Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4.1 Grundlagen der l<strong>in</strong>earen Algebra<br />
Beweis: (i) Es gilt:<br />
‖A‖ 2 ‖Ax‖ 2 2<br />
2 = sup<br />
x≠0 ‖x‖ 2 2<br />
(Ax, Ax) (A T Ax, x)<br />
= sup<br />
x≠0 ‖x‖ 2 = sup<br />
2 x≠0 ‖x‖ 2 2<br />
Die Matrix A T A ist symmetrisch und hat als solche nur reelle Eigenwerte. Sie besitzt e<strong>in</strong>e<br />
Orthonormalbasis ω i ∈ R n von Eigenvektoren mit Eigenwerten λ i ≥ 0. Alle Eigenwerte λ i<br />
s<strong>in</strong>d größer gleich Null, denn:<br />
λ i = λ i (ω i , ω i ) = (A T Aω i , ω i ) = (Aω i , Aω i ) = ‖Aω i ‖ 2 ≥ 0.<br />
Es sei x ∈ R n beliebig mit Basisdarstellung x = ∑ i α iω i . Es gilt dann wegen (ω i , ω j ) 2 = δ ij<br />
<strong>die</strong> Beziehung ‖x‖ 2 2 = ∑ i α2 i sowie mit dem Koeffizientenvektor α ∈ Rn :<br />
‖A‖ 2 ( ∑ i<br />
2 = sup<br />
α iA T Aω i , ∑ i α iω i )<br />
∑<br />
α≠0<br />
= sup<br />
α≠0<br />
∑<br />
i λ iα 2 i<br />
∑<br />
i α2 i<br />
i α2 i<br />
≤ max<br />
i<br />
λ i .<br />
( ∑ i<br />
= sup<br />
α iλ i ω i , ∑ i α iω i )<br />
∑<br />
α≠0<br />
i α2 i<br />
Es sei nun umgekehrt durch λ k der größte Eigenwert gegeben. Dann gilt für α i = δ ki :<br />
0 ≤ max λ i = λ k = ∑ i<br />
i<br />
λ i α 2 i ≤ ‖A‖ 2 2.<br />
(ii) Wir zeigen das Ergebnis exemplarisch für <strong>die</strong> Maximumsnorm:<br />
⎛<br />
⎞<br />
∑ m<br />
‖Ax‖ ∞ =<br />
a ij x j ⎠ .<br />
sup<br />
‖x‖ ∞=1<br />
⎝max<br />
i<br />
Jede Summe nimmt ihr Maximum an, falls |x j | = 1 und falls das Vorzeichen x j so gewählt<br />
wird, dass a ij x j ≥ 0 für alle j = 1, . . . , m. Dann gilt:<br />
‖Ax‖ ∞ = max<br />
i<br />
m ∑<br />
j=1<br />
j=1<br />
|a ij |.<br />
Als Nebenresultat erhalten wir, dass jeder Eigenwert betragsmäßig durch <strong>die</strong> Spektralnorm<br />
der Matrix A beschränkt ist. Es gilt sogar mit beliebiger Matrixnorm und verträglicher<br />
Vektornorm für e<strong>in</strong>en Eigenwert λ mit zugehörigem Eigenvektor w ∈ R n von A:<br />
|λ| =<br />
|λ| ‖w‖<br />
‖w‖<br />
= ‖Aw‖<br />
‖w‖<br />
‖A‖ ‖w‖<br />
≤ = ‖A‖.<br />
‖w‖<br />
E<strong>in</strong>e e<strong>in</strong>fache Schranke für den betragsmäßig größten Eigenwert erhält man also durch<br />
Analyse beliebiger (verträglicher) Matrixnormen.<br />
Aus Satz 4.14 folgern wir weiter, dass für symmetrische Matrizen <strong>die</strong> ‖ · ‖ 2 -Norm mit dem<br />
Spektralradius der Matrix selbst übere<strong>in</strong>stimmt, daher der Name Spektralnorm.<br />
□<br />
115