Größter absoluter Wert der Eigenwerte eines Operators
In der Mathematik , die Spektralradius einer quadratischen Matrix oder einen beschränkten linearen Operators ist der größte absolute Wert der Eigenwerte (dh supremum unter den absoluten Werten der Elemente in seinem Spektrum ). Es wird manchmal mit ρ(·) bezeichnet.
Matrizen
Seien λ 1 , ..., λ n die ( reellen oder komplexen ) Eigenwerte einer Matrix A ∈ C n × n . Dann ist sein Spektralradius ρ ( A ) definiert als:
Der Spektralradius ist eine Art Infimum aller Normen einer Matrix. Ja, einerseits für jede natürliche Matrixnorm ; und andererseits besagt die Formel von Gelfand, dass . Beide Ergebnisse sind unten gezeigt.
Der Spektralradius genügt jedoch nicht unbedingt für beliebige Vektoren . Um zu sehen warum, seien Sie willkürlich und betrachten Sie die Matrix
-
.
Das charakteristische Polynom von is , also seine Eigenwerte sind und somit . Allerdings . Als Ergebnis für jede Norm,
Beachten Sie zur Veranschaulichung der Gelfand-Formel, dass as , da if gerade und if ungerade ist.
Ein Sonderfall, in dem für alle ist, wann ist eine hermitesche Matrix und ist die euklidische Norm . Dies liegt daran, dass jede Hermitesche Matrix durch eine unitäre Matrix diagonalisierbar ist und unitäre Matrizen die Vektorlänge beibehalten:
Begrenzte lineare Operatoren
Für einen begrenzten linearen Operator A auf einem Banachraumes , sind die Eigenwerte mit dem ausgetauschten Spektrum des Operators , diese Werte für die injektiv sein ausfallen; wir bezeichnen das Spektrum mit
Der Spektralradius wird dann als Supremum der Größen von Elementen im Spektrum definiert:
Bezeichnen wir die Operatornorm mit , so haben wir die Spektralradiusformel oder die Gelfand-Formel:
Ein beschränkter Operator (auf einem komplexen Hilbertraum) heißt Spektraloidoperator, wenn sein Spektralradius mit seinem numerischen Radius übereinstimmt . Ein Beispiel für einen solchen Operator ist ein normaler Operator .
Grafiken
Der Spektralradius eines endlichen Graphen ist definiert als der Spektralradius seiner Adjazenzmatrix .
Diese Definition erstreckt sich auf den Fall unendlicher Graphen mit beschränkten Eckengraden (dh es existiert eine reelle Zahl C, so dass der Grad jeder Ecke des Graphen kleiner als C ist ). In diesem Fall definieren Sie für den Graphen G :
Sei γ der Adjazenzoperator von G :
Der spektrale Radius von G ist definiert als der spektrale Radius des beschränkten linearen Operators sein γ .
Obere Grenze
Obere Schranken für den Spektralradius einer Matrix
Der folgende Satz zeigt eine einfache, aber nützliche obere Schranke für den Spektralradius einer Matrix:
Vorschlag. Sei A ∈ C n × n mit Spektralradius ρ ( A ) und einer konsistenten Matrixnorm ||⋅|| . Dann gilt für jede ganze Zahl :
Nachweisen
Sei ( v , λ ) ein Eigenvektor - Eigenwert - Paar für eine Matrix A . Durch die submultiplikative Eigenschaft der Matrixnorm erhalten wir:
und da v ≠ 0 gilt
und deshalb
Obere Grenzen für den Spektralradius eines Graphen
Es gibt viele obere Schranken für den Spektralradius eines Graphen hinsichtlich seiner Anzahl n von Ecken und seiner Anzahl m von Kanten. Zum Beispiel, wenn
wo ist eine ganze Zahl, dann
Leistungsfolge
Satz
Der Spektralradius steht in engem Zusammenhang mit dem Konvergenzverhalten der Potenzfolge einer Matrix; es gilt nämlich folgender Satz:
-
Satz. Sei A ∈ C n × n mit Spektralradius ρ ( A ) . Dann ist ρ ( A ) < 1 genau dann, wenn
- Andererseits, wenn ρ ( A ) > 1 , . Die Aussage gilt für jede beliebige Matrixnorm auf C n × n .
Beweis des Satzes
Angenommen, der fragliche Grenzwert ist null, wir zeigen, dass ρ ( A ) < 1 ist . Sei ( v , λ ) ein Eigenvektor - Eigenwert - Paar für A . Da A k v = λ k v wir haben:
und da nach Hypothese v ≠ 0 gilt
was impliziert |λ| < 1. Da dies für jeden Eigenwert λ gelten muss, können wir auf ρ( A ) < 1 schließen.
Nehmen wir nun an, dass der Radius von A kleiner als 1 ist . Aus dem Jordan Normalform Satz, wissen wir , dass für alle A ∈ C n × n existieren V , J ∈ C n × n mit V nicht singulär und J Block diagonal , so dass:
mit
wo
Das sieht man leicht
und da J blockdiagonal ist,
Nun, ein Standardergebnis der k- Potenz eines Jordan-Blocks besagt, dass für :
Wenn also für alle i . Daher haben wir für alles, was ich habe:
was impliziert
Deswegen,
Auf der anderen Seite, wenn , gibt es mindestens ein Element in J, das mit zunehmendem k nicht beschränkt bleibt, was den zweiten Teil der Aussage beweist.
Gelfands Formel
Satz
Der nächste Satz gibt den Spektralradius als Grenzwert der Matrixnormen an.
-
Satz (Gelfandsche Formel; 1941). Für jede Matrixnorm ||⋅|| gilt
-
.
Nachweisen
Für jedes ε > 0 konstruieren wir zunächst die folgenden beiden Matrizen:
Dann:
Zuerst wenden wir den vorherigen Satz auf A + an :
Das heißt, nach der Definition der Folgengrenzen gibt es N + ∈ N mit für alle k N + ,
so
Die Anwendung des vorherigen Satzes auf A − impliziert, dass es nicht beschränkt ist und es gibt N − ∈ N mit für alle k ≥ N − ,
so
Sei N = max{ N + , N − }, dann gilt:
was per Definition ist
Gelfand-Korollare
Die Gelfand-Formel führt direkt zu einer Schranke für den Spektralradius eines Produkts endlich vieler Matrizen, nämlich unter der Annahme, dass sie alle kommutieren, erhalten wir
Falls die Norm konsistent ist , zeigt der Beweis mehr als die These; Tatsächlich können wir mit dem vorherigen Lemma in der Grenzwertdefinition die linke untere Schranke durch den Spektralradius selbst ersetzen und genauer schreiben:
was per Definition ist
wobei das + bedeutet, dass die Grenze von oben angefahren wird.
Beispiel
Betrachten Sie die Matrix
deren Eigenwerte 5, 10, 10 sind ; definitions ρ ( A ) = 10 . In der folgenden Tabelle sind die Werte von für die vier am häufigsten verwendeten Normen gegenüber mehreren steigenden Werten von k aufgeführt (beachten Sie, dass aufgrund der besonderen Form dieser Matrix, ):
k
|
|
|
|
1
|
14
|
15.362291496
|
10.681145748
|
2
|
12.649110641
|
12.328294348
|
10.595665162
|
3
|
11.934831919
|
11.532450664
|
10.500980846
|
4
|
11.501633169
|
11.151002986
|
10.418165779
|
5
|
11.216043151
|
10.921242235
|
10.351918183
|
|
|
|
|
10
|
10.604944422
|
10.455910430
|
10.183690042
|
11
|
10.548677680
|
10.413702213
|
10.166990229
|
12
|
10.501921835
|
10.378620930
|
10.153031596
|
|
|
|
|
20
|
10.298254399
|
10.225504447
|
10.091577411
|
30
|
10.197860892
|
10.149776921
|
10.060958900
|
40
|
10.148031640
|
10.112123681
|
10.045684426
|
50
|
10.118251035
|
10.089598820
|
10.036530875
|
|
|
|
|
100
|
10.058951752
|
10.044699508
|
10.018248786
|
200
|
10.029432562
|
10.022324834
|
10.009120234
|
300
|
10.019612095
|
10.014877690
|
10.006079232
|
400
|
10.014705469
|
10.011156194
|
10.004559078
|
|
|
|
|
1000
|
10.005879594
|
10.004460985
|
10.001823382
|
2000
|
10.002939365
|
10.002230244
|
10.000911649
|
3000
|
10.001959481
|
10.001486774
|
10.000607757
|
|
|
|
|
10000
|
10.000587804
|
10.000446009
|
10.000182323
|
20000
|
10.000293898
|
10.000223002
|
10.000091161
|
30000
|
10.000195931
|
10.000148667
|
10.000060774
|
|
|
|
|
100000
|
10.000058779
|
10.000044600
|
10.000018232
|
Hinweise und Referenzen
Literaturverzeichnis
-
Dunford, Nelson; Schwartz, Jacob (1963), Lineare Operatoren II. Spektraltheorie: Selbstadjungierte Operatoren im Hilbert-Raum , Interscience Publishers, Inc.
-
Lax, Peter D. (2002), Funktionsanalyse , Wiley-Interscience, ISBN 0-471-55604-1
Siehe auch