3.

Vektorske i matrine norme

3.1. Vektorske norme
Vektorske i matrine norme osnovno su sredstvo koje koristimo kod ocjene gre-
aka vezanih uz numerike metode, posebno u numerikoj linearnoj algebri.
Denicija 3.1 (Vektorska norma). Vektorska norma je svaka funkcija : C
n
R
koja zadovoljava sljedea svojstva:
1. x 0, x C
n
, a jednakost vrijedi ako i samo ako je x = 0,
2. x = || x, R, x C
n
,
3. x + y x + y, x, y C
n
. Ova je nejednakost poznatija pod imenom
nejednakost trokuta (zbroj duljina bilo koje dvije stranice trokuta vei je od
duljine tree stranice).
Analogno se denira vektorska norma ako su vektori iz R
n
.
Neka je x vektor iz C
n
kojemu su komponente x
i
, i = 1, . . . , n, u to oznaavamo
x = (x
1
, . . . , x
n
)
T
, ili, skraeno x = [x
i
]. U numerikoj linearnoj algebri najee se
koriste sljedee tri norme:
1. 1-norma ili
1
norma, u engleskom govornom podruju poznatija kao Man-
hattan ili taxi-cab norma
x
1
=
n

i=1
|x
i
|,
2. 2-norma ili
2
norma ili euklidska norma
x
2
= (x

x)
1/2
=

_
n

i=1
|x
i
|
2
,
3. -norma ili

norma
x

= max
i=1,...,n
|x
i
|.
Primijetite da je samo 2-norma izvedena iz skalarnog produkta, dok ostale dvije to
nisu. 2-norma je invarijantna na unitarne transformacije vektora x, tj. ako je Q
unitarna matrica (Q

Q = QQ

= I), onda je
Qx
2
= (x

Qx)
1/2
= (x

x)
1/2
= x
2
.
3.1. Vektorske norme 23
Sve ove tri norme specijalni su sluaj Hlderove p-norme (
p
norme) deni-
rane s:
x
p
=
_
n

i=1
|x
i
|
p
_
1/p
, p 1.
Za Hlderove p-norme vrijedi i poznata Hlderova nejednakost
|x

y| x
p
y
q
,
1
p
+
1
q
= 1.
Posebni sluaj Hlderove nejednakosti za p = q = 2 je CauchySchwarzova ne-
jednakost
|x

y| x
2
y
2
.
Koliko se dvije p-norme meusobno razlikuju, pokazuje sljedea nejednakost,
koja se moe dostii. Neka su i dvije p norme takve da je . Tada vrijedi
x

n
(1/1/)
x

.
Ova se nejednakost esto proiruje i zapisuje tablicom x

C
M
x

, gdje su
C
M
-ovi
\ 1 2
1 1

n n
2 1 1

n
1 1 1
Denicija vektorskih normi u sebi ne sadri zahtjev da je vektorski prostor iz
kojeg su vektori konano dimenzionalan. Na primjer, norme denirane na vektor-
skom prostoru neprekidnih funkcija na [a, b] (u oznaci C[a, b]) deniraju se slino
normama na C
n
:
1. L
1
-norma
f
1
=
_
b
a
|f(t)| dt,
2. L
2
-norma
f
2
=
__
b
a
|f(t)|
2
dt
_
1/2
,
3. L

= max{|f(x)| | x [a, b]},

24 3. Vektorske i matrine norme
4. L
p
-norma
f
p
=
__
b
a
|f(t)|
p
dt
_
1/p
, p 1.
3.2. Matrine norme
Zamijenimo li u deniciji 3.1 vektor x C
n
matricom A C
mn
, dobivamo
matrinu normu.
Denicija 3.2 (Matrina norma). Matrina norma je svaka funkcija : C
mn

R koja zadovoljava sljedea svojstva:

1. A 0, A C
mn
, a jednakost vrijedi ako i samo ako je A = 0,
2. A = || A, R, A C
mn
,
3. A + B A +B, A, B C
mn
.
Za matrinu normu emo rei da je konzistentna ako vrijedi
4. AB A B
kad god je matrini produkt AB deniran. Oprez, norme od A, B i AB ne moraju
biti denirane na istom prostoru (dimenzije)!
Neki autori smatraju da je i ovo posljednje svojstvo sastavni dio denicije ma-
trine norme (tada to svojstvo obino zovu submultiplikativnost). Ako su ispunjena
samo prva tri svojstva, onda to zovu generalizirana matrina norma.
Matrine norme mogu nastati na dva razliita naina. Ako matricu A proma-
tramo kao vektor s mn elemenata, onda, direktna primjena vektorskih normi (uz
oznaku a
ij
matrinog elementa u i-tom retku i j-tom stupcu) daje sljedee denicije:
1.
1
norma
|A|
1
:= A
S
=
m

i=1
n

j=1
|a
ij
|,
2.
2
norma (euklidska, Frobeniusova, HilbertSchmidtova, Schurova)
|A|
2
:= A
F
= (tr(A

A))
1/2
=

_
m

i=1
n

j=1
|a
ij
|
2
,
3.

norma
|A|

:= A
M
= max
i=1,...,m
j=1,...,n
|a
ij
|.
3.2. Matrine norme 25
tr je oznaka za trag matrice zbroj dijagonalnih elemenata matrice.
Pokaimo da
1
i
2
norma zadovoljavaju svojstvo konzistentnosti, a

norma
ga ne zadovoljava. Vrijedi
AB
S
=
m

i=1
s

j=1
n

k=1
|a
ik
b
kj
|
m

i=1
s

j=1
n

k=1
n

=1
|a
ik
b
j
|

i=1
n

k=1
|a
ik
|
n

=1
s

j=1
|b
j
| = A
S
B
S
,
AB
2
F
=
m

i=1
s

j=1

k=1
a
ik
b
kj

i=1
s

j=1
_
n

k=1
|a
ik
|
2
__
n

=1
|b
j
|
2
_
=
_
m

i=1
n

k=1
|a
ik
|
2
__
n

=1
s

j=1
|b
j
|
2
_
= A
2
F
B
2
F
.
Primijetite da se u dokazu da je Frobeniusova norma konzistentna koristila Cauchy-
Schwarzova nejednakost.
Pokaimo na jednom primjeru da

norma ne zadovoljava svojstvo konzistent-

nosti. Za matrice
A = B =
_
1 1
1 1
_
jeAB =
_
2 2
2 2
_
.
pa je
AB
M
= 2, A
M
B
M
= 1.
Ipak i od
M
se moe napraviti konzistentna norma. Deniramo li
|A| = mA
M
,
vrijedi
|AB| = m max
i=1,...,m
j=1,...,s

k=1
a
ik
b
kj

m max
i=1,...,m
j=1,...,s
n

k=1
|a
ik
b
kj
|
m max
i=1,...,m
j=1,...,s
n

k=1
A
M
B
M
= (mA
M
) (nB
M
) = |A| |B|.
S druge strane, matrine norme moemo dobiti kao operatorske norme iz
odgovarajuih vektorskih koritenjem denicije
A = max
x=0
Ax
x
(ili = max
x=1
Ax).
Kad se uvrste odgovarajue vektorske norme u prethodnu deniciju, dobivamo
1. matrina 1-norma, maksimalna stupana norma
A
1
= max
j=1,...,n
m

i=1
|a
ij
|,
26 3. Vektorske i matrine norme
2. matrina 2-norma, spektralna norma
A
2
= ((A

A))
1/2
=
max
(A),
3. matrina -norma, maksimalna retana norma
A

= max
i=1,...,m
n

j=1
|a
ij
|,
pri emu je oznaka za spektralni radijus kvadratne matrice (maksimalna po
apsolutnoj vrijednosti svojstvena vrijednost)
(B) = max{|| | det(B I) = 0}, (B kvadratna!),
a je standardna oznaka za tzv. singularnu vrijednost matrice. Detaljnu deniciju
to je to singularna vrijednost, dobit ete u poglavlju koje e se baviti dekompozi-
cijom singularnih vrijednosti.
Matrina 2-norma se teko rauna, (trebalo bi nai po apsolutnoj vrijednosti
najveu svojstvenu vrijednost), pa je uobiajeno da se ona procjenjuje koritenjem
ostalih normi.
Tablica ovisnosti koja vrijedi meu matrinim normama je: A

C
M
A

,
gdje su C
M
-ovi
\ 1 2 F M S
1 1

m m

m m 1
2

n 1

m 1

mn 1
n

n 1

n n 1
F

n
_
rang(A)

m 1

mn 1
M 1 1 1 1 1 1
S n
_
mnrang(A) m

mn mn 1
Posebno su vane unitarno invarijantne norme, tj. one za koje vrijedi
UAV = A,
za sve unitarne matrice U i V .
Dvije najpoznatije unitarno invarijantne norme su Frobeniusova i spektralna
norma. Pokaimo to. Kvadrat Frobeniusove norme matrice A moemo promatrati
kao zbroj kvadrata normi stupaca a
j
:
A
2
F
=
n

j=1
a
j

2
.
S druge strane, za svaku unitarnu matricu U vrijedi
Ua
j

2
2
= a

j
U

Ua
j
= a

j
a
j
= a
j

2
2
.
3.2. Matrine norme 27
Objedinimo li te relacije, dobivamo
UA
2
F
=
n

j=1
Ua
j

2
=
n

j=1
a
j

2
= A
2
F
.
Konano, vrijedi
UAV
2
F
= AV
2
F
= V

2
F
= A

2
F
= A
2
F
.
Da bismo dokazali da je matrina 2-norma unitarno ekvivalentna, potrebno je
pokazati da transformacije slinosti uvaju svojstvene vrijednosti matrice. Ako je
S nesingularna (kvadratna) matrica, a B kvadratna, onda je matrica S
1
BS slina
matrici B. Ako je spektralna faktorizacija matrice S
1
BS
S
1
BSX = X,
pri emu je X matrica svojstvenih vektora, a svojstvenih vrijednosti. Mnoenjem
sa S slijeva, dobivamo
B(SX) = (SX),
tj. matrica svojstvenih vektora je SX, dok su svojstvene vrijednosti ostale nepro-
mijenjene. Primijetite da za unitarne matrice vrijedi V

= V
1
.
Za matrinu 2-normu, onda vrijedi
UAV
2
= ((V

UAV ))
1/2
= ((V

AV ))
1/2
.
Budui da je V unitarna, A

A i V

AV su unitarno ekvivalentne, pa je
UAV
2
= ((A

A))
1/2
= A
2
.