Lineare Algebra - SAM - ETH Zürich
Lineare Algebra - SAM - ETH Zürich
Lineare Algebra - SAM - ETH Zürich
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Lineare</strong> <strong>Algebra</strong> (2007)<br />
Kapitel 6 — Vektorräume mit Skalarprodukt<br />
Dividiert man dies unter der Annahme x ≠ o durch ‖x‖ X und nimmt<br />
man das Supremum über alle x ≠ o, folgt die Behauptung.<br />
Für quadratische Matrizen, wo X = Y = Z := E n , wird der Begriff<br />
“Matrixnorm” nun allgemein wie folgt definiert:<br />
Definition:<br />
Eine Matrixnorm [matrix norm] ist eine Funktion<br />
‖.‖ : E n×n → R , A ↦→ ‖A‖ (6.73)<br />
mit den (an die Situation angepassten) Eigenschaften (OpN1)–<br />
(OpN4). Gilt zusätzlich analog zu (OpN5)<br />
‖Ax‖ ≤ ‖A‖ ‖x‖ für alle A ∈ E n×n , x ∈ E n , (6.74)<br />
so heisst die Matrixnorm kompatibel [compatible] mit der in E n<br />
verwendeten Vektornorm (die nicht die 2–Norm sein muss). <br />
Hier ist ein Beispiel einer Matrixnorm, die einfacher zu berechnen<br />
ist als die Spektralnorm:<br />
Beispiel 6.13:<br />
Die Frobenius–Norm ist definiert durch<br />
∑<br />
‖A‖ F :≡ √ n n∑<br />
|a kl | 2 . (6.75)<br />
k=1 l=1<br />
Man müsste natürlich beweisen, dass die Axiome (OpN1)–(OpN4) erfüllt<br />
sind. Wir wollen hier nur zeigen, dass diese Matrixnorm kompatibel<br />
ist mit der 2–Norm (als Vektornorm im E n ). Wir wenden dazu die<br />
Schwarzsche Ungleichung(2.52) für k = 1, . . . , n an auf den Zeilenvektor<br />
(<br />
ak1 · · · a kn<br />
)<br />
und einen n–Vektor x:<br />
(<br />
n∑ n∑<br />
) 2<br />
‖Ax‖ 2 2 = a kl x l<br />
k=1 l=1<br />
⎛<br />
n∑ n∑ n∑<br />
≤ ⎝ a 2 kl ·<br />
k=1<br />
l=1<br />
n∑ n∑<br />
= x 2 j ·<br />
j=1<br />
= ‖x‖ 2 2 ‖A‖ 2 F .<br />
j=1<br />
k=1<br />
( n∑<br />
l=1<br />
x 2 j<br />
a 2 kl<br />
⎞<br />
⎠<br />
)<br />
<br />
Die Genauigkeit, mit der man ein reguläres Gleichungssystem Ax =<br />
b auf einem Computer mit Gleitkomma–Arithmetik lösen kann,<br />
hängt ab vom Produkt ‖A‖ ∞ ‖A −1 ‖ ∞ , worin ‖A‖ ∞ die von der<br />
Vektornorm ‖.‖ ∞ aus (2.60) induzierte Operatornorm bezeichnet.<br />
In anderen Situationen spielt das Produkt ‖A‖ 2 ‖A −1 ‖ 2 eine wichtige<br />
Rolle für die erreichbare Genauigkeit einer Rechnung. Man definiert<br />
deshalb:<br />
c○M.H. Gutknecht 30. September 2007 LA-Skript 6-23