Cualquier norma matricial inducida por una norma sobre su espacio vectorial (sobre $\mathbb{R}$ o $\mathbb{C}$ ) que también satisface $\|A^{*}\|=\|A\|$ será mayor o igual que la norma espectral. Sea $\lambda$ denotan el mayor valor singular de A (la raíz cuadrada del mayor valor propio de ( $A^*A$ ) y $v$ el vector propio correspondiente. Sea $\|A\|$ denotan la norma matricial inducida por una norma sobre el espacio vectorial: $$ \|A\|^2=\|A^{*}\|\cdot\|A\|\geq\|A^{*}A\|=\max\frac{\|A^{*}Ax\|}{\|x\|}\geq\frac{\|A^{*}Av\|}{\|v\|}=\lambda $$ y así $\|A\|\geq\sqrt{\lambda}$
Para la 2-norma se tiene realmente una igualdad, que se puede demostrar por descomposición del valor singular. Podemos tomar una base ortonormal de vectores propios para $A^*A$ (con respecto al producto escalar habitual que también induce la 2-norma). Denotemos esta base por $v_1,\ldots,v_n$ con valores propios $\lambda=\lambda_1,\ldots,\lambda_n$ . Para cualquier vector $x=\sum x_i v_i$ tenemos $$ \|Ax\|_2^2=\overline{x}^TA^{*}Ax\leq\overline{x}^T\sum\lambda_i x_i v_i=\sum\lambda_i |x_i|^2\leq \lambda \|x\|_2^2 $$ Así que $\|A\|_2\leq \sqrt{\lambda}$ y ambas desigualdades muestran conjuntamente $\|A\|_2=\sqrt{\lambda}$ .