Autovalores do Laplaciano - Departamento de Matemática - UFMG

Autovalores do Laplaciano - Departamento de Matemática - UFMG Autovalores do Laplaciano - Departamento de Matemática - UFMG

09.05.2013 Views

Rodney Josué Biezuner 101 para transformar a equação de autovalor naquela que aparece no método de Jacobi. Temos µ i+j+1 2 vi,j + µ i+j+1 2 vi+1,j = µ 4µ i+j 2 vi,j − µ i+j−1 2 vi,j−1 − µ i+j−1 2 vi−1,j de modo que, dividindo por µ i+j+1 2 , obtemos = 4µ i+j+2 2 vi,j − µ i+j+1 2 vi,j−1 − µ i+j+1 2 vi−1,j, vi−1,j + vi+1,j + vi,j−1 + vi,j+1 = µ 1/2 4vi,j. Portanto os autovalores da matriz de iteração de Gauss-Seidel para esta matriz são exatamente os quadrados dos autovalores da matriz de iteração de Jacobi (e os autovetores são os mesmos): µlk = 1 cos 4 kπ 2 lπ + cos . n n Portanto, o máximo autovalor ocorre quando k = l = 1 e 2 π ρ (R) = cos n . O argumento para a fórmula de três pontos é análogo. Para o quadrado unitário temos ρ (R) = cos 2 (π∆x) , e usando cos 2 x = se ∆x é pequeno podemos aproximar 1 − 1 2 x2 + O x 4 2 = 1 − x 2 + O x 4 , cos 2 (π∆x) ≈ 1 − π 2 ∆x 2 . No método de Gauss-Seidel ainda temos ρ (R) → 1 quadraticamente quando ∆x → 0, mas a sua velocidade de convergência para a matriz de discretização de cinco pontos do quadrado unitário é duas vezes maior que a do método de Jacobi. Para ver isso, faça a expansão do logaritmo em torno do ponto x = 1: Segue que 4.3.3 Convergência do Método SOR 4.13 Teorema. Se o método SOR converge, então log (1 + x) = x + O ∆x 2 . R∞ (RJacobi) = π2 2 ∆x2 + O ∆x 4 , (4.42) R∞ (RGauss-Seidel) = π 2 ∆x 2 + O ∆x 4 . (4.43) 0 < ω < 2. Prova. A matriz de iteração do método SOR é −1 1 1 − ω 1 R = D − L D + U = ω ω = I − ωD −1 L −1 −1 1 − ω ωD D + U ω ω D I − ωD −1 L −1 1 − ω ω D + U

Rodney Josué Biezuner 102 ou Se λ1, . . . , λn são os autovalores de R, então Mas, R = I − ωD −1 L −1 (1 − ω) I + ωD −1 U . (4.44) det R = λ1 . . . λn. I −1 −1 −1 det R = det − ωD L (1 − ω) I + ωD U = det I − ωD −1 L −1 −1 det (1 − ω) I + ωD U = (1 − ω) n , já que I − ωD −1 L é uma matriz triangular inferior com apenas 1 na diagonal principal e (1 − ω) I + ωD −1 U é uma matriz triangular superior com apenas 1 − ω na diagonal principal. Logo λ1 . . . λn = (1 − ω) n . Em particular, pelo menos um dos autovalores λj de R deve satisfazer |λj| |1 − ω| . Mas, se o método SOR converge, devemos ter também |λ| < 1 para todo autovalor λ de R. Logo donde |1 − ω| < 1, 0 < ω < 2. 4.14 Corolário. Se R é a matriz de iteração n × n para o método SOR, então det R = (1 − ω) n . Em particular, diferente das matrizes de iteração dos métodos de Jacobi e de Gauss-Seidel (para a matriz de discretização de cinco pontos), zero não é um autovalor para a matriz de iteração do método SOR se ω = 1 (para nenhuma matriz). 4.15 Teorema. Se A é uma matriz irredutível, diagonalmente dominante tal que |aii| > n |aij| para pelo menos alguma linha i, então o método SOR converge se 0 < ω 1. Prova. A demonstração é análoga à do Teorema 4.11. A matriz de iteração do método SOR é R = I − ωD −1 L −1 (1 − ω) I + ωD −1 U . Suponha por absurdo que exista um autovalor λ de R tal que |λ| 1; temos Agora, observando que det I − λ −1 R = det j=1 j=i I − λ −1 I − ωD −1 L −1 (1 − ω) I + ωD −1 U = 0. det I − ωD −1 L = 1

Rodney Josué Biezuner 102<br />

ou<br />

Se λ1, . . . , λn são os autovalores <strong>de</strong> R, então<br />

Mas,<br />

R = I − ωD −1 L −1 (1 − ω) I + ωD −1 U . (4.44)<br />

<strong>de</strong>t R = λ1 . . . λn.<br />

I −1 −1 −1<br />

<strong>de</strong>t R = <strong>de</strong>t − ωD L (1 − ω) I + ωD U <br />

= <strong>de</strong>t I − ωD −1 L −1 −1<br />

<strong>de</strong>t (1 − ω) I + ωD U<br />

= (1 − ω) n ,<br />

já que I − ωD −1 L é uma matriz triangular inferior com apenas 1 na diagonal principal e (1 − ω) I + ωD −1 U<br />

é uma matriz triangular superior com apenas 1 − ω na diagonal principal. Logo<br />

λ1 . . . λn = (1 − ω) n .<br />

Em particular, pelo menos um <strong>do</strong>s autovalores λj <strong>de</strong> R <strong>de</strong>ve satisfazer<br />

|λj| |1 − ω| .<br />

Mas, se o méto<strong>do</strong> SOR converge, <strong>de</strong>vemos ter também |λ| < 1 para to<strong>do</strong> autovalor λ <strong>de</strong> R. Logo<br />

<strong>do</strong>n<strong>de</strong><br />

<br />

|1 − ω| < 1,<br />

0 < ω < 2.<br />

4.14 Corolário. Se R é a matriz <strong>de</strong> iteração n × n para o méto<strong>do</strong> SOR, então<br />

<strong>de</strong>t R = (1 − ω) n .<br />

Em particular, diferente das matrizes <strong>de</strong> iteração <strong>do</strong>s méto<strong>do</strong>s <strong>de</strong> Jacobi e <strong>de</strong> Gauss-Sei<strong>de</strong>l (para a matriz <strong>de</strong><br />

discretização <strong>de</strong> cinco pontos), zero não é um autovalor para a matriz <strong>de</strong> iteração <strong>do</strong> méto<strong>do</strong> SOR se ω = 1<br />

(para nenhuma matriz).<br />

4.15 Teorema. Se A é uma matriz irredutível, diagonalmente <strong>do</strong>minante tal que |aii| > n<br />

|aij| para pelo<br />

menos alguma linha i, então o méto<strong>do</strong> SOR converge se 0 < ω 1.<br />

Prova. A <strong>de</strong>monstração é análoga à <strong>do</strong> Teorema 4.11. A matriz <strong>de</strong> iteração <strong>do</strong> méto<strong>do</strong> SOR é<br />

R = I − ωD −1 L −1 (1 − ω) I + ωD −1 U .<br />

Suponha por absur<strong>do</strong> que exista um autovalor λ <strong>de</strong> R tal que |λ| 1; temos<br />

Agora, observan<strong>do</strong> que<br />

<strong>de</strong>t I − λ −1 R = <strong>de</strong>t<br />

j=1<br />

j=i<br />

<br />

I − λ −1 I − ωD −1 L −1 (1 − ω) I + ωD −1 U <br />

= 0.<br />

<strong>de</strong>t I − ωD −1 L = 1

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!