7.3.問題6
7.3.P6
\( B \in M_n(\mathbb{R}) \) とし、任意の \( t \in \mathbb{R} \) に対して
A(t) = \begin{bmatrix} B & x \\ y^{*} & t \end{bmatrix} \in M_{n+1}(\mathbb{R})
と定める。ただし、\( B, x, y \) のうち少なくとも1つは零でないものとする。さらに
\mu = \max\{\sigma_1\!\left( \begin{bmatrix} B \\[3pt] y^{*} \end{bmatrix} \right), \sigma_1([B \; x])\}
とおく。
(a) すべての \( t \) に対して \( \sigma_1(A(t)) \ge \mu \gt 0 \) が成り立つこと、またある \( t_0 \in \mathbb{R} \) が存在して
\sigma_1(A(t_0)) = \min_{t \in \mathbb{R}} \sigma_1(A(t)) \gt 0
となることを説明せよ。
(b) \( \sigma_1(A(t_0)) \) が \( A(t_0) \) の単純な特異値でない場合、なぜ \( \mu = \sigma_1(A(t_0)) \) となるのかを説明せよ。
(c) \( \sigma_1(A(t_0)) \) が \( A(t_0) \) の単純な特異値である場合、式 (7.3.12) を用いて \( \mu = \sigma_1(A(t_0)) \) であることを示せ。
行列解析の総本山

[行列解析]総本山
行列解析の総本山。行列解析の内容を網羅的かつ体系的に整理しています。線形代数の学習を一通り終えた方が、次のステップとして取り組むのに最適です。行列に関する不等式を研究するには、行列解析の知識が欠かせません。
コメント