[论文解读] Improvement of $A$-numerical radius inequalities of semi-Hilbertian space operators

Pintu Bhunia, Raj Kumar Nayak+1 more|arXiv (Cornell University)|Aug 25, 2020

Mathematical Inequalities and Applications参考文献 21被引用 23

一句话总结

本文通过引入A-伴随算子和算子矩阵技术，改进了半希尔伯特空间中算子的A-数值半径不等式，给出了更紧致的界。研究建立了单个算子A-数值半径的新类型极小-极大不等式，并推导出2×2算子矩阵B-数值半径的增强上界，通过A-半内积空间中的凸性、AM-GM不等式和内积估计，显著改进了现有结果。

ABSTRACT

Let $\mathcal{H}$ be a complex Hilbert space and let $A$ be a positive operator on $\mathcal{H}$. We obtain new bounds for the $A$-numerical radius of operators in semi-Hilbertian space $\mathcal{B}_A(\mathcal{H})$ that generalize and improve on the existing ones. Further, we estimate bounds for the $B$-operator seminorm and $B$-numerical radius of $2 imes 2$ operator matrices, where $B=\mbox{diag}(A,A)$. The bounds obtained here improve on the existing ones.

研究动机与目标

• 解决半希尔伯特空间中A-数值半径缺乏精确界的问题，特别是当A不可逆时。
• 通过A-伴随算子和A-算子半范数，将经典数值半径不等式推广至A-设定。
• 为2×2算子矩阵的B-数值半径建立更紧致的上界，改进文献中已知结果。
• 通过两种不同方法获得非可比较但更优的界，增强算子矩阵估计的灵活性。
• 在经典界次优的情况下，提供对现有不等式的定量改进。

提出的方法

• 通过关系 ⟨Tx, y⟩A = ⟨x, Ry⟩A 定义A-伴随算子，当 R(T*A) ⊆ R(A) 时保证其存在性。
• 使用A-算子半范数 ∥T∥A = sup{∥Tx∥A : ∥x∥A = 1} 和A-最小范数 mA(T) 来改进数值半径估计。
• 应用 t² 的凸性及AM-GM不等式，将 |⟨Tx, x⟩A|² 以 αT♯AT + (1−α)TT♯A 的形式进行有界估计，其中 α ∈ [0,1]。
• 利用引理2.3对A-内积的乘积进行有界估计，从而将 wA²(T) 以 wA(T²) 和 ∥TT♯A + T♯AT∥A 的形式表示。
• 通过定义 B = diag(A, A) 将结果推广至2×2算子矩阵，并将矩阵分解为块对角部分与非对角部分。
• 对算子矩阵应用相同的凸性与AM-GM技术，推导出两个不同且不可比较的 wB²(T) 上界。

实验结果

研究问题

• RQ1 如何通过A-伴随算子和参数化凸组合，更紧致地有界A-数值半径 wA(T)？
• RQ2 在半希尔伯特空间中，对单个算子的A-数值半径不等式可如何改进？
• RQ3 新推导的2×2算子矩阵B-数值半径界与文献中结果相比如何？
• RQ4 在何种情况下，两个推导出的算子矩阵数值半径界中，其中一个优于另一个？
• RQ5 能否通过显式反例证明新不等式严格优于已知结果？

主要发现

• 本文证明了 w²A(T) ≤ min₀≤α≤1 ∥αT♯AT + (1−α)TT♯A∥A，该结果严格优于已知界 w²A(T) ≤ ½∥T♯AT + TT♯A∥A。
• 当 r ≥ 1 时，不等式 w²ʳA(T) ≤ ½wʳA(T²) + ¹⁄₂ʳ⁺¹∥TT♯A + T♯AT∥ʳA 提供了比经典方法更精确的估计。
• 在2×2算子矩阵情形下，定理3.4给出的界为 w²B(T) ≤ 3⁄4，而文献[14, Th. 3.5]给出的界为4，显示出显著改进。
• 定理3.7给出的界为 w²B(T) ≤ 3⁄4，而文献[14, Th. 3.7]给出的界为1，表明该情形下改进达25%。
• 两个推导出的算子矩阵数值半径界在一般情况下不可比较，反例表明其优劣取决于矩阵结构。