Академический Документы
Профессиональный Документы
Культура Документы
2.1. Introducción
25
26 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 29
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
x p
Como
jk 1 concluı́mos que plı́m xj 0 y lı́m k x k m k x k , tal y
Ñ8 m
k
pÑ8
p 8
m
como se deseaba demostrar.
Las normas son erramientas básicas para definir y analizar la convergencia de su-
cesión 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 suce-
sión 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 di-
mensión finita. Ello es consecuencia de que todas las normas en un espacio vectorial
de dimensión finita son equivalentes en el siguiente sentido:
c1 ¤ µν ppxxqq ¤ c2, @x P V.
30 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. Como, por otra parte,
cada norma es una aplicación de V en R, tiene sentido preguntarse si dicha aplicación
es continua:
Lema 2.4 (a) Todas las normas definidas en V , espacio vectorial sobre F, son
funciones continuas.
Demostración.-
|ν pxq ν pyq| ¤ ν px yq
resulta que si ν px y q δ entonces |ν pxq ν py q| 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
2.2 Normas de Vectores 31
°
n
ν pg paq g pbqq ν paivi biviq ¤
i 1
°
n
¤ |ai bi|ν pviq
i 1
¤ M k a b k1 ,
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 S V la esfera unidad respecto de la norma ν: S tx P V |ν pxq 1u.
Es fácil 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 aplicación continua es cerrado), y también es acotado.
Esto último es, en realidad, una consecuencia inmediata de un resultado que
veremos en la próxima lección, pero sin dicho resultado, necesitamos una de-
mostración. 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
y ası́ n
°
1 ν pxq ν ai vi
i1
°
n ai
}a}1ν vi
}a}1
i 1
Pero como a1
}}
a 1
, . . . aan1
}} P S n1 resulta que
ņ
ai a1 an
ν
}a}1 vi f ,...
}a}1 }a}1 ¥ m.
i1
Por lo tanto
1 ν pxq ¥ }a}1 m,
El recı́proco del apartado (b) del lema anterior también es verdadero. Es una
consecuencia de un resultado conocido como Teorema de Riesz, que no vamos a
utilizar.
x
ν pxq µpxqν ¥ µpxq mı́n ν py q c2 µpxq.
µpxq y PSµ
2.3 Normas de Matrices 33
Y de la misma forma
x
ν pxq µpxqν ¤ µpxq máx ν py q c1 µpxq.
µpxq y PSµ
Esta propiedad tiene 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 conver-
gencia de suscesiones de vectores en espacios de dimensión finita es independientes
de la norma elegida.
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:
34 Normas de Vectores y Matrices
Una norma definida en Fnn se dice que es una norma de matriz si es con-
sistente.
i,j 1 k 1
°
n °n
| aik |
2 2
| bkj | k A kF k B kF .
2 2
i,k 1
j,k 1
k A k máx |ai,j |
¤¤
1 i m
¤¤
1 j n
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 1¤i,j ¤n
k 1 k 1
°n
¤n máx
¤ ¤
ab na nb k A kk B k
1 i,j n
k 1
36 Normas de Vectores y Matrices
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 Fmn y pensemos en A como una transformación lineal:
Ñ Fm
A : Fn
xÑ Ax
Consideremos en Fn y Fm normas } }n y } }m , respectivamente. Relativamente a
estas normas podemos definir una función:
f : Fmn Ñ R
A Ñ f pAq
donde f pAq se define de la siguiente forma:
k Ax km
f pAq sup n
P
0 x F k x kn
f pAq sup k Ax km .
kxkn 1
2.3 Normas de Matrices 37
En efecto si M sup
0 x
kAxkm
kxkn
entonces M ¥ kAxkm
kxkn
, @x 0. En particular M ¥k
Ax km , @x P F tal que k x kn 1, con lo que M
n
¥ 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 . En conclusión m
n n 0xPF kxk n n
f pAq sup k Ax kn .
kxk 1 n
Demostraremos ahora que f pAq es una norma vectorial consistente con las nor-
mas } }m y } }n .
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 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 2.9 .- 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
Por lo tanto
}A}kxk
1 máx
1
k Ax k1 ¤ M. (2.1)
1
j
Ó
Pero por otra parte, teniendo en cuenta que si ej p0, . . . , 0, 1, 0, . . . , 0q P Fn ,
entonces para j 1, 2, . . . , n tenemos que }ej }1 1, se tiene que
M máx }aj }1
¤¤
1máx
¤j ¤n
}Aej }1 ¤
1 j n
¤ máx
¤¤
1 j n
máx }Ax}1
}x}1 1
1máx
¤j ¤n
}Ax}1 }A}1.
De aquı́ y (2.1) obtenemos la deseada caracterización de la norma de matriz
inducida por la norma `1 .
° n
Pongamos M 1máx
¤i¤n
|aij |. Por una parte
j 1
° °
n
k Ax k8 máx aij xj ¤ máx
n
|a x | ¤
1¤i¤n j 1 1¤i¤n j 1 ij j
°
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.
2.3 Normas de Matrices 41
Ası́ pues
}A}1 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 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
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 2.10 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 2.11 Si la serie numérica }Aj } converge para alguna norma de
j 0
8
°
matriz, también converge la serie matricial Aj .
j 0
En efecto
q̧ p̧
q̧ q̧
k S p S q k
A ¤ }Aj } }Aj } }Aj } .
j p 1 j 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
p̧
q̧
}A } }A } ε,
j
j 0 j
j 0
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}j . En realidad, este resultado no es un caso
j 0
particular de la Proposición 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 última desigualdad se debe a que las normas de matriz tienen la propiedad
submultiplicativa.
8
°
Demostración.- Si }A} 1 entonces la serie geométrica }A}j es convergen-
j 0
8
° 8
°
te, y por la Proposición 2.11 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
Finalmente
8̧ 8̧
}pIn Aq1} Aj ¤ }A}j 1 1}A} .
j 0 j 0
46 Normas de Vectores y Matrices