技术问询：证明或反驳任意实对称矩阵A满足ρ(A)=||A||₂

刚好你已经掌握了核心定义，咱们直接用这些信息搞定这个命题！

首先先明确两个关键定义（帮你再梳理下对应关系）：

• 谱半径ρ(A)：对于实对称矩阵来说，特征值全是实数，所以ρ(A)就是所有特征值中绝对值最大的那个，即ρ(A) = max{|λ₁|, |λ₂|, ..., |λₙ|}，其中λᵢ是A的特征值。
• 矩阵2-范数||A||₂：它的本质是矩阵对非零向量的最大拉伸比例，公式是 ||A||₂ = \max_{\boldsymbol{x} \neq \boldsymbol{0}} \frac{||A\boldsymbol{x}||₂}{||\boldsymbol{x}||₂}。

接下来咱们一步步推导相等性：
因为A是实对称矩阵，它具备一个关键性质——可以正交对角化：存在正交矩阵Q（满足QᵀQ = QQᵀ = I，正交矩阵不会改变向量的2-范数，即||Q\boldsymbol{y}||₂ = ||\boldsymbol{y}||₂），使得A = QΛQᵀ，其中Λ是对角矩阵，对角线元素就是A的所有特征值λ₁, λ₂, ..., λₙ。

现在计算||A\boldsymbol{x}||₂：

||A\boldsymbol{x}||₂ = ||QΛQᵀ\boldsymbol{x}||₂ = ||ΛQᵀ\boldsymbol{x}||₂

这里用到了正交矩阵的范数不变性。令\boldsymbol{y} = Qᵀ\boldsymbol{x}，因为Q是正交矩阵，当x遍历所有非零向量时，y也会遍历所有非零向量，所以2-范数可以转化为：

||A||₂ = \max_{\boldsymbol{y} \neq \boldsymbol{0}} \frac{||Λ\boldsymbol{y}||₂}{||\boldsymbol{y}||₂}

再看||Λ\boldsymbol{y}||₂的计算：Λ是对角矩阵，所以Λ\boldsymbol{y}的第i个分量是λᵢyᵢ，那么：

||Λ\boldsymbol{y}||₂² = \sum_{i=1}^n (λᵢyᵢ)² = \sum_{i=1}^n λᵢ²yᵢ²

而||\boldsymbol{y}||₂² = \sum_{i=1}^n yᵢ²，所以两者的比值平方为：

\left( \frac{||Λ\boldsymbol{y}||₂}{||\boldsymbol{y}||₂} \right)^2 = \frac{\sum_{i=1}^n λᵢ²yᵢ²}{\sum_{i=1}^n yᵢ²}

这个式子其实是λᵢ²的加权平均，权重是yᵢ²。显然，当我们取y为对应最大|λᵢ|的标准特征向量时（比如λₖ是绝对值最大的特征值，y的第k个分量为1，其余为0），这个比值就等于|λₖ|，也就是ρ(A)。而其他任何非零向量y的比值都不会超过这个值，所以开平方后得到：
||A||₂ = max{|λᵢ|} = ρ(A)

举个简单例子验证下：比如实对称矩阵A = \begin{pmatrix} 1 & 0 \\ 0 & -3 \end{pmatrix}，它的特征值是1和-3，谱半径ρ(A)=3。计算2-范数时，取x=[0,1]，Ax=[0,-3]，||Ax||₂ / ||x||₂ = 3/1 = 3，确实等于谱半径。

内容的提问来源于stack exchange，提问作者Andrew