Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Con la colaboración de Carlos Antunes, David Rosa, Ana Emilia de Orellana, Itatı́ Zocola
Análisis Matricial - LMA
1. Definiciones
Definición 1. Sea d : X×X → R, con X ̸= ∅ decimos que d(·, ·) es una distancia
si para todo x, y, z ∈ X se satisfacen las siguientes propiedades:
3. ∥x + y∥ ≤ ∥x∥ + ∥y∥.
Definición 3. Sea ⟨·, ·⟩ : V×V → R, V un e.v., decimos que ⟨·, ·⟩ es un producto
escalar si para todo x, y, z ∈ V, c ∈ R se satisfacen las siguientes propiedades:
1. ⟨x, y⟩ = ⟨y, x⟩.
1
1.1. Relación norma - producto interno
Todo producto escalar ⟨·, ·⟩ determina una norma definida como
1
∥x∥ = ⟨x, x⟩ 2 .
Veamos que es una norma. Sean x, y ∈ Rn , c ∈ R:
1 1 1
1. ∥cx∥ = ⟨cx, cx⟩ 2 = c2 ⟨x, x⟩ 2 = |c|⟨x, x⟩ 2 = |c|∥x∥.
1
2. ∥x∥ = ⟨x, x⟩ 2 ≥ 0.
3. ∥x + y∥2 = ⟨x + y, x + y⟩ = ⟨x, x⟩ + ⟨y, y⟩ + 2⟨x, y⟩ ≤ ∥x∥2 + ∥y∥2 +
2∥x∥∥y∥ = (∥x∥ + ∥y∥)2 .
No toda norma ∥ · ∥ proviene de un producto interno.
Consideramos la norma infinito, con ∥x∥∞ = max|xi |, se puede verificar que
cumple con las propiedades con las que se define una norma, sin embargo no
satisface la tercer propiedad de producto escalar agregar cuentitas.
Sin embargo, es cierto que esto sucede si y sólo si ∥ · ∥ satisface la identidad
del paralelogramo:
1 2 2 2 2
(∥x + y∥ + ∥x − y∥ ) = ∥x∥ + ∥y∥ .
2
Sobre la prueba de este resultado: La primer implicación no es difı́cil de
demostrar, bsata usar las propiedades de producto interno, la recı́proca está
detallada en el Anexo 2.3
Veamos a continuación que la inclusión es estricta, es decir que poseer una
distancia no implica obtener una norma y, del mismo modo, tener una norma
no nos garantiza un producto interno asociado.
d(x, y) = ∥y − x∥.
Veamos que es una distancia. Sean x, y, z ∈ Rn :
2
es una distancia, pero lo que de verdad nos interesa es que no es norma ya que
no cumple la primer propiedad. En efecto, sea λ ∈ R:
∥λx∥ = d(λx, 0) = 1,
∥x∥ = d(x, 0) = 1
3
2. |||cA||| = |c||||A|||.
3. |||A + B||| ≤ |||A||| + |||B|||.
4. |||AB||| ≤ |||A||||||B||| .
∥Ax∥
|||A||| = máx ∥Ax∥ = máx .
∥x∥=1 x̸=0 ∥x∥
4
1. |||A||| ≥ 0 ya que tanto |||A|||1 como |||A|||∞ son no negativas por tratarse
de normas, además |||A||| = 0 sı́ y solo sı́ |||A|||1 = 0 y |||A|||∞ , por lo que A
debe ser 0 .
2. |||cA||| = máx{|||cA|||1 , |||cA|||∞ } = máx{|c||||A|||1 , |c||||A|||∞ } = |c| máx{|||A|||1 , |||A|||∞ } =
|c||||A|||.
3.
4.
Sin embargo, esta norma matricial no es inducida ya que |||I2×2 ||| = máx{|||A|||1 , |||A|||∞ } =
máx{2, 1} = 2, y veremos a continuación que las normas inducidas satisfacen
que |||I||| = 1.
Conclusón de esta sección las normas inducidas en las matrices de n × n son
menos que las normas matriciales en las matrices de n que son menos que las
normas en las matrices de n × n.
5
P 12 P 12
n Pn 2 n Pn Pn
|||AB|||F = i,j=1 | k=1 aik bkj | ≤ i,j=1 k=1 |aik |2 m=1 |bmj |2
P 12 P 12
n n
= i,k=1 |a2ij | m,j=1 |bij |2
= |||A|||F |||B|||F
√
Como ∥I∥2 = n entonces por el contrarecı́proco de la primera propiedad,
la norma de Frobenius no es una norma inducida.
Las normas l1 , l2 y l∞ inducen sobre Mn×n las normas |||A|||1 , |||A|||2 y |||A|||∞
respectivamente, para las cuales se puede probar las siguientes igualdades:
Pn
1. |||A|||1 = máxj i |aij | = mayor norma l1 de las columnas de A.
2. |||A|||2 = σ1 (A).
Pn
3. |||A|||∞ = máxi j |aij | = mayor norma l1 de las filas de A.
∥Ax∥1 = ∥x
Pn1 a1 + . . . + xn an ∥1
≤ |x |∥a ∥
Pnj j j 1
≤ j |x j |(máxk ∥ak ∥1 ) = ∥x∥1 (máxk ∥ak ∥1 ) = máxk ∥ak ∥1 .
Entonces máxk ∥ak ∥1 es una cota superior para |||A|||1 . Tomando ak ∗ la columna
con norma l1 más grande de A, se tiene que ∥Aek∗ ∥1 = ∥ak∗ ∥1 = máxk ∥ak ∥1 .
Como la igualdad se alcanza, (1) queda demostrado.
Hemos probado que σ1 (A) es una cota superior para |||A|||2 . Como A =
σ1 u1 v1 T +. . .+σn un vn T y {u1 , . . . , un } y {v1 , . . . , vn } son conjuntos ortonormales,
se tiene que ∥Av1 ∥2 = ∥U ΣV T v1 ∥2 = ∥σ1 u1 ∥2 = σ1 . Esto es, la igualdad se
alcanza para el vector v1 . Luego |||A|||2 = σ1 (A).
6
Pn Pn
3. Probemos que valen |||A|||∞ ≤ máxi j |aij | y máxi j |aij | ≤ |||A|||∞ .
Para la primera desigualdad, observemos
Pn que tomando v = (1, . . . , 1) se tiene
∥Av∥∞ /∥v∥∞ = ∥Av∥∞ = máxi j |aij |. Por definición |||A|||∞ debe ser mayor
o igual que ∥Av∥∞ /∥v∥∞ y la primera desigualdad vale.
Para la segunda, veamos todos los cocientes están acotados por arriba. Esto
es, para todo x = con ∥x∥∞ = máxj |xj | = 1 se tiene
n
X n
X
∥Ax∥∞ = máx |aij ||xj | ≤ máx |aij |.
i i
j j
Teorema: Para toda A ∈ Rn×n y ϵ > 0 existe una norma matricial |||·||| tal
que ρ(A) ≤ |||A||| < ρ(A) + ϵ.
Teorema 1. Sea |||·||| una norma matricial y S ∈ Mn×n una matriz invertible.
Entonces la función |||·|||S : Mn×n → R con |||A|||S = SAS −1 es una norma
matricial.
Demostración. Sea A ∈ Mn×n y |||·||| una norma matricial. Probemos primero
que ρ(A) ≤ |||A|||. Para esto consideramos un autovalor λ de A con autovector
correspondiente x. Definimos la matriz de rango 1:
.. .. ..
. . .
.
X = xeT =
x 0 ··· 0 .
.. .. ..
. . .
7
Observar que
.. .. .. . .. ..
. . . .. . .
Ax
AX = 0 ··· 0 = λx
0 ··· 0 = λX.
.. .. .. .. .. ..
. . . . . .
8
Sea B ∈ Mn×n consideramos: |||B||| = Dd QBQT Dd−1 1 = (Dd Q)B(Dd Q)−1 1
.
Por 1 tenemos |||·||| es una norma matricial. Finalmente, por teorema 1
j−1
!
X
|||A||| = Dd QAQT Dd−1 1
= máx |λj | + di−j |tij | < ρ(A) + ϵ
1≤j≤n
i=1
∥Ak x∥ Ak ∥x∥
|λ|k = ≤ = Ak .
∥x∥ ∥x∥
1
De esto se sigue |λ| ≤ Ak k
. Como es cierto para todos loa autovalores
1
k
obtenemos ρ(A) ≤ A k
.
9
1
Ahora demostemos que el lı́mite de Ak k
es el radio espectral de la matriz
A.
1
Sea ϵ > 0, definimos à = ρ(A)+ϵ A, debido a que los autovalores de à son
1
ρ(A)+ϵ λi obtenemos
1 ρ(A)
ρ(Ã) = ρ(A) = < 1.
ρ(A) + ϵ ρ(A) + ϵ
1 Ak
Ãk = Ak = < 1, ∀k ≥ k0 .
(ρ(A) + ϵ)k (ρ(A) + ϵ)k
1
Esto es, Ak < (ρ(A) + ϵ)k , por lo que obtuvimos Ak k
< ρ(A) + ϵ.
1
k
Por lo tanto si k ≥ k0 se tiene ρ(A) ≤ A k
≤ ρ(A) + ϵ. Es decir
1
k k
lı́mk→∞ A = ρ(A).
Ahora veamos que esta también es una condición suficiente para que una
norma sea inducida por un producto interno. Se necesitarán los siguientes teoremas.
Teorema: Toda forma Q-bilineal, real, simétrica y definida positiva satisface
la desigualdad de Cauchy-Schwarz.
Demostración. Sea V un espacio vectorial real. Sea ⟨·, ·⟩ : V × V → R, Q-bilineal
(1), simétrica (2) y definida positiva (3). Sean x, y ∈ V arbitrarios. Si y = 0, la
(3)
desigualdad se cumple con igualdad; se√ asume y ̸= 0. Por lo tanto ⟨y, y⟩ > 0.
ε
Sea ε ∈ R+ arbitrario. Por lo tanto ⟨y,y⟩ ∈ R+ . Por lo tanto puede definirse
√
⟨x,y⟩ ε ⟨x,y⟩
q ∈ Q/ q − ⟨y,y⟩ < ⟨y,y⟩ (4) una aproximación racional de ⟨y,y⟩ ∈ R.
10
(3)
⟨x, y⟩2 ≤ ⟨x, y⟩2 + ⟨x − qy, x − qy⟩⟨y, y⟩
(1,2)
≤ ⟨x, y⟩2 + (⟨x, x⟩ − 2q⟨x, y⟩ + q 2 ⟨y, y⟩)⟨y, y⟩
2
⟨x, y⟩
= ⟨x, x⟩⟨y, y⟩ + q − ⟨y, y⟩
⟨y, y⟩
(4)
< ⟨x, x⟩⟨y, y⟩ + ε
Por lo tanto, como ε es arbitrario, ⟨x, y⟩2 ≤ ⟨x, x⟩⟨y, y⟩. Por lo tanto, como
x y y son arbitrarios, ∀x, y ∈ V⟨x, y⟩2 ≤ ⟨x, x⟩⟨y, y⟩.
11
||x + x||2 − ||x − x||2
(D)
Norma inducida: ⟨x, x⟩ =
4
||2x||2 − ||0||2
=
42 2
(n1,n2) (2||x||) − 0
=
4
= ||x||2 (N ).
2 2
(D) ||x + y|| − ||x − y||
Simetrı́a: ∀x, y ∈ V⟨x, y⟩ =
4
||y + x||2 − ||(−1)(y − x)||2
=
2
4 2
(n1) ||y + x|| − (| − 1|||y − x||)
=
4
||y + x||2 − ||(y − x)||2
=
4
(D)
= ⟨y, x⟩ (p1).
(N ) (N )
Positividad definida: ∀x ∈ V[⟨x, x⟩ = ||x||2 ≥ 0∧(⟨x, x⟩ = 0 ⇔ ||x||2 = 0 ⇔
(n2)
||x|| = 0 ⇔ x = 0)]. Por lo tanto ∀x ∈ V[⟨x, x⟩ ≥ 0∧(⟨x, x⟩ = 0 ⇔ x = 0)] (p4).
Distributividad: Sean x, y, z ∈ V arbitrarios. Se tienen las siguientes cuatro
identidades del paralelogramo
||y + 2z||2 − ||y − 2z||2 = 2||x + y + z||2 + 2||x − z||2 − 2||x + y − z||2 − 2||x + z||2 .
Los lados izquierdos son iguales. Se igualan los lados derechos y se reordena
||x + y + z||2 − ||x + y − z||2 = ||x + z||2 − ||x − z||2 + ||y + z||2 − ||y − z||2 .
12
*k+1 + * k
+
X X
∀x1 , · · · , xk+1 , y ∈ V xi , y = xi + xk+1 , y
i=1 * i=1 +
k
(p3) X
= xi , y + ⟨xk+1 , y⟩
i=1
k
P (k)X
= ⟨xi , y⟩ + ⟨xk+1 , y⟩
i=1
k+1
X
= ⟨xi , y⟩.
i=1
Por lo tanto, ∀n ∈ NP (n).*Por lo tanto
+
Xn n
X
∀x, y ∈ V, n ∈ N⟨nx, y⟩ = x, y = ⟨x, y⟩ = n⟨x, y⟩ (p2N).
i=1 i=1
||x + 0||2 − ||x − 0||2
(D)
∀x ∈ V⟨x, 0⟩ = = 0 (p0).
4
(p0,p1)
∀x, y ∈ V⟨0x, y⟩ = ⟨0, y⟩ = 0 = 0⟨x, y⟩ (p20).
(p3) (p0,p1)
∀x, y ∈ V⟨x, y⟩ + ⟨−x, y⟩ = ⟨x + (−x), y⟩ = ⟨0, y⟩ = 0. Por lo tanto
∀x, y ∈ V⟨−x, y⟩ = −⟨x, y⟩ (p2−).
(p2N) (p2−)
∀x, y ∈ V, n ∈ −N⟨nx, y⟩ = ⟨(−n)(−x), y⟩ = (−n)⟨−x, y⟩ = n⟨x, y⟩.
Esto con (p2N) y (p20), da ∀x, y ∈ V, m ∈ Z⟨mx, y⟩ = m⟨x, y⟩ (p2Z).
Dm E n Dm E (p2N) 1 D m E
∀x, y ∈ V, m ∈ Z, n ∈ N x, y = x, y = n x, y =
n n n n n
1 (p2Z) m
⟨mx, y⟩ = ⟨x, y⟩. Por lo tanto ∀x, y ∈ V, q ∈ Q⟨qx, y⟩ = q⟨x, y⟩ (p2Q).
n n
Por fin se usa el segundo teorema del anexo. Por (D), (p1), (p2Q), (p3) y
(p4), ⟨·, ·⟩ es una forma Q-bilineal, real, simétrica y definida positiva, y por lo
tanto satisface la desigualdad de Cauchy-Schwarz (cs).
Sea y ∈ V arbitrario. Por lo tanto puede definirse f : V → R/f (x) = ⟨x, y⟩
(1). Se quiere verificar que f es continua, o sea ∀x ∈ V, ε ∈ R+ ∃δ ∈ R+ ∀z ∈
V(||z − x|| < δ ⇒ |f (z) − f (x)| < ε). Sean x ∈ V y ε ∈ R+ arbitrarios. Si y = 0
(n2) (1) (p0,n2)
entonces |y| = 0 entonces ∀z ∈ V|f (z) − f (x)| = |⟨z, 0⟩ − ⟨x, 0⟩| = 0 < ε
entonces, como x y ε son arbitrarios, f es continua; se asume y ̸= 0. Por lo tanto
(n2)
ε
|y| ∈ R+ . Por lo tanto puede definirse δ := ||y|| ∈ R+ (2). Por lo tanto puede
definirse z ∈ V/||z − x|| < δ (3).
(1)
|f (z) − f (x)| = |⟨z, y⟩ − ⟨x, y⟩|
(p2−,p3)
= |⟨z − x, y⟩|
(N,cs)
≤ ||z − x||||y||
(3)
< δ||y||
(2)
= ε
Como z, x y ε son arbitrarios, f es continua.
Se usa el tercer teorema del anexo. Por (p2Q) y (p3), f es Q-lineal. Por
13
lo tanto, como es real (1) y continua, es R-lineal. Por lo tanto ∀x ∈ V, c ∈
(1) (1)
R⟨cx, y⟩ = f (cx) = cf (x) = c⟨x, y⟩. Por lo tanto, como y es arbitraria, ∀x, y ∈
V, c ∈ R⟨cx, y⟩ = c⟨x, y⟩.
14