版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/itnerd/article/details/83019512
矩阵的诱导范数(算子范数)的定义:
∣∣A∣∣=∣∣x∣∣=1sup∣∣Ax∣∣其中,||·||可以是任何向量范数,由于该矩阵范数是由向量范数诱导出来的,所以称其为诱导范数。
比如,由向量的
l2 范数诱导出来的矩阵范数为:
∣∣A∣∣2=λmax(A∗A)
证明见博主的另一篇博文。
诱导范数的齐次性和正定性是显然的,下面证明诱导范数是满足三角不等式的:
∣∣A+B∣∣≤∣∣A∣∣+∣∣B∣∣
证明:
∣∣A+B∣∣=∣∣x∣∣=1sup∣∣(A+B)x∣∣=∣∣(A+B)x∗∣∣则
∣∣A∣∣=∣∣x∣∣=1sup∣∣Ax∣∣≥∣∣Ax∗∣∣∣∣B∣∣=∣∣x∣∣=1sup∣∣Bx∣∣≥∣∣Bx∗∣∣故
∣∣A+B∣∣≤∣∣A∣∣+∣∣B∣∣
我们来证明矩阵 A 的任意诱导范数都不小于其谱半径:
∣∣A∣∣≥ρ(A),∀A∈Rn×n
证明:
由诱导范数定义得:
∣∣A∣∣≥∣∣x∣∣∣∣Ax∣∣,∀x∈Rn对谱半径
ρ(A)=∣λ∗∣,有
Ax∗=λ∗x∗,所以
∣∣A∣∣≥∣∣x∗∣∣∣∣Ax∗∣∣=∣∣x∗∣∣∣∣λ∗x∗∣∣=∣λ∗∣=ρ(A)
下面我们来证明实对称阵的谱半径是矩阵元素的连续函数:
当对称矩阵 A 的元素发生微小的变化,即施加一个小扰动 E,则有
ρ(A+E)≤∣∣A+E∣∣2≤∣∣A∣∣2+∣∣E∣∣2=ρ(A)+∣∣E∣∣2所以
ρ(A+E)−ρ(A)≤∣∣E∣∣2=λmax(ETE)
由于 E 是微小的扰动,可知
ETE 的元素是充分小的,进而由圆盘定理可知,
ETE 的所有特征值都是充分小的,可得
ρ(A) 的变化也是充分小的。证明谱半径是矩阵元素的连续函数。