09.05.2013 Views

Autovalores do Laplaciano - Departamento de Matemática - UFMG

Autovalores do Laplaciano - Departamento de Matemática - UFMG

Autovalores do Laplaciano - Departamento de Matemática - UFMG

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Rodney Josué Biezuner 105<br />

po<strong>de</strong>mos escrever<br />

(1 − ω) + ωz<br />

λ = . (4.46)<br />

1 − ωz<br />

Os argumentos acima assumem que o <strong>de</strong>nomina<strong>do</strong>r é não-nulo. E, <strong>de</strong> fato, temos<br />

Re z = 1<br />

<br />

−1 −1<br />

1 x, D L x x, D U x<br />

(z + z) = +<br />

=<br />

2 2 〈x, x〉<br />

〈x, x〉<br />

1<br />

<br />

−1 −1 x, D L + D U x<br />

2 〈x, x〉<br />

= 1<br />

<br />

−1 x, I − D A x<br />

=<br />

2 〈x, x〉<br />

1<br />

<br />

−1 x, D A x<br />

1 −<br />

.<br />

2 〈x, x〉<br />

e como A é positiva <strong>de</strong>finida, D −1 A também é, o que implica<br />

x, D −1 A x <br />

〈x, x〉<br />

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

Re z < 1<br />

2 .<br />

<strong>de</strong> mo<strong>do</strong> que a parte real <strong>do</strong> <strong>de</strong>nomina<strong>do</strong>r 1 − ωz <strong>de</strong> λ é não-nula para 0 < ω < 2. Segue que<br />

|λ| 2 = λλ =<br />

[(1 − ω) + ωz] [(1 − ω) + ωz]<br />

(1 − ωz) (1 − ωz)<br />

> 0<br />

= ω2 − 2ω2 Re z − 2ω + 4ω Re z + 1 − 2ω Re z + ω2 |z| 2<br />

1 − 2ω Re z + ω2 |z| 2<br />

ω (2 − ω) (1 − 2 Re z)<br />

= 1 −<br />

1 − 2ω Re z + ω2 2 .<br />

|z|<br />

Como 0 < ω < 2 e Re z < 1<br />

, temos<br />

2<br />

e concluímos que<br />

ω (2 − ω) (1 − 2 Re z) > 0,<br />

|λ| < 1<br />

= (1 − ω)2 + 2ω (1 − ω) Re z + ω 2 |z| 2<br />

1 − 2ω Re z + ω 2 |z| 2<br />

para to<strong>do</strong> autovalor λ <strong>de</strong> R, logo o méto<strong>do</strong> SOR converge. A <strong>de</strong>monstração da recíproca (assim como uma<br />

<strong>de</strong>monstração alternativa, variacional, <strong>de</strong>ste teorema) po<strong>de</strong> ser vista em [Young]. <br />

Usan<strong>do</strong> o Teorema 4.15, concluímos que o méto<strong>do</strong> SOR converge para as matrizes <strong>de</strong> discretização obtidas<br />

através <strong>do</strong>s esquemas <strong>de</strong> diferenças finitas <strong>do</strong> Capítulo 2 se 0 < ω 1. Isso permite apenas subrelaxamento<br />

<strong>do</strong> méto<strong>do</strong> <strong>de</strong> Gauss-Sei<strong>de</strong>l, o que em geral reduz a velocida<strong>de</strong> <strong>de</strong> convergência. Por outro la<strong>do</strong>, usan<strong>do</strong> o<br />

Teorema 4.16 ou o Teorema 4.17, concluímos que o méto<strong>do</strong> SOR converge para as matrizes <strong>de</strong> discretização<br />

obtidas a partir da fórmula <strong>de</strong> três pontos unidimensional e a partir da fórmula <strong>de</strong> cinco pontos bidimensional<br />

se 0 < ω < 2, já que estas são matrizes simétricas, positivas <strong>de</strong>finidas (já as matrizes <strong>de</strong> discretização obtidas<br />

através <strong>de</strong> coor<strong>de</strong>nadas polares ou pelo esquema <strong>de</strong> Shortley-Weller não são simétricas, em geral, como<br />

vimos).<br />

Em seguida fazemos uma análise da velocida<strong>de</strong> <strong>de</strong> convergência <strong>do</strong> méto<strong>do</strong> SOR para a matriz <strong>de</strong> discretização<br />

da fórmula <strong>de</strong> cinco pontos, bem como obtemos o melhor valor <strong>do</strong> fator <strong>de</strong> relaxamento ω para<br />

este caso.<br />

4.18 Lema. Seja A a matriz <strong>de</strong> discretização obtida a partir da fórmula <strong>de</strong> três pontos unidimensional ou<br />

a partir da fórmula <strong>de</strong> cinco pontos bidimensional com ∆x = ∆y. Se λ = 0 é um autovalor <strong>de</strong> RSOR,<br />

então existe um autovalor λJ <strong>de</strong> RJ tal que<br />

λJ =<br />

1 − ω − λ<br />

λ1/2 . (4.47)<br />

ω2

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

Saved successfully!

Ooh no, something went wrong!