co inuitivo de longitud, ro cone? andlisis numérico oe 20d cau a Hamada a = mtx [il - Ilo = 1518" si de las ot iningui st norma i, sani on lamada forma: 5 — asta ejemplo i . bh = Ft aes de los siguientes 165 Vectors ey a tu compre stn ode ar mes BY fe ni lem pian clos 244-44" y= 055" = 6,0,0,0)". Respuesta conrad se veszanensigiet DI Hee ele Helos oo leet 4. y 1 8660S ee 7 j ‘Para entender mejor estas normas es ilustrat nsiderar RR. tivo cor F En la Figura 4. ‘mostramos imigenes, para las tres normas dadas as oun pata as res normas dadas anteriormente, que corresponden a (e:xeR’ ISI} se conjntose lana eseraunitariao bola unitaria en un espacio vectorial bidimen ‘bola unitaria en un espacio id ‘Noni matrices Si bien Nara @ Ocuparnos de}. i Leer a a as gee de a definicién de normas para matte fe Suton recnie Dretcimosane Beneral, sujetas s6lo a los mists er Sie epee ems aici et fnimae ie como lo una norma vectorial |, $¥ Ml = Tela swe RY lull = 1‘TEOREMA 1 Demostracién bt Figura 4.1 Esferas unitarias en R? para tres normas. Esta también se conoce como la norma matricial asoeiada con la norma vectorial dada. En este caso se considera que Aes una matrz. de m x n. Sil] - [es cualquier norma sobre R* entonces la ecuacién (6) define una norma'sobre el espacio lineal de todas las marctsn xn \Veriticaremos que se satisfacen los tes axiomas correspongientes a una norms, Pri- mero, si A # 0, enlonces A tiene al menos una columaa distinta de cero. Digamos que AY = 0. Considere el vector en el que 1 es la j-ésima componente, es decir, = (Oyo. 0, 1, 0)..., 0)". Es obvio que x # 0 y que el vector y = 4/\l| tiene norma 1. Por consiguiente, por la definicién de A, a val 2 ja = HSL = ET 5 ‘Acto seguido, debido a a propiedad (2) de la norma vectorial, tenemos: |[AAl] = sup{l[AAul|: [all = 1} = Pl sup( Aull: fall = 1} = [A [A Para verficar fa desiguldad det ingulo usamos la propiedad andloga de Ja norma ecto ye problema 4, Con etoen ment esebimos: aay = spf +B: = 1) sop + (Bal: al = 1} sop: [ol = 1) +sup{ Bal: a] = 1 i+ iat 4168 Capitulo 4 ‘TEOREMA 2 ‘Resolucién de sistemas de ecuaciones liners” portale etn detnitsn (6) ¥ de hecho ol Una consecuen etic, " par SIL Rr). jerta para x = 0. Six # 0, entoy " ‘ecuacién (6) se deduce que *8 él Para demostrarlo obsérvese ave 68 Aj tiene norma 1. Por tanto de Last wall 2 Wel = de este importante concepto fijemos como m be orm matricial subordineda? El cat” “a clown ‘A moa de iusto vectorial In norma Ilo» siguiente: Ml = se, Ht {4m} vs { sup tan} oe $308 (patent Be ‘sb itz sh oh, 9) de ae se pueden intercambias os pa masini, Tabi wad ee spend 39 ita la = lseblene cen = #1 shay 20 = 1 ee sno nos demon clsigueneieorma, ‘Sila norma vet ta torial | «Io se define mediante Was = mb ‘matricial subordinada estd dada por tatricial subordinada # o a Lademostra (0) se dene aeEjemplo 2 Respuesta Ejemplo 3 Respuesta are © #4 Normas y andisis de errors ‘Nimero de condicign Pongamos ahora ‘abstr esos conceptos. Consideremos una ecuacién donde. 16 A es una matriz de x n, Suponga que A es invertible Bega A Hn one nt nas i ei téeminos absolute yar, SEF = BB. (Cain grande es eta perabacin en Usando cualquier ‘er nora Vetorialy su norma matricial subordinada esuta lo siguiente: Be ~3ll= be ~ Bb = fx — aaa = (a aad SBA Esto nos da la magnitud la e la pertrbacién de x. Si se mide la perurbacién relativa Scns Derturbacién de x. Si se mide la perturbaci6n relat SEA aay an | (11) da una cota superior para |jx— /lxl,y este cocieate se considera seh eagerag rete AVL ye : Suponga que se perturbact vector b para obtenerel vector B. Sixy ¥ satisfacen Ax = b YAR = b, ceudnto ditferen x y en teminos abslutos y relativos? Si suponemos que A es invertible tenemos que [b=] =a“ — a5) SIA Esto nos da una medida de Is perturbacién sobre x. Para obtener una estimacién de la perturbacidn relativa escribimos: 14" — By teal srt} a = aaa b- suyuaren ee? Porcine, rer be suai cr) ee cl error relativo en b, donde a eto SS (A) = [Ai}A“'I 3) eee Le sae he on roma ec ee = era sa etwenas perurbaciones en x. La desiguldal (A) > 1 siempre se cumple, (Véase es el Prob. 13.)‘TEOREMA 3 Demostracién ximero de condicin tomemos ¢ » 9 af 1 -I+e pe, wa tn eeusen Ia norm o ton(A) = (240/21 > 4/6% Sis S O01, xt Tor acon lava db puede NICK Una peng Entaleasounepeane jac dl sistema Ax =P 7 de ecuaciones 0 tenemos 4 xa sou sin aroma sn xa imac Fealclando Ay viene ob iene e} vector residual su no obtenemos Ia sol formar una idea de 1 b cs cercano a b, Con ello se obti r= b- AR. Jucidn exacta x y Ia soluci6n aproximada ¥ recibe el La diferencia entre la so vector de error, : Larelaci6n ent el vector de error ye vector residual tiene fundamental ‘és euenta de que es la solucionexacta del sistema lineal AX = B lea segundo niembro perurbado, b= b—r. A.continuacidn establecemos relacions fos ewores relatives de xy deb. En otras palabras, deseamos relaconer I~ ¥ con o—bl/I0~ Urli/b. Elsiguens teorema muestra que el mimero de (A) jga tn papel importante. bl cel ¢ gel ell © bal So La desigualdad de In derecha se puede escribir como Nell Noll (N40 Am" ell xd ‘esto resulta cierto ya que Wel oll = JA "rll Axl S fA" rh AT be ipa tome dace eran oa desi I ML] AN AW" all Hell44° Normas y andllsis de errores. 171 4o cual se deduce de inmediato de We La = [eh HA] HA el LAM" . Una matzo Para una mates spn unimero de condicin grande se dice que ess mal condicionada. Ar = b send may il Osizay (dey) Sde2+dey (Una funcion que pose esas cuatro propiedades se denomina métrca.) ‘Generesubvutinas pea calelar la norma de un vector y de una matic norma mdxima, in, 58 norm matricial subordinad. ‘cayo determinante tenga un valor my suadrada, Use la Dé un ejemplo de una mariz bien condcionada equefo, Calcul ef nimera de condicion de una m sev 6 gi so esr ‘Demuestre que si A tiene un punto io no trivial es deci A para cuniguler norma matricial suborinads. are iangulr inferior de x x m que tiene unos Seba ds a diagonal. Use la norma matcial + O)entonces l= Dé un empl de una norma sobre al que It norma de (1,0) sea 2 y 1 norma de (1) sal exit una norma sobre Rta gu 0) pean os Dob 23) Excess condos pei ste xa. qs saga (@) fxllee = eh) ble =I © leh = Ih eset mero M ms pegueo que stisfce |x] Ms] para toda nxonse define Alle = (Sey Dyn Esta se llama Pr bens) sna ta mail boris? Respond ma reas norma de pe Domo ect conn eens bret epc ae le oda a aces de nn sriament cero, paraculquer noma matic acai se ano? Exp respuesta. aoties vote” € RY, definimos [a l valor absolut det vector x tap? Para los vectores x, y dfinimos también x < y para 13, pm Dems qe as noma == f2¥ ls is Ho. =H. Demuestre que (Al Para cualquier matiz A de ‘Esme subordinate qu I norma de una une Dado un veo ‘como el vector ()x1 2h. a dd Si bk emonces [xl Si en el texto de Bartle [ in se encuent 1976, i a set dein ws ma ala voter 18 Denese sists POP cpio = 0 (per zie 3 y nes 27,4, Xt ofse| SYP etre 2.2 39, Sea f+ na norma sobee R*. Defina xf! = sup(u'x sw ER’, [lull = 1). oy cig a ect def na norma. Demueste que ol repeti epson ‘iene nnema cial es dei, (= FY = I Demuestre que para todas, Be fey] Sel” 40, Demoesre a siguiente desigualad para los nimeros de condicién definidos en la ecaciéy (3; K(AB) S K(A(B), 4, Cael fos timers de contin wand as normas Ai, Ao. Aw: wife aj ot at of] of8 oft |] 42. Uselos problemas 2 y 3 para demostar que Mb Sls $ HA $n! All. < nll St terpretamos a A Rr, ce e00 £24 como una transformacién lineal de® desea sua tema sere shan lle: En estas circunstancioe ‘qué es [lal]? Loa! VA més: Y= 1) fo 1asnormas Ih = I lo- Condicin "(A se puede expresr mediante nfl We sy wet UA9. 4. 50, 31 83. 5. 56 45. Series de Weumannyrefinanientoeraivo 175 ‘Sea | «|| una norma. “, tL letaminte sim mecsrvtitig of < Wore ou Ss meee ee he en Pemucste que ulin era Eveke, conjato A= (ee Re: lea = [x Ol} ‘resent nhiperpano es deci, uns trasacin de un subespaco lineal de dimension). et lo mismo no resulta peneralmente cleat se san ows norms. Tse eta suscion Demueste que el nimero de condicisn tiene la propiedad ta) O20, Demuestre que st na marc cudrada A satiace a desgusdad [Ax 2 Ol par toda, So 2 De entonces A results no singular, y|AW!| 8! Ese resultado s vido park ‘ualguier soma vectorial ys agama matic subordinada, Demuestre qu ses diagonaimente dominate, entonces tend Ia propiedad mencionada lene problema 50 Proporciona un valor deO para cuando se wll2a fa nora = ow Demuestre qu si es no singular existe enunces una 8 > 0 cn a propiedad de que A + E 6 no singular par todas ls atnies E que satsfacea JE < 6. Esto se puede demostrar ara cualquier cma sobre el espacio vector de todas las matices Se m Demestre que ene problema 52 premolar int (Aa: a = 1). Es este caso susan a norma vectorial y la norma matricial subordinada. ‘Sea. una matiz dem x ny N su espacio no (kere!) Defna inf (lel x= 1 y £L.). Demuesre ques EI < 8, entoncesrango(A + E) 2 rangovA. Demueste lo siguiente: si A es no singular, eatonces existe una matriz singular en una ‘vecindad de radio |A~'|~'certadaen A. Es et caso la norma puede set cualquier norma, ‘atrial subordinads, Desduzea la cuacin (4). 4.5 Series de Neumann y refinamiento iterative {Una de la aplicaciones importantes de concepto de norma es el de precsar el concepto de convergencia en un espacio vectorial. Sia un espacio vectorial V se le asigna enw norma |» j, decimos que la pareja (|| [)¢ un espacto lineal normado. La nocién de una sucesin convergente de vectores vv, ... se define entonces de la manera sigui te: decimos que la sucesién dada converge @ un vector v si tim Iv v= 0,Oe a 1g de redondeo cunndo se usa el, cfefecto de ST 977] dieron el siguiente ejemplo, Para mostrar ley Dat ‘son némeros de méquins “ cade, NOW 342s son Schnid os 3 vec) #2 164 Capitulo S Tem Sean 1146 DT vy ede” NMey rst produc por I com pes se ct rede POI compa ‘compre a aur ® a/var~ OF w=tvy Kg Note que (rz) = 4 oop atone a eliminar fos times m—m fias def celementales con 18 fas de un sistema Ay 7, cose sm inimos euadrados? 4 ‘nalteradas Is 0 f i stmamatie fac Sie mean Fama vendo i sgvente modo para. oben I flr jam eon dea ls esascolurnas de’, Gy Peet Sree he, yr4Qa 9 aie ry = (Ay 01) Uilice esta ects pn ems arch seobtenen Q una vez ae econocen Reem 40, Bncuente la factorizacion QR de ta malviz 29, Prope mae 323 45 6 "A. Programe y pongaa prueba la Fctorizacién de Householder 42, Determine xso(A) ¥ Kno(A“A) atilizando Ins matrices de Ia ecw cuandoe —+ 0? Ladescomposiciénen val i posici6n en valores singulares es otra factorizaciGn matricial que tien aplicaciones. Comenzy Srenisenig, oneMZAMOS SU estudio con un teorema que describe su Frmay ‘TEOREMA 1 Toda marie comple Mila dem x ne puede factorizar en la forma A= Poo, donde P es y ma matric ania matric uitaiade nia de m xm, D una matrie diagonal deearn “S4 De Descomposcin en valores singularesy seudoinversas 268 A son no negatives. (Vase el Prob. a lista, cada o? se repite sega 50 z caractersica) Adems la listaest odenada de +7 SOM positivos y.07,.,7,2,...,02 son cero, Sea {uy, Wa, ---+ab un conjunto o vinto otonormal de vectores propios de A"A, dispuestos de modo que — law Esto nos muestra que Au, = 0 cuando i > r+ 1. Observe que modo ques?, 6, {a7 Au = Woda = oF. "= rango(A“A) $ min {rango, rangoA} $ mia{m, n}. ‘Ahora formamos tuna matriz.Q de n x n cuyas fits son uj, uf...» 1h ¥ definimos ram SiS?) Los vectores y; forman un sistema ortonormal, pues para 1 $i, Sr tenemos que iF MAw) = (oo Hut Elegimos vectores adicionales v; de modo que {1,¥2,..-, ya} Sea una base ortonormal de ©. Sea P la matriz de m x m cuyas coluranas Son ¥, Yay.» Ymx Sea D la matriz de im Xn que tiene a1, 02, ..., 8, en la diagonal y eros en los lugares restantes. En tal A= PDO. ara demostrar esto vamos a ver que Page En efecto, (PAQ’y = 1A Cuando j 2 r+ I. esto es igual acer, En cambio, st) $7, eltéeminoes vio;y; = 65y : . Los aimeros 01, 02-9» (que se foman x0 negatives) son llamados valores sin- area aA La factorizacién A = PDQ del teorema anterior es una desconn a