Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lec2 PDF
Lec2 PDF
Normas de Vectores y
Matrices.
2.1. Introducción
p1 ´ xq´1 “ 1 ` x ` x2 ` x3 ` . . .
39
40 Normas de Vectores y Matrices
pI ´ Aq´1 “ I ` A ` A2 ` A3 ` . . .
Por otra parte, el cálculo numérico con matrices que proceden de datos experi-
mentales, no es exacto; por lo general matrices están sometidas, bien sea por errores
de redondeo o por imprecisión en las mediciones,a pequeñas perturbaciones. Cuán
pequeñas son estas perturbaciones, o lo que es lo mismo, cuán lejos está la matriz
verdadera de la calculada son conceptos que se pueden hacer precisos utilizando
normas.
(i) x ‰ 0 ñ νpxq ą 0.
a) νpxq ě νpyq. En este caso |νpxq ´ νpyq| “ νpxq ´ νpyq y por la desigualdad
triangular νpxq “ νppx ´ yq ` yq ď νpx ´ yq ` νpyq.
Ejemplo 2.2 Se puede definir una infinidad de normas en Fn , sin embargo las
más utilizadas son las llamadas normas de Hölder o normas `p . En lo que sigue
supondremos que x “ px1 , x2 , . . . , xn q P Fn es un vector de Fn .
(a) La norma `1 :
ÿ
n
k x k1 “ |xi |.
i“1
42 Normas de Vectores y Matrices
(c) La norma `8 :
k x k8 “ máx |xi |.
1ďiďn
Demostrar que las normas `p son, en efecto, normas es fácil salvo la desigualdad
triangular que, en el caso general, se conoce como desigualdad de Minkowsky. ésta
a su vez, es consecuencia de otra desigualdad importante; la desigualdad de Hölder:
Si p y q son números reales tales que p1 ` 1q “ 1 entonces
|x˚ y| ďk x kp k y kq .
En el caso particular en que p “ 2 (y entonces también q “ 2) la desigualdad de
Hölder se convierte en una desigualdad bien conocida:
|x˚ y| ďk x k2 k y k2 ,
2.2 Normas de Vectores 43
la desigualdad de Cauchy-Schwartz.
k x k8 “ lı́m k x kp .
pÑ8
Algo de esto ya se intuye en la forma que tienen las bolas unidad en R2 para las
normas `p . También admite, claro está, una demostración rigurosa: Sea
k x kp “ p|x1 |p ` ¨ ¨ ¨ ` xn |p q1{p ,
y supongamos que
Es decir, que las componentes i1 , . . . , iq son, en módulo, mayores que todas las
demás, y que en todas ellas el valor de dicho módulo es el mismo e igual a m. Ası́,
si tj1 , . . . , jn´q u “ t1, . . . , nuzti1 , . . . , iq u tenemos que
Estas propiedades tienen un interés sobre todo teórico, pero nos ahorra tener que
estar prestando atención continuamente a las normas empleadas cuando se prueban
resultados topológicos. En cualquier caso, una primera consecuencia es que la con-
vergencia de sucesiones de vectores en espacios de dimensión finita es independiente
de la norma elegida.
Lema 2.4 (a) Todas las normas definidas en V , espacio vectorial sobre F, son
funciones continuas cuando en V se considera la topologı́a inducida por ν y
en R la topologı́a habitual (la inducida por el valor absoluto).
Demostración.-
46 Normas de Vectores y Matrices
˜ ¸ ˆ ˙
ÿn
ai a1 an
ν vi “f ,... ě m.
i“1
}a} 1 }a}1 }a}1
Por lo tanto
1 “ νpxq ě }a}1 m,
1
y como m ą 0 obtenemos }a}1 ď . Ası́ pues, g ´1 pSν q está acotado en
m
la norma `1 (y por lo tanto en al norma `2 ). Y como también es cerrado
en ambas normas por ser equivalentes, y F “ R o C, g ´1 pSν q es compacto.
Finalmente, como g biyectiva, gpg ´1 pSν qq “ Sν . Ahora bien, la imagen de un
compacto por una aplicación continua es compacto. Concluı́mos entonces que
Sν es compacto, tal y como se deseaba demostrar.
48 Normas de Vectores y Matrices
El recı́proco del apartado (b) del lema anterior también es verdadero. Aunque no
lo vamos a utilizar lo exponemos por completitud. La demostración usa el siguiente
resultado de Riesz, que no demostramos:
Lema 2.5 (Lemma de Riesz) Sea E un espacio vectorial y ν una norma definida
en él. Sea S Ă E un subespacio propio y 0 ă α ă 1. Existe xα P EzS tal que
νpxα q “ 1 y νps ´ xα q ą α para cada s P S.
Siguiendo ası́ sucesivamente, construı́mos una sucesión de vectores txn u con las
siguientes propiedades:
Por una parte, este conjunto es compacto con la topologı́a en V inducida por la
norma µ. Hemos visto en la demostración del Lema 2.4 que si
g : Fn Ñ V
a “ pa1 , . . . , an q Ñ v “ a1 v1 ` ¨ ¨ ¨ ` an vn
entonces g ´1 pSµ q es compacto en Fn con la topologı́a habitual (la derivada de la
norma euclı́dea o de la `1 ). También se ha demostrado g es continua cuando en V
se considera la topologı́a derivada de cualquier norma, en particular, de la norma ν.
Como la imagen de un compacto por una aplicación continua es un compacto y g
es biyectiva, concluı́mos que Sµ es compacto en V con la topologı́a inducida por la
norma ν.
Y de la misma forma
ˆ ˙
x
νpxq “ µpxqν ď µpxq máx νpyq “ c1 µpxq.
µpxq yPSµ
Debemos observar que las propiedades que definen una norma tienen en cuenta
las operaciones propias de la estructura de espacio vectorial sobre el que se definen:
el producto por escalares y la suma de vectores (desigualdad triangular). Sin em-
bargo las matrices, en algunos casos, se pueden multiplicar. Una norma sobre Fnˆn
se dirá que es una norma de matriz cuando respecto al producto se verifica una
propiedad similar a la desigualdad triangular para la suma. Tomar en consideración
esta propiedad de las matrices nos conduce a la siguiente definición:
2.3 Normas de Matrices 51
Una norma definida en Fnˆn se dice que es una norma de matriz si es con-
sistente.
a
a) k A kF “ trpA˚ Aq
Una técnica general para obtener normas de matriz a partir de normas vectoriales
es la siguiente: Sea A P Fmˆn y pensemos en A como una transformación u operador
lineal:
A : Fn Ñ Fm
x Ñ Ax
Demostraremos ahora que f pAq es una norma vectorial consistente con las nor-
mas } ¨ }m y } ¨ }n . A estas normas se les llama también normas de operador.
2.3 Normas de Matrices 55
Demostración.- a) Debemos verificar todos los axiomas que definen las normas
de matriz
“k A k ` k B k .
k AB k“ máx k ABx k .
}x}“1
k Xy k
k X k“ máx
y‰0 kyk
k Ax km ďk A km,n k x kn .
d) También hemos visto más arriba que existe x0 P Fn con k x0 k“ 1 tal que
k A k“k Ax0 k .
Ejemplo 2.12 .- Vamos a ver cómo se definen explı́citamente las normas de matriz
`p para p “ 1, 2, 8.
ÿ
m
k A k1 “ máx |aij |
1ďjďn
i“1
o, equivalentemente,
k A k1 “ máx k aj k1
1ďjďn
t}Ax}1 : }x}1 “ 1, x P Fn u,
Y a continuación que esta cota se alcanza. Es decir, que existe x0 P Fn tal que
}x0 } “ 1 y M “ }Ax0 }1 .
Sea x P Fn con }x}1 “ 1, y sean px1 , . . . , xn ) sus componentes. Entonces
}Ax}1 “ }x1 a1 ` ¨ ¨ ¨ ` xn an }1 ď
ď p|x1 |}a1 }1 ` ¨ ¨ ¨ ` |xn |}an }1 q ď
ď p|x1 | ` ¨ ¨ ¨ ` |xn |q máx }aj }1 “ M }x}1 “ M
1ďjďn
58 Normas de Vectores y Matrices
ř
n
Pongamos M “ máx |aij |. Por una parte
1ďiďn j“1
ˇ ˇ
ˇř ˇ ř
ˇn ˇ n
k Ax k8 “ máx ˇ aij xj ˇ ď máx |aij xj | ď
1ďiďn ˇj“1 ˇ 1ďiďn j“1
„
ř
n řn
ď máx |aij máx |xk | “ máx |aij | k x k8 “
1ďiďn j“1 1ďkďn 1ďiďn j“1
“ M }x}8 .
Ası́ pues
}A}8 “ máx k Ax k8 ď M. (2.2)
kxk8 “1
Supuesto esto demostrado es fácil ver que }A}8 ě M . En efecto, para cada
i “ 1, . . . , n
ˇ ˇ
ˇř ˇ
ˇ n ˇ
}A}8 “ máx }Ax}8 ě }Axi } “ máx ˇ aij xij ˇ “
}x}8 “1 1ďiďn ˇj“1 ˇ
ř
n
“ máx |aij | “ M
1ďiďn j“1
Ası́ pues, debemos demostrar (2.3). Basta encontrar xi tal que aij xij “ |aij |.
Pero esta misma identidad nos sirve de definición:
āij
xij “
|aij |
siempre que aij ‰ 0 y xij “ 1 si aij “ 0. Con esta definición de xi tenemos que
}xi }8 “ 1 y se verifica (2.3) porque cada sumando aij xij “ |aij | es positivo.
En conclusión
ÿ
n
}A1 }8 “ máx }Ax}8 “ M “ máx |aij |
}x}8 “1 1ďiďn
j“1
Tal y como hemos dicho en la sección anterior, el uso de normas nos permite
hablar de convergencia de sucesiones de vectores y, por lo tanto, de matrices. El
objetivo de esta sección es introducir las serie de matrices y demostrar un resultado
que necesitaremos en un tema posterior.
Sea tAk u8
k“0 una sucesión infinita de matrices con elementos en F
nˆm
, recordemos
que F “ R o C. Con esta sucesión formamos otra, la de las sumas parciales
ÿ
k
Sk “ Aj , k ě 0.
j“0
60 Normas de Vectores y Matrices
8
ř
Definición 2.13 La serie Aj converge si la sucesión tSk u es convergente; i.e. si
j“0
existe el lı́m Sk . Además, si S “ lı́m Sk entonces escribiremos
kÑ8 kÑ8
8
ÿ
Aj “ S.
j“0
8
ř
La convergencia de la serie Aj se puede reducir a la de la serie numérica
j“0
8
ř
}Aj } de la siguiente forma:
j“0
8
ř
Proposición 2.14 Si la serie numérica }Aj } converge para alguna norma de
j“0
8
ř
matriz, también converge la serie matricial Aj .
j“0
En efecto
› › ˇ ˇ
› ÿq › q
ÿ ˇÿp ÿq ˇ
› › ˇ ˇ
k Sp ´ Sq k“ › Aj › ď }Aj } “ ˇ }Aj } ´ }Aj }ˇ .
›j“p`1 › j“p`1 ˇj“0 j“0
ˇ
8
ř
Ahora bien, si }Aj } converge, existe N ą 0 tal que si p, q ě N entonces
j“0
ˇ ˇ
ˇÿp ÿq ˇ
ˇ ˇ
ˇ }Aj } ´ }Aj }ˇ ă ε,
ˇj“0 j“0
ˇ
8
ř
En particular, para matrices cuadradas la serie de potencias aj Aj es conver-
j“0
8
ř
gente si lo es la serie numérica |aj | }A}j . En realidad, este resultado no es un caso
j“0
particular de la Proposición 2.14 pero se demuestra igual teniendo en cuenta que la
norma elegida es una norma de matriz. En efecto, basta observar que si Bj “ aj Aj
entonces
}Bj } ď |aj | }Aj } ď |aj | }A}j ,
donde la última desigualdad se debe a que las normas de matriz tienen la propiedad
submultiplicativa.
8
ř
Demostración.- Si }A} ă 1 entonces la serie geométrica }A}j es convergen-
j“0
8
ř 8
ř
te, y por la Proposición 2.14 la serie matricial Aj converge. Sea B “ Aj y
j“0 j“0
pongamos
ÿ
k
Sk “ Aj .
j“0
Entonces
pI ´ AqSk “ pIn ´ AqpIn ` A ` ¨ ¨ ¨ ` Ak q “ In ´ Ak`1 .
Como lı́m Sk “ B resulta que
kÑ8
y también
lı́m pIn ´ AqSk “ lı́m pIn ´ Ak`1 q.
kÑ8 kÑ8
Ahora bien, lı́m pIn ´ Ak`1 q “ In porque }In ´ Ak`1 ´ In } ď }A}k`1 y la sucesión
kÑ8
numérica t}A}k u converge a cero por ser }A} ă 1.
8
ř ř
k
Finalmente, como B “ Aj “ lı́m Aj y } ¨ } es continua,
j“0 kÑ8 j“0
› › › ›
›ÿ8 › ›ÿk › ÿk ÿk ÿ8
› › › ›
› Aj › “ }B} “ lı́m › Aj › ď lı́m }Aj } ď lı́m }A}j “ }A}j ,
›j“0 › kÑ8 ›
j“0
› kÑ8
j“0
kÑ8
j“0 j“0
2.4 Sucesiones y Series de Matrices 63
donde hemos usado la desigualdad triangular de las normas y que } ¨ } una norma
de matriz. Ası́ pues
› ›
›ÿ8 › ÿ 8
1
› ›
}pIn ´ Aq´1 } “ › Aj › ď }A}j “ .
›j“0 › j“0 1 ´ }A}
64 Normas de Vectores y Matrices