矩阵的谱或叫矩阵的谱半径,在特征值估计、广义逆矩阵、数值分析以及数值代数等理论的建树中,都占有极其重要的地位;

矩阵 A∈Cn×nA\in \mathbb C^{n\times n} 的谱(半径) ρ(A)\rho(A) 定义为:

ρ(A)=max1≤i≤n|λi|

\rho(A)=\max_{1\leq i\leq n}|\lambda_i|
也即矩阵的谱为矩阵的特征值的模的最大值;

关于矩阵的谱(半径)的一个重要性质即是:任意复数域上的矩阵的谱半径不大于其任意一种诱导范数(请问,该性质可以用来干嘛,用来对谱半径进行近似估计)。

也即,设 A∈Cn×nA\in \mathbb C^{n\times n},且其特征值是λi,i=1,2…,n\lambda_i,i=1,2\ldots,n,对 Cn×n\mathbb C^{n\times n} 上任意一种矩阵非范数 ∥A∥\|A\|,都有 ρ(A)=max1≤i≤n|λi|≤∥A∥\rho(A)=\max\limits_{1\leq i\leq n}|\lambda_i|\leq \|A\|,即 AA 的谱半径是 AA 的任意一种范数的下界

先作如下证明:
设 λ\lambda 是 AA 的任意一个特征值,x≠0⃗ x\neq \vec 0 是对应的特征向量。构造 nn 阶矩阵 M=(x,0⃗ ,…,0⃗ )≠0⃗ M=(x,\vec 0,\ldots,\vec 0)\neq \vec 0,由于 Ax=λxAx=\lambda x,则 AM=λMAM=\lambda M,根据矩阵范数三角不等式有:

|λ|∥M∥=∥AM∥≤∥A∥∥M∥

|\lambda|\|M\|=\|AM\|\leq\|A\|\|M\|
而 ∥M∥>0\|M\|>0(矩阵范数为标量),则有 |λ|<∥A∥|\lambda|,自然 ρ(A)≤∥A∥\rho(A)\leq \|A\|。

矩阵的谱(半径)及其性质相关推荐

  1. 【机器学习降维】拉普拉斯矩阵与谱聚类

    文章目录 1.拉普拉斯矩阵 1.1 简介 1.2 性质 2. 瑞利熵 3.广义瑞利熵 4.谱聚类 4. Laplacian Eigenmaps 1.拉普拉斯矩阵 1.1 简介   拉普拉斯矩阵(Lap ...

  2. c++矩阵类_Python线性代数学习笔记——矩阵的基本运算和基本性质,实现矩阵的基本运算...

    当学习完矩阵的定义以后,我们来学习矩阵的基本运算,与基本性质 矩阵的基本运算:矩阵的加法,每一个对应元素相加,对应结果的矩阵 例子:矩阵A和矩阵B表示的是同学上学期和下学期的课程的成绩,两个矩阵相加就 ...

  3. Laplacian matrix 从拉普拉斯矩阵到谱聚类

    谱聚类步骤 第一步:数据准备,生成图的邻接矩阵: 第二步:归一化普拉斯矩阵: 第三步:生成最小的k个特征值和对应的特征向量: 第四步:将特征向量kmeans聚类(少量的特征向量): 转载于:https ...

  4. c++ 二维矩阵 转vector_Python线性代数学习笔记——矩阵的基本运算和基本性质,实现矩阵的基本运算...

    当学习完矩阵的定义以后,我们来学习矩阵的基本运算,与基本性质 矩阵的基本运算:矩阵的加法,每一个对应元素相加,对应结果的矩阵 例子:矩阵A和矩阵B表示的是同学上学期和下学期的课程的成绩,两个矩阵相加就 ...

  5. 求矩阵特征值的方法和性质

    求矩阵特征值的方法 Ax=mx,等价于求m,使得(mE-A)x=0,其中E是单位矩阵,0为零矩阵. |mE-A|=0,求得的m值即为A的特征值.|mE-A| 是一个n次多项式,它的全部根就是n阶方阵A ...

  6. python 矩阵除法_Python线性代数学习笔记——矩阵的基本运算和基本性质,实现矩阵的基本运算...

    当学习完矩阵的定义以后,我们来学习矩阵的基本运算,与基本性质 矩阵的基本运算:矩阵的加法,每一个对应元素相加,对应结果的矩阵 例子:矩阵A和矩阵B表示的是同学上学期和下学期的课程的成绩,两个矩阵相加就 ...

  7. 简单推导:关于矩阵主子式的几点性质

    1.名词介绍: 特征多项式:在数域P上的某个方阵A,则行列式即为其特征多项式,简记为; 逆序数:1,2,...n的某个排序相对自然序列相反的个数:记为: 主子式:某个行列式的部分列和部分行:行号和列号 ...

  8. 两矩阵相乘的秩的性质_MIT—线性代数笔记04 矩阵的LU分解

    第04讲 矩阵的LU分解 Factorization into A=LU 04 A的LU分解​v.youku.com 本节的主要目的是从矩阵的角度理解高斯消元法,最后找到所谓的L矩阵,使得矩阵A可以转 ...

  9. 线性代数知识点总结——矩阵乘法、矩阵运算与性质、矩阵微积分

    线性代数知识点总结 1. 基础概念和符号 1.1 基本符号 2.矩阵乘法 2.1 向量-向量乘法 2.2 矩阵-向量乘法 2.3 矩阵-矩阵乘法 3 运算和属性 3.1 单位矩阵和对角矩阵 3.2 转 ...

最新文章

  1. 遇事不责怪别人,换位思考能成全更好的自己
  2. [译]Effective Kotlin系列之探索高阶函数中inline修饰符(三)
  3. 「神策 2021 数据驱动大会」即将亮相上海,再次释放前沿认知与力量
  4. Kindeditor富文本编辑器使用
  5. C++(11)--编程实践1-经典养成类游戏简单实践
  6. python编程语言模块_Python基础编程常用模块汇总
  7. 微型计算机2016年12月下,2016年12月计算机一级MS Office练习及答案
  8. oracle使用cgi吗_php架构之CGI、FastCGI、php-fpm有什么关系?原来这么简单
  9. eclipse,aptana,zendstudio,flex全屏插件
  10. Apache Commons Net 实现 FTP 上传/下载/删除/同步
  11. 计算机中硬盘容量的单位,硬盘容量的单位和计算单位是什么?
  12. linux电子表格工具,Linux系统办公一条龙之电子表格Calc
  13. 思科视频会议系统+服务器,Cisco思科MCU5310视频会议系统服务器
  14. 傅里叶变换分析之掐死教程
  15. Chrome 添加【微信 / QQ】内置浏览器(解决 “请在微信客户端打开链接” 提示)
  16. 计算机系学霸表白,高级暗语表白 学霸隐藏式表白
  17. 【释义详解】Software License (软件许可证)是什么?
  18. fir.im Weekly - 揭秘直播移动 APP 技术实现
  19. 正则(数字或者以英文逗号隔开的数字字符串)
  20. 解决error: inlining failed in call to always_inline ‘int _mm_popcnt_u32(unsigned int)’

热门文章

  1. java split 实现_PL/SQL实现JAVA中的split()方法的例子
  2. scala中的match
  3. 三维重建:三维重建技术概述
  4. 最新生成树之克鲁斯卡尔算法
  5. English——视频总结(一)
  6. jdk的java和javac命令
  7. Python数据可视化之Pygal(雷达图)
  8. 深入理解JVM-类加载器深入解析(1)
  9. HashMap(JDK1.8)
  10. 【django小练习之主机管理界面】