4.1.

Introduccin o

El hecho de que los ordenadores pueden representar slo un nmero nito de o u nmeros reales y de forma aproximada tiene una consecuencia inmediata en el clculo u a numrico: an cuando un algoritmo haya sido diseado tericamente para producir e u n o la respuesta exacta a un problema, su implementacin en un ordenador rara vez proo ducir tal respuesta. La cuestin entonces radica en saber cundo se puede conar a o a en la respuesta obtenida. Los algoritmos en los que se puede conar son los algoritmos estables; es decir, son aquellos que produce una respuesta casi exacta cuando se aplican a datos que son casi exactos. Este es un concepto difuso, por ahora, pero debemos observar desde un principio que en el clculo numrico los errores estn a e a siempre presentes. Hay errores de muy diversa procedencia, principalmente: errores en las mediciones o en la estimaciones previas (posiblemente grandes: a menudo los datos en ingenier o econom son concidos exactamente con a a pocos d gitos [12]).
ww w.

at e

at ic a1

.c

om

errores en la forma en la que los ordenadores almacenan los nmeros: palabras u de 32 o 64 bits, segn sea en simple o doble precisin. Es decir, errores de u o redondeo (pequeos, comparados con los anteriores). n errores como resultado de clculos anteriores si, por ejemplo, los datos proceden a de soluciones numricas a problemas previos. e Hay problemas que son especialmente sensibles a estos tipos de errores. El estudio de cmo stos afectan a las respuestas calculadas pertenece a una disciplina o e denominada Teora de la perturbacin. En ella se pretende estimar cunto puede o a cambiar la solucin de un problema cuando los datos de partida son modicados o ligeramente. Pero el anlisis numrico pretende ms: su objetivo es disear algorita e a n mos que sean lo ms insensibles posible a los errores. Los algoritmos que poseen a esta propiedad se dice que son estables. No es una tarea fcil saber si un algoritmo a es estable o no. Lo primero que se necesita para ello es una buena denicin de o estabilidad. Iremos abordando estas cuestiones a lo largo de este tema y el siguiente aplicndolos, a modo de ejemplo, al problema de la resolucin de sistemas lineales. a o Hay un tercer aspecto importante en Algebra Lineal Numrica que slo abore o daremos tangencialmente en este curso: la velocidad de los algoritmos. Esta suele ser medida, en la disciplina que nos ocupa, en flops (nmero de operaciones en u punto otante), pero su anlisis, aunque importante porque en determinadas cira cunstancias la velocidad de los algoritmos puede ser decisivo para decantarse por la utilizacin de uno u otro, suele ser tedioso y con escaso contenido matemtico. o a Quienes estn interesados el anlisis de la velocidad de los principales algoritmos, e a pueden consultar los libros recomendados en la bibliograf a.
ww w.

4.2.

Condicionamiento de un problema

En abstracto podemos ver un problema como una funcin f : X Y de un o espacio vectorial normado de datos en un espacio vectorial normado de resultados. Por ejemplo, el problema de calcular la mitad de un nmero real se puede ver como u la funcin o f : R R x ; x 2 Y el problema de calcular las ra de un polinomio tambin se puede interpretar de ces e esta forma aunque los espacios X e Y que intervienen son un poco ms complicados. a

at em at

ic a

1 .c

om

 Esta funcin es casi siempre no lineal (incluso en Algebra Lineal) pero s contio nua. Y lo que se pretende es saber cmo acta f sobre un punto concreto x X. o u Intuitivamente, para un valor x X, se dice que un problema est bien condicioa nado (en realidad deber decirse bien condicionado para el valor dado x, pero se a sobreentender lo de que es para un valor concreto que siempre se dar previamente) a a si cualquier pequea modicacin en x produce una pequea modicacin en f pxq. n o n o Un problema mal condicionado es aquel para el que hay pequeas modicaciones de n x que producen grandes modicaciones de f pxq. Para hacer preciso este concepto supongamos, de momento, que X  Fn , Y  Fm y f es diferenciable en x. Podemos aproximar el valor de f px xq por f pxq utilizando el primer trmino del desarrollo de f en serie de Taylor alrededor de x: e f px xq  f pxq f I pxqx donde f I pxq es la diferencial de f en x (i. e. la aplicacin lineal de Fn a Fm repreo sentada por la matriz jacobiana de f en las bases cannicas). As o

de modo que }f I pxq} nos da una idea aproximada de la razn de los errores absolutos o de las soluciones del problema y los datos del mismo. Si este nmero es muy grande u es porque pequeas modicaciones en el dato del problema produce una modicacin n o I pxq}, que es la norma de la matriz de las muy grande en la solucin. Al nmero }f o u derivadas parciales de f en x, se le llama n mero de condicin (absoluto) del u o problema f en x respecto de la norma } }; y se representa por pxq. Si lo que se quiere es una idea de la relacin entre los errores relativos podemos o observar que }f px xq f pxq}  }x} }f Ipxq}}x} , }f pxq} }x} }f pxq} de modo que

}f px xq f pxq}  x }x}   }f Ipxq}}x} . }f pxq} }x} }f pxq}

ww

w.

at em at

Eligiendo normas en Fn y Fm y usando para f I pxq la correspondiente norma inducida

}f px xq f pxq}  }f Ipxq}, }x}

ic a

f px xq f pxq  f I pxqx

1 .c

om

Y al nmero u

mente n mero de condicin del problema f en x respecto de la norma } }; y u o se representa por pxq. Este nmero mide la sensibilidad del problema f a las peu queas perturbaciones de x. As si pxq es pequeo, errores relativos pequeos en n , n n el dato producen errores relativos pequeos en la solucin; mientras que si pxq es n o grande errores relativos pequeos en los datos producen errores relativos grandes n en la solucin. En este caso, el problema est mal condicionado; y en el anterior el o a problema est bien condicionado. a Cuando f no es diferenciable se requiere otra caracterizacin de nmero de o u condicin que se reduzca a la ya dada si f es diferenciable. La denicin precisa es o o la siguiente: N mero de condicin absoluto: u o
om

}f Ipxq}}x} }f pxq}

se le llama n mero de condicin (relativo) o simpleu o

pxq : l sup m

pxq : l sup m

at em at

N mero de condicin relativo: u o

0 }x}
ww

}f px xq f pxq}  x }x}  }f pxq} }x}

ic a

1 .c

}f px xq f pxq} . 0 }x} }x}

(4.1)

(4.2)

Cuando nos reramos al nmero de condicin de un problema, se deber entender u o a que es el nmero de condicin relativo. Debe observarse en cualquier caso que u o pxq 

w.

M
}x} pxq }f pxq}

(4.3)

Observaciones 4.1 Deber amos demostrar que las deniciones (4.1) y (4.2) son consistentes. Es decir, que el l mite existe y coincide con la norma de la diferencial de f cuando sta es diferenciable. Lo primero no es dif e cil. Vamos a hacerlo para el nmero de condicin absoluto. El correspondiente resultado para el nmero de u o u n condicin relativo se sigue de (4.3). Para x F dado, pongamos o p q  sup

}f px xq f pxq} }x} }x}

y observemos que si 0 1 lo tanto p1 q  sup

2 entonces tx : |x} 1u tx : }x} 2u. Por

2

}x}1

}f px xq f pxq} sup }f px xq f pxq}  p q, 2 }x} }x} }x}

es siempre por la derecha aunque no se haya hecho expl cito en la denicin. o

de modo que es montona creciente y acotada inferiormente por 0. Por consio guiente, existe el l p q. Notemos que 0, y por lo tanto la convergencia a 0 m

Probamos ahora que cuando f es diferenciable pxq  }f I pxq}. Recordamos que la diferenciabilidad de f signica que f px xq f pxq  f I pxqx }x}rpxq, donde f I pxq es una aplicacin lineal de Rn en Rm cuya matriz en las bases cannicas o o es la matriz jacobiana de f , y l rpxq  0. Pongamos, para facilitar la compresin m o

El objetivo es demostrar que

donde }J pxq} es la norma de matriz inducida por la norma de vector que estemos considerando. Es decir pxq }J pxq}  sup }J}h}h} . h$0 (Ntese que las normas en el numerador y denominador en esta expresin son normas o o de vector en espacios de, posiblemente, dimensiones diferentes). Se puede demostrar, como se hizo en la Seccin 2.3.2 de la Leccin 2, que para cualquier 0 o o
ww

pxq }J pxq}  sup }J}h}h} 

h 0

w.

  J x x l sup  m  x 0

at em at
}x} $
l sup m

ic a

1 .c

f I pxq  J pxq. Entonces para

0   }f px xq f pxq}  sup  J pxqx rpxq .   sup  }x}  }x} }x} }x}

x

om

p q rpxq  }J pxq},   } }

}J pxqh} , }h} }h}

sup

de modo que

}J pxqh}  }J pxq}, 0 }h} }h}

porque estamos calculando el l mite cuando

0 de una cantidad constante: }J pxq}.



Por lo tanto, lo que queremos demostrar es que l m

0 }x}

  J x x sup   x

p q rpxq sup }J pxqx}  0.   } } }x} }x}

x

(4.4)

0. Para probar (4.4) utilizaremos la denicin de l o mite: Sea 0 un nmero real. u Por una parte

Ahora bien, sabemos que l rpxq  0, lo que implica que l sup }rpxq}  m m

0 }x}


}x}

  J x x sup   x

 p q rpxq sup  J pxqx  }rpxq} sup  J pxqx  sup }rpxq} ,       } } }x}  }x}  }x} }x}  }x}    J x x sup  }x}  x J x x x

de modo que

entonces sup

0 }x} }x}

at em at
  r x  

Como l sup }rpxq} m

 0, para el dado existe un 0 tal que si 0 }rpxq} . As pues, con este mismo ,
  J x x sup  }x}  x

ic a

p q p q sup } p q } sup }rpxq} . } } }x} } } }x}

  r x  

p q p q sup } p q } , } } }x} } }
ww w.

lo que demuestra (4.4). 1. Para x R calcular x . 2

Ejemplo 4.2

En este caso f pxq 

x 1 es una funcin diferenciable y f I pxq  . As o 2 2

|f Ipxq||x|  1{2  1.  |f pxq| 1{2 El problema est bien condicionado en cada x C. a

1 .c

J x x x

om

2. Para x R calcular Ahora f pxq 

cx y f es diferenciable para x 0. f Ipxq  c . As 1 2 x


1 2 x

cx.

x cx  1 . 2


El problema est bien condicionado para todo x 0. a 3. Para x1 , x2

R calcular x1 x2.

f pxq  x1 x2 es una funcin de dos variables. f I pxq  o Para la norma V tenemos que 

ff ff &  x 2 f x1 f x2

x1 .

p|x1| |x2|q mxt|x1|, |x2|u  |x1| |x2| a | x1 x2 | m t|x1 |, |x2 |u n

4.3.

Como viene siendo habitual F representa el cuerpo de los nmeros reales o u complejos. Analizamos con un poco de detalle el nmero de condicin del siguiente prou o blema: Dada una matriz A Fmn , calcular el producto de Ax para x Fn1 . La funcin asociada al problema es o f : Fn Fm x ; b  Ax Esta funcin es diferenciable: o f pxq  Ax 

n j 1

ww

w.

El n mero de condicin para el producto de u o matrices y vectores

at em at

ic a

Este problema est bien condicionado para valores de x1 y x2 prximos en a o valor absoluto, y mal condicionado para valores que dieren mucho en valor absoluto.

1 .c


om

&m

aij xj

i 1

Es decir, para i  1, . . . , m

fi pxq 

n j 1

aij xj ,

de modo que

f fi  a . fxj ij
f I pxq  A. 

Por lo tanto,

Y el nmero de condicin relativo para este problema es u o

}f Ipxq}  }A} }x} , }f pxq}{}x} }Ax}

(4.5)

Adems cuando A es cuadrada y no singular tenemos que x  A1 Ax y a Sustituyendo en (8.9) tenemos que As que el nmero de condicin de calcular b  Ax con A dada e invertible est aco u o a 1 }. Qu nmero de condicin tiene el problema de tado por la cantidad }A} }A e u o resolver el sistema Ax  b con A una matriz dada cuadrada e invertible? Nos preguntamos por el problema f : Fn Fm b ; x  A1 b }A1 } }A}. En denitiva tenemos el siguiente resultado }A} }A1 }.
ww w.

}x}  }A1Ax} }A1} }Ax}.

Es el mismo que acabamos de estudiar pero aplicado a la matriz A1 :

at em at

El problema estar bien condicionado para aquellos x Fn para los que es prximo a o a 1; y mal condicionado para aquellos para los que es mucho mayor que 1.

ic a

1.

1 .c

om

donde tomamos como norma de A la norma inducida por las normas de x y Ax. Debemos tener en cuenta que estos vectores pueden estar en espacios vectoriales de dimensiones diferentes. Por ser una norma inducida por una norma de vector, es compatible con ella. Es decir, }Ax} }A} }x} y, en consecuencia

Teorema 4.3 Sea A Fnn no singular y consideremos el problema de la resolucin o del sistema lineal Ax  b respecto de b. El nmero de condicin de este problema es u o  }A1 }

}b} }A1} }A}  }A} }A1}. }A1b}

Denicin 4.4 El nmero }A} }A1 } recibe el nombre de nmero de condicin o u u o de la matriz A, si A es cuadrada y no singular, y se denota por pAq. Cumple que pAq 1, y si pAq es un nmero prximo a 1 se dice que A es una matriz bien u o condicionada; y si es mucho mayor que 1, que es mal condicionada. Debe notarse que a normas diferentes, para una misma matriz, los nmeros de u condicin pueden ser diferentes, pero la equivalencia de normas garantiza que no o son muy diferentes. Particularmente notable es el nmero de condicin respecto de u o la norma espectral o de operador:

at em at


Recordemos que }A}2

1 , y as singular de A1 es 1{n . Es decir, }A1 }2  n

 1 es el mayor valor singular de A y que el mayor valor

ic a

Es muy importante notar que el condicionamiento de una matriz depende de la relacin entre su primer y ultimo valor singular. Desde luego, si A es singular, o entonces 2 pAq  V, y A est muy mal condicionada, pero A puede estar cerca a de ser singular y estar muy bien condicionada. Por ejemplo, para A 107 1010 1010 107
&

ww

w.

2 pAq 

es una matriz casi singular porque n

 0,0999 106, pero

2 pAq  1,00200200200200, de forma que est muy bien condicionada: sus columnas (y las) son muy lineala mente independientes: la primera componente de la primera columna es 103 veces

1 .c

2 pAq  }A}2 }A1 }2 .

om

1 . n

ms grande que la de la segunda columnas; y lo mismo pasa con las segundas coma ponentes pero al revs. El nmero de condicin no slo depende del ultimo valor e u o o singular, que nos mide la distancia al conjunto de las matrices singulares, sino de su relacin con el primero. En este ejemplo, 1  0,1001 106 y 1 {2 es casi 1. o En conclusin, una matriz no singular A puede estar cerca del conjunto de mao trices singulares pero estar muy bien condicionada. As si los elementos de A son , muy pequeos en valor absoluto (como en el ejemplo de ms arriba), su determin a nante ser muy pequeo (en valor absoluto) y su ultimo valor singular ser muy a n a pequeo porque el producto de los valores singulares es el valor absoluto del detern minante de la matriz. Consecuentemente, A est cerca de alguna matriz singular. a Sin embargo, A puede ser una matriz bien condicionada porque puede suceder que 1 sea tambin muy pequeo y muy parecido a n . Su nmero de condicin nos da e n u o una idea de si sus columnas son muy linealmente independientes o no. Un sistema de vectores tv1 , . . . , vn u son casi linealmente dependientes si se pueden encontrar escalares 1 , . . . , n , no todos pequeos de forma que 1 v1 n vn es casi n cero. Obsrvense las comillas. Son conceptos imprecisos, pero que nos hacen intuir e que cuanto ms cerca estn las columnas de una matriz de ser ortogonales, mejor a e condicionada estar dicha matriz. Lo que s se puede probar rigurosamente es que a no hay matrices mejor condicionadas (en la norma espectral) que las unitarias. En efecto, si U es unitaria entonces todos sus valores singulares son iguales a 1 y en consecuencia 2 pU q  1. Terminamos esta seccin con un resultado que nos ofrece otra interpretacin o o interesante del nmero de condicin de una matriz. u o Corolario 4.5 Sea A Fnn una matriz no singular. Entonces 1 2 pAq Es decir,
ww w.

 m n

1 es el menor error relativo posible para que la perturbacin en o 2 pAq A no produzca una matriz singular. Demostracin.- Por una parte o 1 2 pAq 1 1  }A} }A1}  }n} . A 2 2

at em at
4

}A}2 : A A singular B . }A}2

ic a

1 .c

om

Y por otra parte, n Por lo tanto, 1 2 pAq

 rangpmAqn }A A A}2. n A

}A}2  m 4 }A}2 : A A singular B .  rangpmAqn }A} n n A }A}2 2

Podemos extender el concepto de nmero de condicin a las matrices rectanguu o X en lugar de A1 . Es decir, lares de rango completo usando A pAq  }A} }AX }. Y si A Fmn con m n y rang A  n seguir amos teniendo
om

2 pAq 

En la seccin anterior hemos considerado los problemas de calcular Ax y A1 b o para x y b, respectivamente, y suponiendo que A es una matriz ja. En ambos casos hemos visto que el nmero de condicin de estos problemas est acotado inferioru o a mente por 1 y superiormente por pAq. Hemos visto tambin que este nmero es e u importante para analizar la independencia lineal de las columnas de la matriz A. Se trata ahora de mostrar que pAq es, en efecto, el nmero de condicin de un probleu o ma. Es lgico pensar que dicho problema debe tener relacin con la ecuacin Ax  b o o o porque en el caso particular en que b  0 la solucin del sistema es, en aritmtica o e exacta, x  0. Si el problema est mal condicionado entonces el error absoluto en el a resultado puede ser grande en comparacin con el error absoluto en la perturbacin o o en A. Es decir, si una ligera perturbacin en A produce una solucin x, de Ax  0, o o con alguna componente muy grande respecto de dicha perturbacin debe ser debido o a que las columnas de A estn cerca de ser linealmente independientes. Esto justica a nuestra intuicin sobre el signicado de pAq en relacin a la dependencia lineal de o o las columnas de A expuesta en la seccin anterior. o
ww w.

at em at

4.4.

La condicin de los sistemas de ecuaciones o lineales

ic a

1 .c

1 . n

Se trata de estudiar el sistema Ax  b cuando b es un vector dado y A slo se o conoce aproximadamente. Es decir, el problema f : Gln pFq Fn A ; A1 b (4.6)

con b Fn un vector dado jo y A invertible. Recordemos que Gln pFq es un subconjunto abierto de Fnn . Nuestro objetivo es demostrar el siguiente resultado Teorema 4.6 (a) Sea b Fn un vector no nulo y consideremos el problema de hallar la solucin del sistema Ax  b a partir de A Fnn , invertible. El nmero de o u condicin de este problema es o cualquiera que sea la norma de vector en Fn y siendo la norma en Fnn la norma de operador inducida por la norma de Fn . (b) En las mismas condiciones de (a), pAq tambin es el nmero de condicin e u o del problema: r f : Gln pFq Fnn (4.7) A ; A1 que consiste en calcular la inversa de A para matrices invertibles de orden n. Demostracin.- Las demostraciones de ambos resultados son parecidas. Las o iremos haciendo en paralelo.
r En primer lugar probaremos que las funciones f y f , (4.6) y(4.7), que denen r los dos problemas son diferenciables. En consecuencia, si y son los nmeros de u r, entonces condicin de los problemas denidos por f y f o

 }A} }A1 }  pAq.

}frIpAq}}A} . }frpAq} Teniendo en cuenta que la diferencial f I pAq : Fnn Fn es una aplicacin lineal, la o norma para f I pAq es la norma de operador inducida por las normas que se hayan
 y  r considerado en Fnn y Fn ; i.e.,

}f IpAq}}A} }f pAq}

}f IpAq}  }mx1 }f IpAqpX q}. a X }

ww

w.

at em at

ic a

1 .c

om

(Recurdese que, a su vez, la norma en Fnn es la inducida por la de Fn ). Y de la e r misma forma, f I pAq : Fnn Fnn es una aplicacin lineal de modo que la norma o I pAq es la norma de operador inducida por las norma de Fnn : para f

}frIpAq}  }mx1 }frIpAqpX q}. a X }

r Un clculo elemental muestra que es equivalente demostrar que   pAq  a 1 } y que }A}}A

}f IpAq}  }A1}}A1b}

}frIpAq}  }A1}2

As pues, el objetivo es probar que }A1 }}A1 b} es una cota superior alcanzable del conjunto t}f pAqI pX q} : }X }  1u. Y que }A1 }2 es una cota superior alcanzable r del conjunto t}f pAqI pX q} : }X }  1u.
r r Veamos que, en efecto, f y f son diferenciables. Podemos escribir f a partir de las siguientes funciones:

at em at

g1 : Gln pFq X g2 : Gln pFq X

ww w.

ic a

1 .c


om

det X

Sn

F x1p1q . . . xnn

Como g1 no se anula en Gln pFq y g1 y g2 son funciones diferenciables en los elementos de la matriz X, tambin f  g2 {g1 es diferenciable. Ahora bien, para b jo f pX q  e r r f pX qb, de modo que f es diferenciable. Veamos ahora que }f I pAqpX q} }A1 }}A1 b} para toda matriz X Fn . Recordemos que f I pAqpX q es la derivada direccional de f en la direccin de X: o f I pAqpX q

pA tX q1b A1b  l rpIn tA1X q1A1 A1sb  m  l 0 m t t 1 X q1 In sAt10b pIn ttA1 X q1 In  rpIn tA  l 0 m  l 0 m A 1 b t t t t

Pero para t sucientemente pequeo se tiene que }tA1 X } 1 de modo que, por la n Proposicin 2.15 del Cap o tulo 2, conclu mos que In tA1 X es invertible y

pIn tA1X q1  In tA1X t2pA1X q2 t3pA1X q3 .

Fnn AdjpX q  rp1qij det X rj |iss

En consecuencia

pIn tA1X q1 In  A1X tpA1X q2t2pA1X q3  A1X pI tA1X q1 n t

Por lo tanto f I pAqpX q  l pA1 X qpIn tA1 X q1 A1 b  A1 XA1 b. m
t

r Exactamente igual se demuestra que f I pAqpX q  A1 XA1 .

Probamos ahora que }A}1 }A1 b} es una cota superior de t}f I pAqpX q} : }X }  1u. Sea X Fnn una matriz de norma 1. Entonces, por la compatibilidad de las normas

lo tanto

Debemos encontrar ahora una matriz B de norma 1 tal que }f I pAqpB q}  }A1BA1b}  }A1}}A1b}. Si esta matriz B, adems de tener norma 1, cumpliera a que BA1 b  y siendo y un vector tal que }A1 y }  }A1 }}y } y }y }  }A1 b}, entonces tendr amos asegurada la igualdad, porque en tal caso

}A1BA1b}  }A1y}  }A1}}y}  }A1}}A1b}

ww

w.

}frIpAq}  }mx1 }A1XA1} }A1}2. a X }

at em at

}f IpAqpX q}  }A1XA1b} }A1}}X }}A1b}  }A1}}A1b} porque }X }  1. De la misma forma }frIpAqpX q}  }A1XA1} }A1}}X }}A1}  }A1}2, r de modo que }A1 }2 es una cota superior del conjunto t}f I pAqpX q} : }X }  1u. Por

ic a

1 .c

om

(4.8)

(4.9)

Parece que los requerimientos son excesivos, pero en realidad no lo son porque tenemos todos los elementos necesarios para poder decir exactamente qu matriz e nn B y qu vector y debemos escoger. En primer lugar, como la norma en F e es la norma inducida por la norma de Fn , existe un vector no nulo y1 tal que }A1 y1 }  }A1}}y1}. Ntese que cualquiera que sea el nmero , tambin y1 cumple la misma o u e propiedad:

}A1py1q}  ||}A1y}  ||}A1}}y1}  }A1}}y1}

En particular, si y

Tenemos que }y }  }A1 b} y }A1 y }  }A1 }}y }.

1 Con este vector y formamos el vector y0  }y} y de modo que }y0 }  1. Pongamos 1 x  A1 b y x0  }x} x. Estos vectores cumplen que }y0 }  }x0 }  1. Por el Ejercicio 2.8 de la Leccin 2, existe un vector z0 tal que si B  y0 z0 entonces Bx0  y0 y o }B }  1. Tal vector z0 es z1 z0  x0 z1

 }Ay }b} y1 }
1
1

siendo z1 un vector para el que |z1 x0 |  }z1 }I }x0 } (} }I la norma dual de siempre existe (ver Ejercicio 2.8 de la Leccin 2). As pues, }B }  1 y o
BA1 b  Bx  }x}Bx0

} }), que

que, debido a que la norma en Fnn es la inducida por la de Fn , existe un vector b de norma 1 tal que }A1 b}  }A1 }. Para este vector b, y de acuerdo con lo que hemos demostrado ms arriba, existe una matriz B de norma 1 tal que }A1 BA1 b}  a 1 }}A1 b}  }A1 }2 . En consecuencia, }A

}A1}2  }A1BA1b} }A1BA1}}b}  }A1BA1} }frIpAq} }A1}2 y consecuentemente  pAq. r

}X }1

r r porque }f I pAq}  mx }A1 XA1 }. Teniendo en cuenta (4.8) conclu a mos que }f I pAq} 

ww

w.

at em at

 }x}y0  }A1b}y0  }y}y0  y. En denitiva, existe un vector y tal que }y }  }A1 b} y }A1 y }  }A1 }}y }. Y para este vector y existe una matriz B tal que }B }  1 y BA1 b  y. Por lo tanto, se cumple (4.9) y }f I pAqpB q}  }A1 }}A1 b}. Esto es, }f I pAq}  }A1 }}A1 b} y  pAq tal y como se deseaba demostrar. r Para concluir, debemos demostrar que }f I pAq}  }A1 }2 . Para ello observamos

ic a

1 .c

om