Autovalores do Laplaciano - Departamento de Matemática - UFMG
Autovalores do Laplaciano - Departamento de Matemática - UFMG
Autovalores do Laplaciano - Departamento de Matemática - UFMG
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 144<br />
com q1 ∈ Tm e q2 ∈ Um. Como q /∈ Um, necessariamente q1 = 0, isto é, ai = 0 para algum índice i = 1, . . . , m.<br />
Em primeiro lugar, note que os subespaços A k S são to<strong>do</strong>s m-dimensionais. De fato, |λm| > |λm+1| implica<br />
que nenhum <strong>do</strong>s autovalores λ1, . . . , λm é o autovalor nulo, logo ker A ⊂ Um. Como S ∩ Um = {0}, segue<br />
que A é injetiva sobre S logo dim S = dim (AS). Mais geralmente, como A k Tm = Tm, temos ker A k ⊂ Um<br />
para to<strong>do</strong> k. Além disso, A k S ∩ Um = {0}, pois se q = q1 + q2 ∈ S é um vetor arbitrário com q1 ∈ Tm e<br />
q2 ∈ Um, segue que a componente A k q1 <strong>de</strong> A k q em Tm é não-nula para to<strong>do</strong> k, pois A k q1 = m<br />
i=1 aiλ k vi e<br />
ai = 0 para algum índice i = 1, . . . , m. Portanto, dim (AS) = dim (AS) = . . . = dim A k S .<br />
Temos<br />
A k q<br />
λ k m<br />
=<br />
m−1 <br />
k n<br />
<br />
λi<br />
λi<br />
ai vi + amvm + ai<br />
λm<br />
λm<br />
i=1<br />
i=m+1<br />
k<br />
vi.<br />
Os coeficientes da componente em Tm crescem, ou pelo menos não <strong>de</strong>crescem, enquanto que os coeficientes<br />
da componente em Um ten<strong>de</strong>m a zero com taxa igual a ou melhor que λm+1/λm. Portanto, toda seqüência<br />
k A q converge para um vetor em Tm com a taxa <strong>de</strong> convergência dada no enuncia<strong>do</strong>. O limite AkS não<br />
po<strong>de</strong> ser um subespaço próprio <strong>de</strong> Tm porque ele tem dimensão m. <br />
Tm é chama<strong>do</strong> o subespaço invariante <strong>do</strong>minante <strong>de</strong> A <strong>de</strong> dimensão m.<br />
Para fazer uma iteração <strong>de</strong> subespaços na prática, é necessário escolher uma base para o subespaço a<br />
ser itera<strong>do</strong>, iteran<strong>do</strong> to<strong>do</strong>s os vetores <strong>de</strong>sta base simultaneamente. Assim, se B0 = q0 1, . . . , q0 <br />
m é uma base<br />
para S, Bk = Akq0 1, . . . , Akq0 <br />
k<br />
m é uma base para A S. Por outro la<strong>do</strong>, já vimos que trabalhar com os<br />
vetores Akq0 j po<strong>de</strong> ser problemático, pois po<strong>de</strong> ocorrer Akq0 <br />
<br />
j → ∞ ou Akq0 <br />
<br />
j → 0; seria necessário fazer<br />
um reescalamento a cada iteração. Pior que isso, as seqüências <strong>de</strong> vetores Akq0 <br />
k 0<br />
1 , . . . , A qm convergem<br />
cada uma para o autovetor <strong>do</strong>minante v1, como vimos na seção anterior, logo os vetores A k q 0 1, . . . , A k q 0 m<br />
apontam aproximadamente para a mesma direção v1 para m gran<strong>de</strong>, logo Bk = Akq0 1, . . . , Akq0 <br />
m não é<br />
uma boa base para AkS (dizemos que Bk é uma base mal-condicionada): pequenas perturbações em um <strong>do</strong>s<br />
vetores-base po<strong>de</strong>m fazer uma gran<strong>de</strong> diferença no espaço.<br />
Deve-se portanto substituir a base obtida em cada iteração por uma base bem-condicionada. A maneira<br />
mais confiável <strong>de</strong> fazer isso é ortonormalizar a base. Assim, começa-se com uma base ortonormal B0 =<br />
0 q1, . . . , q0 <br />
m para S e obtém-se a base B1<br />
= Aq0 1, . . . , Aq0 <br />
m para AS. Através <strong>de</strong> um processo <strong>de</strong><br />
ortonormalização, como o algoritmo <strong>de</strong> Gram-Schmidt, a partir <strong>de</strong> B1 obtém-se uma base ortonormal<br />
B1 = q1 1, . . . , q1 <br />
m para AS. Em geral, dada uma base ortonormal Bk = qk 1 , . . . , qk <br />
k<br />
m para A S, obtemos<br />
uma base ortonormal Bk+1 = q k+1<br />
1 , . . . , qk+1 <br />
k+1<br />
m para A S a partir da base Bk+1<br />
= Aqk 1 , . . . , Aqk <br />
m .<br />
Este procedimento é chama<strong>do</strong> iteração simultânea com ortonormalização ou simplesmente iteração<br />
simultânea.<br />
8.3 Méto<strong>do</strong> QR<br />
O algoritmo mais usa<strong>do</strong> para calcular o conjunto completo <strong>de</strong> autovalores <strong>de</strong> uma matriz é o algoritmo<br />
QR, <strong>de</strong>senvolvi<strong>do</strong> simultanea e in<strong>de</strong>pen<strong>de</strong>ntemente por Francis e Kublanovskaya em 1961. Ele po<strong>de</strong> ser<br />
compreendi<strong>do</strong> a partir <strong>do</strong> processo <strong>de</strong> iteração simultânea.<br />
Consi<strong>de</strong>remos o que acontece quan<strong>do</strong> o processo <strong>de</strong> iteração simultânea é aplica<strong>do</strong> a uma base B0 =<br />
0 q1, . . . , q0 <br />
n<br />
n <strong>de</strong> vetores ortonormais para F . Como antes, assumimos que A é diagonalizável com autovalores<br />
λ1, . . . , λn e B = {v1, . . . , vn} é uma base correspon<strong>de</strong>nte <strong>de</strong> autovetores. Assuma<br />
para m = 1, . . . , n − 1, e <strong>de</strong>fina<br />
|λm| > |λm+1|<br />
Sm = q 0 1, . . . , q 0 <br />
m ,<br />
Tm = 〈v1, . . . , vm〉 ,<br />
Um = 〈vm+1, . . . , vn〉 .