Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2.1. Introducción
27
28 Normas de Vectores y Matrices
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 ν pxq ¡ 0.
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 :
ņ
k x k1 | xi | .
i 1
(c) La norma `8 :
k x k8 máx |xi |.
¤¤
1 i n
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:
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
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 , . . . , jnq u t1, . . . , nuzti1 , . . . , iq u tenemos que
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.
c1 ¤ µν ppxxqq ¤ c2, @x P V.
32 Normas de Vectores y Matrices
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.
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.
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).
(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.-
(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
°
n
ν pg paq g pbqq ν paivi biviq ¤
i 1
°
n
¤ |ai bi|ν pviq
¤ M k a b k1 ,
i 1
°
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 S1n1 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,
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.
Siguiendo ası́ sucesivamente, construı́mos una sucesión de vectores txn u con las
siguientes propiedades:
(b) ν pxn xm q ¥ 1
2
para n m, n, m P N.
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
x P V , tenemos que P Sµ y
x
µ p xq
Y de la misma forma
g : Fn Ñ V
a pa1 , . . . , an q Ñ v a1v1 an vn
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
Una norma definida en Fnn se dice que es una norma de matriz si es con-
sistente.
k A k | aij |2
i 1j 1
k A k máx |ai,j |
¤¤
1 i m
¤¤
1 j n
k A k |aij | 2
i 1j 1
k A k n máx |ai,j |
¤ ¤
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
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}.
donde
k Ax km
f pAq sup n
P
0 x F k x kn
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
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 .
k Ax km
f pAq máx k Ax km máxn
kxkn 1 P
0 x F k x kn
Demostración.- a) Debemos verificar todos los axiomas que definen las normas
de matriz
¤ 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.
k Xy k
k X k máx
y 0 kyk
k Ax km ¤k 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 kk Ax0 k .
Ejemplo 2.12 .- Vamos a ver cómo se definen explı́citamente las normas de matriz
`p para p 1, 2, 8.
o, equivalentemente,
k A k1 máx k aj k1
¤¤
1 j n
° 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)
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.
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
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
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.
8
°
etc. Nos interesa especialmente la serie geométrica z j que sabemos que converge
j 0
a
1
1z
p1 zq1 si |z| 1:
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