Cap tulo 2

Normas de Vectores y Matrices

2.1.

Introducci on

En este cap tulo 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 denir de forma precisa conceptos tales como series de potencias de matrices; y desde luego es b asico para precisar lo que se entiende por proximidad o lejan a entre matrices, aspectos fundamentales en el an alisis de algoritmos en la computaci on num erica. Un par de ejemplos pueden servir para ilustrar estas ideas. Es conocido que si x es un n umero complejo de m odulo menor que 1 entonces

p1 xq1  1 x x2 x3 . . .
Esto sugiere la f ormula

pI Aq1  I A A2 A3 . . .
27

28

Normas de Vectores y Matrices

para calcular la inversa de la matriz I A. Pero cu ando es tal f ormula v alida?. Resulta que es suciente que una norma de la matriz A sea menor que 1, y adem as cualquier norma sirve. De forma parecida se puede ver que bajo ciertas condiciones relativas a la norma de A la serie V 1 Ak k i0 es convergente y sirve para denir la funci on matricial eA . Por otra parte, el c alculo num erico con matrices que proceden de datos experimentales, no es exacto; por lo general matrices est an sometidas, bien sea por errores de redondeo o por imprecisi on en las mediciones,a peque nas perturbaciones. Cu an peque nas son estas perturbaciones, o lo que es lo mismo, cu an lejos est a la matriz verdadera de la calculada son conceptos que se pueden hacer precisos utilizando normas. En todo este cap tulo supondremos que F es el cuerpo R de los n umeros reales o el cuerpo C de los n umeros complejos.

2.2.
2.2.1.

Normas de Vectores
Denici on y Ejemplos

Como es bien sabido, el concepto de norma de un vector es una generalizaci on del concepto de valor absoluto o m odulo de un n umero complejo. Denici on 2.1 .-Sea V un espacio vectorial sobre F (R o C). Una funci on : V R es una norma en V si satiface las siguientes propiedades: (i) x $ 0 pxq 0. (ii) pxq  || pxq,

d F. dx V
(desigualdad triangular)

(iii) px y q pxq py q,

2.2 Normas de Vectores

29

Tres importante propiedades se siguen de forma inmediata de la Denici on 2.2. Para cualquier norma 1. p0q  0 porque p0q  p0xq  0 pxq  0.

2. pxq  pxq porque pxq  | 1| pxq  pxq

3. | pxq py q| px y q. En efecto, hay dos posibilidades:

b) pxq py q. Entonces | pxq py q|  py q pxq y de nuevo por la desigualdad triangular py q py xq pxq  px y q pxq. Ejemplo 2.2 Se puede denir una innidad de normas en Fn , sin embargo las m as utilizadas son las llamadas normas de H older o normas p . En lo que sigue supondremos que x  px1 , x2 , . . . , xn q Fn es un vector de Fn . Para cada una de las normas dibujamos, a modo de ilustraci on la correspondiente bola unidad en R2 ; i.e., el conjunto B p0, 1q  tx R2 | x 1u.

a) pxq py q. En este caso | pxq py q|  pxq py q y por la desigualdad triangular pxq  ppx y q y q px y q py q.

(a)

La norma x

1:

n i 1

| xi | .

(b)

La norma x

o norma eucl dea:

d
n

2

i 1

| xi | 2 .

30

Normas de Vectores y Matrices

(c)

La norma V : x V  m ax |xi |. 1in

(d)

La norma x

general (p 1):

n i 1

| xi | p

1{p

Demostrar que las normas p son, en efecto, normas es f acil salvo la desigualdad triangular que, en el caso general, se conoce como desigualdad de Minkowsky. esta a su vez, es consecuencia de otra desigualdad importante; la desigualdad de H older: 1 1 Si p y q son n umeros reales tales que p q  1 entonces

| x y |

En el caso particular en que p  2 (y entonces tambi en q H older se convierte en una desigualdad bien conocida:

 2) la desigualdad de

| x y |
la desigualdad de Cauchy-Schwartz.

2,

Aparentemente la norma V no es una norma p . Sin embargo se la puede considerar como tal porque para cualquier x Fn se tiene que x V  l m pV x
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 . Tambi en admite, claro est a, una demostraci on rigurosa: Sea x y supongamos que x V  m ax |xi |  |xi1 |   |xiq |  m. 1in Es decir, que las componentes i1 , . . . , iq son, en m odulo, mayores que todas las dem as, y que en todas ellas el valor de dicho m odulo es el mismo e igual a m. As , si tj1 , . . . , jnq u  t1, . . . , nuzti1 , . . . , iq u tenemos que x
xj k
p p  pqm | xj |p |xj |p q1{p  x j p 1{p xj p  m q m m .
1 n q 1 n q

 p|x1|p xn|pq1{p,

m como se deseaba demostrar.

Como

xj 1 conclu mos que l m  0 y l m pV m pV

k

m

x V , tal y

2.2.2.

Equivalencia de normas

Las normas son herramientas b asicas para denir y analizar la convergencia de una sucesi on de vectores en espacios vectoriales. Como es habitual, una sucesi on txk u V se dice que converge a x (y se escribe xk x) si la sucesi on de n umeros reales t pxk xqu converge a cero, pxk xq 0, siendo una norma denida en V . Esta denici on depende de la norma . En principio podr a suceder que una sucesi on de vectores convergiera para una norma pero no para otra. De hecho, esto es perfectamente posible en espacios de dimensi on innita, pero no en espacios de dimensi on nita. Ello es consecuencia de que todas las normas en un espacio vectorial de dimensi on nita son equivalentes en el siguiente sentido: Denici on 2.3 Sean y normas denidas en V , espacio vectorial sobre F. Se dice que y son equivalentes si existen n umeros reales positivos c1 y c2 tales que c1 pxq pxq c2, dx V.

32

Normas de Vectores y Matrices

Debe notarse que as se dene, en efecto, una relaci on de equivalencia en el conjunto de todas las normas denibles en un espacio vectorial. (Se ver a en los ejercicios que hay una innidad de normas denibles en cualquier espacio vectorial). Nuestro objetivo es demostrar que todas las normas en un espacio de dimensi on nita son equivalentes. Para ello debemos recordar algunos resultados b asicos de topolog a. En todo espacio normado, pM, . q podemos denir una distancia: dpx, y q  x y , que hace de pM, dq un espacio m etrico, y por lo tanto topol ogico 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 denida una norma, autom aticamente tenemos en V estructuras de espacio m etrico y topol ogico. Como, por otra parte, cada norma es una aplicaci on de V en R, tiene sentido preguntarse si dicha aplicaci on es continua: Lema 2.4 (a) Todas las normas denidas en V , espacio vectorial sobre F, son funciones continuas. (b) Si V es un espacio vectorial de dimensi on nita entonces la esfera unidad en V , respecto de cualquier norma, es un conjunto compacto. Demostraci on.(a) Sea una norma denida en V y consideremos en V la topolog a inducida por esta norma. Sea 0 un n umero real arbitrario. Escogemos 0 . Entonces, como para todo x, y V

es continua.

| pxq pyq| px yq resulta que si px y q entonces | pxq py q| . Esto demuestra que  n y sea tv1, . . . , vnu una base de V . Denimos la
v

(b) Supongamos que dim V siguiente funci on: g :

Fn a  pa1 , . . . , an q

 a1 v 1 an v n

2.2 Normas de Vectores

33

Esta aplicaci on es un isomorsmo de espacios vectoriales; es decir, es una aplicaci on lineal y biyectiva. Y desde el punto de vista topol ogico es tambi en n un homeomorsmo cuando en V y F se consideran las topolog as derivadas de las normas y 1 . Es decir, g es una aplicaci on continua con inversa continua. No obstante, para llegar al resultado deseado s olo necesitamos que g es continua. Aunque, tal y como se acaba de decir, este es un hecho conocido, lo demostramos porque la demostraci on es muy sencilla y esta propiedad se usar a con frecuencia en este curso. Que la inversa de g tambi en es continua se demuestra de forma similar.

Sea 0 un n umero real dado. Tenemos que encontrar un n umero real tal que si a b 1 entonces pg paq g pbqq . Ahora bien pg paq g pbqq

n i 1

|ai bi| pviq M a b 1,



i 1

paivi biviq

donde M  m axt pv1 q, . . . , 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 M para obtener el resultado deseado.

Sea S V la esfera unidad respecto de la norma : S  tx V | pxq  1u. Es f acil ver que este conjunto es cerrado (su complementario es claramente abierto) y acotado. Como g es continua, g 1 pS q es cerrado (la anteimagen de una cerrado por una aplicaci on continua es cerrado), y tambi en es acotado. Esto u ltimo es, en realidad, una consecuencia inmediata de un resultado que veremos en la pr oxima lecci on, sin dicho resultado, necesitamos una demostraci on. Ya hemos visto que g : Fn V y : V R son funciones continuas. Entonces, la composici on de ambas f : Fn p a1 , . . . , a n q

R pa1 v1 an vn q

tambi en lo es. Sea S n1  tx Fn |}x}1  1u la esfera unidad de Fn respecto de la norma 1 . Como S n1 es cerrado y acotado en Fn , y por lo tanto compacto, f restringida a S n1 alcanza su m nimo. Sea m  m nyS n1 f py q. Notemos que n1 m 0 porque si y S entonces y $ 0, por lo que vy  y1 v1 yn vn $ 0 y f py q  pvy q 0.

34

Normas de Vectores y Matrices

Sea ahora a  pa1 , . . . , an q g 1 pS q. Esto signica que x  a1 v1 an vn y as  1  pxq

 }a}1

i 1

ai vi
i 1

n ai

Pero como

}}

a1 n ,... a a 1 a 1

 }a}1

vi

}}

S n1 resulta que


Por lo tanto

n ai i 1

 }a}1

vi

f

a1 an ,... }a}1 }a}1

m.

1  pxq }a}1 m, 1 y como m 0 obtenemos }a}1 . As pues, g 1 pS q est a acotado. Y como m 1 tambi en es cerrado y F  R o C, g pS q es compacto. Finalmente, por ser g biyectiva, g pg 1 pS qq  S . Ahora bien, la imagen de un compacto por una aplicaci on contiua es compacto. Conclu mos entonces que S es compacto, tal y como se deseaba demostrar. El rec proco del apartado (b) del lema anterior tambi en es verdadero. Es una consecuencia de un resultado conocido como Teorema de Riesz, que no vamos a utilizar. Ahora podemos demostrar el resultado que busc abamos Teorema 2.5 Todas las normas denidas en un espacio vectorial de dimensi on nita son equivalentes. Demostraci on.- Sea V un espacio vectorial de dimensi on nita sobre F, y sean y dos normas denidas en V . Sea S  tx V |pxq  1u. Como es una funci on continua y S es compacto, alcanza en S su m aximo y su m nimo. Pongamos x c1  m n py q y c2  m ax py q. Entonces, para x V , tenemos que S y y S y S pxq pxq  pxq

x pxq

pxq m n py q  c2 pxq. y S

2.3 Normas de Matrices

35

Y de la misma forma pxq  pxq

x pxq

pxq m ax py q  c1 pxq. y S

Normas equivalentes sobre V denen sobre V la misma topolog a. Recordemos que si es una norma sobre V , un conjunto A V es una abierto si para cada x A existe un n umero real 0 tal que B px, q  ty V | px y q u est a contenido en A. Cuando decimos que dos normas y denen la misma topolog a en V queremos decir que todos los abiertos de la topolog a determinada por son abiertos de la topolog a determinada por y viceversa. Esta propiedad tiene un inter es sobre todo te orico, pero nos ahorra tener que estar prestando atenci on continuamente a las normas empleadas cuando se prueban resultados topol ogicos. En cualquier caso, una primera consecuencia es que la convergencia de suscesiones de vectores en espacios de dimensi on nita es independientes de la norma elegida.

2.3.
2.3.1.

Normas de Matrices
Deniciones, Ejemplos y Primeras Propiedades

Dado que Fmn es un espacio vectorial todo lo dicho en la secci on anterior es de aplicaci on a las matrices de tama no m n con elementos en el cuerpo de los n umeros reales o complejos. En particular, todas las normas denidas en Fmn son equivalentes; i.e. generan la misma topolog a,y son funciones continuas. Debemos observar que las propiedades que denen una norma tienen en cuenta las operaciones propias de la estructura de espacio vectorial sobre el que se denen: el producto por escalares y la suma de vectores (desigualdad triangular). Sin embargo las matrices, en algunos casos, se pueden multiplicar. Una norma sobre Fnn se dir a que es una norma de matriz cuando respecto al producto se verica una propiedad similar a la desigualdad triangular para la suma. Tomar en consideraci on esta propiedad de las matrices nos conduce a la siguiente denici on:

36

Normas de Vectores y Matrices

Denici on 2.6 .- Sean , y normas denidas en Fmn , Fnp y Fmp , respectivamente. Diremos que , y son consistentes si para todas matrices A Fmn y B Fnp se verica pAB q pAq pB q. En particular una norma denida en Fnn se dice que es consistente si pAB q pAq pB q para todas A, B Fnn . Una norma denida en Fnn consistente tambi en se dice que es multiplicativa o submultiplicativa. Una norma denida en Fnn se dice que es una norma de matriz si es consistente.

Un caso particular importante es el de las normas consistentes (tambi en llamadas en este caso compatibles) con las normas de vector: Si es una norma denida en Fnn y es una norma denida en Fn entonces se dice que es consistente o compatible con la norma de vector si para toda matriz A Fnn y todo vector x Fn se tiene que pAxq pAq pxq Ejemplo 2.7 1. - La norma eucl dea en Fmn ser a A

m n i 1j 1

 

| aij |2

1
2

A esta norma se le llama tambi en norma de Frobenius y se suele representar por A F . En algunos sitios se le llama tambi en norma de Schur o de HilbertSchmidt. Nosotros utilizaremos el nombre de norma eucl dea 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
n k 1

aik bkj

2.3 Normas de Matrices

37

es el producto escalar de la i- esima la de A por la j- esima columna de B , AB

2 F

n i,k 1

| aik |

2 n n aik bkj i,j 1  k 1 n 2

j,k 1

n i,j 1

n k 1

| aik |
2 F

k 1 2 F

| bkj |

&

| bkj |2  

2. - La norma V en Fmn ser a: A

1 i m 1 j n

m ax |ai,j |

Esta norma en Fnn no es una norma de matriz como lo demuestra el siguiente ejemplo:  &  & 1 1 2 2 2 A A  AA  1 1 2 2 y AA  2 1  A A 3. - En general la norma
p

en Fmn se denir a como: A

m n i 1j 1

 

|aij |

1
2

Utilizando la desigualdad de H older se puede demostrar que en Fnn esta norma es una norma de matriz si y s olo si 1 p 2. 4. - Una peque na modicaci on en la denici on de la norma V nos permite obtener nn una norma de matriz en F : A

n

1 i,j n

m ax |ai,j |

En efecto, si a  m ax |aij | y b  m ax |bij | entonces

1 i,j n

AB


m ax

n n m ax aik bkj 1i,j n k 1 n

k 1

1 i,j n

1 i,j n

m ax

n k 1

1 i,j n

ab  na nb  A

|aik bkj |

38

Normas de Vectores y Matrices

La norma de Frobenius se puede escribir alternativamente de cualquiera de las dos formas siguientes: a) b) A
F

A a1 2 a2 2 an 2 2 2 ... 2 , donde A est a escrita en t erminos de sus vectores columna.

 2 F

trpA Aq

 r a1

a2 an s

Fnn

2.3.2.

Normas de Matriz Inducidas

Una t ecnica general para obtener normas de matriz a partir de normas vectoriales es la siguiente: Sea A Fmn y pensemos en A como una transformaci on lineal:

estas normas podemos denir una funci on: f : Fmn A

Fm Ax Consideremos en Fn y Fm normas } }n y } }m , respectivamente. Relativamente a

A : Fn x

R f pAq
Ax x
m n

donde f pAq se dene de la siguiente forma: f pAq  Es claro que el cociente Ax x

m n 0 x F

sup n

es no negativo. Probaremos que este sup es un n umero no negativo bien denido y que la correspondiente funci on es una norma consistente con las normas de vector que sirven para denirla. 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 siempre x Fn ): f pAq 
x

sup
n

1

Ax

2.3 Normas de Matrices

39

dx F tal que x n 1, con lo que M xsup Ax m . Rec procamen1 te, si M  sup Ax m , entonces M Ax m , dx Fn tal que x n  1. Sea x 1 x Fn un vector no nulo arbitrario; entonces xx es un vector unitario, de modo que M A xx m  x1 Ax m . Por lo tanto M sup Ax . En conclusi on x 0$xF f pAq  sup Ax n . x 1
Ax
m, n
n n n m n n n n n

En efecto si M

sup
0 x

Ax m x n

entonces M

Ax m , x n

dx $ 0. En particular M

Ahora bien, m es una funci on continua respecto de cualquier norma de Fn y tambi en Ax es una funci on continua (por ser una funci on lineal de x). Por otra parte, la esfera unidad es un conjunto compacto (respecto de cualquier norma) de Fn , y cualquier funci on continua alcanza sus valores m aximo y su m nimo en ella. As pues Ax m . f pAq  m ax Ax m  m axn 0$xF x n 1 x n Demostraremos ahora que f pAq es una norma vectorial consistente con las normas } }m y } }n . Teorema 2.8 .- Sea

normas denidas en Fn y Fm , respectivamente.

a) La funci on real f denida en Fmn por f pAq  m ax

x
n 1

Ax

0 x F

m axn

Ax x

m n

es una norma que denotaremos con b) Si A Fmn y B

m,n .

c) d)

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. Las normas m,n , m y n son consistentes. Si es cualquier otra norma de matriz consistente con m y n , entonces A m,n pAq, dA Fmn .

40

Normas de Vectores y Matrices

En lo sucesivo, y para evitar una notaci on excesivamente pesada, no escribiremos los sub ndices que asocian cada norma al espacio en el que est a denida y representaremos todas las normas con el s mbolo } }. La raz on es que en todo momento es claro en qu e espacio est a el vector o la matriz sobre el que act ua la norma. m n As , escribiremos }x} y }A} en vez de }x}n o }A}m,n porque si A F entonces la m n norma en F es }}m,n y no se necesita precisar los sub ndices; y, adem as, Ax s olo tiene sentido si x Fn y no se precisa especicar el sub ndice en el correspondiente s mbolo de la norma. Demostraci on.- a) Debemos vericar todos los axiomas que denen las normas de matriz (i) Si A $ 0 existe x m ax Ax 0.
x

Fn tal que Ax $ 0. Por lo tanto 

x

Ax

0y

(ii) Para todo F A

1

m ax
x

 ||
AB m ax
x

m ax

1

Ax

1

Ax

 ||


A

m ax | |
x

1

Ax


A

(iii) Probamos ahora que si A, B efecto

Fmn entonces pA B qx 
Bx m ax
x

AB

Bx

B . En

m ax
x

1

1
Ax

Ax Bx

1

Ax B .

m ax
x

1

m ax
x

1

b) Sean A Fmn y B

Fnp. Por denici on AB  m ax ABx }x}1 

Xy y

. AB

Sea x0 Fn un vector con x0  1 donde se alcanza el m aximo: Ahora bien, para cada matriz X X m ax
y 0

ABx0 .

2.3 Normas de Matrices

41

de donde resulta que

X y , dy $ 0. As AB  ApBx0 q A Bx0 A B x0  A B ,
Xy

 1; que es lo que se quer a demostrar. En particular si m  n  p y A, B Fnn entonces }AB }n,n }A}n,n }B }n,n. Es decir, } }n,n es una norma de matriz.
porque x0 c) Ya hemos visto que dA Fnn y dx Fn , x $ 0, se tiene que Ax
m

m,n

Y para x  0 se obtiene la igualdad de forma evidente. Por consiguiente, las normas m,n, m y n son consistentes. d) Tambi en hemos visto m as arriba que existe x0 A Como es consistente con A

Fn con

x0

 1 tal que

Ax0

Ax0

n resulta que x0 n  pAq, m pAq

tal y como se deseaba demostrar. Ejemplo 2.9 .- Vamos a ver c omo se denen expl citamente las normas de matriz p para p  1, 2, V. 1. - La norma de matriz 1 : Sea A Fnn y escribamos esta matriz en funci on de sus columnas A  ra1 a2 an s. Vamos a probar que la norma de matriz inducida por la norma 1 es : A
1

1 j n

m ax

n i 1

|aij |

42

Normas de Vectores y Matrices

o, equivalentemente, A En efecto, pongamos M

1

1 j n

m ax

aj

1 j n

m ax

aj

1.

Entonces

}A}1 
Por lo tanto

 }m ax }x1 a1 xn an }1 x}  1 m ax p|x |}a } |xn |}an }1 q } x}  1 1 1 1 m ax p|x | |xn |qM  M m ax }x}  M } x}  1 1 } x}  1 1

}x}1 1
1 1 1 1

m ax }Ax}1

}A}1 

m ax
x
1

1

Ax

M.
j

(2.1)

Pero por otra parte, teniendo en cuenta que si ej  p0, . . . , 0, 1, 0, . . . , 0q entonces para j  1, 2, . . . , n tenemos que }ej }1  1, se tiene que M

Fn ,

1 j n 1 j n

m ax }aj }1

m ax

}x}1 1

m ax }Ax}1

 1m ax }Aej }1 j n


 1m ax }Ax}1  }A}1 . j n

De aqu y (2.1) obtenemos la deseada caracterizaci on de la norma de matriz inducida por la norma 1 . 2. - La norma de matriz V : De forma similar a lo que hemos visto m as arriba, vamos a demostrar que la norma de matriz inducida por la norma V es A V  m ax 1in
n n j 1

|aij |.

Pongamos M

 1m ax |aij |. Por una parte in

j 1

Ax V 

1m ax |a in j 1 ij  M }x}V.

n n m ax aij xj m ax aij xj 1in j 1 1in j 1  & n n

|
x V

1 k n

m ax | x k |

1 i n j 1

m ax

|aij |

2.3 Normas de Matrices

43

As pues

}A}1 

m ax

V 1

Ax V 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 }V  1 tal que
n j 1

|aij | 

n aij xi j . j 1

(2.3)

Supuesto esto demostrado es f acil ver que }A}V i  1, . . . , n

M . En efecto, para cada

}A}V  }x m ax }Ax}V }Axi }  } V 1  

n m ax aij xi j 1in j 1 n
1 i nj 1

  |aij |.

m ax

|aij |  M

As pues, debemos demostrar (2.3). Basta encontrar xi tal que aij xi j Pero esta misma identidad nos sirve de denici on: xi j ij  |a a |
ij

siempre que aij $ 0 y xi on de xi tenemos que j  1 si aij  0. Con esta denici }xi}V  1 y se verica (2.3) porque cada sumando aij xij  |aij | es positivo. En conclusi on
n j 1

}A1}V  }x m ax }Ax}V  M  m ax 1in }V 1

tal y como se deseaba demostrar.

|aij |

3. - La norma de matriz 2 : A la norma de matriz inducida por la norma 2 se le llama tambi en Norma Espectral o Norma de Operador. Veremos en un tema posterior que tiene un signicado muy importante que todav a no estamos en condiciones de comprender bien.

44

Normas de Vectores y Matrices

2.4.

Sucesiones y Series de Matrices

Tal y como hemos dicho en la secci on anterior, el uso de normas nos permite hablar de convergencia de sucesiones de vectores y, por lo tanto, de matrices. El objetivo de esta secci on es introducir las serie de matrices y demostrar un resultado que necesitaremos en un tema posterior. on innita de matrices con elementos en Fnm , recordemos Sea tAk uV k0 una sucesi que F  R o C. Con esta sucesi on formamos otra, la de las sumas parciales Sk

k j 0

Aj ,

0.

Denici on 2.10 La serie

k

V
j 0

existe el l m Sk . Adem as, si S

Aj converge si la sucesi on tSk u es convergente; i.e. si

 kl m S entonces escribiremos V k
V
j 0

Aj

 S.

La convergencia de la serie

V
j 0

V
j 0

}Aj } de la siguiente forma:

Aj se puede reducir a la de la serie num erica

Proposici on 2.11 Si la serie num erica

V
j 0

}Aj }
Aj .

converge para alguna norma de

matriz, tambi en converge la serie matricial

V 

j 0

Demostraci on.- Sea 0 un n umero real dado. Veremos que existe un entero N 0 tal que si p, q N entonces Sp Sq . Esto demuestra que la sucesi on tSnu de sumas parciales es una sucesi on de Cauchy. Como Fmn es completo, tSn u converge.

2.4 Sucesiones y Series de Matrices

45

En efecto Sp Sq Ahora bien, si

  q     Aj   j p1 

q j p 1

}Aj } 

p Aj j 0

} }

q j 0

} }

Aj .

V
j 0

}Aj } converge, existe N 0 tal que si p, q N entonces

p Aj j 0

} }

q j 0

} } ,
V
j 0

Aj

que es lo que se quer a demostrar. En particular, para matrices cuadradas la serie de potencias gente si lo es la serie num erica aj Aj es conver-

V
j 0

particular de la Proposici on 2.11 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 u ltima desigualdad se debe a que las normas de matriz tienen la propiedad submultiplicativa. Como muchas funciones escalares se pueden denir como series de potencias convergentes en ciertas regiones del plano complejo, la posibilidad de reducir la convergencia de una serie de potencias matriciales a la de sus correspondientes normas permite denir de forma sencilla algunas funciones matriciales. Concretamente, sea f pz q

|aj | }A}j . En realidad, este resultado no es un caso

V
j 0

aj z j en un entorno de z

 0 con un radio de
Fnn . Si hay converge y

convergencia R y consideremos la serie matricial alguna norma de matriz para la que }A} podemos denir f pAq 

V
j 0

aj Aj con A

R, la serie

V
j 0

|aj | }A}j

V
j 0

aj Aj .

46

Normas de Vectores y Matrices

En particular, cada una de las siguientes funciones est a perfectamente denidas:

 j1! Aj , dA Fnn. j 0 V p1qj senpAq  A2j 1 , dA Fnn . p 2 j 1 q ! j 0 V p1qj 2j nn cospAq  p2j q! A , dA F .

eA
j 0

De la misma forma se podr an denir otras funciones matriciales como ln A, tanpAq, etc. Nos interesa especialmente la serie geom etrica a 1z 1

V 

z j que sabemos que converge

j 0

 p1 zq1 si |z| 1:

Fnn y }A} 1 para alguna norma de matriz, entonces V In A es invertible. Adem as, en tal caso pIn Aq1  Aj y }pIn Aq1 }
Proposici on 2.12 Si A
j 0

1 }A}

Demostraci on.- Si }A} 1 entonces la serie geom etrica te, y por la Proposici on 2.11 la serie matricial pongamos Sk Entonces

V
j 0

V
j 0

}A}j es convergen
V
j 0

Aj converge. Sea B

Aj y

k j 0

Aj .

pI AqSk  pIn AqpIn A Ak q  In Ak1. Como l m Sk  B resulta que kV

k

l m pIn AqSk

 pIn AqB,

y tambi en

l m pIn AqSk

 kl m pI Ak1 q. V n

2.4 Sucesiones y Series de Matrices

47

 In porque }In Ak1 In} }A}k1 y la sucesi on k num erica t}A} u converge a cero por ser }A} 1. En consecuencia pIn AqB  In y
k

Ahora bien, l m pIn Ak1 q

V 1 pIn Aq  B  Aj . j 0
Finalmente

}pIn Aq1} 

 V      Aj   j 0 

V
j 0

}A}j  1 1}A} .

48

Normas de Vectores y Matrices