证明矩阵二范数的平方等于转置矩阵与原矩阵相乘后的二范数

这篇具有很好参考价值的文章主要介绍了证明矩阵二范数的平方等于转置矩阵与原矩阵相乘后的二范数。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

定理:

对于任意的矩阵 A ∈ R n × m A \in R^{n\times m} ARn×m,有 ∥ A ∥ 2 2 = ∥ A T A ∥ 2 \left\|A\right\|_2^2=\left\|A^TA\right\|_2 A22= ATA 2

证明:

假设矩阵 A T A A^TA ATA最大特征值为 λ \lambda λ,即 ∥ A ∥ 2 2 = λ \left\|A\right\|_2^2=\lambda A22=λ,设 λ \lambda λ对应的特征向量为 x x x,则有:
A T A x = λ x A^TAx=\lambda x ATAx=λx同时可以得到以下等式:
( A T A ) A T A x = λ A T A x = λ 2 x (A^TA)A^TAx=\lambda A^TAx=\lambda ^2x (ATA)ATAx=λATAx=λ2x上式表明 λ 2 \lambda ^2 λ2同时是 ( A T A ) A T A (A^TA)A^TA (ATA)ATA的特征值,而根据上一篇文章,可以知道 ∥ A T A ∥ 2 ≤ ∥ A T ∥ 2 ∥ A ∥ 2 = ∥ A ∥ 2 2 = λ \left\|A^TA\right\|_2\le \left\|A^T\right\|_2\left\|A\right\|_2=\left\|A\right\|_2^2=\lambda ATA 2 AT 2A2=A22=λ,所以可知 ∥ A T A ∥ 2 = λ 2 = λ \left\|A^TA\right\|_2=\sqrt {{\lambda}^2} = \lambda ATA 2=λ2 =λ,故 ∥ A ∥ 2 2 = ∥ A T A ∥ 2 \left\|A\right\|_2^2=\left\|A^TA\right\|_2 A22= ATA 2成立,定理得证。文章来源地址https://www.toymoban.com/news/detail-449164.html

到了这里,关于证明矩阵二范数的平方等于转置矩阵与原矩阵相乘后的二范数的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 证明矩阵特征值之积等于矩阵行列式的值

    设n阶矩阵 A A A 的特征值为 λ 1 , λ 2 , . . , λ n lambda_1, lambda_2,..,lambda_n λ 1 ​ , λ 2 ​ , .. , λ n ​ ,则 λ 1 λ 2 ⋯ λ n = ∣ A ∣ 。 lambda_1lambda_2cdotslambda_n = |A|。 λ 1 ​ λ 2 ​ ⋯ λ n ​ = ∣ A ∣ 。 证明: 矩阵 A A A 的特征多项式为: f ( λ ) = ∣ λ E − A ∣ = ∣ λ − a 11 −

    2024年02月16日
    浏览(45)
  • 【证明】矩阵特征值之和等于主对角线元素之和

    性质 1 设 n n n 阶矩阵 A = ( a i j ) boldsymbol{A} = (a_{ij}) A = ( a ij ​ ) 的特征值为 λ 1 , λ 2 , ⋯   , λ n lambda_1,lambda_2,cdots,lambda_n λ 1 ​ , λ 2 ​ , ⋯ , λ n ​ ,则 λ 1 + λ 2 + ⋯ + λ n = a 11 + a 22 + ⋯ + a n n lambda_1 + lambda_2 + cdots + lambda_n = a_{11} + a_{22} + cdots + a_{nn} λ 1 ​ + λ 2 ​

    2024年02月04日
    浏览(54)
  • 线性代数|证明:矩阵特征值之积等于矩阵行列式的值

    性质 1 设 n n n 阶矩阵 A = ( a i j ) boldsymbol{A} = (a_{ij}) A = ( a ij ​ ) 的特征值为 λ 1 , λ 2 , ⋯   , λ n lambda_1,lambda_2,cdots,lambda_n λ 1 ​ , λ 2 ​ , ⋯ , λ n ​ ,则 λ 1 λ 2 ⋯ λ n = ∣ A ∣ lambda_1 lambda_2 cdots lambda_n = |boldsymbol{A}| λ 1 ​ λ 2 ​ ⋯ λ n ​ = ∣ A ∣ 。 证明 不妨设

    2024年02月08日
    浏览(50)
  • 线性代数|证明:矩阵特征值之和等于主对角线元素之和

    性质 1 设 n n n 阶矩阵 A = ( a i j ) boldsymbol{A} = (a_{ij}) A = ( a ij ​ ) 的特征值为 λ 1 , λ 2 , ⋯   , λ n lambda_1,lambda_2,cdots,lambda_n λ 1 ​ , λ 2 ​ , ⋯ , λ n ​ ,则 λ 1 + λ 2 + ⋯ + λ n = a 11 + a 22 + ⋯ + a n n lambda_1 + lambda_2 + cdots + lambda_n = a_{11} + a_{22} + cdots + a_{nn} λ 1 ​ + λ 2 ​

    2024年02月08日
    浏览(48)
  • 标准化拉普拉斯矩阵特征值范围为什么小于等于2?(证明)

    谱图使用标准化拉普拉斯矩阵 L n o r m L^{norm} L n or m 的一个重要原因就是, L n o r m L^{norm} L n or m 比拉普拉斯矩阵 L L L 稳定。很多资料只是简单地介绍了 L n o r m L^{norm} L n or m ,在kipfGCN中也只是简单地提到 L n o r m L^{norm} L n or m 的特征值不大于2。本文搜集了相关lecture,并推导

    2024年02月11日
    浏览(66)
  • 有关范数的学习笔记

    向量的【范数】:模长的推广,柯西不等式_哔哩哔哩_bilibili 模长  范数  这里UP主给了说明 点赞   范数理解(0范数,1范数,2范数)_一阶范数-CSDN博客 出租车/曼哈顿范数 det()行列式   正定矩阵(Positive Definite Matrix)是指一个对称矩阵A,对于任意非零向量x,都满足x^T * A

    2024年02月07日
    浏览(27)
  • 9.2 向量范数的三大不等式

      我这里要讲的三大不等式不是三种范数比较大小的三大不等式。而是非常经典的,学习线性代数必须掌握的三大不等式:柯西-施瓦茨不等式、赫尔德不等式和闵可夫斯基不等式。   我先讲讲这三大不等式的关系,首先是根据几何空间(定义了标准内积的欧几里得空间

    2024年02月06日
    浏览(50)
  • n个节点互异的拉格朗日插值基函数之和等于一证明

     拉格朗日插值公式   要证明的 ,其左边拉格朗日基函数的的,也就是说方程用来插值的每个离散点都是,那么对于每个点插入点都满足。那么显然,不考虑其他性质,Ln拉格朗日插值公式是一个n-1次多项式,x最高次数是n个插值点的数目减一,但是它经过n个值为1的点,也就

    2024年02月11日
    浏览(41)
  • 【矩阵论】7. 范数理论——基本概念——向量范数与矩阵范数

    矩阵论的所有文章,主要内容参考北航赵迪老师的课件 [注]由于矩阵论对计算机比较重要,所以选修了这门课,但不是专业搞数学的,所以存在很多口语化描述,而且对很多东西理解不是很正确与透彻,欢迎大家指正。我可能间歇性忙,但有空一定会回复修改的。 矩阵论 1

    2023年04月23日
    浏览(44)
  • 计算方法 | 范数(向量:1范数、2范数、无穷范数;矩阵:行范数、列范数)

    0范数: 向量中非零元素的个数。 1范数: 为绝对值之和。 2范数: 通常意义上的模。 无穷范数:取向量的最大值。 行范数:矩阵中每行绝对值之和的最大值 列范数:矩阵中每列绝对值之和的最大值 范数对于数学的意义?1范数、2范数、无穷范数_yangpan011的博客-CSDN博客_无穷

    2024年02月15日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包