iv T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATRİSLERİN SİNGÜLER DEĞER EŞİTSİZLİKLERİ Esma BARAN YÜKSEK LİSANS TEZİ Matematik Anabilim Dalı Temmuz - 2012 KONYA Her Hakkı Saklıdır ÖZET YÜKSEK LİSANS TEZİ MATRİSLERİN SİNGÜLER DEĞER EŞİTSİZLİKLERİ Esma BARAN Selçuk Üniversitesi Fen Bilimleri Enstitüsü Matematik Anabilim Dalı Danışman: Doç. Dr. Ramazan Türkmen 2012, 77 Sayfa Jüri Doç. Dr. Ramazan TÜRKMEN Prof. Dr. Durmuş BOZKURT Doç. Dr. Hakan Kasım AKMAZ Bu tez matris teorinin temel tanım ve teoremleri ile başlamıştır ve singüler değer eşitsizlikleri ile sonlanmıştır. Ön bilgiler bölümü hermityen ve pozitif yarı tanımlı matrisler, matris normu ve matris ayrışımlarını içermektedir. Ayrıca hermityen matrislerin öz değerlerinin karakterizasyonları, majorizasyon tanımı ve blok matrislerin özellikleri ile ilgilenilmiştir. Klasik analitik – geometri ortalama eşitsizliğinin matris versiyonları verilmiştir. Bu eşitsizlikler arasındaki ilişki incelenmiştir. Son olarak A, B matrisleri hermityen ve A, B matrislerinden biri veya ikisinin pozitif yarı tanımlı olduğunda A+B ve A+iB matrislerinin singüler değerleri ile ilgili bir takım eşitsizlikler sunulmuştur. Anahtar Kelimeler: Blok Matrisler, Hermityen matrisler, Majorizasyon, Matris Eşitsizlikleri, Öz değerler, Pozitif Yarı tanımlı Matrisler, Singüler Değerler. iv ABSTRACT MS THESIS SINGULAR VALUE INEQUALITIES OF MATRICES Esma BARAN THE GRADUATE SCHOOL OF NATURAL AND APPLIED SCIENCE OF SELÇUK UNIVERSITY THE DEGREE OF MASTER OF SCIENCE IN MATHEMATICS Advisor: Assoc. Prof. Dr. Ramazan TÜRKMEN 2012, 77 Pages Jury Assoc. Prof. Dr. Ramazan TÜRKMEN Prof. Dr. Durmuş BOZKURT Assoc. Prof. Dr. Hakan Kasım AKMAZ The thesis starts with the fundamental theorems and definitions of matrix theory and ends with singular values inequalities of matrices.The background chapter includes hermitian and positive semidefinite matrices, matrix decomposition and matrix norms.. Moreover, we interested in variational characterizations of hermitian matrices, majorization definition and properties of block matrices We give some matrix versions of the classical arithmetic – geometric mean inequality. The relationships between these inequalities is investigated. Finally we present several inequalities relating the singular values of A+B and those A+iB when A and B are hermitian, and when one or both of them are positive semidefinite. Keywords: Block matices, Eigenvalues, Hermitian Matrices, Majorization, Matrix Inequalities, Positive Semidefinite Matrices, Singular Values. v ÖNSÖZ Bu tez çalışması, Selçuk Üniversitesi Fen Fakültesi Matematik Bölümü Öğretim Üyesi Doç. Dr. Ramazan TÜRKMEN danışmanlığında hazırlanarak, Selçuk Üniversitesi Fen Bilimleri Enstitüsü’ ne yüksek lisans tezi olarak sunulmuştur. Bu çalışmada yol gösteren ve destek olan değerli hocam Doç. Dr. Ramazan Türkmen’e ve desteklerinden dolayı TÜBİTAK’ a teşekkürlerimi sunarım. Bu günlere gelmemde büyük pay sahibi olan aileme ve uğradığım her hayal kırıklığında beni hoşgörü ve sabırla dinleyen, cesaretlendiren, tekrar amacıma yönelten canım yol arkadaşım Fadime ÖZKAN’ a teşekkürlerimi sunarım. Esma Baran KONYA-2012 vi İÇİNDEKİLER ÖZET ......................................................................................................................... iv ABSTRACT .................................................................................................................v ÖNSÖZ ...................................................................................................................... vi İÇİNDEKİLER ........................................................................................................ vii 1. GİRİŞ VE KAYNAK ARAŞTIRMASI ..................................................................1 2. ÖN BİLGİLER ........................................................................................................4 2.1. Genel Kavramlar.................................................................................................4 2.2. Matris Ayrışımları .............................................................................................8 2.3. Hermityen Matrisler .......................................................................................... 10 2.4. Pozitif Tanımlı Matrisler ................................................................................... 13 2.5. Löwner Kısmi Sıralama Bağıntısı ..................................................................... 18 2.6. Matris Normu .................................................................................................. 19 3. ÖZ DEĞER VE SİNGÜLER DEĞER EŞİTSİZLİKLERİ ................................. 24 3.1 Hermityen Matrislerin Öz Değerlerinin Karakterizasyonu.................................. 24 3.2. Blok Matrislerin Singüler Değer Eşitsizlikleri ................................................... 36 3.3. Majorizasyon Eşitsizlikleri................................................................................ 41 4.ANALİTİK ORTALAMA EŞİTSİZLİKLERİN MATRİSLERE UYGULANMASI ...................................................................................................... 45 4.1. Aritmetik Geometrik Ortalama Eşitsizliği ......................................................... 46 4.2. Heinz Ortalaması .............................................................................................. 60 5. A + iB VE A+B MATRİSLERİNİN SİNGÜLER DEĞERLERİ ........................ 66 6. SONUÇ VE ÖNERİLER....................................................................................... 74 KAYNAKLAR .......................................................................................................... 75 ÖZGEÇMİŞ............................................................................................................... 77 vii 1 1. GİRİŞ Kompleks sayıların bir çok özelliği matrislere de genişletilmiştir. Kompleks sayılarda reel sayıların yeri ile kompleks matrisler cümlesinde hermityen matrislerin yeri aynıdır. Hermityen matrislere spesifik bir pozitiflik özelliği eklenerek pozitif tanımlı matrisler elde edilmiştir. Böylece pozitiflik özelliği matrislere de genişletilmiştir. Bir matrisin kökü, kuvveti, mutlak değeri, eşleniği ve buna benzer reel sayılar üzerinde tanımlanan bir çok fonksiyon matrisler için de tanımlanmıştır. Kompleks sayılar üzerinde tanımlanan bir çok eşitsizlik matrislere uygulanmaya çalışılmıştır. Eşitsizliğin matris versiyonu doğru değilse eşitsizliğin matrislerin singüler değer veya üniter invaryant norm versiyonları incelenmiştir. Reel sayılar üzerinde tanımlanan ortalamalar matrisler üzerinde de tanımlanması bir çok problemin çözümünde önemli bir araç olmuştur. Bundan dolayı operatörler ve matrisler üzerinde yeni ortalamalar tanımlanmaya çalışılmıştır. Bu çalışmada temel olarak reel sayılar üzerinde tanımlanan bir eşitsizliğin matrislere nasıl uygulandığı verilmiştir. Çalışmanın birinci bölümü Giriş ve Kaynak Araştırması’na ayrılmış, ikinci bölümde ise hermityen ve pozitif yarı tanımlı matrisler, matris ayrışımları, matris normları ve Löwner Kısmi Sıralama Bağıntısı hakkında bazı temel tanım ve teoremler verilmiştir. Üçüncü bölümde majorizasyon tanımı, 2 2 blok matrislerin bazı özellikleri, hermityen matrisin öz değerlerini ve herhangi bir matrisin singüler değerlerini karakterize eden Courant – Fischer, Rayleigh – Ritz teoremi ve bunların sonuçları ele alınmıştır. Dördüncü bölümde aritmetik - geometrik ortalama eşitsizliğinin matris versiyonları ve Heinz ortalaması yer almıştır. Beşinci bölümde ise a b 2 a ib eşitsizliği aracılığıyla elde edilmiş, A+B ve A+iB matrislerinin singüler değerleri için majorizasyon eşitsizlikleri verilmiştir. 1.1. Kaynak Araştırması Bu bölümde, matrislerin singüler değerleri ve normları hakkında yapılan çalışmalar hakkında bilgi vereceğiz. Bhatia ve Kittaneh (1990), herhangi A, B M n matrisleri için 2 s j ( AB* ) 1 s j ( AA* BB * ) , 1 j n 2 singüler değer eşitsizliği verilmiştir. Bu eşitsizliğin sonucu olarak A, B M n olmak üzere her üniter invaryant norm için ||| AB ||| 1 ||| AA* BB * ||| 2 dir. Bhatia ve Davis (1993), Bhatia ve Kittaneh (1990) tarafından verilen norm eşitsizliğini genelleştirmiştir. A, B, X M n olmak üzere ||| A* XB ||| 1 ||| AA* X XBB* ||| 2 üniter invaryant norm eşitsizliği verilmiştir. Bhatia R., Kittaneh F. (2000) Bu çalışmada, matrisler için aritmetik-geometrik ortalama eşitsizlikleri incelenmiş ve matrislerin iz ve üniter invaryant normları için eşitsizlikler elde edilmiştir. Bhatia ve Kittaneh (2009), A, B matrisleri hermityen veya en az birinin pozitif yarı tanımlı olması durumunda A + B ve A+ iB matrisleri için singüler değer eşitsizliği sunulmuştur Audenaert (2007), A, B M n pozitif yarı tanımlı olmak üzere 0 v 1 için s j ( Av B1v A1v B v ) s j ( A B) , 1 j n olduğunu göstermiştir. Tao (2006), Bhatia ve Kittaneh tarafından 2s j ( AB* ) s j ( A* A B*B) matrislerin singüler değerleri için aritmetik geometrik eşitsizliği bulunmuştur. Bu çalışmada bu eşitsizliğe denk bir eşitsizlik ve daha genel bir eşitsizlik sunulmuştur. 3 Bhatia ve Kittaneh (2008), aritmetik-geometrik ortalama eşitsizliğinin matris versiyonları incelenmiştir. Zhang F. (2001) Bu çalışmada ilk olarak birçok yazar tarafından elde edilen sonuçları da içeren pozitif yarı tanımlı blok matrislerin singüler değerlerini içeren zayıf bir logaritmik majorizasyon eşitsizliği sunulmuştur. Daha sonra pozitif yarı tanımlı blok matrisler için daha önceki sonuçları da içeren matrislerin toplam, çarpım ve Hadamard çarpımları için birçok matris eşitsizliği elde edilmiştir. Zhan X. (2004) Bhatia ve Kittaneh tarafından matrislerin singüler değerleri için 2s j ( AB* ) s j ( A* A B*B) aritmetik geometrik eşitsizliği bulunmuştur. Bu çalışmada bu eşitsizliğin farklı bir ispatı ve bu eşitsizliğe denk bir eşitsizlik verilmiştir. Ayrıca bulunan bu eşitsizlik kullanılarak yeni bir iz eşitsizliği ispatlanmıştır. Zhan X. ( 2000) Bu çalışmada matrislerin pozitif yarı tanımlı matrislerin toplamı, direkt toplamı ve farkı için için zayıf log majorizasyon, üniter invaryant norm ve öz değer üzerine bazı eşitsizlikler sunulmuştur. 4 2. ÖN BİLGİLER n – kare kompleks matrislerin kümesi M n ile gösterilmiştir. Benzer şekilde n m mertebeli kompleks matrislerin kümeside M n , m ile gösterilmiştir. Bu bölümde matris teori ile ilgili bazı temel kavram ve teoremler verilmiştir. 2.1. Genel Kavramlar Tanım 2.1.1. V, üzerinde vektör uzay olmak üzere L :V V lineer dönüşüm olsun. Bu takdirde herhangi bir v V için L(v) v (2.1) şartını sağlayan varsa v vektörüne L lineer dönüşümün öz vektörü denir. Eğer v 0 ise (2.1) şartını sağlayan sadece bir tane vardır. Bu durumda değerine v V öz vektörüne ait L lineer dönüşümün öz değeri denir. Her matris lineer dönüşümle ifade edilebileceğinden matrisin öz değer ve öz vektörlerinden bahsedebiliriz. A M n matrisinin temsil ettiği lineer dönüşüm L olsun. Bu takdirde L dönüşümü L : n n x Ax şeklindedir. Şimdi L lineer dönüşümünün öz değer ve öz vektörlerini bulalım: x n olmak üzere L( x) Ax x ( I A) x 0 (2.2) 5 homojen lineer denklem sistemi elde edilir. ( I A) matrisinin determinantından elde edilen polinoma A matrisinin Karakteristik polinomu denir. det( I A) = 0 deklemine A matrisinin Karakteristik denklemi ve bu denklemin köklerine A matrisinin öz değerleri denir. i ( 1 i n ) için ( I A) x 0 denklem sisteminin xi 0 çözüm vektörüne A matrisinin öz vektörü denir. Tanım 2.1.2. A matrisinin öz değerlerinin kümesine A matrisinin spektrumu denir ve ( A) ile gösterilir. Teorem 2.1.1. (Spektral Dönüşüm Teoremi) A M n ve f herhangi bir polinom olmak üzere ( f ( A)) f ( ( A)) f ( ) : ( A) (2.3) dir. Ayrıca A tersinir bir matris ise 1 ( A1 ) ( ( A)) 1 : ( A) (2.4) olur. (Horn ve Johnson, 1985) Sonuç 2.1.1. A matrisinin singüler olması için gerek ve yeter şart 0 ( A) olmasıdır. (Horn ve Johnson, 1985) Sonuç 2.1.2. A M n olsun. Bu takdirde k 1, 2,..., n olmak üzere ( Ak ) ( ( A)) k k : ( A) (2.5) dir. (2.5) eşitliğinden 1 k ( Ak ) ( A) elde edilir. Teorem 2.1.2. A, B M n olmak üzere AB ve BA matrislerinin karakteristik polinomu aynıdır, dolayısıyla (2.6) 6 ( AB) ( BA) dir. Fakat A (2.7) ve B matrisleri kare matris değilse durum farklıdır. A M m,n ve B M n ,m ( m n) olmak üzere ( AB) {1 , 2 ,...m } ise m n ( BA) {1 , 2 ,...m , 0, 0,..., 0} (2.8) olur. Sonuç olarak AB ve BA matrislerinin karakterisitik polinomu farklıdır ve sıfır olmayan öz değerleri aynıdır. (Murad, 2003) Determinant ve iz fonksiyonu matrisler üzerinde tanımlıdır. Aşağıda bu fonksiyonlarla ile ilgili temel özellikler verilmiştir. Teorem 2.1.3. A, B M n olsun. Bu takdirde (i) det( AB) det( BA) (ii) det( AB) det( A)det( B) (iii) det( A) n det( A) n (iv) ( A) {1 , 2 ,..., n } olmak üzere det A i i 1 eşitlikleri geçerlidir. Eğer A M m,n ve B M n ,m ( m n) ise det( BA) 0 ve det( BA) det( AB) dır. (Murad, 2003) Tanım 2.1.3. A aij M n olmak üzere A matrisinin iz fonksiyonu n izA aii i 1 şeklinde tanımlanır. Teorem 2.1.4. A, B M n ve olsun. Bu takdirde aşağıdaki eşitlikler geçerlidir. (i) iz ( A) iz ( A) (ii) iz ( A B) iz ( A) iz ( B) 7 (iii) iz ( AB) iz ( BA) ( A M m,n ve B M n ,m matrisleri için de ifade geçerlidir.) (iv) P tersinir bir matris olmak üzere iz ( P 1 AP) iz ( A) dır. n (v) ( A) {1 , 2 ,..., n } olmak üzere izA i dır. (Murad, 2003) i 1 Tanım 2.1.4. A aij M n olmak üzere At a ji matrisine A matrisinin transpozesi A* a ji matrisine de A matrisinin adjointi (eşlenik transpozesi) denir. Teorem 2.1.5. A, B M n ve olsun. Bu takdirde aşağıdaki eşitlikler geçerlidir. (i) ( A* )* A (ii) ( A B)* A* B* (iii) ( AB)* B* A* (iv) ( A)* A* (v) det( A* ) det( A) (vi) iz ( A* ) iz ( A) (vii) ( A* ) ( A) { : ( A)} (viii) A matrisi tersinir olması için gerek ve yeter şart A* matrisi de tersinir olmasıdır, yani ( A* )1 ( A1 )* dir. (Murad, 2003) Tanım 2.1.5. A M m,n olmak üzere A* A matrisinin öz değerlerinin mutlak değerlerinin kareköklerine A matrisinin singüler değeri denir ve si ( A) (i 1, 2,..., n) ile gösterilir. Teorem 2.1.6. A M m,n olmak üzere rank ( A) r min{m, n} ise A matrisi, r tane sıfır olmayan singüler değere sahiptir. (Zhang, 1999) Tanım 2.1.6. A M n olmak üzere (i) A* A I ise A matrisine üniter matris denir. (ii) A* A AA* ise A matrisine normal matris denir. Matrisler Tanım 2.1.6’ da verilenlere göre sınıflandırılır. Bu sınıflandırma her çeşit matrisin sağladığı özellikler açısından önemlidir. Sonuç 2.1.3. Her üniter matris normal matristir. Teorem 2.1.7. A M n olmak üzere aşağıdaki ifadeler eş değerdir. 8 (i) A üniter matristir. (ii) A regüler bir matristir ve A1 A* dir. (iii) A* A I dir. (iv) A matrisinin sütunlar kümesi ortonormaldir. (v) A matrisinin satırlarının kümesi ortonormaldir. (vi) x n için y Ux olmak üzere y * y x* x dir. (Horn ve Johnson, 1985) Teorem 2.1.8. A aij M n olmak üzere aşağıdaki ifadeler eş değerdir. (i) A normal matristir (ii) A matrisin öz vektörleri ortonormal küme oluşturur. 2 n (iii) a ij i , j 1 n 2 i dir. (Horn ve Johnson, 1985) i 1 Tanım 2.1.7. A, B M n olsun. Eğer P 1 AP B şartını sağlayan P tersinir matrisi varsa A ve B matrislerine benzer matrisler denir. A B ile gösterilir. Eğer P matrisi üniter ise A ve B matrislerine üniter benzer matrisler denir. Teorem 2.1.9. A, B M n benzer matrisler olsun. Bu takdirde A ve B matrislerinin karakteristik polinomları aynıdır. O halde öz değerleri de aynıdır. Teorem 2.1.10. A, B M n olsun. Bu takdirde (i) A ve AT matrisleri benzerdir (ii) A* A ve AA* matrisleri benzerdir. (iii) AA ve AA matrisleri benzerdir. (Zhang, 1999) 2.2. Matris Ayrışımları Benzerlik yardımıyla matrislerin bazı özel tipteki matrislerin çarpımı şeklinde ifade edilmesi matris teoride önemlidir. Matrislerin çarpanlarına ayrılması matris ayrışımları ile yapılmaktadır. Bu bölümde bazı matris ayrışımları ve bu ayrışımların öneminden bahsedilmiştir. Tanım 2.2.1. A M n matrisi köşegenleştirilebilir denir. köşegen bir matrise benzerse A matrisine 9 Teorem 2.2.1. A M n matrisinin köşegenleştirilebilmesi için gerek ve yeter şart n tane lineer bağımsız öz vektörü olmalıdır. (Horn ve Johnson, 1985) Not 2.2.1. A M n matrisinin n tane farklı öz değeri varsa n tane lineer bağımsız öz vektörü vardır. Fakat tersi doğru değildir, yani A M n matrisinin n tane lineer bağımsız öz vektörü olması n tane farklı öz değeri olmasını gerektirmez. Teorem 2.2.2. A M n matrisinin 1, 2 ,..., n öz değerlerine x1 , x2 ,..., xn gibi n tane lineer bağımsız öz vektör karşılık gelsin. Bu takdirde, A PP 1 olacak şekilde A’nın öz vektörlerinden oluşan terslenebilir P matrisi ve A’nın öz değerlerinden oluşan köş (1 , 2 ,..., n ) köşegen matrisi vardır.(Bozkurt, Türen ve Solak, 2005) Teorem 2.2.3. (Schur Ayrışımı) A M n matrisinin öz değerleri 1 , 2 ,..., n olsun. Bu durumda * 1 2 * U AU n 0 olacak şekilde bir U üniter matrisi vardır. (Zhang, 1999) Teorem 2.2.4. (Spektral Ayrışım) A M n matrisinin öz değerleri 1 , 2 ,..., n olsun. Bu durumda A matrisinin normal olması için gerek ve yeter şart A matrisi üniter köşegenleştirilebilir olmasıdır, yani U * AU köş (1 , 2 ,..., n ) 10 olacak şekilde bir U üniter matrisinin vardır. (Zhang, 1999) Not 2.2.2. A M n matrisi normal ise n tane lineer bağımsız öz vektörü vardır. Teorem 2.2.5. (Singüler Değer Ayrışımı) A M m,n matrisinin rankı r ve singüler değerleri s1 , s2 ,..., sr olsun. Bu durumda D köş ( s1 , s2 ,..., sr ) olmak üzere D 0 A U V 0 0 olacak şekilde bir U ve V üniter matrisi vardır. (Zhang, 1999) Singüler değer ayrışımının önemi kare olmayan matrisler için de geçerli olmasıdır. Teorem 2.2.6. (Polar Ayrışımı) A M n olmak üzere A PU şartını sağlayan bir P 0 matrisi ve U üniter matrisi vardır. (Zhang, 1999) Her A M n matrisi Schur Ayrışımı ile üçgenleştirilebilir. A matrisinin n tane birbirinden farklı öz değeri varsa köşegenleştirilebilir. A matrisi normal ise Spektral Ayrışım ile üniter köşegenleştirilebilir. 2.3. Hermityen Matrisler Tanım 2.3.1. A M n olmak üzere A* A ise A matrisine hermityen matris denir Eğer A* A ise A matrisine ters hermityen matris denir. Hermityen matris tanımından aşağıdaki sonuçlar açıktır. (i) A = aij M n matrisinin hermityen olması için gerek ve yeter şart her i, j 1,2,..., n için aij a ji olmasıdır. Bu takdirde A hermityen matris ise köşegen elemanları reeldir. (ii) A M n hermityen matris ise normal matristir. Teorem 2.3.1. A, B M n ve , olsun. Bu takdirde 11 (i) A, B hermityen matrisler ise A B matrisi de hermityendir (ii) A, B hermityen matrisler olsun. O halde AB hermityen olması için gerek ve yeter şart AB = BA olmasıdır. (iii) Her A M n için A A* , AA* ve A* A hermityendir. (iv) A hermityen matris ise Ak matrisi de k 1,2,..., n için hermityendir. (v) A hermityen matris ise öz değerleri reeldir. (vi) A hermityen matris olmak üzere öz değerlerine karşılık gelen öz vektörler diktir. Öz vektörlerinin bir ortonormal kümesi vardır. (Horn ve Johnson, 1985) Not 2.3.1.Bir n-kare hermityen matrisin öz değerlerini 1 2 ... n şeklinde sıralayabiliriz. Benzer şekilde A M m , n matrisinin singüler değerlerini de s1 ( A) s2 ( A) ... sn ( A) 0 şeklinde sıralayabiliriz. Teorem 2.3.2. A M n matrisi S , T M n hermityen olmak üzere A S iT şeklinde tek türlü yazılır: 1 i S ( A* A) ve T ( A* A) 2 2 dir. (Horn ve Johnson, 1985) Tanım 2.3.2. A M n olsun. 12 1 i A ( A* A) i ( A* A) 2 2 1 yazılımına A matrisinin Cartesian ayrışımı denir. ( A* A) matrisine A matrisinin reel 2 kısmı denir ve Re(A) ile gösterilir. i * ( A A) matrisine de A matrisinin sanal kısmı 2 denir ve Im(A) ile gösterilir. Teorem 2.3.3. A aij M n matrisinin hermityen olması için gerek ve yeter şart aşağıdaki şartlardan en az birini sağlamalıdır. (i) x n için x* Ax dir. (ii) A normal matris ve öz değerleri reeldir. (iii) S M n için S * AS hermityendir.(Horn ve Johnson, 1985) Not 2.3.3. A aij M n matrisi hermityen olsun. Bu takdirde A matrisinin öz vektörlerinin ortonormal kümesi olduğundan ve Teorem 2.2.2’den A U U T olacak şekilde köşegen elemanları A matrisinin öz değerleri olan köşegen matrisi ve sütunları A matrisinin öz vektörlerinden oluşan U ortogonal matrisi vardır. A matrisinin öz değerleri 1 , 2 ,..., n ve bu öz değerlere sırasıyla karşılık gelen öz vektörler x1 , x2 ,..., xn olmak üzere bu ayrışımı A x1 x2 x 0 1 1 x2 ... xn 0 n xn 13 şeklinde yazabiliriz. 2.4. Pozitif Tanımlı Matrisler Bu bölümde pozitif yarı tanımlı matrislerle ilgili genel bilgi vereceğiz. Hermityen matrislerin kümesini pozitif yarı tanımlı matrislerin kümesini kapsar. Tanım 2.4.1. A M n verilsin. .,. , n vektör uzayı üzerinde Öklid iç çarpım fonksiyonunu göstermek üzere her x n için Ax, x x* Ax 0 oluyorsa A matrisi pozitif yarı tanımlı olarak adlandırılır ve A 0 ile gösterilir Benzer şekilde sıfırdan farklı her x n için Ax, x x* Ax 0 oluyorsa A matrisine pozitif tanımlı matris denir ve A 0 ile gösterilir. Aşağıdakiler tanımdan aşikardır. (i) A M n matrisinin pozitif yarı tanımlı olması için gerek ve yeter şart X M n ,m matrisi için X * AX 0 olmalıdır. (ii) Her pozitif yarı tanımlı matris hermityendir. (iii) A M n pozitif tanımlı ise A, A* , AT , A1 matrisleri de pozitif tanımlıdır. Teorem 2.4.1. (i) Pozitif yarı tanımlı (pozitif tanımlı) matrisin öz değerleri ve köşegen elemanları negatif olmayan reel sayılardır (pozitif reel sayı). (ii) Pozitif yarı tanımlı (pozitif tanımlı) matrisin her esas alt matrisi pozitif yarı tanımlıdır (pozitif tanımlıdır). (iii) Pozitif yarı tanımlı (pozitif tanımlı) matrisin determinantı ve izi negatif değildir (pozitifdir). (Horn ve Johnson, 1985) Sonuç 2.4.1. Pozitif yarı tanımlı (pozitif tanımlı) matrisin öz değerleri ile singüler değerleri aynıdır. 14 Teorem 2.4.2. A, B M n verilsin. , 0 olmak üzere A,B matrisleri pozitif tanımlı (pozitif yarı tanımlı) ise A B matrisi de pozitif tanımlı (pozitif yarı tanımlı) dır. (Horn ve Johnson, 1985) İspat. A, B aynı mertebeden pozitif tanımlı matris olsun. Bu takdirde her x n için x* Ax 0 ve x* Bx 0 olduğundan her x n için x* ( A B) x x* Ax x* Bx 0 olur. Her pozitif yarı tanımlı matrisin hermityen matris olduğunu biliyoruz. Aşağıda hermityen matrisin pozitif yarı tanımlı olması için gerekli kriter verilmiştir. Teorem 2.4.3. A M n hermityen matrisinin pozitif yarı tanımlı olması için gerek ve yeter şart bütün öz değerlerinin negatif olmamasıdır. (Horn ve Johnson, 1985) Benzer şekilde A M n hermityen matrisinin pozitif tanımlı olması için gerek ve yeter şart bütün öz değerlerinin pozitif olmasıdır. İspat. : A 0 ve , A matrisinin x 0 vektörüne ait öz değeri olsun. Bu takdirde Ax x x* Ax x* x x* x Ax, x x* Ax 0 x x0 x, x 15 olur. : A hermityen matrisinin öz değerleri negatif olmasın.( 1 , 2 ,..., n 0 ) Bu takdirde spektral ayrışımından A UDU * T olacak şekilde U üniter ve D = köş (1 , 2 ,..., n ) matrisi vardır. y y1 ,...., yn U * x olmak üzere her x n için Ax, x UDU * x, x DU * x,U * x Dy , y sağlanır ve Dy , y 1 0 0 2 0 0 0 y1 y1 0 y2 y2 , n yn yn 1 y1 y1 2 y2 , y2 n yn yn n i yi 2 0 i 1 olduğundan A matrisi pozitif yarı tanımlıdır. Sonuç 2.4.2. A M n regüler matrisi pozitif tanımlı olması için gerek ve yeter şart A1 matrisi pozitif tanımlı olmasıdır. Sonuç 2.4.3. A M n olsun. (i) A pozitif yarı tanımlı ise Ak ( k 1,2,... ) matrisi de pozitif yarı tanımlıdır. 16 (ii) A matrisi hermityen ise A2k ( k 1,2,... ) matrisi pozitif tanımlıdır. Teorem 2.4.4. A M n pozitif yarı tanımlı matris ve k 1,2,... olsun Bu takdirde B k A olacak şekilde bir tek B 0 matrisi vardır. (Horn ve Johnson, 1985) Tanım 2.4.2. A M n pozitif yarı tanımlı matrisi için B k A olacak şekilde B 0 matrisine A matrisinin k. kökü denir ve B A 1 k ile gösterilir. 1 1 Sonuç 2.4.4. A M n pozitif yarı tanımlı ise k 1,2,... olmak üzere ( Ak )1 ( A1 ) k dir. Sonuç 2.4.5. A, B M n ve A 0 olsun. A, B matrisleri değişmeli ise A1 2 , B matrisleri de değişmelidir. Teorem 2.4.5. A M n matrisinin pozitif yarı tanımlı olması için gerek ve yeter şart herhangi bir B matrisi için A B* B olarak yazılabilmesidir. (Zhang, 1999) İspat. : A M n pozitif yarı tanımlı matris olsun. Bu takdirde 1 1 1 1 A A 2 A 2 ( A2 )* A 2 yazılabilir. : Herhangi bir B matrisi için A B* B olsun. Bu takdirde her x n için iç çarpım fonksiyonunun özelliklerinden Ax, x B * Bx, x Bx, Bx 0 elde edilir. O halde A matrisi pozitif yarı tanımlıdır. 17 Sonuç 2.4.6. Her A M n matrisi için A* A matrisi pozitif yarı tanımlıdır. Tanım 2.4.3. Bir A matrisinin mutlak değeri 1 A A* A 2 şeklinde tanımlanır. Not 2.4.1. A M m,n olsun. Bu takdirde A ( A* A)1 2 matrisinin öz değerlerine A matrisinin singüler değerleri denir. Teorem 2.4.6. A, B M n olsun. Bu takdirde A 0 ise B* AB 0 dır. (Horn ve Johnson, 1985) İspat. A 0 olduğundan A1 2 matrisi vardır. Bu takdirde * * B* AB B* A1 2 A1 2 B B* A1 2 A1 2 B A1 2 B A1 2 B olduğundan Sonuç 2.4.6 ’dan B* AB 0 dır. Teorem 2.4.7. A, B M n pozitif tanımlı (pozitif yarı tanımlı) olsun. AB matrisinin pozitif tanımlı (pozitif yarı tanımlı) olması için gerek ve yeter şart A, B matrisleri değişmeli olmalıdır. (Zhang, 1999) İspat. A, B M n pozitif tanımlı olmak üzere Teorem 2.1.2 den 1 1 1 1 j ( AB) j ( A 2 ( A 2 B)) j ( A 2 BA 2 ) , j 1,..., n 1 2 1 2 dir ve A BA 0 olduğundan j ( AB ) 0 elde edilir. 18 A,B matrisleri değişmeli ve hermityen olduğundan AB matrisi de hermityendir. Ayrıca j ( AB ) 0 olduğundan AB matrisi pozitif yarı tanımlıdır. 2.5. Löwner Kısmi Sıralama Bağıntısı A, B M n hermityen matrisler olmak üzere A B matrisi pozitif yarı tanımlı ise A B yazılır. Benzer şekilde A B 0 ise A B yazılır. Teorem 2.5.1. Hermityen matrisler cümlesinde " " bağıntısı bir kısmi sıralama bağıntısıdır. Bu bağıntıya Löwner Kısmi Sıralama bağıntısı denir. Teorem 2.5.2. A, B M n hermityen matrisler olmak üzere A B olması için gerek ve yeter şart her C M n için C* AC C* BC sağlanmalıdır. (Zhang, 1999) Teorem 2.5.3. A, B M n hermityen matrisler, A pozitif tanımlı ve B pozitif yarı tanımlı olsun. Bu takdirde A B için gerek ve yeter şart ( BA1 ) 1 ve A B için gerek ve yeter şart ( BA1 ) 1 olmasıdır. (Horn ve Johnson, 1985) Sonuç 2.5.1. A, B M n pozitif tanımlı olsun. Bu takdirde aşağıdaki ifadeler geçerlidir. (i) A B olması için gerek ve yeter şart B 1 A1 olmalıdır. (ii) A B ise izA izB ve det A det B dir. (iii) j 1,2,..., n için j ( A) j ( B) dir.(Horn ve Johnson, 1985) Karekök fonksiyonunun pozitif yarı tanımlı matrisler için Löwner sıralamasını koruduğu aşağıda teoremle verilmiştir. Teorem 2.5.3. A, B M n pozitif yarı tanımlı matrisler olsun. Bu takdirde A B 1 1 ise A 2 B 2 dir. (Zhang, 1999) 1 1 1 1 İspat. A 2 B 2 matrisi hermityendir. O halde A 2 B 2 matrisinin pozitif yarı tanımlı olduğunu göstermek için öz değerlerinin negatif olmadığını göstermeliyiz. Öz değer tanımından 19 1 1 1 1 ( A2 B 2 ) x x B 2 x A2 x x elde edilir. Cauchy – Schwarz eşitsizliği, her x n için x, y 2 x, x y, y olduğunu ifade eder. Buna göre 1 1 xA* x ( x* Ax ) 2 ( x* Ax) 2 1 1 ( x* Ax) 2 ( x* Bx ) 2 12 12 ( A1 2 x )* ( A1 2 x ) ( B1 2 x)* ( B1 2 x) ( A1 2 x )* ( B1 2 x ) * 1 2 1 2 x A B x 1 1 x* A 2 ( A 2 x x) 1 x* Ax x* A 2 x 1 olur. Böylece her x n için x* A 2 x 0 olduğundan 0 dır. 2.6. Matris Normu Tanım 2.6.1. M n kümesi üzerinde n2 boyutlu vektör uzayıdır. ||| . |||: M n fonksiyonu aşağıdaki özellikleri sağlıyorsa buna Matris Normu denir. A M n olmak üzere 20 (1) ||| A ||| 0 (2) ||| A ||| 0 A 0 (3) c için ||| cA ||| c ||| A ||| (4) || AB ||| ||| A ||| . ||| B ||| (5) ||| A B ||| ||| A ||| ||| B ||| (1) - (4) şartlarını sağlayan fonksiyona da Genelleştirilmiş Matris Normu denir. Sonuç 2.6.1. A M n ve ||| . ||| matris normu olmak üzere (i) ||| A2 ||| ||| A ||| 2 (ii) ||| I ||| 1 (iii) A regüler matris olmak üzere ||| A1 ||| ||| I ||| ||| A ||| dir. (Horn ve Johnson, 1985) Örnek 2.6.1. A M n olsun. 1 2 n (1) A 2 aij 2 ifadesine Euclidian veya 2 normu denir. Ayrıca i , j 1 1 1 1 n 2 n 2 n 2 A 2 aij 2 iz( A* A) i ( A* A) si ( A) i 1 i 1 i , j 1 olur. n (2) A 1 aij ifadesine 1 normu denir. i , j 1 (3) A matrisinin singüler değerleri s1 ( A) s2 ( A) ... sn ( A) olmak üzere 21 1 n p A p si p ( A) , 1 p i 1 ifadesine Schatten p - normu denir. p =2 için Schatten p – normu Euclidian normuna eşittir. (4) A matrisinin singüler değerleri s1 ( A) s2 ( A) ... sn ( A) olmak üzere k A (k ) si ( A) i 1 ifadesine Ky Fan k – normu denir. p Schatten p – normu k 1 için Ky Fan – k normuna eşittir. p 1 için Schatten p – normu k n için için Ky Fan – k normuna eşittir. Herhangi bir vektör normundan matris normu nasıl elde edileceği aşağıdaki teoremde verilmiştir. Teorem 2.6.1. . , n üzerinde vektör normu olsun. Bu takdirde, A M n olmak üzere ||| A ||| max Ax max x 1 x 0 Ax x tanımlanan fonksiyon matris normudur. Bu norma . vektör normunun ürettiği norm veya operatör norm denir. Operatör norm (i) x n ve A M n için Ax ||| A ||| x (ii) ||| I ||| 1 özelliklerini sağlar. (Horn ve Johnson, 1985) 22 Örnek 2.6.2. n (1) 1 : n , x xi vektör normundan i 1 n ||| A |||1 max aij 1 j n i 1 matris normu elde edilir. Bu norma sütun normu denir (2) : n , x max{ xi } vektör normundan 1 j n n ||| A ||| max aij 1i n i 1 matris normu elde edilir. Bu norma satır normu denir. 1 n 2 (3) 2 : n , x xi 2 Öklid vektör normundan i1 ||| A |||2 max{ i ( A* A)} 1i n matris normu elde edilir. Bu norma Spektral norm denir. Tanım 2.6.2. ||| . ||| matris normu ve A M n olmak üzere her U veV üniter matrisleri için ||| A ||| ||| UAV ||| sağlanıyorsa . matris normuna Üniter invaryant matris normu denir. 23 Örnek 2.6.3. Euclidian normu, Schatten p- normu, Spektral norm, Ky Fan k – normu, satır ve sütun normu üniter invaryant normdur. 24 3. ÖZ DEĞER VE SİNGÜLER DEĞER EŞİTSİZLİKLERİ 3.1 Hermityen Matrislerin Öz Değerlerinin Karakterizasyonu Herhangi bir matrisin öz değerleri sadece karakteristik denklemin kökleri ile karakterize edilirken hermityen matrislerin öz değerleri Courant – Fischer teoremiyle de karakterize edilebilir. Rayleigh – Ritz teoremi bir hermityen matrisin en küçük ve en büyük elemanlarını, Courant – Fischer teoremi ise bütün öz değerlerini karakterize eder. Teorem 3.1.1(Rayleigh - Ritz) A Mn hermityen matrisinin öz değerleri 1 1 ... n olmak üzere her x n için n x* x x* Ax 1 x* x (3.1) 1 max x* Ax max x* Ax * * x x 1 xx (3.2) n min x* Ax min x* Ax x*x 1 x* x (3.3) x0 x0 dir. (Horn ve Johnson, 1985) İspat. A Mn hermityen matris olduğu için spektral ayrışımdan köş (1 , 2 ,..., n ) olmak üzere A U U * eşitliğini sağlayan U üniter matrisi vardır. Bu takdirde her x n için n x* Ax (Ux* )* (Ux* ) i (Ux* )i 2 i 1 2 elde edilir. (Ux* )i negatif olmadığından (3.4) 25 n n 2 n 2 n (Ux* )i i (Ux* )i x* Ax 1 (Ux* )i i 1 i 1 2 (3.5) i 1 dır. Ayrıca U üniter matris olduğundan n 2 n 2 (Ux* )i xi x* x i 1 i 1 eşitliği sağlanır. Bu eşitlik (3.5) eşitsizliğinde uygulanırsa (3.1) eşitsizliği elde edilir. (3.2) eşitliğini ispatlayalım. (3.3) eşitliği de benzer şekilde ispatlanır. (3.1) eşitsizliğinden her x n için x* Ax 1 x* x (3.6) dir. Eğer x vektörü 1 öz değerine ait öz vektör ise eşitlik sağlanır, yani Ax1 1 x1 x1* Ax1 1 x1* x1 1 x1* Ax1 x1* x1 (3.7) olur. (3.6) ve (3.7) ifadelerinin sonucu olarak (3.2) eşitliği elde edilir. Not 3.1.1. Rayleigh – Ritz teoremi ile hermityen matrislerin sadece en büyük ve en küçük öz değerleri karakterize edilebilir. Geri kalan öz değerler hakkında yorum yapamayız. Şimdi Rayleigh – Ritz teoremini esas alarak hermityen matrislerin diğer öz değerlerini karakterize edelim: 26 A M n hermityen matrisinin i öz değerine ait öz vektör ui olmak üzere {u1 , u2 ,..., un } kümesi A matrisinin ortonormal öz vektörleri kümesi olsun. Bu takdirde köş (1 , 2 ,..., n ) ve U u1 u2 ... un olmak üzere A U U * dır. u1 öz vektörüne dik her x n için n 2 x* Ax i U * x i i 1 dir. ui* x n 2 n i ui* x i ui* x i 1 2 (3.8) i i 2 2 i n negatif olmadığından n 2 2 n x* Ax i ui* x 2 ui * x 2 U * x i2 i 2 i 2 i 2 2 x* x 2 x* Ax x* x (3.9) elde edilir. Eğer x, u2 vektörü alınırsa öz değer tanımından (3.9) eşitsizliğinde eşitlik sağlanır. Au2 2u2 u2* Au2 2u2*u2 2 u2* Au2 u2*u2 (3.10) (3.9) ve (3.10) ifadelerinden x* Ax 2 max * max x* Ax * x 0 x x 1 xx x u x u 1 1 (3.11) 27 karakterize edilir. Bu eşitliği her öz değer için genelleştirirsek k max x 0 x u1 ,u2,...,u k 1 n k x* Ax max 1 x* x xu ,xu* x,..., u min x0 x un ,u n 1 ,...,u n k 1 (3.12) k 1 1 2 x* Ax x* x x* Ax , k 2,3,..., n min x* x 1 x u n ,un 1 ,...,un k 1 x* Ax , k 1, 2,..., n 1 (3.13) elde edilir. (3.12) ve (3.13) eşitliklerinin kullanılması için öz vektörleri bilinmesi gerektiğinden kullanımı azdır. Fakat bu eşitlikler önemli bir karakterizasyonun gelişmesini sağlamıştır. Teorem 3.1.2(Courant – Fischer). A M n hermityen matrisinin öz değerleri 1 2 ... n olsun. Bu takdirde w1 ,w2 ,...,wnk n min n x 0, x x w1 ,w2 ,...,wn k x* Ax k x* x (3.14) min max n x* Ax k x* x (3.15) max w1 ,w2 ,..., wk 1n x 0, x x w1 ,w2 ,...,wk 1 dir. (Horn ve Johnson, 1985) İspat. A Mn hermityen matris olduğu için spektral ayrışımdan köş (1 , 2 ,..., n ) olmak üzere A U U * eşitliğini sağlayan U üniter matrisi vardır. Herhangi bir {w1 , w2 ,..., wn k } n cümlesi verilsin. w1 , w2 ,..., wn k vektörlerinin her birine dik her 0 x n için {U * x : x n , x 0} { y n : y 0} olmak üzere 28 x* Ax (U * x)* (U * x ) (U * x)* (U * x ) y *y * x* x x* x (U * x )* (U * x) y y (3.16) dir. Ayrıca min x 0, xn x w1 , w2 ,..., wn k x* Ax x* x min y*y y* y min * y * y y 0, y n y U *w1 ,U *w2 ,...,U *wn k y y 1 y U *w1 ,U *w2 ,...,U *wn k n min * i yi 2 i yi 2 yi 2 y y 1 i 1 y U *w1 ,U *w2 ,...,U *wn k n min * y y 1 i 1 y U *w1 ,U *w2 ,...,U *wn k y1 y2 .... yk 1 0 n min * y y 1 ik y U *w1 ,U *w2 ,...,U *wn k 2 2 2 yk yk 1 ... yn 1 i n k yi 2 k ik olur. O halde herhangi bir {w1 , w2 ,..., wnk } n cümlesi min n x 0, x x w1 ,w2 ,...,wn k x* Ax k x* x eşitsizliği vardır. (3.13) eşitliğinde k n k alınırsa (3.17) 29 k min x0 x un ,un 1 ,...,uk 1 x* Ax x* x (3.18) elde edilir. Bu taktirde (3.17) eşitsizliğinde wi uni1 (1 i k 1) alınırsa eşitlik sağlanır. Sonuç olarak max w1 ,w2 ,...,wnk n min n x 0, x x w1 ,w2 ,...,wn k x* Ax k x* x eşitliği sağlanır. Not 3.1.2. Courant – Fischer teoremi max min x* Ax k (3.19) boyS k , S n xS x*x 1 min boyS n k 1,S n max x* Ax k (3.20) xS x* x 1 şeklinde de ifade edilebilir. Sonuç 3.1.1. A M n hermityen matrisinin j ( A) öz değerine karşılık gelen öz vektörü e j olmak üzere ortonormal öz vektörleri {e1 , e2 ,..., en } olsun. e1 , e2 ,..., ek vektörlerinin ürettiği uzay M olmak üzere k ( A) min x* Ax min x 1, xM x 1, xM x, Ax (3.21) 30 dir. boy M k olmak üzere, M n herhangi alt uzay ise k ( A) min x 1, xM x, Ax dir. Teorem 3.1.3 (Singüler değerler için Courant – Fischer) A M n olmak üzere max min Ax sk boyS k , S n xS x* x 1 min boyS n k 1, S n max Ax sk xS x* x 1 (3.22) (3.23) dir. (Bhatia,1997) Teorem 3.1.4 (Weyl) A, B M n hermityen matris olsun. Bu takdirde k 1, 2,..., n için k ( A) n ( B ) k ( A B) k ( A) 1 ( B) (3.24) eşitsizliği vardır. (Horn ve Johnson, 1985) İspat. (1) eşitsizliğinden her 0 x n için n ( B) x*Bx 1 ( B) x* x (3.25) 31 dir. Bu takdirde k ( A B) max w1 , w2 ,..., wn k n max w1 , w2 ,..., wn k n max w1 ,w2 ,...,wnk n min n x* ( A B ) x x* x min n x* Ax x* Bx * * xx xx min n x* Ax * n ( B) k ( A) n ( B) xx x 0, x x w1 ,w2 ,..., wn k x 0, x x w1 ,w2 ,..., wn k x 0, x x w1 ,w2 ,...,wn k eşitsizliği, yani (3.24) eşitsizliğinin birinci kısmı elde edilir. Eşitsizliğin ikinci kısmı da benzer şekilde gösterilir. Sonuç 3.1.2.(Weyl Monotonluk Teoremi) A, B M n hermityen matris olsun. B pozitif yarı tanımlı matris olmak üzere k 1, 2,..., n için k ( A) k ( A B) (3.26) dir. (Horn ve Johnson, 1985) İspat. Weyl eşitsizliğinin birinci kısmından k ( A) n ( B) k ( A B) , k 1, 2,..., n olduğunu biliyoruz. B pozitif yarı tanımlı olduğundan k ( B) 0 dır. Bu takdirde (3.27) eşitsizliğinden (3.27) 32 k ( A) k ( A B) elde edilir. Sonuç 3.1.3. A, B M n hermityen matris olsun. Bu takdirde k 1, 2,..., n için A B ise k ( A) k ( B) dir. A B Teorem 3.1.5(Yer Değiştirme Teoremi) H , H * olacak şekilde bir n × n B C hermityen matris ve 1 m n olmak üzere A, m – kare matrisi H’ın bir esas alt matrisi olsun. Bu durumda k 1, 2,...m için k nm ( H ) k ( A) k ( H ) (3.28) dir. (Zhang, 1999) İspat. Courant – Fischer teoreminden 1 m n olmak üzere A m – kare matrisi için k ( A) max min x* Ax boySmk k k * k m (3.29) k ( H ) max min x* Hx boySnk k k * k n (3.30) Sm xSm , x x 1 Sn xS n , x x 1 elde edilir. boyS0k k olmak üzere x S 0k { y : x Smk } n 0 (3.31) 33 şeklinde tanımlansın. Bu takdirde y *Hy x* Ax olduğundan k ( H ) max min x* Hx max min y* Hy max min x* Hx k ( A) k * k * k * k n k n k Sn xSn , x x 1 S0 yS0 , y y 1 Sm xS m , x x 1 (3.28) eşitsizliğinin ikinci kısmı elde edilir. Eşitsizliğin birinci kısmının ispatı H yerine –H alınarak benzer şekilde gösterilir. Sonuç 3.1.4. A M m hermityen matris olsun. V *V I n şartıyla herhangi bir V M m, n matrisi için imn ( A) i (V * AV ) i ( A) , 1 i m (3.32) dır. (Zhang,1999) Sonuç 3.1.5.(Ky Fan Maksimum İlkesi) A M n hermityen matris olmak üzere k k ( A) i i 1 max * i x Ax , 1 k n x1 , x2 ,..., xk n , i 1 x1, x2 ,..., xk ortonormal i dır. (Zhang, 1999) İspat. x2 ,..., xk n herhangi ortonormal vektörler olmak üzere V x1 x2 ... xk olsun. V *V I n olduğundan (3.32) eşitsizliğinden (3.33) 34 1 (V * AV ) 1 ( A), 2 (V * AV ) 2 ( A),...., k (V * AV ) k ( A) (3.34) eşitsizlikleri elde edilir. Bu eşitsizlikler taraf tarafa toplanırsa k k i (V * AV ) i ( A) i 1 (3.35) i 1 dir, ayrıca V * AV M k olduğundan k k i (V * AV ) iz (V * AV ) xi* Axi i 1 (3.36) i 1 dir. O halde (3.35) ve (3.36) ifadelerinden k k x i i 1 * Axi i ( A) (3.37) i 1 elde edilir. Eğer x1 , x2 ,..., x k vektörlerini A matrisinin birim öz vektörleri olarak seçersek k k xi* Axi i ( A) i 1 i 1 olur. Bu takdirde (3.37) ve (3.38) ifadelerinden (3.38) 35 k k i ( A) i 1 * i x Ax max x1 , x2 ,..., xk n , i 1 x1, x2 ,..., xk ortonormal i istenilen elde edilir. Not 3.1.3. Ky Fan Maksimum İlkesi A M n hermityen matris olmak üzere k ( A) i i 1 max iz (UAU * ) , 1 k n UU * I U M n ,k (3.39) şeklinde de ifade edilebilir. (Horn ve Johnson, 1985) Sonuç 3.1.6. A M n herhangi bir matris olsun. x1 , x2 ,..., xk n ve y1 , y2 ,... yk n olmak üzere k k s ( A) j j 1 max x1 ,..., xk ortonormal j 1 y ,..., y ortonormal 1 k y j , Ax j , 1 k n (3.40) dir. Bu eşitlik x1 , x2 ,..., xk n olmak üzere k k s ( A) j j 1 max x1 ,..., xk ortonormal j 1 U üniter x j ,UAx j , 1 k n şeklinde de ifade edilebilir. (Bhatia, 1997) (3.41) 36 Sonuç 3.1.7. A M n hermityen matris olmak üzere k ( A) i i 1 max det( U * AU ) , 1 k n * UU I U M n ,k (3.42) dir. (Bhatia, 1997) Sonuç 3.1.8. A M n olmak üzere k s ( A) i i 1 max det( U * AU ) , 1 k n UU * I U M n ,k (3.43) dir. (Bhatia, 1997) 3.2. Blok Matrislerin Singüler Değer Eşitsizlikleri Blok matisler, çeşitli matris eşitsizliklerinin elde edilmesinde önemli rol oynamaktadır. Bu bölümde bazı özel tipteki blok matrislerin spektrumu karakterize edilmiştir. Son olarak da blok matrislerin singüler değer eşitsizliklerine yer verilmiştir. A 0 Lemma 3.2.1. A, B M n olmak üzere M blok matrisi tanımlansın. Bu 0 B takdirde ( M ) {1 ( A), 2 ( A),...., n ( A), 1 ( B),..., n ( B)} dir. (3.44) 37 A 0 Sonuç 3.2.1. A M n hermityen olmak üzere M blok matrisi tanımlansın. 0 A Bu takdirde ( M ) {s1 ( A), s2 ( A),...., sn ( A), sn ( A),..., s1 ( A)} (3.45) dir. Yani j 1, 2,..., n için s j ( A) j ( A A) (3.46) olur. (Zhang, 1999) 0 Lemma 3.2.2. A M m, n ve rank A r olmak üzere M * A A blok matrisi 0 tanımlansın. (i) M matrisi hermityendir. m n r (ii) ( M ) { s1 ( A), s2 ( A),...., sr ( A), 0, 0,...., 0, sr ( A),..., s1 ( A)} dır. Dolayısıyla j 1, 2,..., r için s j ( A) j ( M ) dir (Zhang, 1999). A 0 Lemma 3.2.3. A, B M n pozitif yarı tanımlı ise M blok matrisi de pozitif 0 B yarı tanımlıdır. (Horn ve Johnson, 1985) B A Lemma 3.2.4. A, B M n pozitif yarı tanımlı ve A B olsun. Bu takdirde M A B blok matrisi de pozitif yarı tanımlıdır. (Zhang, 1999) Teorem 3.2 .1 H , K M n hermityen matris olsun. Bu takdirde 38 H K K 0 H K H (3.47) olur. (Zhang, 2001) Teorem 3.2.2 A M n pozitif yarı tanımlı ve B M n ,m olsun. X M n olmak üzere A B* B 0 X B* A1B X (3.48) dir. (Zhang, 2001) Teorem 3.2.3. A, B M n pozitif yarı tanımlı matris olmak üzere s j ( A B) s j ( A B) , 1 j n (3.49) dir. (Zhan,2004) İspat. A, B M n pozitif yarı tanımlı matris olduğundan Lemma 3.2.3’ den A B 0 ve B A 0 dır. Bu takdirde 0 B A 0 A B 0 B 0 B A 0 dir.(3.50) ve Sonuç 3.1.3’den 0 0 ( A B) ( B A) A B A (3.50) 39 j (( A B ) ( B A)) j ( A B ) s j ( A B ), 1 j 2n (3.51) olur. Son olarak (3.46) ve (3.51) ifadelerinden s j ( A B )) s j ( A B ), 1 j n istenilen elde edilir. (3.49) eşitsizliği Kittaneh (2008), çalışmasında (3.49) eşitsizliğinin genel hali ispatlanmıştır. Teorem 3.2.4. A, B, X M n ve A, B pozitif yarı tanımlı matris olmak üzere s j ( AX XB ) X s j ( A B ) , j 1, 2,..., n dir. (Kittaneh, 2008) Sonuç 3.2.2. A, B, X M n ve A, B pozitif yarı tanımlı matris olmak üzere her üniter invaryant norm için ||| AX XB ||| ||| X ||| .||| A B ||| (3.53) dir. X I alınırsa ||| A B ||| ||| A B ||| (3.54) 40 elde edilir. M Teorem 3.2.5 M , N M n ve * K K 0 olsun. Bu takdirde r min{m, n} olmak N üzere M 2s j ( K ) s j * K K , j 1, 2..., r N (3.55) dir. (Tao, 2006) İspat. K M olsun. Bu takdirde * 0 K 0 M , N M n olmak üzere Q * K K 0 N olduğundan Teorem 2.4.6’dan Im 0 0 0 M In K * K Im N 0 0 M In K * K M N K* K M 2Q 2Q * N K K (3.56) N elde edilir. Sonuç 3.1.3 ve (3.56) ifadelerinden M 2 j (Q) j * K K M s j * N K K , j 1, 2..., m n N dir. Lemma 3.2.2’ den Q blok matrisinin öz değerleri (3.57) 41 m n r ( M ) { s1 ( K ), s2 ( K ),...., sr ( K ), 0, 0,...., 0, sr ( K ),..., s1 ( K )} olduğundan (3.57)’ den M 2s j ( K ) s j * K K , j 1, 2..., r N istenilen elde edilir. (3.55) ve (3.49) eşitsizliklerinin, Tao (2006) çalışmasında eş değer oldukları gösterilmiştir. Teorem 3.2.6. Aşağıdaki ifadeler eş değerdir. (i) A, B M n pozitif yarı tanımlı matris olmak üzere 1 j n için s j ( A B ) s j ( A B ) dır. (ii) A, B M n olmak üzere 1 j n için 2s j ( XY * ) s j ( X * X Y *Y ) dir. (iii) M , N M n ve M K* K 0 olsun. Bu takdirde r min{m, n} olmak N M üzere j 1, 2..., r için 2s j ( K ) s j * K K dir. (Tao, 2006) N 3.3. Majorizasyon Eşitsizlikleri Majorizasyon kavramı eşitsizlik türetmek için son derece güçlü ve kullanışlı bir teori olarak ortaya çıkmıştır. Issai Schur (1923)’ un öncü çalışması ‘ pozitif yarı tanımlı bir matrisin öz değerleri, köşegen elemanlarını majorize eder’ keşfiyle matris teoriye girmiştir. Böylece majorizasyon kavramının matris eşitsizliklerinde de önemli artmıştır. Bu bölümde çalışmamızda yardımcı olacak bazı majorizasyon tanımları ve eşitsizlikleri verilecektir. 42 x ( x1 , x2 ,..., xn ) n vektörünün bileşenlerini büyükten küçüğe doğru sıraladığımızda elde edilen vektörü x ( x1 , x2 ,..., xn ) şeklinde gösterelim. x1 x2 ... xn Benzer şekilde x ( x1 , x2 ,..., xn ) n vektörünün bileşenlerini küçükten büyüğe doğru sıraladığımızda elde edilen vektörü x ( x1 , x2 ,..., xn ) şeklinde gösterelim. x1 x2 ... xn Örneğin x (2, 0,8, 2) ise x (8, 2, 0, 2) ve x (2, 0, 2,8) şeklindedir. Tanım 3.3.1 x ( x1, x2 ,..., xn ) , y ( y1 , y2 ,..., yn ) n olmak üzere k k xi yi , k = 1, 2, . . . ,n i 1 i 1 ise x, y tarafından zayıf majorize edilir denir ve x w y ile gösterilir. x w y ’ ye ek n olarak n x i i 1 yi ise x, y tarafından majorize edilir denir ve x y ile gösterilir. i 1 (Zhang, 2011) Tanım 3.3.2 x ( x1, x2 ,..., xn ) , y ( y1 , y2 ,..., yn ) n vektörlerinin bileşenleri negatif olmasın. Bu takdirde 43 k k xi yi , k = 1, 2, . . . ,n i 1 i 1 ise x, y tarafından zayıf log- majorize edilir denir ve log x w log y ile gösterilir. n log x w log y ’ ye ek olarak n xi yi ise x, y tarafından log- majorize edilir denir i 1 i 1 ve log x log y ile gösterilir. (Zhang, 2011) Teorem 3.3.1 Log- majorizasyon majorizasyonu sağlar. (Zhang, 2011) Teorem 3.3.2(Schur) H M n hermityen matrisinin köşegen elemanları1 i n olmak üzere di ( H ) ile gösterilsin. Bu takdirde d ( H ) ( H ) dir. (Zhang, 2011) İspat. H k (1 k n ) köşegen elemanları d1 ( H ), d 2 ( H ),...., d k ( H ) olan H matrisinin esas alt matrisi olsun. Bu takdirde Teorem 3.1.5’ den k k k d ( H ) iz H ( H i i 1 k i k i 1 ) i ( H ) d ( H ) w ( H ) (3.58) i 1 olur. Ayrıca k n alınırsa n n d ( H ) iz H ( H ) i i 1 i i 1 olur. Sonuç olarak (3.58) ve (3.59) ifadelerinden d ( H ) ( H ) elde edilir. Teorem 3.3.3.(Weyl) H M n olmak üzere ( A) log s ( A) dir. (Zhang, 2011) Teorem 3.3.4. A, B M n hermityen matris olmak üzere (3.59) 44 (i) ( A B) ( A) ( B) (ii) ( A) ( B) ( A B) dir. (Zhang, 2011) Teorem 3.3.5. A, B M n olmak üzere (i) s ( A B ) w s( A) s( B) (ii) s ( A) s ( B ) w s ( A B ) dir. (Zhang, 2011) Teorem 3.3.6. (Fan) A M n olmak üzere Re ( A) (Re A) dir. (Zhang, 2011) Teorem 3.3.7.(Fan Dominance Teoremi) A, B M n olsun. Bu takdirde A (k ) B (k ) , 1 k n eşitsizliğinin sağlanması için gerek ve yeter şart her üniter invaryant norm için ||| A ||| ||| B ||| eşitsizliği sağlanmasıdır. (Zhang, 2011) 45 4.ANALİTİK ORTALAMA EŞİTSİZLİKLERİN MATRİSLERE UYGULANMASI Bu bölümde literatürde bilinen analitik ortalama eşitsizliklerinin matris versiyonlarını inceleyeceğiz. Eşitsizlik matrislere uygulanırken aşağıdaki sıra takip edilir. X , Y M n olsun. X Y (4.1) s j ( X ) s j (Y ) , 1 j n (4.2) k k s j ( X ) s j (Y ) , 1 k n j 1 j 1 k k (4.3) s j ( X ) s j (Y ) ,1 k n j 1 (4.4) j 1 (4.1) - (4.4) eşitsizliklerinin her biri kendisinden sonraki eşitsizlikten kuvvetlidir. Sonuç 3.1.3’den dolayı (4.1) eşitsizliği (4.2) eşitsizliğinden kuvvetlidir. Log – majorizasyon majorizasyonu sağladığı için (4.3), (4.4) eşitsizliğinden kuvvetlidir. Yani (4.1) eşitsizliği en güçlü (4.4) eşitsizliği en zayıf eşitsizliktir. Fan Dominance teoreminden (4.4) eşitsizliği ||| X ||| ||| Y ||| üniter invaryant norm eşitsizliğine denktir. (4.5) 46 4.1. Aritmetik Geometrik Ortalama Eşitsizliği Tanım 4.1.1. x, y olmak üzere xy x y 2 (4.6) eşitsizliğine aritmetik geometrik ortalama eşitsizliği denir. (4.6 ) eşitliğinde x, y yerine sırasıyla x 2 , y 2 alınırsa ve (4.6) eşitsizliğinin her iki tarafının karesini alırsak aritmetik geometrik eşitsizliğinin farklı iki formunu elde ederiz: x2 y2 2 (4.7) ( x y )2 4 (4.8) xy xy (4.6) - (4.8) eşitsizliklerinin her biri diğerinden elde edilebilir. Fakat bu eşitsizliklerin her birinin matris versiyonu farklıdır. İlk olarak literatürde (4.7) eşitsizliğinin matris formu üzerinde çalışılmıştır (4.7) eşitsizliğinin matris versiyonları, A, B 0 olmak üzere AB A2 B 2 2 s j ( AB) 1 s j A2 B 2 2 (4.9) (4.10) 47 ||| AB ||| 1 ||| A2 B 2 ||| 2 (4.11) şeklinde yazılabilir. Fakat A, B 0 olmak üzere (4.9) eşitsizliği doğru değildir. Gerçekten 1 1 1 0 A ve B 0 0 alınırsa eşitsizliğin sağlanmadığını gösterelim: 1 1 1 1 2 1 2 1 2 2 0 2 2 0 AB (( AB) AB) ( B A AB) ( BA B) 0 0 0 0 * * * 2 3 1 A2 B 2 2 2 1 1 3 2 1 A2 B 2 AB 2 2 1 1 3 2 1 1 A2 B 2 A2 B 2 AB 0 AB 2 20 2 2 2 1 1 Not 4.1.1. A, B M n pozitif yarı tanımlı matrisleri değişmeli olsun. Bu takdirde (4.9) eşitsizliği sağlanır. İspat. A, B M n pozitif yarı tanımlı matrisleri değişmeli olduğundan Teorem 2.4.7’den AB matrisi de pozitiftir. Bu takdirde ( A B)2 0 A2 B 2 AB BA A2 B 2 2 AB 0 A2 B 2 2 AB 2 AB 48 Teorem 4.1.1. A, B M n olmak üzere 1 s j ( AB* ) s j ( AA* BB* ) , 1 j n 2 (4.12) dir. (Bhatia ve Kittaneh, 2008) A B I 0 İspat. X ve U olsun. Bu takdirde 0 0 0 I AA* BB* 0 A* A A*B * XX ve X X * * 0 0 B A B B * olur. X * X matrisinin esas köşegen elemanlarını 0 matrisi alarak Y matrisini oluşturalım: 0 A* B X * X U ( X * X )U * Y * 2 B A 0 Teorem 2.4.6’dan U ( X * X )U 0 olduğundan (4.13) eşitliğinden (4.13) X *X Y matrisi de 2 pozitif yarı tanımlıdır. Bu takdirde Sonuç 3.1.3’ den X *X X *X 1 Y 0 Y j X * X j (Y ) , 1 j 2n 2 2 2 (4.14) 49 elde edilir. X * X XX * olduğundan öz değerleri aynıdır. XX * , AA* BB* matrisleri pozitif yarı tanımlı olduğundan öz değerleri ile singüler değerleri aynıdır. Bu takdirde Lemma 3.2.1’ den XX * blok matrisinin öz değerleri ( XX * ) =( s1 ( AA* BB* ), s2 ( AA* BB* ),...sn ( AA* BB* ), 0,...,0 ) 1 j n (4.15) dir. Y hermityen blok matrisinin öz değerleri Lemma 3.2.2’den s j ( A* B ) ve s j ( A* B ) ( 1 j n ) dir: (Y ) ( s1 ( A* B ), s2 ( A* B ),...sn ( A*B ), sn ( A* B ),..., s1 ( A*B )) (4.16) Sonuç olarak (4.14), (4.15) ve (4.16) ifadelerinden 1 s j AA* BB* s j ( A* B) 2 (4.17) elde edilir ki istenendir. (4.12) eşitsizliği (4.10) eşitsizliğinden güçlüdür. (4.12) eşitsizliğinde A, B M n matrisleri pozitif yarı tanımlı alınırsa (4.10) eşitsizliği elde edilir. Sonuç 4.1.1. A, B M n olmak üzere her üniter invaryant norm için ||| AB ||| 1 ||| AA* BB * ||| 2 (4.18) 50 dır. Özel olarak A, B M n pozitif yarı tanımlı alınırsa ||| AB ||| 1 ||| A2 B 2 ||| 2 elde edilir. İspat. Teorem 4.1.1’ den A, B M n için k s j ( A* B) j 1 1 k s j ( AA* BB* ) , 1 k n 2 j 1 dir. Bu takdirde Fan Dominance teoreminden (4.19) eşitsizliği (4.18) eşitsizliğine denktir. Bhatia ve Davis (1993) tarafından (4.18) eşitsizliği genelleştirilmiştir. Eşitsizliğe geçmeden önce ispatında kullanılan yardımcı teoremi verelim. Lemma 4.1.1. AB matrisi hermityen olacak şekilde A, B herhangi matris olsun. Bu takdirde her üniter invaryant norm için ||| AB ||| ||| Re( BA) ||| dir. (Bhatia, 1997) Teorem 4.1.2. A, B, X M n olsun. Bu takdirde (4.19) 51 ||| A* XB ||| 1 ||| AA* X XBB* ||| 2 (4.20) dir. (Bhatia ve Davis ,1993) İspat. A, B, X M n hermityen matris ve A B olsun. Öncelikle bu özel durum için (4.20) eşitsizliğini ispatlayalım: A, X matrisleri hermityen olduğundan AXA matrisi de hermityendir. Gerçekten ( AXA)* A* X * A* AXA (4.21) dir. Bu takdirde A, XA matrislerinin çarpımı AXA matrisi hermityen olduğundan Lemma 4.1.1’ den ||| AXA ||| ||| Re( XA2 ) ||| 1 1 ||| ( XA2 ) ( XA2 )* ||| ||| XA2 A2 X ||| 2 2 (4.22) olur. Sonuç olarak A, B, X M n hermityen matris ve A B şartı için (4.20) eşitsizliği ispatlanmıştır. Şimdi daha genel bir durum için (4.20) eşitsizliğini ispatlayalım: A, B hermityen matrisler ve X herhangi bir matris olsun. T ve Y blok matrisleri A 0 0 T ve Y * 0 B X X 0 şeklinde tanımlansın. T, Y blok matrisleri hermityen olduğundan (4.22) eşitsizliğinden 52 ||| TYT ||| ||| T 2Y YT 2 ||| (4.23) elde edilir.(4.23) eşitsizliğindeki blok matrislerin çarpımı AXB 0 0 TYT * ve T 2Y YT 2 2 * * 2 0 BX A B X X A AX 2 X 2 B 0 olur. O halde (4.23) eşitsizliğinden istenen sonuç ||| AXB ||| 1 ||| A2 X XB 2 ||| 2 olarak elde edilir. Son olarak A, B, X M n matrisleri için (4.20) eşitsizliği ispatlayalım: A, B matrislerinin polar ayrışımı U , V pozitif yarı tanımlı matrisler olmak üzere A AU ve 1 B BV olsun. Bu takdirde 1 AA* X XBB * A12 X XB12 ||| A* XB ||| ||| UA1 XBV 1 ||| ||| A1 XB1 ||| eşitliklerinden ve (4.24) den (4.24) 53 1 ||| AA* X XBB* ||| 2 ||| A* XB ||| elde edilir ki, istenendir. İki pozitif yarı tanımlı matrisin çarpımlarının pozitif olması için iki matris değişmeli olmalıdır. Bu takdirde (4.6) eşitsizliği karekök fonksiyonu içerdiğinden eşitsizliğin matris versiyonlarını matrislerin değişmeli olup olmadıklarına göre iki durum altında inceleyeceğiz. A, B M n pozitif yarı tanımlı olsun. Bu takdirde (4.6) eşitsizliğinin matris versiyonları 1 1 AB 2 ( A B) 2 (4.25) 1 1 s j ( AB 2 ) s j ( A B) 2 1 ||| AB 2 ||| 1 ||| A B ||| 2 şeklindedir. A, B M n pozitif yarı tanımlı matrisleri değişmeli ise 1 1 1 1 AB 2 ( AB ) 2 A 2 B 2 olduğundan (4.6) eşitsizliğinin matris versiyonları (4.26) (4.27) 54 1 1 1 A 2 B 2 ( A B) 2 (4.28) 1 1 1 s( A 2 B 2 ) s j ( A B) 2 (4.29) 1 2 1 2 ||| A B ||| 1 A B 2 (4.30) şeklinde yazılabilir. 1 2 1 2 Not 4.1.1’ de A, B matrisleri yerine sırasıyla A , B alınırsa (4.28) eşitsizliği elde edilir. 1 1 Benzer şekilde Teorem 4.1.1 ve Sonuç 4.1.1 de A, B matrisleri yerine sırasıyla A2 , B 2 alınırsa (4.29) ve (4.30) eşitsizlikleri sağlanır. A, B M n pozitif yarı tanımlı olsun. Bu takdirde (4.6) eşitsizliğinin en zayıf matris versiyonu (4.27) eşitsizliği her üniter invaryant norm için ispatlanmamıştır. Bhatia ve Kittaneh (2000) tarafından iz normu için ispatlanmıştır. (4.26) eşitsizliği 1 1 2 s j ( AB) s j ( A B ) 2 (4.31) eşitsizliğine eş değerdir: (2.6) eşitliğinden X herhangi pozitif yarı tanımlı matris olmak üzere 2 2 1 2 sj (X ) sj (X ) s j (X ) s j (X 2) dir. Bu takdirde (4.32) 55 1 1 1 s j ( AB 2 ) s j 2 ( AB ) s j 2 ( AB ) (4.33) eşitsizliğinden sonuç açıktır. (4.31) eşitsizliği 2 2 matrisler için ispatlanmıştır. Teorem 4.1.4. A, B M n pozitif yarı tanımlı olsun. Bu takdirde 1 1 2 sn ( AB) sn ( A B) 2 (4.34) 1 2 1 s1 ( AB) s1 ( A B) 2 (4.35) dir. (Bhatia ve Kittaneh, 2000) İspat. (4.34) eşitsizliğini gösterelim. (4.35) eşitsizliği de benzer şekilde gösterilir. A, B M n matrisleri tersinir olsun. Bu takdirde 1 sn ( AB) n 2 ( BA2 B) 1 1 2 2 1 1 (( BA B) ) 1 1 2 1 1 1 2 (( B 1 A2 B 1 )) 2 1 (( B A B )) 1 1 ( A1 B 1 ) s1 ( A1B 1 ) 1 ( B 1 A2 B 1 ) 1 2 ( B 1 A2 B 1 ) 11 ( A1 B 1 ) 1 1 1 dir. (4.36), (4.37) ifadelerinden ve A1B1 B 2 ( B 2 A1B 2 ) B 1 (4.36) 1 1 1 1 1 1 2 (4.37) olduğundan 1 sn ( AB ) 11 ( A1B 1 ) 11 ( B 2 A1B 2 ) n ( B 2 AB 2 ) sn ( A 2 B 2 ) (4.38) 56 elde edilir. (4.38) ve (4.29) ifadelerinden 1 2 1 2 1 sn ( AB) sn ( A B ) sn ( A B) 2 (4.39) istenen elde edilir. Sonuç 4.1.2. 2 2 boyutlu A, B 0 matrisleri için (4.31) eşitsizliği 1 2 1 s j ( AB) s j ( A B ) , j 1, 2 2 sağlanır. Sonuç 4.1.3. 2 2 A, B 0 matrisleri için (4.26) eşitsizliği 1 1 s j ( AB 2 ) s j ( A B) , j 1, 2 2 sağlanır. A, B M n pozitif yarı tanımlı matrisleri için (4.8) eşitsizliğinin en zayıf matris versiyonu ||| AB ||| 1 ||| A2 B 2 ||| 4 (4.40) 57 ve 2 2 matrisler için singüler değer formu 1 s j ( AB) s j ( A B) 2 4 (4.41) ispatlanmıştır. A, B M n Teorem 4.1.5. pozitif yarı tanımlı olmak üzere (4.40) eşitsizliği doğrudur.(Bhatia ve Kittaneh, 2000) İspat. A, B M n pozitif yarı tanımlı olmak üzere (4.24) eşitsizliğinden 1 2 1 2 1 2 1 2 3 2 1 2 1 2 3 2 ||| AB ||| ||| A ( A B ) B ||| ||| A B A B ||| (4.42) elde edilir. Şimdi 3 1 1 3 s j ( A 2 B 2 A 2 B 2 ) s j ( A B)2 (4.43) eşitsizliğini ispatlayalım. 12 A X 1 B 2 0 I 0 ve U 0 I olmak üzere T matrisi 0 A * T XX 1 1 B 2 A 2 1 1 A2 B 2 B (4.44) 58 şeklinde tanımlansın. Bu takdirde 2 T 1 3 3 1 B 2 A 2 B 2 A 2 1 3 3 1 2 2 A2 B 2 A B 0 1 2 2 * (T UT U ) 1 3 3 1 2 B 2 A 2 B 2 A 2 3 2 (4.45) 1 2 1 2 3 2 A B A B 0 (4.46) dir. (4.46) ve Sonuç 3.1.3’den 0 1 2 2 * UT U 0 T 1 3 3 1 2 B 2 A 2 B 2 A 2 1 3 3 1 2 2 A2 B 2 A B 0 0 1 1 2 2 j (T ) s j (T ) j 1 3 3 1 2 2 B 2 A 2 B 2 A2 3 2 1 2 A B A B 0 1 2 3 2 (4.47) elde edilir. A B 0 T X *X ise s (T 2 ) ( s1 ( A B ), s2 ( A B ),..., sn ( A B ), 0,...,0)) 0 0 dir. Ayrıca (4.48) 59 1 3 3 1 2 2 1 3 1 3 1 3 1 3 3 1 3 1 3 1 3 1 A2 B 2 A B 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 ( s ( A B A B ),..., s ( A B A B ), s ( A B A B ),..., s ( A B A B )) 1 n n 1 0 0 1 3 3 1 B 2 A 2 B 2 A2 olduğundan ve (4.47) eşitsizliğinden 3 1 1 2 2 s j ( A 2 B 2 A B ) s j ( A B)2 , j 1, 2,..., n 2 1 3 (4.49) istenilen elde edilir. Paralel olarak 3 2 1 2 1 2 3 2 ||| A B A B ||| ||| ( A B) 2 ||| (4.50) eşitsizliği de doğrudur. (4.42) ve (4.49) eşitsizliklerinden ||| AB ||| 3 1 1 3 1 1 ||| A 2 B 2 A 2 B 2 ||| ||| ( A B ) 2 ||| 2 4 eşitsizliği bulunur. Sonuç 4.1.4. 2 2 A, B 0 matrisleri için (4.51) 60 1 s j ( AB) s j 2 ( A B) 4 (4.52) dir. İspat. (4.31) eşitsizliğinin her iki tarafının karesi alınırsa (4.52) eşitsizliği elde edilir. Sonuç olarak iki eşitsizlik birbirine denktir. Sonuç 4.1.5. 2 2 A, B 0 matrisleri için (4.41) eşitsizliği sağlanır. İspat.(4.52) eşitsizliği (4.41) eşitsizliğinden eş değer olduğunu gösterelim.X herhangi bir pozitif yarı tanımlı matris olmak üzere s j2( X ) s j ( X 2 ) (4.53) dir. Bu takdirde (2.5) eşitliğinden s j 2 ( A B) s j ( A B)2 (4.54) olduğundan sonuç açıktır. 4.2. Heinz Ortalaması Tanım 4.2.1. a, b olsun. 0 v 1 olmak üzere a vb1v a1vb 2 v (4.55) 61 ifadesine a ile b nin Heinz Ortalaması denir. a ile b nin Heinz Ortalaması H v (a, b) ile gösterilir ve (1) H v (a, b) H1v (a, b) (2) H 1 ( a, b) ab 2 1 (3) H 0 (a, b) H1 (a, b) (a b) 2 eşitlikleri sağlanır. Bu özelliklerden 1 ab H v (a, b) (a b) 2 (4.56) eşitsizliğinin sağlandığı açıktır. Yani iki pozitif reel sayının Heinz ortalaması, aritmetik ortalaması ile geomerik ortalamasının ortasındadır. (4.56) eşitsizliğinin üniter invaryant norm versiyonu 1 2 1 2 2 ||| A B ||| ||| Av B1v A1v B v ||| ||| A B ||| (4.57) şeklindedir. X herhangi bir matris olmak üzere (4.57) eşitsizliğinden kuvvetli olan 1 1 2 ||| A 2 B 2 ||| ||| Av B1 v A1 v B v ||| ||| AX XB ||| eşitsizliği Bhatia ve Davis (1993) çalışmasında ispatlanmıştır. (4.56) eşitsizliğinin singüler değer formu (4.58) 62 1 1 2s j ( A 2 B 2 ) s j ( Av B1v A1v B v ) s j ( A B ) (4.58) dır. eşitsizliğin birinci kısmının doğru olmadığını Audenaert (2007) çalışmasında aşağıdaki örnekle gösterilmiştir. 2 4 2 5 0 4 Örnek 4.2.1. A 4 8 4 ve B 0 0 0 olmak üzere 0 v 0.13 için 2 4 4 4 0 4 1 2 1 2 (4.59) s2 ( A B ) s2 ( H v ( A, B )) dir. Audenaert (2007) çalışmasında (4.58) eşitsizliğinin birinci kısmını ispatlamıştır. İspatta aşağıdaki teorem kullanılmıştır. Teorem 4.2.7. f fonksiyonu [0, ) aralığında monoton olsun. Bu takdirde A, B 0 matrisleri için 1 1 A B 2 A B 2 Af ( A) Bf ( B ) ( f ( A) f ( B )) 2 2 (4.60) eşitsizliği vardır. (Audenaert, 2007) Teorem 4.1.8. A, B M n pozitif yarı tanımlı olmak üzere 0 v 1 için s j ( Av B1v A1v B v ) s j ( A B ) , 1 j n (4.61) 63 dir. (Audenaert, 2007) İspat. f (t ) t r (0 t 1) fonksiyonu matris monotondur.( A B f ( A) f ( B) ) Bu takdirde (4.60) eşitsizliğinden AAr BB r 1 1 1 A B 2 ( Ar B r ) A B 2 2 (4.62) elde edilir. Paralel olarak 1 1 1 1 j ( Ar 1 B r 1 ) j ( A B 2 ( Ar B r ) A B 2 ) j ( A B ( Ar B r )) 2 2 (4.63) dır. ( A B)( Ar B r ) 0 blok matrisinin sıfır olmayan öz değerleri ( A B)( Ar B r ) matrisinin öz değerleri ile aynıdır. Ayrıca 1 ( A B )( Ar B r ) 0 A 2 0 0 0 1 2 B A 1 0 B 2 1 2 0 Ar B r 0 0 0 0 0 eşitliğinden ( A B)( Ar B r ) 0 blok matrisinin öz değerleri (4.64) 64 1 ( A B )( Ar B r ) 0 A 2 0 0 0 1 2 r r B A B 0 0 1 0 A2 0 12 B 1 1 0 A 2 ( Ar B r ) A 2 1 1 0 B 2 ( Ar B r ) A 2 1 1 A 2 ( Ar B r ) B 2 0 1 1 r r 2 2 B ( A B )B matrisinin öz değerleri ile aynıdır. Bu takdirde Teorem 2.3.5’ den 1 12 r r 2 A ( A B ) A r r 2s j ( A ( A B ) B ) s j 1 1 B 2 ( Ar B r ) A 2 1 2 1 2 1 1 A 2 ( Ar B r ) B 2 j (( A B )( Ar B r )) 1 1 B 2 ( Ar B r ) B 2 (4.65) elde edilir. (4.63) ve (4.65) eşitsizliklerinden 1 1 2s j ( A 2 ( Ar B r ) B 2 ) j ( Ar 1 B r 1 ) (4.66) 1 1 eşitsizliği sağlanır. Bu eşitsizlikte A, B matrisleri yerine sırasıyla A1r B1r matrisleri alınırsa 2s j ( A 2 r 1 2 r2 B 1 2 r 1 olur. 1 v A 1 2 r 2 B 2 r 1 2 r 2 ) j ( A B) s j ( A B) , 0 r 1 (4.67) 1 şeklinde tanımlanırsa (4.67) eşitsizliği 2r 2 2s j ( A B ) s j ( Av B1v A1v B v ) , 1 3 1 v ve 0 v 2 4 4 (4.68) 65 eşitsizliğine eş değerdir. Sonuç olarak (4.61) eşitsizliğini 1 3 1 v 0 v için gösterildi. Şimdi 2 4 4 3 1 1 v 1 v aralığı için gösterelim: 4 2 4 ( A B)( Ar B r ) 0 blok matrisinin sıfır olmayan öz değerleri ( A B)( Ar B r ) matrisinin öz değerleri ile aynıdır. Ayrıca r ( A B )( A B ) 0 A 2 0 0 0 r r r 2 B A r 0 B 2 r 2 0 A B 0 0 0 0 0 (4.69) eşitliğinden ( A B)( Ar B r ) 0 blok matrisinin öz değerleri r ( A B )( Ar B r ) 0 A 2 0 0 0 r A B 0 A2 B 0 2r 0 0 B r 2 blok matrisinin öz değerleri ile aynıdır. edilirken uygulanan işlemler sırasıyla r r 0 A2 ( A B) A 2 r r 0 B 2 ( A B ) A 2 r r A 2 ( A B) B 2 0 r r 2 2 B ( A B) B İspatın devamında (4.68) eşitsizliği elde uygulanarak 3 1 1 v 1 v değerleri için doğru olduğu görülür. 4 2 4 (4.61) eşitsizliğinin 66 5. A + iB VE A+B MATRİSLERİNİN SİNGÜLER DEĞERLERİ Bu bölümde a, b olmak üzere (5.1) a b 2 a ib eşitsizliğinin matris versiyonları verilmiştir. A, B M n pozitif tanımlı olmak üzere (5.2) A B 2 A iB eşitsizliğinin doğru olmadığı aşağıdaki örnekte gösterilmiştir. 2 1 1 0 Örnek 5.1. A ve B olsun. Bu takdirde 1 1 0 0 2 A iB olup 6 2 3i (4 2)1 2 3 i 2 2 1 2 A iB ( A B ) negatiftir. (Bhatia ve Kittaneh, 2009) (5.1) eşitsizliğinin en güçlü matris versiyonu, (5.2) eşitsizliğinin doğru olmadığı gösterilmiştir. Fakat (5.2) eşitsizliğinden zayıf, (5.1) versiyonun doğruluğu kanıtlanmıştır. Teorem 5.1. A, B M n pozitif yarı tanımlı olmak üzere eşitsizliğinin singüler değer 67 (5.3) s j ( A B ) 2 s j ( A iB ) dir . (Bhatia ve Kittaneh, 2009) İspat. A, B M n pozitif yarı tanımlı olsun. A B pozitif yarı tanımlı matrisinin j ( A B ) öz değerine karşılık gelen öz vektörü e j olmak üzere ortonormal öz vektörleri {e1 , e2 ,..., en } olsun. M, e1 , e2 ,..., e j vektörlerinin ürettiği uzay olmak üzere Sonuç 3.1.1’den s j ( A B ) min (5.5) x, ( A B ) x x 1, xM olur. Bu takdirde (5.5) ve (5.1) ifadelerinden s j ( A B) min x, ( A B ) x x 1, xM min x 1, xM x, Ax x, Bx 2 min x, Ax i x, Bx 2 min x, ( A iB) x x 1, xM x 1, xM dir. Sonuç olarak s j ( A B ) min x 1, xM x, ( A iB ) x (5.7) 68 eşitsizliği elde edilir. Cauchy – Schwarz eşitsizliği, her x n için x, y x y (5.8) olduğunu ifade eder. (5.7) eşitsizliğine Cauchy – Schwarz eşitsizliği uygulanırsa s j ( A B ) 2 min x 1, xM x, ( A iB ) x 2 min ( A iB ) x x x 1, xM (5.8) 2 min ( A iB ) x x 1, xM olur. Teorem 3.1.3 ( Singüler değerler için Courant – Fischer) ve (5.8) ifadesinden s j ( A B) 2 min ( A iB) x 2 x 1, xM max min Ax 2s j ( A iB) boyS j , S n xS x* x 1 (5.9) istenilen sonuç elde edilir. Sonuç 5.1. A, B M n pozitif yarı tanımlı olmak üzere k k s j ( A B) s j ( A iB) , k 1, 2,..., n j 1 yani j 1 (5.10) 69 s( A B) w log s( A iB) (5.11) dir. (5.11) eşitsizliği Sonuç 5.1’ de pozitif yarı tanımlı matrisler için gösterilmiştir. (5.11) eşitsizliği A M n pozitif yarı tanımlı, B M n hermityen matris olmak üzere Bhatia ve Kittaneh (2009) tarafından ispatlanmıştır. Teorem 5.2. A M n pozitif yarı tanımlı, B M n hermityen matris olmak üzere k k s ( A B) s ( A iB) , k 1, 2,..., n j j 1 j j 1 dir . (Bhatia ve Kittaneh, 2009) İspat. A M n pozitif yarı tanımlı, B M n hermityen matris olsun. Teorem 2.1.3 (i),(ii) ve (iv) ifadelerinden ve (5.1) eşitsizliğinden det( A B) det A1 2 ( I A1 2 BA1 2 ) A1 2 det A1 2 det( I A1 2 BA1 2 ) det A1 2 det A det( I A1 2 BA1 2 ) n det A 1 j ( A1 2 BA1 2 ) j 1 n det A 2 1 i j ( A1 2 BA1 2 ) j 1 2n det A det( I iA1 2 BA1 2 ) 2n det( A iB) (5.12) 70 olur. Sonuç olarak A M n pozitif yarı tanımlı, B M n için det( A B ) 2 n det( A iB ) (5.13) eşitsizliği elde edilir. Sonuç 3.1.8’den k s ( A B) j j 1 max det( U * ( A B )U ), 1 k n (5.14) UU * I U M n ,k dir. O halde k s ( A B) det(U * j ( A B)U ) , 1 k n (5.15) j 1 eşitliğini sağlayan en az bir U *U I olmak üzere U M n ,k matrisi vardır. A 0 olduğundan U * AU 0 dır. Bu takdirde (5.15) eşitsizliği uygulanabilir: k s ( A B) det(U j * ( A B)U ) j 1 det (U * AU U * BU ) 2 n det(U * AU iU * BU ) eşitliğine (5.13) 71 2 n det U * ( A iB)U (5.16) Sonuç 3.1.8’ den k s ( A iB) max det(V j j 1 VV * I V M n ,k * ( A iB )V ) , 1 k n (5.17) dir. Bu takdirde (5.16) ve (5.17) ifadelerinden 1 k n için k k det( V * ( A iB )V ) s j ( A iB ) s j ( A B) 2n det U * ( A iB)U max * VV I V M n ,k j 1 (5.18) j 1 istenilen elde edilir. Sonuç 5.2. Log – majorizasyon majorizasyonu sağladığı için Teorem 5.2’ den A M n pozitif yarı tanımlı, B M n hermityen matris olmak üzere k k s j ( A B) s j ( A iB ) , k 1, 2,..., n j 1 j 1 (5.19) yani, s( A B) w s ( A iB) (5.20) 72 dir. (5.19) eşitsizliğinin doğru olması için A matrisinin pozitif yarı tanımlı olması gerekmez. Çünkü A, B M n hermityen matrisleri için de ispatlanmıştır. Teorem 5.3. A, B M n hermityen matris olmak üzere k k s j ( A B) s j ( A iB ) , k 1, 2,..., n j 1 (5.21) j 1 dır. (Bhatia ve Kittaneh, 2009) İspat. A, B M n hermityen matris olmak üzere A B hermityen matrisinin j ( A B ) öz değerine karşılık gelen öz vektörü e j olmak üzere ortonormal öz vektörleri {e1 , e2 ,..., en } olsun. (5.1) eşitsizliğinden s j ( A B ) e j , ( A B )e j e j , Ae j e j , Be j 2 e j , Ae j i e j , Be j 2 e j , ( A iBe j (5.22) elde edilir.(5.22) eşitsizliğinden k k s j ( A B) 2 e j , ( A iBe j j 1 j 1 (5.23) 73 dir. Sonuç 3.1.6 ‘ dan x1 , x2 ,..., xk n ve y1 , y2 ,... yk n olmak üzere k k s ( A iB) i i 1 max y1 , y2 ,..., yk ortonormal i 1 x1 , x2 ,..., xk ortonormal yi , ( A iB ) xi (5.24) dir.(5.24) ve (5.25) ifadelerinden k k s j ( A B) 2 e j , ( A iBe j j 1 j 1 max k k y j , Ax j s j ( A iB ) x1 ,..., xk ortonormal j 1 y ,..., y ortonormal 1 k j 1 istenilen elde edilir. Sonuç 5.3. A, B M n hermityen matris ve ||| . ||| üniter invaryant norm olmak üzere ||| A B ||| ||| A iB ||| dir. (5.25) 74 6. SONUÇ VE ÖNERİLER Bu çalışmada literatürde, reel sayılarda tanmlanan bazı eşitsiliklerin ve ortalamaların matrislere nasıl uygulandığı incelenmiştir. Matrisler üzerinde yeni ortalamalar tanımlanarak farklı eşitsizlikler elde edilebilir. 75 KAYNAKLAR Audenaert K., 2007, A singular value inequality for Heinz means, Linear Algebra Appl. 422 , 279-283. Bhatia R., , 2007, Positive Definite Matrices, Princeton University Press, Princeton. Bhatia, R.,1997, Matrix Analysis, Springer–Verlang, New York. Bhatia, R., Kittaneh, F., 2000,Notes on matrix arithmetic-geometric mean inequalities, Linear Algebra and its Applications, 308,203-211 Bhatia, R., Davis, C., 1993, More Matrix forms of the arithmetic-geometric mean inequality, SIAM J. Matrix Analysis, 14, 132-136. Bhatia, R., Kittaneh, F., 1990, On the singular values of a product of operators, SIAM J. Matrix Analysis, 11,272-277. Bhatia R., Kittaneh F., 2008, The Matrix Arithmetic-Geometric Mean Inequality revisited, Linear Algebra and its Applications, 428, 2177-2191. Bhatia R. ve Kittaneh F., 2009, The singular values of A + B and A + iB, Linear Algebra and its Applications, 431, 1502–1508. Bozkurt D., Türen B., ve Solak S., 2005, Lineer Cebir, Selçuk Üniversitesi Yayınları. Horn, R. A., Johnson, C. R., 1991,Topics in Matrix Analysis, Cambridge University Pres. Horn, R. A., Johnson, C. R., 1985, Matrix Analysis, Cambridge University Pres. Lang, S., 1986, Introduction to Linear Algebra, Springer-Verlang, New York. Marshall, A.W., Olkin, I., 1979, Inequalities: Theory of Majorization and its Applications, Academic Pres. Murad, M.A., 2003, The Löwner Ordering of Hermitian Matrices, Yüksek Lisans Tezi, The University of Jordan, Faculty of GraduadeStudies. Tao, Y., 2006, More results on singular value inequalities of matrices, Linear Algebra and its Applications,416, 724-729 76 Ulukök Z.,2009, 2 2 Blok Matrisler için Eşitsizlikler, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya. Zhan, X.,2004, On some matrix inequalities, Linear Algebra Appl.,376,299-303. Zhan X. , 2000, Singular values of differences of positive semidefinite matrices, SIAM J. Matrix Anal. Appl., 22, (3), 819-823. Zhang, F., 1999, Matrix Theory:Basic and Techniques, Springer–Verlang, NewYork. Zhang, F., 2011, Matrix Theory:Basic and Techniques, Springer–Verlang, NewYork. Zhang, F., 2001, Matrix Inequalities by Means of Block Matrices, Math. Ineq. Apply., 4(4), 481-490. 77 ÖZGEÇMİŞ KİŞİSEL BİLGİLER Adı Soyadı Uyruğu Doğum Yeri ve Tarihi Telefon Faks e-mail : : : : : : Esma Baran Türk Meram\ KONYA, 04.12.1988 0 (506)334 03 91 [email protected] EĞİTİM Derece Lise : Üniversite : Yüksek Lisans : Doktora : Adı, İlçe, İl Dolapoğlu Anadolu Lisesi, Selçuklu, KONYA Selçuk Üniversitesi, Selçuklu, KONYA Selçuk Üniversitesi, Selçuklu, KONYA Bitirme Yılı 2006 2010 İŞ DENEYİMLERİ Yıl Görevi 2010 Kurum Çankırı Karatekin Üniversitesi Fen Fakültesi 2011 Selçuk Üniversitesi Fen Fakültesi Araş. Gör Araş. Gör