• No se han encontrado resultados

La norma matricial inducida por la norma–m´ aximo

N/A
N/A
Protected

Academic year: 2022

Share "La norma matricial inducida por la norma–m´ aximo"

Copied!
2
0
0

Texto completo

(1)

La norma matricial inducida por la norma–m´ aximo

Estos apuntes est´an escritos por Maria de los Angeles Isidro P´erez y Egor Maximenko.

Objetivos. Repasar el concepto de la norma matricial inducida por una norma vectorial.

Deducir una f´ormula para la norma matricial inducida por la norma k · k.

Requisitos. Normas en Rn, norma-m´aximo (norma-supremo), producto de una matriz por un vector.

Aplicaciones. An´alisis de convergencia de m´etodos iterativos para resolver sistemas de ecuaciones lineales (incluso los m´etodos de Jacobi y de Gauss–Seidel), an´alisis del concepto de matriz diagonal dominante, n´umero de condici´on (o n´umero de acondicionamiento) de una matriz.

En estos apuntes denotamos por kAkmatr,∞ la norma matricial de la matriz A asociada a la norma vectorial k · k:

kAkmatr,∞ := sup

x∈Rn\{0n}

kAxk

kxk

. (1)

Otra f´ormula equivalente:

kAkmatr,∞ := sup

x∈Rn: kxk≤1

kAxk. (2)

Por lo com´un en vez de kAkmatr,∞ se escribe simplemente kAk.

1. Teorema (f´ormula para la norma matricial inducida por la norma-m´aximo).

Sea A ∈ Mn(R). Entonces

kAkmatr,∞ = max

1≤j≤n n

X

k=1

|Aj,k|. (3)

En otras palabras,

kAkmatr,∞ = max

1≤j≤nkAj,∗k1, (4)

donde kAj,∗k1 es la 1-norma del j-´esimo rengl´on de A.

Demostraci´on. Denotemos el lado derecho de (3) por C:

C := max

1≤j≤n n

X

k=1

|Aj,k|. (5)

La norma matricial inducida por la norma–m´aximo, p´agina 1 de 2

(2)

1. Sea j ∈ {1, . . . , n} y sea x ∈ Rn con kxk≤ 1. Entonces

|(Ax)j| =

n

X

k=1

Aj,kxk

n

X

k=1

|Aj,k| |xk| ≤ kxk n

X

k=1

|Aj,k| ≤ C. (6)

2. Sea p el ´ındice tal que el m´aximo en (5) se alcanza con j = p:

n

X

k=1

|Ap,k| = C.

Consideremos el vector y ∈ Rn cuya k-´esima componente es sgn(Ap,k).

En otras palabras, definimos x por la f´ormula y = sgn(Ap,k) n

k=1. Entonces kyk≤ 1 y

|(Ay)p| =

n

X

k=1

Ap,ksgn(Ap,k) =

n

X

k=1

|Ap,k| = C,

as´ı que kAyk ≥ C. Usando la f´ormula (2) concluimos que kAk= C.

2. Ejemplo num´erico. Sea

A =

 7 −5

−8 −9

 . Entonces

kA1,∗k1 = 7 + 5 = 12, kA2,∗k1 = 8 + 9 = 17, por eso

kAk = max{12, 17} = 17.

3. Sea A una matriz diagonal:

A = diag(d1, d2, . . . , dn).

Entonces

kAk= max{|d1|, |d2|, . . . , |dn|}.

La norma matricial inducida por la norma–m´aximo, p´agina 2 de 2

Referencias

Documento similar

Como no se dice si debemos aplicar el m´etodo de relajaci´on al m´etodo de Gauss-Jacobi (que converge porque la matriz es diagonalmente dominante) o al de Gauss-Seidel (que converge

Tipos de errores, m´etodos directos de resoluci´on de sistemas lineales y aproximaci´on de ra´ıces de ecuaciones no lineales (en C´alculo Num´erico I); m´etodos iterativos

Para cada una de las siguientes matrices, calcular la matriz inversa utilizando el m´etodo de Gauss-Jordan.. Para cada uno de los siguientes sistemas de ecuaciones lineales:

Introducción - Sucesiones vectoriales y matriciales - Convergencia de un método iterativo - Velocidad media de convergencia - Test de parada - Métodos iterativos de

se puede decir de la convergencia de los métodos de Jacobi y de Gauss

5 Métodos iterativos para resolver sistemas de ecuaciones lineales La resolución de sistemas de ecuaciones lineales también puede hacerse con fórmulas iterativas que

− Aplicará el teorema sobre la unicidad de la solución de un sistema de ecuaciones lineales, con diagonal dominante − Resolverá por los métodos de Jacobi y de

Se ha implementado la soluci´on computacional de la ecuaci´on de Poisson-Boltzmann usando diferencias finitas, para los m´etodos de Jacobi, Gauss-Seidel y sobrerelajaci