
3. 主要结果
在本文中,引入以下等价的LCP [8]:
(5)
此处为正对角矩阵,则
是LCP(1)的解当且仅当
是LCP(5)的解。易见,如果取
,则LCP(5)可约化为LCP(1)。通过选择适当特定的正对角矩阵
和
,可以得到一些更清晰的误差界限。
接下来,给出该等价线性互补问题解的误差范围。设
是LCP(1)的解。根据[8]中的定理2.3,有:
(6)
此处
(7)
和
为正对角矩阵,且
,且
,显而易见,当
,可表示为:
(8)
定理1:设
是一个
-矩阵,其中
和
由(2)给出,且设
是LCP(1)的一个解。则存在一个正对角矩阵
,使得对于任意
,有:
(9)
此处
另外,当M是一个Z-矩阵时,可知:
(10)
此处
(11)
证明:根据定理的假设,
是一个M矩阵。由引理4可知,存在一个正对角矩阵H,使得
是按行严格对角占优的,且
仍然是秩为1的非负矩阵。记
,
,
,那么有
。因此,对于某个对角矩阵
,且
,可以得到:
(12)
令
,
,不难看出,
是一个有正对角线的严格对角占优矩阵,
仍是一个秩为1的矩阵。由(12)得:
所以
(13)
先证明
(14)
因为对角矩阵H是正的,且矩阵
是Z-矩阵,所以
和
对角线也为正的。另外,
是一个正对角线的严格对角占优的Z-矩阵,且由引理1知,
也是一个M-矩阵,所以
是非负的。由于
是一个秩为1的非负矩阵,可以写成,
,
。所以有,其中
,令向量
,向量
。则,通过引理5
对上式两边取无穷大范数,得到:
接下来,给出了
的上界。根据引理7,很容易证明下列不等式成立:
(15)
另一方面,由于
是一个具有正对角线的严格对角占优矩阵,并且
,那么根据引理6,对于每个矩阵D:
其中
设
使得
,然后得到:
(16)
式子(11)中给出了
。根据式(15)和(16)可得:
(17)
将公式(6),(13),(14),(17)结合在一起,得到界(9)。
特别地,若M是一个Z-矩阵,那么
和
都为0,易得
,则根据式(13),式(17)得:
□
注:定理1中给出的正对角矩阵H可以用以下方法求得,对于给定的正向量
(例如,
),因为
是M-矩阵,所以
,通过求解系统
得到一个正解,则可以取
。实际上,对于给定的正向量P,也可以使用一些收敛分裂迭代方法(例如Gauss-Seidel方法)来得到这个h。
接下来,通过在界(9)中取几个特殊的对角参数矩阵,可以获得形式更简单的界。
如果在定理1中,取
,则可以得到以下推论:
推论1 设
是一个
-矩阵,其中
和
由给出,且设
是LCP(1)的一个解。则存在一个正对角矩阵
,使得对于任意
,有:
(18)
另外,当M是一个Z-矩阵时,特别地有:
(19)
这里的
由(11)给出,
由(8)给出。
下面给出[13]中的例子表明本文的结果更好,
易知它不是H-矩阵,但却是一个P-阵,还是一个
-矩阵,根据定义
,这里分别取
,通过(19)的简单计算得到:
据[13]中的误差界计算,
比较上面的误差界,容易看出本文的误差界结果更优。
推论2 根据定义,定理1可以根据选取特定对角参数矩阵
和
,从而得出形式更简单的误差界:
取定理1中的
,
,得到(9)和(10)对应的误差界:
(20)
当M是一个Z-矩阵时,有:
取定理1中的
,
,得到(9)和(10)对应的误差界:
(21)
当M是一个Z-矩阵时,有:
取定理1中的
,
,得到(9)和(10)对应的误差界:
(22)
当M是一个Z-矩阵时,有:
4. 数值算例
在本节中,给出了两个数值算例,将本文的误差界与原有的误差界进行比较。
算例1 考虑矩阵
,向量
,考虑它的LCP(1):
可知此处设
,由
的定义可知,
,取一组,
,通过分裂(2)易知
是一个非奇异M-矩阵,所以M是一个
矩阵。
则由文献[13]中估计式的结果可得:
由本文推论1中估计式的结果可得:
对比两式结果可知,本文的估计式在一定程度上大大改进了原有的结果,使得误差界更小,结果更精确。当原估计式中的
趋近于0时,则显然
趋近无穷大,则其误差越大。
算例2 考虑矩阵
,向量
,考虑它的LCP(1):
设
,由
的定义可知,
,
,取一组
,
,得到以下分解,易知
是一个非奇异M-矩阵,所以M是一个
矩阵。
用以下算法,得到图1。
然后通过将x替换为
来分析误差界,其中
是由Bai在[23]中提出的基于模的矩阵分裂迭代方法生成的。
基于模的矩阵分裂迭代算法:设
是矩阵
的分解,
是一个正对角矩阵
是一个正的常数,给定初始向量
,计算
是通过求解线性系统:
设
,对于
直到迭代序列
收敛。
令
,此处
,
,
,
,
。算法通过8次迭代后收敛到
,精度为10−7。在图1中给出了这些界(18) (20) (21) (22)以及文献[13]的界。并将
代入到这些界的估计式中得到下面的图1。
Figure 1. Error bound for linear complementarity problem of M2
图1. M的线性互补问题的误差界
从图中可以看出,其中横坐标为x的迭代次数,纵坐标为误差界的自然对数。随着x迭代次数的增加,整体曲线均呈下降趋势。虽然当x只迭代了1次时,文献[13]的结果略微优于其他接结果,但是自当x2次以上时,可以观察到,界(22)和界(21)重合且大大优于文献[13]的界。不仅如此,还可以观察到,此时界(22)的结果也优于原文献[13]的计算结果稍大。通过该数值算例,通过多次迭代本文的估计结果在多数情况下优于原文献的结果,并且可通过选择不同的正对角参数矩阵
和
,得到更加有效的误差界估计结果。
5. 总结
本文深入探讨了矩阵线性互补问题(LCP)的解的误差界限,提出了一种基于特定对角参数矩阵
和
的新颖方法。通过对等价形式的LCP进行分析,我们成功推导出了
-矩阵的新误差界,这些界在不同的对角参数矩阵
和
的下,为
-矩阵的LCP提供了更优化的误差接。本研究采用了等价线性互补问题新的放缩技巧,并结合了
-矩阵的分裂形式,显著改进了文献[13]中的原有估计。特别是,当原估计式中的参数
趋于零时,原估计结果可能趋向于无穷大,而本文提出的新界限则在很大程度上克服了这一问题。
尽管如此,本研究也存在一些局限性,例如在实际应用中如何选择最优的对角参数矩阵
和
以获得更精确的估计结果,这仍是一个值得研究的问题。未来的工作将集中于解决这一挑战,并探索本文方法在具有类似分裂形式的其他矩阵类上的适用性,拓展矩阵线性互补问题解的深度和广度。
NOTES
*通讯作者。