Autovalores do Laplaciano - Departamento de Matemática - UFMG
Autovalores do Laplaciano - Departamento de Matemática - UFMG Autovalores do Laplaciano - Departamento de Matemática - UFMG
Rodney Josué Biezuner 111 ou f (y) − f (x) = 1 2 (y − x)t A (y − x) . (4.61) Como A é positiva definida, segue que e se e somente se y = x. Portanto, (y − x) t A (y − x) = 〈A (y − x) , (y − x)〉 0 (y − x) t A (y − x) = 0 f (y) > f (x) para todo y = x e o mínimo de f ocorre em x. Em muitos problemas, o funcional f tem significado físico, correspondente a um funcional de energia que quando é minimizado corresponde a um estado de equilíbrio do sistema. Observe que definindo um produto interno a partir da matriz simétrica positiva definida A da maneira usual por 〈v, w〉 A = vtAw e considerando a norma induzida vA = 〈v, v〉 1/2 A , o funcional f pode ser escrito na forma f (y) = 1 〈y, Ay〉 − 〈y, Ax〉 (4.62) 2 ou f (y) = 1 2 y2 A − 〈y, x〉 A . (4.63) Outra maneira de enxergar o resultado do teorema anterior é observar que o gradiente do funcional f é Se x é um ponto de mínimo temos ∇f (x) = 0, ou seja, ∇f (y) = Ay − b. (4.64) Ax = b. Este método variacional é a base dos métodos iterativos de descida em geral, e do método do gradiente conjugado em particular. A idéia é usar as idéias do cálculo diferencial para encontrar o mínimo do funcional quadrático f. 4.4.1 Métodos de Descida A filosofia dos métodos de descida é começar com um chute inicial x 0 e gerar uma seqüência de iterados x 1 , x 2 , . . . , x k , . . . que satisfazem f x k+1 f x k ou, melhor ainda, f x k+1 < f x k de tal modo que x k convirja para o minimizador de f. Em outras palavras, em um método de descida buscamos encontrar uma seqüência minimizante x k que convirja para a solução do sistema. O passo de x k para x k+1 envolve dois ingredientes: (1) uma direção de busca e (2) um avanço de comprimento especificado na direção de busca. Uma direção de busca significa a escolha de um vetor p k que indicará a direção que avançaremos de x k para x k+1 . O comprimento do avanço é equivalente à escolha de um escalar αk multiplicando o vetor p k . Assim, x k+1 = x k + αkp k .
Rodney Josué Biezuner 112 A escolha de αk é também chamada uma busca na reta, já que queremos escolher um ponto na reta x k + αp k : α ∈ R tal que f x k + αp k f x k . Idealmente, gostaríamos de escolher αk de tal modo que f x k+1 = f x k + αkp k = min α∈R f x k + αp k Esta é chamada uma busca na reta exata. Para funcionais quadráticos, a busca na reta exata é trivial e obtemos uma fórmula para o valor de αk, como veremos a seguir. Denotaremos o resíduo em cada iteração por r k = b − Ax k . (4.65) 4.25 Proposição. Seja αk ∈ R tal que Então Prova: Considere o funcional g é um polinômio quadrático em α, pois f x k + αkp k = min α∈R f x k + αp k . αk = p k t r k (pk ) t = Apk g (α) = f x k + αp k . p k , r k 〈pk , Apk . (4.66) 〉 g (α) = 1 k k x + αp 2 t k k A x + αp − x k + αp kt b = 1 k x 2 t k k Ax − x t α k b + x 2 t k α k Ap + p 2 t k α Ax + 2 k p 2 t k k Ap − α p t b = f x k 1 k + α p 2 t k 1 k Ax + p 2 t k k Ax − p t b + α2 k p 2 t k Ap = f x k − α p kt k α Ar + 2 k p 2 t k Ap , portanto o mínimo de g é atingido no vértice −B/2A da parábola Y = AX 2 + BX + C. Observe que αk = 0 se e somente se p k t r k = 0, isto é, a direção de busca é ortogonal ao resíduo. Como gostaríamos sempre que possível de ter x k+1 = x k , devemos sempre escolher a direção de busca de forma a não ser ortogonal a r k . Se esta escolha é feita, então teremos sempre f x k+1 < f x k . Exemplo 1. (Método de Gauss-Seidel) Considere o método de descida em que as primeiras n direções de busca p 1 , . . . , p n são os vetores e1, . . . , en da base canônica de R n , e isso é repetido a cada n iterações, de modo que p k+n = ek para todo k = 1, . . . , n, com uma busca na reta exata executada em cada iteração. Então cada grupo de n iterações corresponde a uma iteração do método de Gauss-Seidel. Exemplo 2. (Método SOR) Usando as mesmas direções de busca do exemplo anterior, mas com x k+1 = x k + ωαkp k , ω = 1, obtemos um método de descida em que as buscas nas retas são inexatas. Cada grupo de n iterações corresponde a uma iteração do método SOR.
- 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 and 106: Rodney Josué Biezuner 104 Para o c
- Page 107 and 108: Rodney Josué Biezuner 106 Reciproc
- Page 109 and 110: Rodney Josué Biezuner 108 Temos ω
- Page 111: Rodney Josué Biezuner 110 se ∆x
- 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
- Page 157: Rodney Josué Biezuner 156 [Thomas2
Rodney Josué Biezuner 111<br />
ou<br />
f (y) − f (x) = 1<br />
2 (y − x)t A (y − x) . (4.61)<br />
Como A é positiva <strong>de</strong>finida, segue que<br />
e<br />
se e somente se y = x. Portanto,<br />
(y − x) t A (y − x) = 〈A (y − x) , (y − x)〉 0<br />
(y − x) t A (y − x) = 0<br />
f (y) > f (x)<br />
para to<strong>do</strong> y = x e o mínimo <strong>de</strong> f ocorre em x. <br />
Em muitos problemas, o funcional f tem significa<strong>do</strong> físico, correspon<strong>de</strong>nte a um funcional <strong>de</strong> energia que<br />
quan<strong>do</strong> é minimiza<strong>do</strong> correspon<strong>de</strong> a um esta<strong>do</strong> <strong>de</strong> equilíbrio <strong>do</strong> sistema. Observe que <strong>de</strong>finin<strong>do</strong> um produto<br />
interno a partir da matriz simétrica positiva <strong>de</strong>finida A da maneira usual por 〈v, w〉 A = vtAw e consi<strong>de</strong>ran<strong>do</strong><br />
a norma induzida vA = 〈v, v〉 1/2<br />
A , o funcional f po<strong>de</strong> ser escrito na forma<br />
f (y) = 1<br />
〈y, Ay〉 − 〈y, Ax〉 (4.62)<br />
2<br />
ou<br />
f (y) = 1<br />
2 y2 A − 〈y, x〉 A . (4.63)<br />
Outra maneira <strong>de</strong> enxergar o resulta<strong>do</strong> <strong>do</strong> teorema anterior é observar que o gradiente <strong>do</strong> funcional f é<br />
Se x é um ponto <strong>de</strong> mínimo temos ∇f (x) = 0, ou seja,<br />
∇f (y) = Ay − b. (4.64)<br />
Ax = b.<br />
Este méto<strong>do</strong> variacional é a base <strong>do</strong>s méto<strong>do</strong>s iterativos <strong>de</strong> <strong>de</strong>scida em geral, e <strong>do</strong> méto<strong>do</strong> <strong>do</strong> gradiente<br />
conjuga<strong>do</strong> em particular. A idéia é usar as idéias <strong>do</strong> cálculo diferencial para encontrar o mínimo <strong>do</strong> funcional<br />
quadrático f.<br />
4.4.1 Méto<strong>do</strong>s <strong>de</strong> Descida<br />
A filosofia <strong>do</strong>s méto<strong>do</strong>s <strong>de</strong> <strong>de</strong>scida é começar com um chute inicial x 0 e gerar uma seqüência <strong>de</strong> itera<strong>do</strong>s<br />
x 1 , x 2 , . . . , x k , . . . que satisfazem<br />
f x k+1 f x k<br />
ou, melhor ainda,<br />
f x k+1 < f x k<br />
<strong>de</strong> tal mo<strong>do</strong> que x k convirja para o minimiza<strong>do</strong>r <strong>de</strong> f. Em outras palavras, em um méto<strong>do</strong> <strong>de</strong> <strong>de</strong>scida<br />
buscamos encontrar uma seqüência minimizante x k que convirja para a solução <strong>do</strong> sistema.<br />
O passo <strong>de</strong> x k para x k+1 envolve <strong>do</strong>is ingredientes: (1) uma direção <strong>de</strong> busca e (2) um avanço <strong>de</strong><br />
comprimento especifica<strong>do</strong> na direção <strong>de</strong> busca. Uma direção <strong>de</strong> busca significa a escolha <strong>de</strong> um vetor p k que<br />
indicará a direção que avançaremos <strong>de</strong> x k para x k+1 . O comprimento <strong>do</strong> avanço é equivalente à escolha <strong>de</strong><br />
um escalar αk multiplican<strong>do</strong> o vetor p k . Assim,<br />
x k+1 = x k + αkp k .