实对称阵的谱半径是连续函数

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 = sup x = 1 A x ||A|| = \sup_{||x|| = 1}||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 l 2 l_2 范数诱导出来的矩阵范数为: A 2 = λ m a x ( A A ) ||A||_2 =\sqrt{\lambda_{max}(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 ||A+B|| \leq ||A||+||B||


证明:
A + B = sup x = 1 ( A + B ) x = ( A + B ) x ||A+B|| = \sup_{||x|| = 1}||(A+B)x|| = ||(A+B)x^*|| A = sup x = 1 A x A x B = sup x = 1 B x B x ||A|| = \sup_{||x|| = 1}||Ax|| \geq ||Ax^*||\\||B|| = \sup_{||x|| = 1}||Bx|| \geq ||Bx^*|| A + B A + B ||A+B|| \leq ||A||+||B||


在这里插入图片描述

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 R n × n ||A||\geq \rho(A), \;\;\;\forall A \in \R^{n\times n}


证明:
由诱导范数定义得: A A x x ,        x R n ||A|| \geq \frac{||Ax||}{||x||}, \;\;\;\forall x \in \R^n 对谱半径 ρ ( A ) = λ \rho(A) = |\lambda^*| ,有 A x = λ x Ax^* = \lambda^*x^* ,所以 A A x x = λ x x = λ = ρ ( A ) ||A|| \geq \frac{||Ax^*||}{||x^*||} = \frac{||\lambda^*x^*||}{||x^*||} = |\lambda^*| = \rho(A)


下面我们来证明实对称阵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 \rho(A+E) \leq ||A+E||_2 \leq ||A||_2 + ||E||_2 = \rho(A) + ||E||_2 所以 ρ ( A + E ) ρ ( A ) E 2 = λ m a x ( E T E ) \rho(A+E)-\rho(A) \leq ||E||_2=\sqrt{\lambda_{max}(E^TE)} 由于 E 是微小的扰动,可知 E T E E^TE 的元素是充分小的,进而由圆盘定理可知, E T E E^TE 的所有特征值都是充分小的,可得 ρ ( A ) \rho(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。

猜你喜欢

转载自blog.csdn.net/itnerd/article/details/83019512