[詹兴致矩阵论习题参考解答]习题2.7

简介: 7. (Marcus-Ree) 一个非负矩阵称为是双随机的, 若它的每行元素之和等于 $1$, 且它的每列元素之和也等于 $1$. 设 $A=(a_{ij})$ 为 $n$ 阶双随机矩阵, 则存在 $1,2,\cdots,n$ 的一个排列 $\sigma$ 使得对每个 $i=1,\cdots,n$,...

7. (Marcus-Ree) 一个非负矩阵称为是双随机的, 若它的每行元素之和等于 $1$, 且它的每列元素之和也等于 $1$. 设 $A=(a_{ij})$ 为 $n$ 阶双随机矩阵, 则存在 $1,2,\cdots,n$ 的一个排列 $\sigma$ 使得对每个 $i=1,\cdots,n$, $$\bex a_{i\sigma(i)}\geq \sedd{\ba{ll} \cfrac{1}{k(k+1)},&n=2k,\\ \cfrac{1}{(k+1)^2},&n=2k+1. \ea} \eex$$

 

 

证明: (1) 我们先把定理 2.15 (K\"onig) 推广一下: 设 $A\in M_{m,n}$ 是一个实矩阵, $m\leq n$, $a\in\bbR$, 则 $A$ 的每条对角线都至少含有 $k$ 个元素 $<a$, 当且仅当 $A$ 有一个 $r\times s$ 的子矩阵 $B$ 满足 $$\bex r+s=n+k,\quad b_{ij}<a. \eex$$ 事实上, ``$A$ 的每条对角线都至少含有 $k$ 个元素 $<a$'' 当且仅当 `` $$\bex \chi_{<a}(A)[i,j]=\sedd{\ba{ll} 0,&a_{ij}<a\\ 1,&a_{ij}\geq a \ea} \eex$$ 的每条对角线都至少含有 $k$ 个零元素'', 由定理 2.15 (K\"onig), 这等价于 ``$\chi_{<a}(A)$ 有一个 $r\times s$ 阶的零子矩阵 $0_{r,s}$, $r+s=n+k$'', 把 $A$ 中与 $0_{r,s}$ 相应的子矩阵 $B$ 提出来, 不就是说 $B$ 的每个元素 $<a$ 么. 反之亦成立.

 

(2) 往证题目. 若结论不成立, 则 $A$ 的每条对角线至少有一个元素 $<a$, 其中 $$\bex a=\sedd{\ba{ll} \cfrac{1}{k(k+1)},&n=2k,\\ \cfrac{1}{(k+1)^2},&n=2k+1. \ea} \eex$$ 而由 (1), $A$ 有一个 $r\times s$ 的子矩阵 $B$, $r+s=n+1$, $B$ 的元素均小于 $a$. 作出 $$\bex A=\sex{\ba{cc} B_{r,s}&C\\ D&E \ea}, \eex$$ 用 $\sum B$ 表示对 $B$ 的所有元素求和, 则 $$\bee\label{2_7_B} \sum B<rsa, \eee$$ $$\bee\label{2_7_BC} \sum B+\sum C=r, \eee$$ $$\bee\label{2_7_BD} \sum B+\sum D=s, \eee$$ $$\bee\label{2_7_BCDE} \sum B+\sum C+\sum D+\sum E=n. \eee$$ 由 $\eqref{2_7_BC}+\eqref{2_7_BD}-\eqref{2_7_BCDE}$ 得 $$\bee\label{2_7_BE} \sum B-\sum E=r+s-n =(n+1)-n=1. \eee$$ 综合 \eqref{2_7_B} 和 \eqref{2_7_BE} 即知 $$\bex rsa>\sum B=\sum E+1\geq 1, \eex$$ $$\bee\label{2_7_a} a>\frac{1}{rs}=\frac{1}{r(n+1-r)}. \eee$$ 但 \eqref{2_7_a} 不成立, 而证完题目. 事实上, 当 $n=2k$ 时, $$\bex \frac{1}{rs} =\frac{1}{r(2k+1-r)} \geq \frac{1}{k(2k+1-k)}=\frac{1}{k(k+1)}=a; \eex$$ 当 $n=2k+1$ 时, $$\bex \frac{1}{rs} =\frac{1}{r(2k+2-r)} \geq\frac{1}{(k+1)(2k+2-(k+1))} =\frac{1}{(k+1)^2}=a. \eex$$

目录
相关文章
|
7月前
|
数据采集 监控 数据可视化
常用爬虫工具大盘点,附带基础知识点详解
在数据驱动时代,爬虫工具是高效获取公开网络数据的核心利器。从八爪鱼等可视化入门工具,到Requests/Scrapy等Python进阶方案,再到Selenium、Scrapy-Redis等专业级框架,覆盖不同技术门槛与场景需求。使用须恪守robots协议,尊重版权与隐私,合法合规采集。
|
5月前
|
人工智能 搜索推荐 定位技术
外贸B2B的降维打击:我用“WhatsApp+AI”重构客户开发全流程(附7层漏斗拆解)
传统外贸获客成本高、效率低?本文拆解一套“WhatsApp+AI自动获客”7层漏斗打法:获客→筛选→触达→跟进→转化→管理→成本。
|
8月前
|
Java 程序员 微服务
【RuoYi-SpringBoot3-Pro】:热更新,设置一次,效率翻倍
【RuoYi-SpringBoot3-Pro】提升开发效率必备:热更新配置指南!告别手动重启,详解Spring Boot DevTools与JRebel插件的使用与对比,实现代码修改即时生效,大幅提升开发体验。免费+高效方案一键掌握!(239字)
505 3
【RuoYi-SpringBoot3-Pro】:热更新,设置一次,效率翻倍
|
弹性计算 数据中心 UED
阿里云弹性公网IP线路类型【BGP(多线)_精品】是什么意思?
阿里云弹性公网IP的BGP(多线)_精品线路是一种优化海外回中国内地流量的公网线路,具备低时延、高稳定性优势,适用于中国内地用户访问海外部署的业务,如Web服务在中国香港等地域时,可显著提升访问体验。支持按量付费和包年包月模式,地域覆盖中国香港及多个亚太地区。
2332 1
|
JSON API PHP
公交线路规划免费API接口详解
本接口提供基于起点和终点经纬度的公交线路规划功能,支持多种换乘方案,包含分段站点、线路名称、耗时等信息,适用于出行导航类应用开发。
394 4
|
JSON 人工智能 数据挖掘
LLM开发者必备:掌握21种分块策略让RAG应用性能翻倍
本文将系统介绍21种文本分块策略,从基础方法到高级技术,并详细分析每种策略的适用场景,以帮助开发者构建更加可靠的RAG系统。
811 0
LLM开发者必备:掌握21种分块策略让RAG应用性能翻倍
|
图形学 开发者
【Unity3D实例-功能-镜头】第三人称视觉-镜头优化
本文介绍了如何在Unity中使用Cinemachine调整第三人称视角镜头,适用于ARPG游戏开发。内容包括调整摄像机Y轴方向与速度、设置转向灵敏度以及实现摄像机跟随角色平移,帮助开发者快速掌握镜头控制技巧。
578 0
|
人工智能 API 定位技术
《别再错过!API接口为你的应用注入无限活力》
API(应用程序编程接口)是现代应用开发的关键枢纽,支持系统间高效交互。它通过集成第三方功能(如支付、地图、AI等),帮助开发者缩短周期、降低成本。API主要分为开放API(如Twitter、Google Maps)、内部API和合作伙伴API,分别适用于不同场景。高效集成API需明确需求、查阅文档并测试接口,同时注意稳定性、安全性和成本控制。代码示例展示了如何用Python调用天气API。未来,无代码平台和GraphQL、gRPC等技术将提升API的易用性和性能,助力开发者专注于核心业务逻辑,打造更优秀的应用。
|
人工智能 自然语言处理 算法
DeepSeek模型的突破:性能超越R1满血版的关键技术解析
上海AI实验室周伯文团队的最新研究显示,7B版本的DeepSeek模型在性能上超越了R1满血版。该成果强调了计算最优Test-Time Scaling的重要性,并提出了一种创新的“弱到强”优化监督机制的研究思路,区别于传统的“从强到弱”策略。这一方法不仅提升了模型性能,还为未来AI研究提供了新方向。
1846 9