Musterlösung zu A 34
1 Teil i)
Für die 1-Norm ist einerseits
kAxk1 :=
m
X
i=1
n
X
j=1
aijxj
≤
m
X
i=1 n
X
j=1
|aij||xj|
=
n
X
j=1 m
X
i=1
|aij|
!
|xj| ≤max
j m
X
i=1
|aij|
! kxk1,
für alle x∈ Rn. Sei i0 ∈ {1, ..., n} derjenige Index, für den(Pm
i=1|aij|) maximal wird. Dann gilt für den Vektor x=ei0
kAei0k1 = max
j m
X
i=1
|aij|
! kei0k1,
was zeigt, dass obige Abschätzung scharf ist, weshalb im Supremum Gleichheit gelten muss.
Analog gilt für die ∞-Norm einerseits
kAxk∞= max
i
X
j
aijxj
≤max
i
X
j
|aij|max
j |xj|
= max
i
X
j
kaijkkxk∞,
für alle x∈Rn. Andererseits gilt für den Vektor x= (1,1, ...,1)T Gleichheit.
Da die Summe über eine Zeile einer Matrix der Summe über die entsprechende Spalte der transponierten Matrix ist, haben wir mit Obigem, dass offensichtlichkATk1=kAk∞.
1
2 Teil ii)
Zum Beweis der ersten Ungleichung verwenden wir die Cauchy-Schwarz Ungleichung (vgl. Kapitel I der Vorlesung), also dass für alle x, y∈Rn gilt, dass
n
X
j=1
xjyj
≤ v u u t
n
X
j=1
|xj|2 v u u t
n
X
j=1
|yj|2. (1)
Mit dieser Ungleichung haben wir für beliebigesx∈Rn
kAxk22 kxk22 =
Pm i=1
Pn
j=1aijxj
2
kxk22
≤
|{z}
(1)
Pm i=1
Pn
j=1|xj|2 Pn
j=1|aij|2 Pn
j=1|xj|2
=X
i,j
a2ij,
weshalb die Beziehung auch im Supremum gelten muss.
Zum Beweis der zweiten Ungleichung verwendet man am besten Teil iii). Bezeichne hierzu λ den größten Eigenwert von ATA undv den zugehörigen Eigenvektor. Dann ergibt sich
kAk22kvk1 =
|{z}
iii)
λkvk1 =
|{z}
N3
kλvk1
=
|{z}
λEW
kATAvk1 ≤ kATk1kAk1kvk1
=
|{z}
i)
kATk1kAk1kvk1
und Teilen durch kvk1 (man rufe sich ins Gedächtnis, dass ein Eigenvektor per Definition nicht der 0-Vektor ist) liefert die Behauptung.
3 Teil iii)
Anmerkung: Die orthogonale Diagonalisierung exisitiert, daATAsymmetrisch ist (wegen (ATA)ij :=
Pm
k=1akiakj = Pm
k=1akjaki =: (ATA)ji). Da ATA positiv semi-definit ((x, ATAx) = (Ax, Ax) = kAxk22 ≥0∀x∈Rn), sind außerdem alle Eigenwerteλnicht-negativ. Damit hat man (mity=Qx)
kAxk2 =xTATAx=xTQTDQx=yTDy=X
i
λi|yi|2 ≤max
i λi
X
j
|yj|2 = max
i λikyk22
= max
i λiyTy = max
i λixT QTQ
| {z }
=1
x= max
i λikxk22.
Da für den Eigenvektor zum größten Eigenwert offensichtlich Gleichheit gilt, ist die Ungleichung scharf und somit gilt im Supremum Gleichheit.
2
4 Sublinearität
Aufgrund der Definition der Matrixnorm gilt offensichtlich kAxk ≤ kAkkxk, ∀x∈R. Zweimaliges Anwenden dieser Ungleichung liefert für beliebigesx∈R
kABxk ≤ kAkkBxk ≤ kAkkBkkxk, was, nach Division durch kxk im Supremum dann die Behauptung liefert.
3