Capı́tulo 2

Normas de Vectores y Matrices

2.1. Introducción

En este capı́tulo repasaremos brevemente el concepto de norma de un vector para

centrarnos en el estudio de las normas de matrices o, si se quiere, en las normas de
los operadores lineales. El estudio de las normas de matrices es importante por
varias razones. Es necesario, por ejemplo, para definir de forma precisa conceptos
tales como series de potencias de matrices; y desde luego es básico para precisar lo
que se entiende por proximidad o lejanı́a entre matrices, aspectos fundamentales en
el análisis de algoritmos en la computación numérica. Un par de ejemplos pueden
servir para ilustrar estas ideas.

Es conocido que si x es un número complejo de módulo menor que 1 entonces

p1
xq
1  1 x x2 x3 ...
Esto sugiere la fórmula
pI
Aq
1  I A A2 A3 ...

27
28 Normas de Vectores y Matrices

para calcular la inversa de la matriz I
A. Pero ¿cuándo es tal fórmula válida?.

Resulta que es suficiente que una norma de la matriz A sea menor que 1, y además
cualquier norma sirve. De forma parecida se puede ver que bajo ciertas condiciones
relativas a la norma de A la serie
8̧ 1
Ak
i0
k

es convergente y sirve para definir la función matricial eA .

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.

En todo este capı́tulo supondremos que F es el cuerpo R de los números reales

o el cuerpo C de los números complejos.

2.2. Normas de Vectores

2.2.1. Definición y Ejemplos

Como es bien sabido, el concepto de norma de un vector es una generalización

del concepto de valor absoluto o módulo de un número complejo.

Definición 2.1 .-Sea V un espacio vectorial sobre F (R o C). Una función ν :

V ÝÑ R es una norma en V si ν satiface las siguientes propiedades:

(i) x  0 ñ ν pxq ¡ 0.

(ii) ν pαxq  |α|ν pxq, @α P F.

(iii) ν px y q ¤ ν pxq ν py q, @x P V (desigualdad triangular)
2.2 Normas de Vectores 29

Tres importante propiedades se siguen de forma inmediata de la Definición 2.2.

Para cualquier norma ν

1. ν p0q  0 porque ν p0q  ν p0xq  0ν pxq  0.

2. ν p
xq  ν pxq porque ν p
xq  |
1|ν pxq  ν pxq
3. |ν pxq
ν py q| ¤ ν px
y q. En efecto, hay dos posibilidades:
a) ν pxq ¥ ν py q. En este caso |ν pxq
ν py q|  ν pxq
ν py q y por la desigualdad
triangular ν pxq  ν ppx
y q y q ¤ ν px
y q ν py q.
b) ν pxq   ν py q. Entonces |ν pxq
ν py q|  ν py q
ν pxq y de nuevo por la
desigualdad triangular ν py q ¤ ν py
xq ν pxq  ν px
y q ν pxq.

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 .

Para cada una de las normas dibujamos, a modo de ilustración la correspondiente

bola unidad en R2 ; i.e., el conjunto B p0, 1q  tx P R2 | k x k¤ 1u.

(a) La norma `1 :
ņ
k x k1  | xi | .

i 1

(b) La norma `2 o norma euclı́dea:

d
ņ
k x k2  | xi | 2 .

i 1
30 Normas de Vectores y Matrices

(c) La norma `8 :

k x k8  máx |xi |.
¤¤
1 i n

(d) La norma `p general (p ¥ 2):

 1{p
ņ
k x kp  | xi | p .

i 1

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

|xy| ¤k x kpk 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:

|xy| ¤k x k2k y k2,

la desigualdad de Cauchy-Schwartz.

Aparentemente la norma `8 no es una norma `p . Sin embargo se la puede con-

siderar como tal porque para cualquier x P Fn se tiene que

k x k8  lı́m k x kp .
Ñ8
p
2.2 Normas de Vectores 31

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

k x k8  máx |xi |  |xi1 |      |xiq |  m.

¤¤
1 i n

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

k x kp  pqm
p |xj |p    |xj
|pq1 {p 

p 1{p
1 n q

 m q  xmj      xjm
 .
p
1 n q

   p
Como 
 xj k 
m
   1 concluı́mos que plı́m  xj 
Ñ8  m 
 0 y plı́m
k

Ñ8
k x kp  m k x k8 , tal y
como se deseaba demostrar.

2.2.2. Equivalencia de normas

Las normas son herramientas básicas para definir y analizar la convergencia de

una sucesión de vectores en espacios vectoriales. Como es habitual, una sucesión
txk u € V se dice que converge a x (y se escribe xk Ñ x) si la sucesión de números
reales tν pxk
xqu converge a cero, ν pxk
xq Ñ 0, siendo ν una norma definida
en V . Esta definición depende de la norma ν. En principio podrı́a suceder que una
sucesión de vectores convergiera para una norma pero no para otra. De hecho, esto
es perfectamente posible en espacios de dimensión infinita, pero no en espacios de
dimensión finita. Ello es consecuencia de que todas las normas en un espacio vectorial
de dimensión finita son equivalentes en el siguiente sentido:

Definición 2.3 Sean µ y ν normas definidas en V , espacio vectorial sobre F. Se

dice que µ y ν son equivalentes si existen números reales positivos c1 y c2 tales que

c1 ¤ µν ppxxqq ¤ c2, @x P V.
32 Normas de Vectores y Matrices

Debe notarse que ası́ se define, en efecto, una relación de equivalencia en el

conjunto de todas las normas definibles en un espacio vectorial. (Se verá en los
ejercicios que hay una infinidad de normas definibles en cualquier espacio vectorial).

Nuestro objetivo es demostrar que todas las normas en un espacio de dimensión

finita son equivalentes. Para ello debemos recordar algunos resultados básicos de
topologı́a. En todo espacio normado, pM, k . kq podemos definir una distancia:

dpx, y q k x
y k,

que hace de pM, dq un espacio métrico, y por lo tanto topológico con una base de
abiertos dada por las bolas abiertas centradas en cada punto de M . Por consiguiente,
si V es un espacio vectorial en el que tenemos definida una norma, automáticamente
tenemos en V estructuras de espacio métrico y topológico. Si en M tenemos definidas
dos normas, las bolas abiertas definidas por ambas normas pueden ser diferentes
(veáse el Ejemplo 2.2). A pesar de que las bases de abiertos determinadas por dichas
normas sean diferentes, las topologı́as determinadas por éstos pueden ser iguales. La
propiedad de que las normas son equivalentes determina que, en efecto, las topologı́as
inducidas por ellas son la misma; es decir, todo abierto respecto de una de las normas
lo es respecto de la otra.

En efecto, recordemos que si ν es una norma en M , un conjunto A „ M es abierto

si para cada x P A existe un número real ρ ¡ 0 tal que B px, ρq  ty P V |ν px
y q   ρu
está contenido en A. Ahora, si en M hay definidas dos normas equivalentes, digamos
ν y µ, entonces existen constantes positivas c1 y c2 tales que c1 µpxq ¤ ν pxq ¤ c2 µpxq
para todo x P M . Supongamos que A es abierto respecto de la norma ν. Esto significa
que para todo x P A existe r ¡ 0 tal que ν px
y q   r implica que y P A. Veamos
que A es abierto respecto de µ. Sea x P A un elemento cualquiera y definamos s de
modo que 0   s   cr2 . Si µpx
y q   s tenemos que

ν px
y q ¤ c2 µpx
y q   c2  r.
r
c2
Por lo tanto y P A y A es abierto respecto a µ. La demostración de que todo abierto
respecto a µ lo es respecto a ν se hace igual.

Ası́ pues, todas las normas equivalentes definidas en un conjunto M inducen la

misma topologı́a en dicho conjunto. En consecuencia, todos los invariantes topológi-
cos (compacidad, conexión, . . . ) se mantienen. Es decir, si un conjunto es compacto
o conexo respecto de una de las normas lo es respecto de la otra.
2.2 Normas de Vectores 33

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.

La demostración de que todas las normas definidas en un espacio vectorial de

dimensión finita son equivalentes se puede hacer de diversas formas. La que adop-
tamos aquı́ no es la más directa pero tiene la virtud de poner de manifiesto una
propiedad fundamental de los espacios vectoriales de dimensión finita: estos espa-
cios vectoriales están caracterizados por el hecho de que las esferas unidades respecto
de cualquier norma son conjuntos compactos. Demostraremos esta importante pro-
piedad (que usaremos de manera significativa posteriormente) en el siguiente Lema.
En la prueba usaremos que las normas `1 y `2 en Fn son equivalentes. En efecto, tal
y como se propone demostrar en los ejercicios, se tiene la siguiente desigualdad para
todo xıFn : ?
}x}2 ¤ }x}1 ¤ n}x}2. (2.1)

Una última observación: nótese que la acotación no se conserva por homeomorfis-

mo (el intervalo p0, 1q es homeormorfo a R) pero si dos normas son equivalentes y un
conjunto es acotado respecto de una de ellas lo es, por la definición de equivalencia
de normas, respecto de la otra.

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).
(b) Sea V un espacio vectorial de dimensión finita y ν una norma en V . La esfera
unidad de V respecto de la norma ν, Sν  tx P V |ν pxq  1u, es un conjunto
compacto con la topologı́a en V inducida por dicha norma.

Demostración.-

(a) Sea ν una norma definida en V y consideremos en V la topologı́a inducida

por esta norma. Sea ε ¡ 0 un número real arbitrario. Escogemos 0   δ   ε.
Entonces, como para todo x, y P V
|ν pxq
ν pyq| ¤ ν px
yq,
34 Normas de Vectores y Matrices

resulta que si ν px
y q   δ entonces |ν pxq
ν pyq|   ε. Esto demuestra que ν

es continua.

(b) Supongamos que dim V  n y sea tv1, . . . , vnu una base de V . Definimos la
siguiente función:

g : Fn Ñ V
a  pa1 , . . . , an q Ñ v  a1 v 1    an v n

donde el ı́ndice ν indica que la topologı́a en V es la derivada de la norma ν.

Esta aplicación es un isomorfismo de espacios vectoriales; es decir, es una
aplicación lineal y biyectiva. Y desde el punto de vista topológico es también
un homeomorfismo cuando en V y Fn se consideran las topologı́as derivadas de
las normas ν y `1 . Es decir, g es una aplicación continua con inversa continua.
No obstante, para llegar al resultado deseado sólo necesitamos que g sea conti-
nua. Aunque, tal y como se acaba de decir, éste es un hecho conocido, lo demos-
tramos porque la demostración es muy sencilla y esta propiedad se usará con
frecuencia en este curso. Que la inversa de g también es continua requiere más
trabajo. Aunque no se va a utilizar, demostraremos esta propiedad al final de
la sección.
Sea ε ¡ 0 un número real dado. Tenemos que encontrar un número real δ ¡0
tal que si k a
b k1   δ entonces ν pg paq
g pbqq   ε. Ahora bien


°
n
ν pg paq
g pbqq  ν paivi
biviq ¤

i 1
°
n
¤ |ai
bi|ν pviq

¤ M k a
b k1 ,
i 1

donde M  máxtν pv1 q, . . . , ν pvn qu. Observamos que M ¡ 0 porque vi  0 para

todo i  1, . . . , n por ser vectores de una base de V . Basta escoger 0   δ   Mε
para obtener el resultado deseado.
Sea Sν € V la esfera unidad respecto de la norma ν: Sν  tx P V |ν pxq 
1u. Este conjunto es acotado respecto de la métrica determinada por ν. Y
también es cerrado porque es la anteimagen por la aplicación continua ν del
cerrado t1u de R. Como g es continua, g
1 pSµ q es cerrado. El conjunto g
1 pS q
también es acotado. Esto es, en realidad, una consecuencia inmediata de un
resultado que veremos en la próxima lección. Sin dicho resultado, necesitamos
2.2 Normas de Vectores 35

una demostración. Ya hemos visto que g : Fn Ñ V y ν : V Ñ R son funciones

continuas. Entonces, la composición de ambas
f : Fn ÝÑ R
p a1 , . . . , a n q ; ν pa1 v1  an v n q

también lo es. Sea S1n
1  tx P Fn |}x}1  1u la esfera unidad de Fn respecto de

la norma `1 . Este conjunto es cerrado y acotado respecto de la norma `1 . Por
(2.1) también es cerrado y acotado respecto de la norma euclı́dea. Ahora bien,
sabemos (Teorema de Heine-Borel) que ser cerrado y acotado en Fn (F  R
o C) respecto de la norma euclı́dea equivale a ser compacto. Ası́ pues S1n
1
es compacto. Consecuentemente, f restringida a S1n
1 alcanza su mı́nimo. Sea
m  mı́nyPS1n
1 f py q. Notemos que m ¡ 0 porque si y P S1n
1 entonces y  0,
por lo que vy  y1 v1    yn vn  0 y f py q  ν pvy q ¡ 0.
Sea ahora a  pa1 , . . . , an q P g
1 pSν q. Esto significa que x  a1 v1  an vn P
S y ası́ 

°
n
1  ν pxq  ν ai vi 

i 1

°
n
 } a} 1 ν ai
 }a}1
vi
i 1


Pero como a1
}}
a 1
, . . . aan1
}} P S1n
1 resulta que
  

ņ
ν
ai
}a}1 vi f a1
}a}1 }a}1
,...
an
¥ m.
i1

Por lo tanto
1  ν pxq ¥ }a}1 m,

y como m ¡ 0 obtenemos }a}1 ¤ . Ası́ pues, g
1 pSν q está acotado en

1
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, g pg
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.

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:
36 Normas de Vectores y Matrices

Lema 2.5 (Lemma de Riesz) Sea E un espacio vectorial y ν una norma definida
en él. Sea S € E un subespacio propio y 0   α   1. Existe xα P E zS tal que
ν pxα q  1 y ν ps
xα q ¡ α para cada s P S.

Teorema 2.6 Un espacio vectorial V es de dimensión finita si y sólo si la esfera

unidad en V , respecto de cualquier norma, es un conjunto compacto.

Demostración.- La necesidad de que la esfera unidad sea un conjunto compacto

para que V sea de dimensión finita se ha probado en el Lema 2.4. Demostremos ahora
la suficiencia.

Sea ν una norma en V y supongamos que V es de dimensión infinita. Sea x1 P V

cualquier vector tal que ν px1 q  1. Sea V1   x1 ¡ el subespacio generado por x1 .
Como V es de dimensión infinita, V1 es un subespacio propio de V , por el Lema de
Riesz, existe x2 P V tal que ν px2 q  1 y ν px2
y q ¥ 21 para todo y P V1 .

Sea V2   x1 , x2 ¡ el subespacio generado por x1 y x2 . De nuevo, V2 € V es un

subespacio propio de V . Aplicando otra vez el Lema de Riesz, existe x3 P V tal que
ν px3 q  1 y ν px3
y q ¥ 21 para todo y P V2 .

Siguiendo ası́ sucesivamente, construı́mos una sucesión de vectores txn u con las
siguientes propiedades:

(a) ν pxn q  1 para n  1, 2, . . .

(b) ν pxn
xm q ¥ 1
2
para n  m, n, m P N.

Por lo tanto hemos construı́do una sucesión de vectores en la esfera unidad de V ,

respecto de la norma ν, que no admite una subsucesión convergente. Esto significa
que la esfera unidad no es un conjunto compacto en V , contradiciendo la hipótesis.

Demostramos finalmente el resultado sobre la equivalencia de normas que buscába-

mos.

Teorema 2.7 Todas las normas definidas en un espacio vectorial de dimensión

finita son equivalentes.
2.2 Normas de Vectores 37

Demostración.- Sea V un espacio vectorial de dimensión finita sobre F, y sean

ν y µ dos normas definidas en V . Sea Sµ  tx P V |µpxq  1u.

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
gµ : Fn Ñ V
a  pa1 , . . . , an q Ñ v  a1v1    an v n

entonces gµ
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 gµ es continua cuando en V
se considera la topologı́a derivada de la norma ν. Como la imagen de un compacto
por una aplicación continua es un compacto y gµ es biyectiva, concluı́mos que Sµ es
compacto en V con la topologı́a inducida por la norma ν.

Ası́ pues, cuando en V consideramos la topologı́a inducida por ν tenemos que

ν es una aplicación continua y Sµ un compacto. Por lo tanto, ν alcanza en Sµ su
máximo y su mı́nimo. Pongamos c1  mı́n ν py q y c2  máx ν py q. Entonces, para
y PSµ y PSµ

x P V , tenemos que P Sµ y
x
µ p xq


ν pxq  µpxqν ¥ µpxq mı́n ν py q  c2 µpxq.

x
µpxq y PS µ

Y de la misma forma


ν pxq  µpxqν ¤ µpxq máx ν py q  c1 µpxq.

x
µpxq y PS µ

Una consecuencia inmediata de la equivalencia de normas en espacios de dimen-

sión finita es que los isomorfismos algebraicos de espacios vectoriales normados son
isomorfismos topológicos u homeomorfismos:

Corolario 2.8 Sean V1 y V2 dos espacios vectoriales de dimensión finita n sobre

F y sea f : V1 Ñ V2 un isomorfismo. Sean ν y µ normas definidas en V1 y V2 ,
respectivamente. Entonces f y f
1 son aplicaciones continuas cuando en V1 y V2 se
consideran las topologı́as inducidas por estas normas.

Demostración Probamos la continuidad de f , la de f
1 se demuestra igual.

38 Normas de Vectores y Matrices

En primer lugar, es fácil demostrar que la aplicación η : V1 Ñ R definida por

η pxq  µpf pxqq es una norma en V1 . Como V1 es de dimensión finita, η y ν son
equivalentes. Existe una constante positiva c2 tal que η pxq ¤ c2 ν pxq para todo
x P V1 .

Sea ahora ε ¡ 0 un número real dado. Escojamos δ de modo que 0  δ  ε

.
Entonces, si x, y P V1 cumplen que ν px
y q   δ, se sigue
c2

µpf pxq
f py qq  µpf px
y qq  η px
y q ¤ c2 ν px
y q   c2 δ   ε.

Esto demuestra que f es uniformemente continua en V1 .

Una consecuencia inmediata es el siguiente resultado anunciado en la demostra-

ción del Lema 2.4: la inversa de

g : Fn Ñ V
a  pa1 , . . . , an q Ñ v  a1v1    an vn

es una aplicación continua.

2.3. Normas de Matrices

2.3.1. Definiciones, Ejemplos y Primeras Propiedades

Dado que Fmn es un espacio vectorial todo lo dicho en la sección anterior es

de aplicación a las matrices de tamaño m  n con elementos en el cuerpo de los
números reales o complejos. En particular, todas las normas definidas en Fmn son
equivalentes; i.e. generan la misma topologı́a,y son funciones continuas.

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 Fnn
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 39

Definición 2.9 .- Sean µ, ν y ρ normas definidas en Fmn , Fnp y Fmp , respecti-

vamente. Diremos que µ, ν y ρ son consistentes si para todas matrices A P Fmn
y B P Fnp se verifica
ρpAB q ¤ µpAqν pB q.
En particular una norma ν definida en Fnn se dice que es consistente si ν pAB q ¤
ν pAqν pB q para todas A, B P Fnn .

Una norma ν definida en Fnn consistente también se dice que es multiplica-

tiva o submultiplicativa.

Una norma definida en Fnn se dice que es una norma de matriz si es con-
sistente.

Un caso particular importante es el de las normas consistentes (también llamadas

en este caso compatibles) con las normas de vector: Si µ es una norma definida en
Fnn y ν es una norma definida en Fn entonces se dice que µ es consistente o
compatible con la norma de vector ν si para toda matriz A P Fnn y todo vector
x P Fn se tiene que
ν pAxq ¤ µpAqν pxq

Ejemplo 2.10 1. - La norma euclı́dea en Fmn será

 1
m̧ ņ 2

k A k | aij |2
 
i 1j 1

A esta norma se le llama también norma de Frobenius y se suele representar

por k A kF . En algunos sitios se le llama también norma de Schur o de Hilbert-
Schmidt. Nosotros utilizaremos el nombre de norma euclı́dea o de Frobenius.

La norma de Frobenius en Fnn es una norma de matriz. En efecto, teniendo

en cuenta que la desigualdad de Cauchy-Schwartz y que
ņ
aik bkj

k 1
40 Normas de Vectores y Matrices

es el producto escalar de la i-ésima fila de A por la j-ésima columna de B,

 2 


°n ° n  °
n °
n °
n
k AB k2F  
 aik bkj  ¤ | aik | 2
| bkj | 2

 i,j 1 k1 1
i,j 
k 1 
k 1
°
n °n
 | aik | 2
| bkj |2 k A k2F k B k2F .

i,k 1 
j,k 1

2. - La norma `8 en Fmn será:

k A k máx |ai,j |
¤¤
1 i m
¤¤
1 j n

Esta norma en Fnn no es una norma de matriz como lo demuestra el siguiente

ejemplo:    
A A  AA 
1 1 2 2 2
1 1 2 2
y
k AA k 2 ¡ 1 k A kk A k

3. - En general la norma `p en Fmn se definirá como:

 1
m̧ ņ p

k A k |aij | 2

 
i 1j 1

Utilizando la desigualdad de Hölder se puede demostrar que en Fnn esta

norma es una norma de matriz si y sólo si 1 ¤ p ¤ 2.

4. - Una pequeña modificación en la definición de la norma `8 nos permite obtener

una norma de matriz en Fnn :

k A k n máx |ai,j |
¤ ¤
1 i,j n

En efecto, si a  máx |aij | y b  máx |bij | entonces

¤ ¤
1 i,j n ¤ ¤ 1 i,j n

 
° n  °
n
k AB k n máx  aik bkj 
 ¤n máx |aik bkj | ¤
1¤i,j ¤n ¤ ¤
k 1 1 i,j n

k 1
°n
¤n máx
¤ ¤
ab  na nb k A kk B k
1 i,j n

k 1
2.3 Normas de Matrices 41

La norma de Frobenius se puede escribir alternativamente de cualquiera de las

dos formas siguientes:
a
a) k A kF  trpA Aq
b) k A k2F k a1 k22 k a2 k22 . . . k an k22 , donde A  ra1 a2    an s P Fnn
está escrita en términos de sus vectores columna.

2.3.2. Normas de Matriz Inducidas

Una técnica general para obtener normas de matriz a partir de normas vectoriales
es la siguiente: Sea A P Fmn y pensemos en A como una transformación u operador
lineal:
A : Fn Ñ Fm
x Ñ Ax
Consideremos en Fn y Fm normas }}n y }}m , respectivamente. Es un hecho conocido
que las aplicaciones lineales entre espacios vectoriales normados de dimensión finita
son operadores acotados. Que un operador h : E1 Ñ E2 entre dos espacios normados
es acotado significa que @x P E1 existe una constante M ¡ 0 tal que }hpxq} ¤ M }x}
donde hemos representado con el mismo signo, }}, y sin posibilidad de confusión,las
dos normas definidas en E1 y E2 . Si E1 y E2 son espacios vectoriales de dimensión
finita, hemos visto en el Corolario 2.8 que las aplicaciones lineales son continuas.
Si x P E1 entonces
x
}x} está en la esfera unidad S1 de E1 que, por el Lema 2.4,
es un conjunto compacto en E1 . Por consiguiente, si h es lineal entonces, como las
normas son siempre funciones continuas, }  }  h restringido a S1 alcanza su máximo
y mı́nimo. Sea M  máx }hpy q}. Entonces }hp }xx} } ¤ M . Pero }hp }xx} }  }x1} }hpxq},
P
y S1
de donde se sigue que }hpxq} ¤ M }x}.

En particular para la aplicación lineal A se tiene que @x P Fn existe una constante

M ¡ 0 tal que }Ax}m ¤ M }x}n . Y esto significa que el conjunto
"
}Ax}m : x P Fn, x  0*
}x}n
está acotado superiormente. Consecuentemente, tiene un supremo. Podemos ası́ de-
finir la siguiente función:
f : Fmn Ñ R
A Ñ f pAq
42 Normas de Vectores y Matrices

donde
k Ax km
f pAq  sup n
P
0 x F k x kn

Es claro que el cociente

k Ax km
k x kn
es no negativo. Probaremos que f es una norma consistente con las normas de vector
que sirven para definirla.

Comenzaremos observando que el sup se alcanza y que, por lo tanto, podemos

sustituir sup por max. Para ello probamos, en primer lugar, que (supondremos siem-
pre x P Fn ):
f pAq  sup k Ax km .

kxkn 1

En efecto si M  sup

kAxkm
0 x kxkn
entonces M ¥ kAxkm
kxkn
, @x  0. En particular M ¥k
Ax km , @x P Fn tal que k x kn  1, con lo que M ¥ sup k Ax km . Recı́procamen-

kxkn 1
te, si M  sup
kxkn 1
k Ax km , entonces M ¥k Ax km, @x P Fn tal que k x kn 1. Sea
x P Fn un vector no nulo arbitrario; entonces kxkx es un vector unitario, de modo
n

que M ¥k A kxkx
km  kxk
1
k Ax km . Por lo tanto M ¥ sup kAxk m
. En conclusión
n n 0xPF kxk n n

f pAq  sup k Ax kn .
kxk 1n

Ahora bien, k  km es una función continua respecto de cualquier norma de Fn

y también A es una función continua (por ser una función lineal). Por otra parte,
la esfera unidad es un conjunto compacto (respecto de cualquier norma) de Fn , y
cualquier función continua alcanza sus valores máximo y su mı́nimo en ella. Ası́ pues

k Ax km
f pAq  máx k Ax km  máxn .

kxkn 1 P
0 x F k x kn

Demostraremos ahora que f pAq es una norma vectorial consistente con las nor-
mas }  }m y }  }n .

Teorema 2.11 .- Sea k  kn y k  km normas definidas en Fn y Fm , respectivamente.

2.3 Normas de Matrices 43

a) La función real f definida en Fmn por

k Ax km
f pAq  máx k Ax km  máxn

kxkn 1 P
0 x F k x kn

es una norma que denotaremos con k  km,n .

b) Si A P Fmn y B P Fnp entonces

}AB }m,p ¤ }A}m,n}B }n,p.
En particular, si m  n entonces la norma }  }n,n es una norma de matriz.
c) Las normas k  km,n , k  km y k  kn son consistentes.

d) Si µ es cualquier otra norma de matriz consistente con k  km y k  kn , entonces

k A km,n ¤ µpAq, @A P Fmn .

En lo sucesivo, y para evitar una notación excesivamente pesada, no escribi-

remos los subı́ndices que asocian cada norma al espacio en el que está definida y
representaremos todas las normas con el sı́mbolo }  }. La razón es que en todo mo-
mento es claro en qué espacio está el vector o la matriz sobre el que actúa la norma.
Ası́, escribiremos }x} y }A} en vez de }x}n o }A}m,n porque si A P Fmn entonces la
norma en Fmn es }}m,n y no se necesita precisar los subı́ndices; y, además, Ax sólo
tiene sentido si x P Fn y no se precisa especificar el subı́ndice en el correspondiente
sı́mbolo de la norma.

Demostración.- a) Debemos verificar todos los axiomas que definen las normas
de matriz

(i) Si A  0 existe x P Fn tal que Ax  0. Por lo tanto k Ax k¡ 0 y k A k

máx k Ax k¡ 0.

kxk 1

(ii) Para todo λ P F

k λA k máx k λAx kv  máx |λ| k Ax k


kxk 1 
kxk 1
 |λ| kxk
máx
1
k Ax k |λ| k A k .
44 Normas de Vectores y Matrices

(iii) Probamos ahora que si A, B P Fmn entonces k A B k¤k A k k B k. En

efecto
kA B k máx k pA B qx k máx k Ax Bx k¤

kxk 1 
kxk 1

¤ máx pk Ax k

kxk 1
k Bx kq ¤ máx k Ax k

kxk 1
máx k Bx k

kxk 1

k A k kBk.

b) Sean A P Fmn y B P Fnp. Por definición

k AB k máx k ABx k .
}x}1
Sea x0 P Fp un vector con k x0 k 1 donde se alcanza el máximo: k AB kk ABx0 k.
Ahora bien, para cada matriz X

k Xy k
k X k máx
y 0 kyk

de donde resulta que k Xy k¤k X k k y k, @y  0. Ası́

k AB kk ApBx0 q k¤k A k k Bx0 k¤
¤k A k k B k k x0 kk A k k B k,
porque k x0 k 1; que es lo que se querı́a demostrar.

En particular si m  n  p y A, B P Fnn entonces

}AB }n,n ¤ }A}n,n }B }n,n.
Es decir, }  }n,n es una norma de matriz.
c) Ya hemos visto que @A P Fnn y @x P Fn , x  0, se tiene que

k Ax km ¤k A km,n k x kn .

Y para x  0 se obtiene la igualdad de forma evidente. Por consiguiente, las normas

k  km,n , k  km y k  kn son consistentes.
2.3 Normas de Matrices 45

d) También hemos visto más arriba que existe x0 P Fn con k x0 k 1 tal que
k A kk Ax0 k .

Como µ es consistente con k  km y k  kn resulta que

k A kk Ax0 km ¤ µpAq k x0 kn  µpAq,

tal y como se deseaba demostrar.

Ejemplo 2.12 .- Vamos a ver cómo se definen explı́citamente las normas de matriz
`p para p  1, 2, 8.

1. - La norma de matriz `1 : Sea A P Fmn y escribamos esta matriz en función

de sus columnas A  ra1 a2    an s. Vamos a probar que la norma de matriz
inducida por la norma `1 es :
m̧
k A k1  máx |aij |
¤¤
1 j n

i 1

o, equivalentemente,
k A k1  máx k aj k1
¤¤
1 j n

En efecto, pongamos M  1máx }a } . Vamos a demostrar que M  }máx

¤j ¤n j 1 x} 1
}Ax}1.
Para ello probamos primero que M ¥ }Ax}1 para todo x P Fn con }x}1  1;
1

i.e. que M es una cota superior del conjunto

t}Ax}1 : }x}1  1, x P Fnu,

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  }x1a1    xnan}1 ¤
¤ p|x1|}a1}1    |xn|}an}1q ¤
¤ p|x1|    |xn|q 1máx }a }  M }x}1  M
¤j ¤n j 1
46 Normas de Vectores y Matrices

Por lo tanto, M es una cota superior de t}Ax}1 : }x}1  1, x P Fn u. Ahora,

si el máx }aj }1 se alcanza, digamos, para la columna k entonces M  }ak }1 .
¤¤
1 j n
k
Ó
Tomando x0  ek  p0, . . . , 0, 1, 0, . . . , 0q P Fn, tenemos que }x0}1  1 y
M  }ak }1  }Aek }1  }Ax0},
de modo que M es una cota superior de t}Ax}1 : }x}1  1, x P Fnu que se
alcanza. Esto es
máx }aj }1  máx }Ax}1  }A}1
¤¤
1 j n }x}1 1

2. - La norma de matriz `8 : De forma similar a lo que hemos visto más arriba,

vamos a demostrar que la norma de matriz inducida por la norma `8 es
ņ
k A k8  máx |aij |.
¤¤
1 i n

j 1

° n
Pongamos M  1máx
¤i¤n
|aij |. Por una parte

j 1

 
° n  °n
k Ax k8  ¤ | |¤
 
máx  aij xj  máx aij xj
1¤i¤n j 1  1¤i¤n j 1
 
°
n °n
¤ 1máx |a
¤i¤n j 1 ij
máx |xk |
¤¤
 máx
¤¤
|aij | k x k8 
1 k n 1 i n j 1 
 M }x}8.
Ası́ pues
}A}8  máx

kxk8 1
k Ax k8 ¤ M. (2.2)

Para demostrar la desigualdad en sentido contrario vamos a probar que para

cada i  1, . . . , n existe un vector xi con }xi }8  1 tal que
 
ņ  ņ 
|aij |  

j 1

aij xij  .

(2.3)

j 1
2.4 Sucesiones y Series de Matrices 47

Supuesto esto demostrado es fácil ver que }A}8 ¥ M . En efecto, para cada
i  1, . . . , n

}A}8  }xmáx
} 8 1
}Ax}8 ¥ }Axi} 
 
° 
 n
 
máx  aij xij 
1¤i¤n j 1 

°n
 máx
¤¤ 
1 i nj 1
|aij |  M

Ası́ pues, debemos demostrar (2.3). Basta encontrar xi tal que aij xij  |aij |.
Pero esta misma identidad nos sirve de definición:

xij  |āaij |
ij

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
ņ
}A1}8  }xmáx
}8 1
}Ax}8  M  1máx
¤i¤n
|aij |
j 1
tal y como se deseaba demostrar.

3. - La norma de matriz `2 : A la norma de matriz inducida por la norma `2 se

le llama también Norma Espectral. Veremos en un tema posterior que tie-
ne un significado muy importante que todavı́a no estamos en condiciones de
comprender bien.

2.4. Sucesiones y Series de Matrices

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.
48 Normas de Vectores y Matrices

Sea tAk u8
k0 una sucesión infinita de matrices con elementos en F
nm
, recordemos
que F  R o C. Con esta sucesión formamos otra, la de las sumas parciales
ķ
Sk  Aj , k ¥ 0.
j 0 

8
°
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
k Ñ8
 klı́m
Ñ8 k
S entonces escribiremos
8̧
Aj  S.

j 0

8
°
La convergencia de la serie Aj se puede reducir a la de la serie numérica
j 0 
8
°
}Aj } de la siguiente forma:

j 0

8
°
Proposición 2.14 Si la serie numérica }Aj } converge para alguna norma de
j 0
8
°
matriz, también converge la serie matricial Aj .

j 0

Demostración.- Sea ε ¡ 0 un número real dado. Veremos que existe un entero

N ¡ 0 tal que si p, q ¥ N entonces k Sp
Sq k  ε. Esto demuestra que la sucesión
tSnu de sumas parciales es una sucesión de Cauchy. Como Fmn es completo, tSnu
converge.

En efecto
   
 ¸ q  ¸
q ¸ p ¸
q 
k Sp
Sq k ¤ }Aj }  } }
} }
   
 Aj   Aj Aj  .
j p 1  j p 1 j 0 
j 0

8
°
Ahora bien, si }Aj } converge, existe N ¡ 0 tal que si p, q ¥ N entonces

j 0
 
¸ p ¸
q 


j 0
} }

Aj } }   ε,

Aj 


j 0
2.4 Sucesiones y Series de Matrices 49

que es lo que se querı́a demostrar.

8
°
En particular, para matrices cuadradas la serie de potencias aj Aj es conver-

j 0
8
°
gente si lo es la serie numérica |aj | }A} . En realidad, este resultado no es un caso
j

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 } ¤ |aj | }Aj } ¤ |aj | }A}j ,
donde la última desigualdad se debe a que las normas de matriz tienen la propiedad
submultiplicativa.

Como muchas funciones escalares se pueden definir como series de potencias

convergentes en ciertas regiones del plano complejo, la posibilidad de reducir la con-
vergencia de una serie de potencias matriciales a la de sus correspondientes normas
permite definir de forma sencilla algunas funciones matriciales.
8
°
Concretamente, sea f pz q  aj z j en un entorno de z  0 con un radio de

j 0
8
°
convergencia R y consideremos la serie matricial aj Aj con A P Fnn . Si hay

j 0
8
°
alguna norma de matriz para la que }A}   R, la serie |aj | }A}j converge y

j 0
podemos definir
8̧
f pAq  aj Aj .
j 0 
En particular, cada una de las siguientes funciones está perfectamente definidas:
8
eA  ° j!1 Aj , @A P Fnn.
j 0
8 p
1qj
°
senpAq  A2j 1 , @A P Fnn .
j 0 p2j 1q !
°8 p
1qj
cospAq 
p2j q! A , @A P F .
2j nn

j 0

De la misma forma se podrı́an definir otras funciones matriciales como ln A, tanpAq,

50 Normas de Vectores y Matrices

8
°
etc. Nos interesa especialmente la serie geométrica z j que sabemos que converge

j 0

a
1
1
z
 p1
zq
1 si |z|   1:

Proposición 2.15 Si A P Fnn y }A}   1 para alguna norma

8
de matriz, entonces
°
In
A es invertible. Además, en tal caso pIn
Aq
1  Aj y }pIn
Aq
1 } ¤

j 0
1
1
}A}
.

8
°
Demostración.- Si }A}   1 entonces la serie geométrica }A}j es convergen-

j 0
8
° 8
°
te, y por la Proposición 2.14 la serie matricial Aj converge. Sea B  Aj y

j 0 
j 0
pongamos
ķ
Sk  Aj .

j 0

Entonces
pI
AqSk  pIn
AqpIn A  Ak q  In
Ak 1 .
Como lı́m Sk  B resulta que
kÑ8

lı́m pIn
AqSk  pIn
AqB,

k Ñ8
y también
lı́m pIn
AqSk  klı́m pI
Ak 1q.
k Ñ8 Ñ8 n
Ahora bien, lı́m pIn
Ak q  In porque }In
Ak 1
In} ¤ }A}k
1 1
y la sucesión
k Ñ8
numérica t}A}k u converge a cero por ser }A}   1.

En consecuencia pIn
AqB  In y

8̧
pIn
Aq
1  B  Aj .

j 0