向量(vector)
x=[x1,x2,⋯,xn]T
共轭转置(conjugate transpose)
x∗=[x1¯,x2¯,⋯,xn¯]
向量2范数(vector norm)
||x||2=(∑i=1n|xi|2)1/2
定理 1
If
x,y
are vector, then
||x||2>0,unlessx=0
if α 是一个标量,then
||αx||2=|α|||x||2
三角不等式(triangular inequality)
||x+y||2≤||x||2+||y||2
谱半径(spectral radius)
A 是一个n阶矩阵,它的特征值为 λi,1≤i≤n , 那么它的谱半径为
ρ(A)=max1≤i≤n|λi|.
几何上看,如果将A的所有特征值画在复平面上,那么A的谱半径就是以原点为中心包含所有的特征值的圆盘的最小半径。
谱范数(spectral norm)
A 是一个n阶矩阵, 它的谱范数定义为:
||A||=supx≠0||Ax||2||x||2
定理2
设A和B都是n阶方阵,下面性质成立
1. ||A||>0, unless A=0, the null matrix.
2. if α 是标量,
||αA||=|α||A||
3. ||A+B||≤||A||+||B||
4. ||AB||≤||A||||B||
5. ||Ax||2≤||A||||x||2 且存在非零y使得
||Ay||2=||A||||y||2
5的证明要利用连续函数在紧集上可以取到最大值的性质。
推论2.1
对任意的方阵A,
||A||≥ρ(A)
Pf. For any eigenvalue of A, named λ , then
|λ|||x||2=||λx||2=||Ax||2≤||A||||x||2
||A||≥λ
then
||A||≥ρ(A)
矩阵的谱范数也可以用谱半径表示。
定理3
A是一个n阶矩阵,那么
||A||=(ρ(A∗A))1/2
Pf.
A∗A Hermitian 的, 所以它的特征值都是非负实数,记为
0≤v1≤⋯≤vn
那么取 ai 是 vi 的特征向量,且 ai 是正交的,
令
x=∑i=1nλiai
||Ax||22||x||22=(Ax)∗(Ax)x∗x=x∗(A∗Ax)x∗x=∑ni=1vi|λi|2∑ni=1|λi|2
所以
v1≤||Ax||22||x||22≤vn
又令 x=an 那么上式右边可以取到等号。
推论3.1
如果A本身是Hermitian的, 那么 ||A||=ρ(A) ,另外设 gm(x) 是任意一个实多项式,那么
||gm(A)||=ρ(gm(A))