Rozdzia l 3
Normy wektor´ ow i macierzy
W tym rozdziale zak ladamy, ˙ze
K ⊆ C.
3.1 Og´ olna definicja normy
Niech ψ : Km,n → [0, +∞) bedzie przekszta lceniem spe lniaj֒ acym warunki:֒ (i) ∀A ∈ Km,n ψ(A) = 0 ⇐⇒ A = 0,
(ii) ∀A ∈ Km,n∀u ∈ K ψ(u ∗ A) = |u| · ψ(A), (iii) ∀A, B ∈ Km,n ψ(A + B) ≤ ψ(A) + ψ(B)
(nier´owno´s´c tr´ojkata albo subaddytywno´s´c).֒
Ka˙zde takie przekszta lcenie ψ nazywamy norma w K֒ m,n i oznaczamy ψ(A) = kAk.
Norma jest miara “wielko´sci” macierzy. Dlatego֒ kA − Bk
uznajemy za miare odleg lo´sci mi֒ edzy macierzami A i B.֒
Powiemy, ˙ze norma jest monotoniczna gdy warunek |A| ≤ |B| (tzn. gdy
|ai,j| ≤ |bi,j| ∀i, j) implikuje kAk ≤ kBk. Je´sli norma w Kn,n spe lnia kA ∗ Bk ≤ kAk · kBk, ∀A, B ∈ Kn,n,
to m´owimy, ˙ze norma jest submultiplikatywna.
25
26 ROZDZIA L 3. NORMY WEKTOR ´OW I MACIERZY
3.2 Normy wektor´ ow
3.2.1 Normy p-te
Wektory w Kn sa szczeg´olnymi macierzami. W tym przypadku, wa˙znymi֒ przyk ladami norm sa normy Schura, zdefiniowane dla danej p, 1 ≤ p ≤ ∞,֒ jako
k~xkp =
n
X
i=1
|xi|p
!1/p
dla 1 ≤ p < ∞, k~xk∞ = max
1≤i≤n|xi|.
Nietrudno zauwa˙zy´c, ˙ze k~xk∞= limp→∞k~xkp, ∀~x ∈ Kn.
Warunki (i) i (ii) normy sa trywialnie spe lnione przez normy Schura.֒ Warunek (iii) latwo sprawdzi´c dla p = 1, ∞. Dla p = 1 mamy bowiem
k~x + ~yk1 =
n
X
i=1
|xi+ yi| ≤
n
X
i=1
|xi| +
n
X
i=1
|yi| = k~xk1+ k~yk1, a dla p = ∞
k~x + ~yk∞= max
1≤i≤n|xi+ yi| ≤ max
1≤i≤n|xi| + max
1≤i≤n|yi| = k~xk∞+ k~yk∞. (W obu przypadkach zastosowali´smy nier´owno´s´c tr´ojkata |u + v| ≤ |u| + |v|֒ dla liczb zespolonych u i v.) Dla innych warto´sci p warunek (iii) jest du˙zo trudniej pokaza´c. Dlatego ograniczymy sie tu jedynie do przypadku p = 2.֒ Lemat 3.1 (Nier´owno´s´c Schwarza)
Dla dowolnych ~u, ~v ∈ Kn mamy
|~uH ∗ ~v| ≤ k~uk2 · k~vk2. Dow´od. Dla t ∈ K mamy
0 ≤ k~u + ~v ∗ tk22 = (~u + ~v ∗ t)H · (~u + ~v ∗ t)
= ~uH ∗ ~u + ¯t· t ∗ ~vH ∗ ~v + ~uH ∗ ~v ∗ t + ~vH ∗ ~u ∗ ¯t
= k~uk22+ |t|2· k~vk22+ |t| · |~uH ∗ ~v| · ω(ϕ+ψ)+ ω−(ϕ+ψ) , gdzie t = |t| · ωψ, ~uH ∗ ~v = |~uH ∗ ~v| · ωϕ, ω = cos 1 + ı · sin 1.
Biorac teraz ψ = −ϕ mamy֒
0 ≤ k~uk22+ 2|t| · |~uH ∗ ~v| + |t|2· k~vk22, a biorac ψ = π − ϕ mamy֒
0 ≤ k~uk22− 2|t| · |~uH ∗ ~v| + |t|2· k~vk22. Stad dla dowolnej τ ∈ R otrzymujemy֒
0 ≤ k~uk22+ 2τ |~uH ∗ ~v| + τ2k~vk22.
Poniewa˙z prawa strona ostatniej nier´owno´sci jest, jako funkcja τ , tr´ojmianem kwadratowym o warto´sciach nieujemnych, to
0 ≥ ∆ = 4 |~u ∗ ~v|2− k~uk22· k~vk22 , co implikuje |~uH ∗ ~v| ≤ k~uk2· k~vk2 i ko´nczy dow´od.
Na podstawie nier´owno´sci Schwarza mamy teraz
k~u + ~vk22 = k~uk22+ k~vk22+ ~uH ∗ ~v + ~vH ∗ ~u
= k~uk22+ k~vk22+ 2ℜ(~uH ∗ ~v)
≤ k~uk22+ k~vk22+ 2|~uH ∗ ~v|
≤ k~uk22+ k~vk22+ 2k~uk2k~vk2
= (k~uk2+ k~vk2)2, czyli nier´owno´s´c tr´ojkata dla k · k֒ 2.
3.2.2 Po˙zyteczne (nie)r´ owno´ sci
Nietrudno pokaza´c nastepuj֒ ace nier´owno´sci l֒ acz֒ ace normy p-te Schura dla֒ p = 1, 2, ∞. Mianowicie, dla ka˙zdego ~u ∈ Kn mamy
k~uk∞ ≤ k~uk1 ≤ n · k~uk∞, k~uk∞ ≤ k~uk2 ≤ √
n · k~uk∞, k~uk2 ≤ k~uk1 ≤ √
n · k~uk2,
28 ROZDZIA L 3. NORMY WEKTOR ´OW I MACIERZY przy czym ostatnia z tych nier´owno´sci jest konsekwencja nier´owno´sci Schwa-֒ rza,
k~uk1 =
n
X
i=1
|ui| =
n
X
i=1
|ui| · |1| ≤
n
X
i=1
|ui|2
!1/2 n
X
i=1
12
!1/2
=√
n · k~uk2.
Dodatkowo zauwa˙zamy, ˙ze nier´owno´sci tych nie mo˙zna poprawi´c. Na przy- k lad, dla pierwszego wersora ~e1 mamy k~e1kp = 1 ∀p, a dla ~1 = [1, 1, . . . , 1] ∈ Kn mamy k~1k1 =√
nk~1k2 = nk~1k∞.
Kula jednostkow֒ a w K֒ n (ze wzgledu na norm֒ e k · k) nazywamy zbi´or֒ wektor´ow
K = { ~u ∈ Kn: k~uk ≤ 1} .
Z podanych powy˙zej nier´owno´sci wynika w szczeg´olno´sci, ˙ze K1 ⊂ K2 ⊂ K∞,
gdzie Kp jest kula jednostkow֒ a w normie p-tej Schura.֒
Zauwa˙zmy jeszcze, ˙ze normy p-te sa monotoniczne oraz, ˙ze dla dowolnej֒ macierzy permutacji P ∈ Kn,n i wektora ~x ∈ Kn
kP ∗ ~xkp = k~xkp,
tzn. norma p-ta wektora jest niezmiennicza ze wzgledu na przestawienia֒ kolejno´sci jego wsp´o lrzednych.֒
3.3 Normy macierzy
3.3.1 Normy p-te
Normy p-te macierzy sa definiowane (indukowane) przez normy p-te wek-֒ tor´ow w nastepuj֒ acy spos´ob:֒
kAkp = sup
~06=~x∈Kn
kA ∗ ~xkp k~xkp
= sup { kA ∗ ~xkp : ~x ∈ Kn, k~xkp = 1} .
Zauwa˙zmy, ˙ze u˙zywamy tego samego oznaczenia dla norm wektora jak i ma- cierzy. Jest to uzasadnione, gdy˙z norma p-ta macierzy jest uog´olnieniem
normy p-tej wektora. Dla A = [u1, . . . , um]T ∈ Km,1 = Km mamy bowiem kAkp = sup|t|=1kA ∗ tkp = (Pm
i=1|ui|p)1/p. (Tutaj t ∈ K!)
Wprost z definicji wynika, ˙ze normy indukowane macierzy spe lniaja wa-֒ runek zgodno´sci (z norma wektorow֒ a), tzn.֒
∀A ∈ Km,n∀~x ∈ Kn kA ∗ ~xkp ≤ kAkp· k~xkp. Normy te sa r´ownie˙z submultiplikatywne,֒
∀A ∈ Km,l∀B ∈ Kl,n kA ∗ Bkp ≤ kAkp· kBkp. Rzeczywi´scie, dla ~x ∈ Kl mamy
k(A ∗ B) ∗ ~xkp = kA ∗ (B ∗ ~x)kp ≤ kAkp· kB ∗ ~xkp
≤ kAkp· kBkp · k~xkp, skad֒
sup
~ x6=~0
k(A ∗ B) ∗ ~xkp
k~xkp ≤ kAkp· kBkp. Dla macierzy permutacji P ∈ Km,m i Q ∈ Kn,n mamy
kP ∗ A ∗ QTkp = kAkp,
co oznacza, ˙ze przestawienie kolumn i wierszy macierzy nie zmienia jej p- tej normy. Rzeczywi´scie, poniewa˙z przestawienie wsp´o lrzednych nie zmienia֒ normy p-tej wektora, mamy
sup
~ x6=~0
kP ∗ A ∗ QT ∗ ~xkp
k~xkp = sup
~x6=~0
kA ∗ QT ∗ ~xkp
kQT ∗ ~xkp = sup
~ y6=~0
kA ∗ ~ykp k~ykp .
3.3.2 Po˙zyteczne (nie)r´ owno´ sci
Dla niekt´orych p, norme mo˙zna wyrazi´c w spos´ob pozwalaj֒ acy j֒ a latwo ob-֒ liczy´c.
Lemat 3.2 Dla dowolnej macierzy A = (ai,j) ∈ Km,n (a) kAk∞ = max1≤i≤mPn
j=1|ai,j|, (b) kAk1 = max1≤j≤nPm
i=1|ai,j|.
30 ROZDZIA L 3. NORMY WEKTOR ´OW I MACIERZY Dow´od. (a) Dla ~x = [x1, . . . , xn]T ∈ Kn mamy
kA ∗ ~xk∞ = max
1≤i≤m
n
X
j=1
ai,j· xj
≤ max1≤i≤m
n
X
j=1
|ai,j| · |xj|
≤ k~xk∞· max
1≤i≤m n
X
j=1
|ai,j|
! .
Z drugiej strony, we´zmy ~x∗ = (x∗j) taki, ˙ze x∗j = ω−ϕj, 1 ≤ j ≤ n, gdzie ϕj jest argumentem liczby as,j, tzn. as,j = |as,j|ωϕj, a s jest tym indeksem i, dla kt´orego suma Pn
j=1|ai,j| jest najwieksza. Wtedy k~x֒ ∗k∞= 1 oraz kA ∗ ~x∗k∞ ≥
n
X
j=1
as,j· x∗j
=
n
X
j=1
|as,j|ωϕjω−ϕj
=
n
X
j=1
|as,j|,
a stad kAk֒ ∞≥ max1≤i≤mPn
j=1|ai,j|.
(b) Dla dowolnego ~x mamy
kA ∗ ~xk1 =
m
X
i=1
n
X
j=1
ai,j· xj
≤
m
X
i=1 n
X
j=1
|ai,j| · |xj|
=
n
X
j=1
|xj| ·
m
X
i=1
|ai,j| ≤ max
1≤j≤n m
X
i=1
|ai,j|
!
· k~xk1.
Z drugiej strony, dla ~x∗ takiego, ˙ze x∗j = 0 dla j 6= s, x∗j = 1 dla j = s, gdzie s jest tym indeksem j dla kt´orego suma Pm
i=1|ai,j| jest najwieksza, mamy֒
k~x∗k1 = 1 oraz kA ∗ ~xk1 =Pm
i=1|ai,s|, a stad kAk֒ 1 ≥ max1≤j≤nPm
i=1|ai,j|.
Z powy˙zszego lematu latwo wida´c, ˙ze
kATk∞ = kAHk∞ = kAk1, kATk1 = kAHk1 = kAk∞.
Szczeg´olna rol֒ e odgrywa norma druga k · k֒ 2, ze wzgled´ow, kt´ore b֒ ed֒ a jasne֒ p´o´zniej. Niestety, nie wyra˙za sie ona w tak prosty spos´ob jak k · k֒ 1 i k · k∞. W odr´o˙znieniu od tych ostatnich, norma druga ma jednak dodatkowa wa˙zn֒ a֒ w lasno´s´c; mianowicie, dla dowolnej A ∈ Km,n
kATk2 = kAHk2 = kAk2.
R´owno´s´c ta wynika bezpo´srednio z faktu, ˙ze kAk2 = sup
~ z
sup
~ y
~yH ∗ A ∗ ~z ,
gdzie suprema wziete s֒ a po ~z ∈ K֒ n i ~y ∈ Km takich, ˙ze k~zk2 = 1 = k~yk2. Rzeczywi´scie, dla dowolnych ~y i ~z o jednostkowych normach mamy
|~yH ∗ A ∗ ~z| ≤ k~yk2· kA ∗ ~zk2 = kA ∗ ~zk2 ≤ kAk2,
przy czym w pierwszej nier´owno´sci zastosowali´smy nier´owno´s´c Schwarza. Z drugiej strony, dla ~z o jednostkowej normie i takiego, ˙ze A ∗ ~z 6= ~0 mamy
kA ∗ ~zk2 = kA ∗ ~zk22
kA ∗ ~zk2 = (A ∗ ~z)H ∗ A ∗ ~z
kA ∗ ~zk2 ≤ sup
k~yk2=1
~yH ∗ A ∗ ~z , gdzie podstawili´smy ~y = A ∗ ~z/kA ∗ ~zk2.
3.3.3 Norma Frobeniusa
Norme Frobeniusa (albo Euklidesow֒ a) macierzy A ∈ K֒ m,n definiujemy jako
kAkF =
m
X
i=1 n
X
j=1
|ai,j|2
!1/2
.
Zaleta normy k · k֒ F jest jej latwa “obliczalno´s´c”, natomiast wada, ˙ze nie jest֒ to norma indukowana przez ˙zadna norm֒ e wektorow֒ a.֒
Zwiazek mi֒ edzy norm֒ a Frobeniusa i norm֒ a drug֒ a pokazuje nast֒ epuj֒ acy֒ lemat.
Lemat 3.3 Dla dowolnej A ∈ Km,n mamy
kAk2 ≤ kAkF ≤ pmin(m, n) · kAk2.
Dow´od. Wykorzystujac nier´owno´s´c Schwarza, dla dowolnego ~x ∈ K֒ n o jednostkowej normie drugiej mamy
kA ∗ ~xk22 =
m
X
i=1
n
X
j=1
ai,j· xj
2
≤
m
X
i=1 n
X
j=1
|ai,j| · |xj|
!2
≤
m
X
i=1 n
X
j=1
|ai,j|2
! n X
j=1
|xj|2
!
= kAk2F,
32 ROZDZIA L 3. NORMY WEKTOR ´OW I MACIERZY a stad kAk֒ 2 ≤ kAkF.
Z drugiej strony, przedstawiajac A jako֒
A = [~a1, ~a2, . . . , ~an] , ~aj ∈ Km,
mamy kAk2 ≥ kA ∗ ~ejk2 = k~ajk2, gdzie ~ej jest j-tym wersorem. Stad֒
kAk22 ≥ 1 n ·
n
X
j=1
kajk22 = 1
n · kAk2F, czyli kAkF ≤√
n · kAk2. Ale r´ownie˙z kAkF = kATkF ≤√
m · kATk2 =√
m · kAk2, co ko´nczy dow´od.
Zauwa˙zymy jeszcze jedna w lasno´s´c norm p-tych macierzy. Niech macierz֒ A bedzie dana w postaci blokowej,֒
A = [A1, A2, . . . , As] . Wtedy
kAkkp = sup
k~xkkp=1kAk∗ ~xkkp = sup
k~xkkp=1,~xj=~0,j6=k
s
X
j=1
Aj∗ ~xj p
≤ sup
k~xkp=1kA ∗ ~xkp = kAkp. Podobnie, je´sli
A =
A1
A2
...
At
to
kAkkpp = sup
k~xkp=1kAk∗ ~xkpp ≤ sup
k~xkp=1 t
X
j=1
kAj ∗ ~xkpp
= sup
k~xkp=1kA ∗ ~xkpp = kAkpp.
Stad dostajemy wniosek, ˙ze je´sli A jest w postaci blokowej to dla ka˙zdego֒ bloku Ai,j mamy
kAi,jkp ≤ kAkp, 1 ≤ p ≤ ∞.
Oczywi´scie, ta w lasno´s´c zachodzi r´ownie˙z dla normy Frobeniusa.
34 ROZDZIA L 3. NORMY WEKTOR ´OW I MACIERZY