【笔记】矩阵的谱半径

1.定义

谱半径（spectral radius）记作
ρ(A) = max{|λ| : λ 是 A 的特征值}
它只与矩阵的“谱”（即全体特征值）有关，因而得名。

一、数学意义

1. 特征值的外包圆
   复平面上，谱半径给出所有特征值所在的最小圆盘半径，圆心在原点。
2. 矩阵幂的指数增长率
   对任意矩阵范数 ‖·‖，有
   ρ(A)=lim_{k→∞}‖A^k‖{1/k}
   这条 Gelfand 公式说明：谱半径是矩阵幂次“指数级”增长的精确速率。
3. 迭代法的收敛阈值
   线性迭代 x_{k+1}=Ax_k+b 收敛 ⇔ ρ(A)<1；ρ 越接近 1 收敛越慢。
4. 谱半径 ≤ 任意诱导范数
   ρ(A)≤‖A‖，因而它提供了矩阵范数的下界。
5. 非负矩阵的 Perron–Frobenius
   若 A≥0，则 ρ(A) 本身就是 A 的一个实特征值，并对应非负特征向量；它控制正矩阵的全部渐近行为。

二、几何意义

1. 线性映射的“最大伸缩系数”
   把 A 看成 ℂ^n→ℂn 的线性变换，谱半径给出“在所有方向上的最大放大倍数”。
   • 若 ρ(A)<1，则任意向量经多次变换后长度趋于 0，轨迹呈螺旋收缩。
   • 若 ρ(A)>1，则存在一个方向，向量长度指数爆炸。
2. 动力系统的“临界阻尼”
   离散系统 x_{k+1}=Ax_k 的相图：
   ρ<1 时原点为吸引子；ρ>1 时原点为排斥子；ρ=1 时处于中性稳定边缘，可能出现中心流形或 Jordan 块导致的“慢漂移”。
3. 复平面上的“谱包络”
   画特征值时，ρ 给出最小圆盘半径；几何上可直观判断系统是否“整体稳定”。
4. 与算子范数的对比
   算子范数 ‖A‖_2 是“最坏情况下单次映射的最大伸长”，而 ρ(A) 是“长期平均伸长”。二者相等当且仅当 A 正规（AA*=A*A），此时特征向量正交，几何上无“旋转-剪切”耦合。

三、计算与估计

• 直接求特征值再取模最大。
• 若只需估计：
  – 用幂法迭代求 ρ(A)（对非负矩阵尤其快）。
  – 利用范数不等式：ρ(A)≤min{‖A‖_1,‖A‖∞,‖A‖2}。
  – 对非负矩阵可用行和/列和上下界：min_i∑_j a{ij} ≤ ρ(A) ≤ max_i∑_j a{ij}。

四、小结
谱半径把“矩阵的所有特征值”压缩成一个非负实数，它既是代数量（特征值的最大模），又是分析量（幂次的指数增长率），更是几何量（线性变换的最大伸缩因子）。在数值分析、控制论、图论、马尔可夫链、量子力学中，它都扮演着“稳定与否”的临界标尺。

2.对角矩阵的谱半径

对角矩阵
D = diag(d₁, d₂, …, dₙ)
的特征值就是它的对角元 d₁, d₂, …, dₙ 本身。

因此谱半径
ρ(D) = max{|d₁|, |d₂|, …, |dₙ|}

一句话：把对角线上所有元素取绝对值，最大的那个就是谱半径。