Autovalores do Laplaciano - Departamento de Matemática - UFMG
Autovalores do Laplaciano - Departamento de Matemática - UFMG Autovalores do Laplaciano - Departamento de Matemática - UFMG
Rodney Josué Biezuner 105 podemos escrever (1 − ω) + ωz λ = . (4.46) 1 − ωz Os argumentos acima assumem que o denominador é não-nulo. E, de fato, temos Re z = 1 −1 −1 1 x, D L x x, D U x (z + z) = + = 2 2 〈x, x〉 〈x, x〉 1 −1 −1 x, D L + D U x 2 〈x, x〉 = 1 −1 x, I − D A x = 2 〈x, x〉 1 −1 x, D A x 1 − . 2 〈x, x〉 e como A é positiva definida, D −1 A também é, o que implica x, D −1 A x 〈x, x〉 donde Re z < 1 2 . de modo que a parte real do denominador 1 − ωz de λ é não-nula para 0 < ω < 2. Segue que |λ| 2 = λλ = [(1 − ω) + ωz] [(1 − ω) + ωz] (1 − ωz) (1 − ωz) > 0 = ω2 − 2ω2 Re z − 2ω + 4ω Re z + 1 − 2ω Re z + ω2 |z| 2 1 − 2ω Re z + ω2 |z| 2 ω (2 − ω) (1 − 2 Re z) = 1 − 1 − 2ω Re z + ω2 2 . |z| Como 0 < ω < 2 e Re z < 1 , temos 2 e concluímos que ω (2 − ω) (1 − 2 Re z) > 0, |λ| < 1 = (1 − ω)2 + 2ω (1 − ω) Re z + ω 2 |z| 2 1 − 2ω Re z + ω 2 |z| 2 para todo autovalor λ de R, logo o método SOR converge. A demonstração da recíproca (assim como uma demonstração alternativa, variacional, deste teorema) pode ser vista em [Young]. Usando o Teorema 4.15, concluímos que o método SOR converge para as matrizes de discretização obtidas através dos esquemas de diferenças finitas do Capítulo 2 se 0 < ω 1. Isso permite apenas subrelaxamento do método de Gauss-Seidel, o que em geral reduz a velocidade de convergência. Por outro lado, usando o Teorema 4.16 ou o Teorema 4.17, concluímos que o método SOR converge para as matrizes de discretização obtidas a partir da fórmula de três pontos unidimensional e a partir da fórmula de cinco pontos bidimensional se 0 < ω < 2, já que estas são matrizes simétricas, positivas definidas (já as matrizes de discretização obtidas através de coordenadas polares ou pelo esquema de Shortley-Weller não são simétricas, em geral, como vimos). Em seguida fazemos uma análise da velocidade de convergência do método SOR para a matriz de discretização da fórmula de cinco pontos, bem como obtemos o melhor valor do fator de relaxamento ω para este caso. 4.18 Lema. Seja A a matriz de discretização obtida a partir da fórmula de três pontos unidimensional ou a partir da fórmula de cinco pontos bidimensional com ∆x = ∆y. Se λ = 0 é um autovalor de RSOR, então existe um autovalor λJ de RJ tal que λJ = 1 − ω − λ λ1/2 . (4.47) ω2
Rodney Josué Biezuner 106 Reciprocamente, se λJ é um autovalor de RJ e λ ∈ C satisfaz a equação acima, então λ é um autovalor de RSOR. Prova. Argumentamos como na demonstração do Teorema 4.12. Para obter o raio espectral da matriz de iteração RSOR, queremos encontrar os autovalores λ de RSOR: RSORu = I − ωD −1 L −1 (1 − ω) I + ωD −1 U u = λu, ou seja, (1 − ω) I + ωD −1 U u = λ I − ωD −1 L u No caso da matriz de discretização da fórmula de cinco pontos, isso significa encontrar λ tal que (1 − ω) ui,j + ω 4 ui,j+1 + ω 4 ui+1,j = λ ui,j − ω 4 ui,j−1 − ω 4 ui−1,j ou Fazendo a substituição e dividindo por µ i+j+1 2 , segue que 1 − ω − λ ui,j = ω 1 4 (ui,j+1 + ui+1,j + λui,j−1 + λui−1,j) . (4.48) ui,j = λ i+j 2 vi,j vi−1,j + vi+1,j + vi,j−1 + vi,j+1 = 1 − ω − λ λ 1/2 ω 4vi,j e daí o resultado. Resolvendo a equação (4.47) como uma equação quadrática em √ λ, vemos que as duas raízes λ± = 2 λ± podem ser escritas na forma λ± = 1 −ωλJ ± ω 4 2λ2 2 J − 4 (ω − 1) . (4.49) Denotaremos e por λJ = ρ (RJ) o maior autovalor do método de Jacobi. Λω,λJ = max (|λ+| , |λ−|) (4.50) 4.19 Proposição. Seja A a matriz de discretização obtida a partir da fórmula de três pontos unidimensional ou a partir da fórmula de cinco pontos bidimensional com ∆x = ∆y. Então Prova. Por definição, De (4.49) segue que Λω,λJ = 1 4 ρ (RSOR,ω) = Λ ω,λJ ρ (RSOR,ω) = max Λω,λJ λJ . ωλJ + ω2λ 2 J − 4 (ω − 1) 2 . (4.51) Se 0 < ω 1, ω2λ 2 J − 4 (ω − 1) 0 e Λω,λJ é uma função crescente de λJ, logo o máximo é atingido em λJ. Se ω > 1, defina 4 (ω − 1) λc = ω2 .
- Page 55 and 56: Rodney Josué Biezuner 54 donde Com
- Page 57 and 58: Rodney Josué Biezuner 56 isso impl
- Page 59 and 60: Rodney Josué Biezuner 58 enquanto
- Page 61 and 62: Rodney Josué Biezuner 60 + ∆x 5
- Page 63 and 64: Rodney Josué Biezuner 62 mesmo ana
- Page 65 and 66: Rodney Josué Biezuner 64 Para escr
- Page 67 and 68: Rodney Josué Biezuner 66 (xi, yj
- Page 69 and 70: Rodney Josué Biezuner 68 8. Mostre
- Page 71 and 72: Rodney Josué Biezuner 70 A norma l
- Page 73 and 74: Rodney Josué Biezuner 72 De fato,
- Page 75 and 76: Rodney Josué Biezuner 74 Além dis
- Page 77 and 78: Rodney Josué Biezuner 76 de uma ma
- Page 79 and 80: Rodney Josué Biezuner 78 donde n |
- Page 81 and 82: Rodney Josué Biezuner 80 3.10 Teor
- Page 83 and 84: Rodney Josué Biezuner 82 Da defini
- Page 85 and 86: Rodney Josué Biezuner 84 3.6.1 Esq
- Page 87 and 88: Capítulo 4 Métodos Iterativos par
- Page 89 and 90: Rodney Josué Biezuner 88 4.1.2 Mé
- Page 91 and 92: Rodney Josué Biezuner 90 ou seja,
- Page 93 and 94: Rodney Josué Biezuner 92 4.2.1 Con
- Page 95 and 96: Rodney Josué Biezuner 94 para t su
- Page 97 and 98: Rodney Josué Biezuner 96 4.7 Corol
- Page 99 and 100: Rodney Josué Biezuner 98 Por outro
- Page 101 and 102: Rodney Josué Biezuner 100 Suponha
- Page 103 and 104: Rodney Josué Biezuner 102 ou Se λ
- Page 105: Rodney Josué Biezuner 104 Para o c
- Page 109 and 110: Rodney Josué Biezuner 108 Temos ω
- Page 111 and 112: Rodney Josué Biezuner 110 se ∆x
- Page 113 and 114: Rodney Josué Biezuner 112 A escolh
- Page 115 and 116: Rodney Josué Biezuner 114 a conver
- Page 117 and 118: Rodney Josué Biezuner 116 ou e k+1
- Page 119 and 120: Rodney Josué Biezuner 118 4.31 Cor
- Page 121 and 122: Capítulo 5 Métodos Multigrid 5.1
- Page 123 and 124: Rodney Josué Biezuner 122 6.1 Prop
- Page 125 and 126: Rodney Josué Biezuner 124 é chama
- Page 127 and 128: Rodney Josué Biezuner 126 como vé
- Page 129 and 130: Rodney Josué Biezuner 128 No caso
- Page 131 and 132: Rodney Josué Biezuner 130 Prova. C
- Page 133 and 134: Rodney Josué Biezuner 132 onde é
- Page 135 and 136: Rodney Josué Biezuner 134 7.3 Coro
- Page 137 and 138: Rodney Josué Biezuner 136 Como seg
- Page 139 and 140: Rodney Josué Biezuner 138 Prova. O
- Page 141 and 142: Capítulo 8 Métodos Numéricos par
- Page 143 and 144: Rodney Josué Biezuner 142 o maior
- Page 145 and 146: Rodney Josué Biezuner 144 com q1
- Page 147 and 148: Rodney Josué Biezuner 146 e depois
- Page 149 and 150: Rodney Josué Biezuner 148 8.3.2 Im
- Page 151 and 152: Rodney Josué Biezuner 150 Pode-se
- Page 153 and 154: Rodney Josué Biezuner 152 Observe
- Page 155 and 156: Referências Bibliográficas [Asmar
Rodney Josué Biezuner 106<br />
Reciprocamente, se λJ é um autovalor <strong>de</strong> RJ e λ ∈ C satisfaz a equação acima, então λ é um autovalor<br />
<strong>de</strong> RSOR.<br />
Prova. Argumentamos como na <strong>de</strong>monstração <strong>do</strong> Teorema 4.12. Para obter o raio espectral da matriz <strong>de</strong><br />
iteração RSOR, queremos encontrar os autovalores λ <strong>de</strong> RSOR:<br />
RSORu = I − ωD −1 L −1 (1 − ω) I + ωD −1 U u = λu,<br />
ou seja, (1 − ω) I + ωD −1 U u = λ I − ωD −1 L u<br />
No caso da matriz <strong>de</strong> discretização da fórmula <strong>de</strong> cinco pontos, isso significa encontrar λ tal que<br />
(1 − ω) ui,j + ω<br />
4 ui,j+1 + ω<br />
4 ui+1,j<br />
<br />
= λ ui,j − ω<br />
4 ui,j−1 − ω<br />
4 ui−1,j<br />
<br />
ou<br />
Fazen<strong>do</strong> a substituição<br />
e dividin<strong>do</strong> por µ i+j+1<br />
2 , segue que<br />
1 − ω − λ<br />
ui,j =<br />
ω<br />
1<br />
4 (ui,j+1 + ui+1,j + λui,j−1 + λui−1,j) . (4.48)<br />
ui,j = λ i+j<br />
2 vi,j<br />
vi−1,j + vi+1,j + vi,j−1 + vi,j+1 =<br />
1 − ω − λ<br />
λ 1/2 ω 4vi,j<br />
e daí o resulta<strong>do</strong>. <br />
Resolven<strong>do</strong> a equação (4.47) como uma equação quadrática em √ λ, vemos que as duas raízes λ± = 2<br />
λ±<br />
po<strong>de</strong>m ser escritas na forma<br />
λ± = 1<br />
<br />
−ωλJ ± ω<br />
4<br />
2λ2 2 J − 4 (ω − 1) . (4.49)<br />
Denotaremos<br />
e por λJ = ρ (RJ) o maior autovalor <strong>do</strong> méto<strong>do</strong> <strong>de</strong> Jacobi.<br />
Λω,λJ = max (|λ+| , |λ−|) (4.50)<br />
4.19 Proposição. Seja A a matriz <strong>de</strong> discretização obtida a partir da fórmula <strong>de</strong> três pontos unidimensional<br />
ou a partir da fórmula <strong>de</strong> cinco pontos bidimensional com ∆x = ∆y. Então<br />
Prova. Por <strong>de</strong>finição,<br />
De (4.49) segue que<br />
Λω,λJ = 1<br />
4<br />
ρ (RSOR,ω) = Λ ω,λJ<br />
ρ (RSOR,ω) = max Λω,λJ<br />
λJ<br />
.<br />
<br />
<br />
<br />
ωλJ +<br />
<br />
ω2λ 2<br />
<br />
<br />
J − 4 (ω − 1) <br />
<br />
2<br />
.<br />
(4.51)<br />
Se 0 < ω 1, ω2λ 2<br />
J − 4 (ω − 1) 0 e Λω,λJ é uma função crescente <strong>de</strong> λJ, logo o máximo é atingi<strong>do</strong> em λJ.<br />
Se ω > 1, <strong>de</strong>fina<br />
<br />
4 (ω − 1)<br />
λc =<br />
ω2 .