0 Daumen
711 Aufrufe

Aufgabe:

Zeigen Sie, dass ||A|| = max ||Ax|| max = ||x||=1

Zeigen Sie weiter, dass ||| . ||| eine Norm auf R^nxn ist. Eine so definierte Norm ||| . ||| heißt auch von || . || induzierte (matrix)norm.

Avatar von

1 Antwort

0 Daumen

Antwort mit KI erzeugt

Matrixnormen bestimmen und beweisen

Für die gegebene Aufgabe betrachten wir zwei Teile: zuerst die Darstellung und Bedeutung von \(||A||\) als maximale Norm von \(||Ax||\) über alle Einheitsvektoren \(x\), und dann zeigen wir, dass eine durch die Vektornorm \(||\cdot||\) induzierte Matrixnorm \(|||\cdot|||\) tatsächlich eine Norm auf \(\mathbb{R}^{n \times n}\) ist.

Teil 1: Maximale Norm von \(||Ax||\) über Einheitsvektoren

Wir betrachten \(||A|| = \max_{||x||=1} ||Ax||\), wobei \(A \in \mathbb{R}^{n \times n}\) und \(x \in \mathbb{R}^n\).

Diese Ausdrucksweise definiert die Matrixnorm \(||A||\) als das Maximum der Norm von \(Ax\), wobei \(x\) ein Einheitsvektor ist. Das bedeutet, wir suchen das maximale "Strecken" oder "Verzerren" eines Einheitsvektors durch die Anwendung der Matrix \(A\). Die Norm \(||\cdot||\) auf der rechten Seite ist eine Vektornorm, üblicherweise die Euklidische Norm, aber die Definition funktioniert auch mit anderen Normen.

Teil 2: \(||| \cdot |||\) ist eine Norm auf \(\mathbb{R}^{n \times n}\)

Um zu zeigen, dass \(||| . |||\) eine Norm auf \(\mathbb{R}^{n \times n}\) ist, müssen wir nachweisen, dass die folgenden drei Eigenschaften erfüllt sind:

1. Positive Definitheit: \(|||A||| > 0\) für alle \(A \neq 0\) und \(|||0||| = 0\).

2. Homogenität (Skalierung): Für jede Skalare \(\alpha\) und jede Matrix \(A\) gilt \(|||\alpha A||| = |\alpha| \cdot |||A|||\).

3. Dreiecksungleichung: Für alle Matrizen \(A, B\) gilt \(|||A + B||| \leq |||A||| + |||B|||\).

Wenn \(||\cdot||\) eine Vektornorm ist, induziert sie eine Matrixnorm \(|||A||| = \max_{||x||=1} ||Ax||\), die diese Eigenschaften erfüllt:

1. Positive Definitheit: Wenn \(A \neq 0\), dann gibt es mindestens einen Vektor \(x\) (mit \(||x||=1\)), für den \(Ax \neq 0\), was \(||Ax|| > 0\) bedeutet. Also ist \(|||A||| > 0\). Wenn \(A=0\), dann ist \(Ax=0\) für alle \(x\), was \(|||0||| = 0\) bedeutet.

2. Homogenität:
\(|||\alpha A||| = \max_{||x||=1} ||\alpha Ax|| = \max_{||x||=1} |\alpha| \cdot ||Ax|| = |\alpha| \cdot |||A|||\)

3. Dreiecksungleichung: Für alle \(x\) mit \(||x||=1\),
\(|||A + B||| = \max_{||x||=1} ||(A + B)x|| = \max_{||x||=1} ||Ax + Bx|| \leq \max_{||x||=1} (||Ax|| + ||Bx||) \leq \max_{||x||=1} ||Ax|| + \max_{||x||=1} ||Bx|| = |||A||| + |||B|||\)

Zusammengefasst: Da \(||| \cdot |||\) diese drei Eigenschaften erfüllt, ist es eine Norm auf \(\mathbb{R}^{n \times n}\), die durch die gegebene Vektornorm \(||\cdot||\) induziert wird.
Avatar von

Ein anderes Problem?

Stell deine Frage

Willkommen bei der Mathelounge! Stell deine Frage einfach und kostenlos

x
Made by a lovely community