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 141 um autovalor simples. Ordene os autovalores de A na forma |λ1| > |λ2| . . . |λn| e seja {v1, . . . , vn} uma base correspondente de autovetores. λ1 é chamado o autovalor dominante de A e v1 um autovetor dominante. Quando A tem um autovalor dominante, este e um correspondente autovetor dominante podem ser encontrados através do método das potências, que consiste essencialmente em tomar um vetor q arbitrário e considerar as potências ou seja, q, Aq, A 2 q, . . . , A k q, . . . A k q = A A k−1 q . Para quase todas as escolhas de q esta seqüência converge em um certo sentido para um autovetor dominante de A. De fato, para a maioria das escolhas de q devemos ter q = com a1 = 0; raramente uma escolha aleatória de q produzirá um vetor no subespaço 〈v2, . . . , vn〉. Temos donde A k q = λ k 1 A k q = a1v1 + n i=1 n i=1 aivi aiλ k i vi, Embora A k q → ∞ se λ1 > 1 e A k q → 0 se λ1 < 1, como k λi para todo i = 2, . . . , n, segue que a seqüência reescalada λ1 qk = Ak q λ k 1 n k λi ai vi λ1 i=2 → 0, → a1v1 converge para um autovetor dominante. No entanto, como o autovalor λ1 não é conhecido a priori, é impossível trabalhar com esta seqüência. Em geral, escolhemos um fator de escala σk e definimos qk+1 = 1 σk+1 . Aqk. (8.1) O fator de escala σk é comumente escolhido como sendo o valor da coordenada de Aqk que tem o maior valor absoluto. Deste modo, o maior componente de qk é igual a 1 e a seqüência converge para um autovetor dominante cujo maior componente é 1. 8.1.1 Iteração Inversa e Iteração com Deslocamento O método das potência permite apenas encontrar o autovalor dominante. Para obter o menor autovalor de A, podemos aplicar o método das potências à matriz A −1 , pois se λ é o menor autovalor de A, 1/λ será

Rodney Josué Biezuner 142 o maior autovalor de A −1 . Este método é chamado método das potências inverso ou iteração inversa (em contraste, o método das potências é às vezes chamado iteração direta). Para encontrar os demais autovalores da matriz A, observe que se A tem autovalores λ1, . . . , λn, então A − σI tem autovalores λ1 − σ, . . . , λn − σ. O escalar σ é chamado um deslocamento. Podemos então aplicar o método das potências à matriz (A − σI) −1 , pois o maior autovalor desta matriz é 1/ (λ − σ), onde λ é o autovalor de A mais próximo de σ. De fato, se (A − σI) −1 v = µv, então v = µ (A − σI) v, donde Av = σ + 1 v. µ Assim, podemos escolher quais autovalores de A encontrar através da escolha do deslocamento σ. Este método é chamado iteração com deslocamento. estimativas para os autovalores de A. Ele é particularmente eficiente quando possuímos boas É muito importante notar que tanto na iteração inversa, quanto na iteração com deslocamento, em nenhum momento é necessário calcular a inversa A−1 recursos. Embora as iteradas satisfazem explicitamente, o que consumiria muito tempo e qk+1 = 1 (A − σI) −1 qk, basta resolver o sistema e então tomar 8.2 Iteração de Subespaços σk+1 (A − σI) qk+1 = qk qk+1 = 1 qk+1. σk+1 O método de potências pode ser visto como uma iteração de subespaços S0 = 〈q〉 , S1 = AS, S2 = A 2 S, . . Sk = A k S, . . que convergem para o subespaço T = 〈v1〉 associado ao autovalor dominante de A. Esta idéia pode ser tornada mais precisa quando se define a distância entre dois subespaços vetoriais. Definição. Dados dois subespaços vetoriais E, F de um espaço vetorial V de dimensão finita com produto interno, cujas dimensões m = dim E, p = dim F satisfazem m p 1, os ângulos principais θ1, . . . , θp ∈ [0, π/2] entre E e F são definidos recursivamente por cos θj = max u∈E u=1 〈u,ui〉=0 para i=1,...,j−1 max v∈F v=1 〈v,vi〉=0 para i=1,...,j−1 〈u, v〉 = 〈uj, vj〉 . Os vetores {u1, . . . , up} e {v1, . . . , vp} são chamados os vetores principais entre os subespaços E e F .

Rodney Josué Biezuner 142<br />

o maior autovalor <strong>de</strong> A −1 . Este méto<strong>do</strong> é chama<strong>do</strong> méto<strong>do</strong> das potências inverso ou iteração inversa (em<br />

contraste, o méto<strong>do</strong> das potências é às vezes chama<strong>do</strong> iteração direta).<br />

Para encontrar os <strong>de</strong>mais autovalores da matriz A, observe que se A tem autovalores λ1, . . . , λn, então<br />

A − σI tem autovalores λ1 − σ, . . . , λn − σ. O escalar σ é chama<strong>do</strong> um <strong>de</strong>slocamento. Po<strong>de</strong>mos então aplicar<br />

o méto<strong>do</strong> das potências à matriz (A − σI) −1 , pois o maior autovalor <strong>de</strong>sta matriz é 1/ (λ − σ), on<strong>de</strong> λ é o<br />

autovalor <strong>de</strong> A mais próximo <strong>de</strong> σ. De fato, se<br />

(A − σI) −1 v = µv,<br />

então v = µ (A − σI) v, <strong>do</strong>n<strong>de</strong><br />

<br />

Av = σ + 1<br />

<br />

v.<br />

µ<br />

Assim, po<strong>de</strong>mos escolher quais autovalores <strong>de</strong> A encontrar através da escolha <strong>do</strong> <strong>de</strong>slocamento σ. Este<br />

méto<strong>do</strong> é chama<strong>do</strong> iteração com <strong>de</strong>slocamento.<br />

estimativas para os autovalores <strong>de</strong> A.<br />

Ele é particularmente eficiente quan<strong>do</strong> possuímos boas<br />

É muito importante notar que tanto na iteração inversa, quanto na iteração com <strong>de</strong>slocamento, em<br />

nenhum momento é necessário calcular a inversa A−1 recursos. Embora as iteradas satisfazem<br />

explicitamente, o que consumiria muito tempo e<br />

qk+1 = 1<br />

(A − σI) −1 qk,<br />

basta resolver o sistema<br />

e então tomar<br />

8.2 Iteração <strong>de</strong> Subespaços<br />

σk+1<br />

(A − σI) qk+1 = qk<br />

qk+1 = 1<br />

qk+1.<br />

σk+1<br />

O méto<strong>do</strong> <strong>de</strong> potências po<strong>de</strong> ser visto como uma iteração <strong>de</strong> subespaços<br />

S0 = 〈q〉 ,<br />

S1 = AS,<br />

S2 = A 2 S,<br />

.<br />

.<br />

Sk = A k S,<br />

.<br />

.<br />

que convergem para o subespaço T = 〈v1〉 associa<strong>do</strong> ao autovalor <strong>do</strong>minante <strong>de</strong> A. Esta idéia po<strong>de</strong> ser<br />

tornada mais precisa quan<strong>do</strong> se <strong>de</strong>fine a distância entre <strong>do</strong>is subespaços vetoriais.<br />

Definição. Da<strong>do</strong>s <strong>do</strong>is subespaços vetoriais E, F <strong>de</strong> um espaço vetorial V <strong>de</strong> dimensão finita com produto<br />

interno, cujas dimensões m = dim E, p = dim F satisfazem<br />

m p 1,<br />

os ângulos principais θ1, . . . , θp ∈ [0, π/2] entre E e F são <strong>de</strong>fini<strong>do</strong>s recursivamente por<br />

cos θj = max<br />

u∈E<br />

u=1<br />

〈u,ui〉=0<br />

para i=1,...,j−1<br />

max<br />

v∈F<br />

v=1<br />

〈v,vi〉=0<br />

para i=1,...,j−1<br />

〈u, v〉 = 〈uj, vj〉 .<br />

Os vetores {u1, . . . , up} e {v1, . . . , vp} são chama<strong>do</strong>s os vetores principais entre os subespaços E e F .

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

Saved successfully!

Ooh no, something went wrong!