Autovalores do Laplaciano - Departamento de Matemática - UFMG
Autovalores do Laplaciano - Departamento de Matemática - UFMG Autovalores do Laplaciano - Departamento de Matemática - UFMG
Rodney Josué Biezuner 75 obtemos que Gk (A) possui pelo menos k autovalores de A. Da mesma forma, não pode haver mais que k autovalores de A em Gk (A), pois os n − k autovalores restantes de A0 = D começam fora do conjunto Gk (A) e seguem caminhos contínuos que permanecem fora de Gk (A). A união G (A) dos discos de Gershgorin é conhecida como a região de Gershgorin. Observe que enquanto não podemos em geral afirmar com certeza que cada disco de Gershgorin possui um autovalor, a segunda afirmação do teorema permite-nos fazer tal conclusão desde que os discos de Gershgorin sejam dois a dois disjuntos. O Teorema dos Discos de Gershgorin permite entender o resultado da Proposição 3.1: se uma matriz A é estritamente diagonalmente dominante, então os discos de Gershgorin D Ri(A) (aii) não interceptam a origem, logo 0 não pode ser um autovalor para a matriz A, o que implica que A é invertível. Além disso, se todos os elementos da diagonal principal de A são reais e positivos, então os autovalores de A estão localizados no semiplano direito de C, de modo que se A é também simétrica, concluímos que todos os autovalores de A são positivos. A aplicação mais óbvia do Teorema dos Discos de Gershgorin é na estimativa dos autovalores de uma matriz, o que é importante se vamos usar os autovalores de matrizes de discretização para aproximar os autovalores do laplaciano: Aplicação 1. Pelo Teorema dos Discos de Gershgorin, os autovalores da matriz de discretização do laplaciano no intervalo (0, π) discretizado com n + 1 pontos (esquema de diferenças finitas centradas para a derivada segunda unidimensional) ⎡ 2 −1 ⎤ ⎢ −1 2 −1 ⎥ A = n2 π 2 ⎢ ⎣ −1 . .. . .. . .. . .. −1 −1 2 −1 −1 2 estão todos localizados no intervalo (A é simétrica, logo seus autovalores são todos reais) centrado em x = 2n 2 /π 2 de raio 2n 2 /π 2 , ou seja, no intervalo 0, 4n 2 /π 2 . Em particular o maior autovalor de A não pode exceder 4n 2 /π 2 . Como os autovalores do laplaciano neste intervalo são da forma λj = j 2 , para termos esperança em aproximar o autovalor λj por autovalores da matriz A precisamos que j 2 4n 2 /π 2 , isto é, precisamos discretizar o intervalo (0, π) com n π 2 j pontos. Isso dá uma estimativa bastante grosseira do quão refinada a nossa malha precisa ser para aproximar os autovalores do laplaciano. Na prática, vimos que apenas os primeiros autovalores de A aproximam bem os primeiros autovalores do laplaciano e portanto precisamos de uma malha com um número muito maior de pontos. Observe que uma estimativa semelhante vale para a matriz de discretização M fornecida pela fórmula de cinco pontos no quadrado (0, π) 2 quando tomamos ∆x = ∆y = π/n: como os autovalores de M estão localizados no intervalo de centro em x = 4n 2 /π 2 de raio 4n 2 /π 2 , isto é, em 0, 8n 2 /π 2 , precisamos de n π 2 √ i2 + j2 2 pontos no eixos horizontal e vertical para aproximar o autovalor i 2 + j 2 . Por outro lado, no caso bidimensional isso implica em uma matriz de discretização da ordem de i 2 + j 2 . Usos mais refinados do Teorema de Gershgorin permitem obter conhecimento mais preciso sobre onde os autovalores da matriz se encontram e correspondentemente melhores estimativas para o raio espectral ⎥ ⎦
Rodney Josué Biezuner 76 de uma matriz. Por exemplo, como A e A t possuem os mesmos autovalores, existe um teorema dos discos de Gershgorin equivalente para as colunas de uma matriz. Em particular, todos os autovalores de A estão localizados na interseção destas duas regiões: G (A) ∩ G (A t ). Isso implica a seguinte estimativa simples para o raio espectral de uma matriz complexa: 3.3 Corolário. Se A ∈ Mn (C), então ⎛ ρ (A) min ⎝ max i=1,...,n j=1 n |aij| , max n |aij| j=1,...,n i=1 ⎞ ⎠ = min (A L , A C ) . Prova. O ponto no i-ésimo disco de Gershgorin que é mais distante da origem tem módulo n |aii| + Ri (A) = e um resultado semelhante vale para as colunas de A. O resultado do Corolário 3.3 não é surpreendente em vista do raio espectral de uma matriz ser menor que qualquer norma matricial (veja o próximo capítulo). Um resultado melhor pode ser obtido uma vez que se observa que A e S−1AS também possuem os mesmos autovalores, qualquer que seja a matriz invertível S. Em particular, quando S = D = diag (p1, . . . , pn) é uma matriz diagonal com todos os seus elementos positivos, isto é, pi > 0 para todo i, aplicando o Teorema de Gershgorin à matriz D −1 AD = e à sua transposta, obtemos o seguinte resultado que permite obter uma estimativa arbitrariamente boa dos autovalores de A: pj j=1 aij pi 3.4 Corolário. Se A ∈ Mn (C) e p1, . . . , pn > 0, então todos os autovalores de A estão contidos em Em particular, G D −1 AD ∩ G DA t D −1 = ρ (A) min 3.4 Propriedade FC p1,...,pn>0 ⎛ ∩ ⎝ max i=1,...,n n i=1 n i=1 1 ⎧ ⎪⎨ |aij| z ∈ C : |z − aii| ⎪⎩ 1 pi ⎧ ⎪⎨ ⎪⎩ z ∈ C : |z − aii| pj n n n j=1 j=i n i=1 i=j pj |aij| 1 |aij| pi pj |aij| , max pi j=1,...,n j=1 pj |aij| pi i=1 1 ⎞ ⎫ ⎪⎬ ⎪⎭ ⎫ ⎪⎬ ⎪⎭ . (3.13) ⎠ . (3.14) Na nossa busca por propriedades para matrizes diagonalmente dominantes que garantirão a sua invertibilidade, uma observação fundamental é a de que se A é uma matriz diagonalmente dominante, então 0 não pode ser um ponto interior de nenhum disco de Gershgorin. De fato, se λ é um autovalor de A interior a algum disco de Gershgorin então devemos ter desigualdade estrita n |λ − aii| < Ri (A) = |aij| j=1 j=i
- Page 25 and 26: Rodney Josué Biezuner 24 Em outras
- Page 27 and 28: Rodney Josué Biezuner 26 possui um
- Page 29 and 30: Rodney Josué Biezuner 28 e portant
- Page 31 and 32: Rodney Josué Biezuner 30 No caso
- Page 33 and 34: Rodney Josué Biezuner 32 1.8.2 Con
- Page 35 and 36: Rodney Josué Biezuner 34 de modo q
- Page 37 and 38: Rodney Josué Biezuner 36 Prova: A
- Page 39 and 40: Rodney Josué Biezuner 38 são line
- Page 41 and 42: Rodney Josué Biezuner 40 onde x0
- Page 43 and 44: Rodney Josué Biezuner 42 2.1.3 Res
- Page 45 and 46: Rodney Josué Biezuner 44 porque (
- Page 47 and 48: Rodney Josué Biezuner 46 Neste cas
- Page 49 and 50: Rodney Josué Biezuner 48 = Ukl (
- Page 51 and 52: Rodney Josué Biezuner 50 A primeir
- Page 53 and 54: Rodney Josué Biezuner 52 2.5 Lema.
- 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: Rodney Josué Biezuner 74 Além dis
- 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 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
Rodney Josué Biezuner 75<br />
obtemos que Gk (A) possui pelo menos k autovalores <strong>de</strong> A. Da mesma forma, não po<strong>de</strong> haver mais que<br />
k autovalores <strong>de</strong> A em Gk (A), pois os n − k autovalores restantes <strong>de</strong> A0 = D começam fora <strong>do</strong> conjunto<br />
Gk (A) e seguem caminhos contínuos que permanecem fora <strong>de</strong> Gk (A). <br />
A união G (A) <strong>do</strong>s discos <strong>de</strong> Gershgorin é conhecida como a região <strong>de</strong> Gershgorin. Observe que enquanto<br />
não po<strong>de</strong>mos em geral afirmar com certeza que cada disco <strong>de</strong> Gershgorin possui um autovalor, a segunda<br />
afirmação <strong>do</strong> teorema permite-nos fazer tal conclusão <strong>de</strong>s<strong>de</strong> que os discos <strong>de</strong> Gershgorin sejam <strong>do</strong>is a <strong>do</strong>is<br />
disjuntos.<br />
O Teorema <strong>do</strong>s Discos <strong>de</strong> Gershgorin permite enten<strong>de</strong>r o resulta<strong>do</strong> da Proposição 3.1: se uma matriz A é<br />
estritamente diagonalmente <strong>do</strong>minante, então os discos <strong>de</strong> Gershgorin D Ri(A) (aii) não interceptam a origem,<br />
logo 0 não po<strong>de</strong> ser um autovalor para a matriz A, o que implica que A é invertível. Além disso, se to<strong>do</strong>s<br />
os elementos da diagonal principal <strong>de</strong> A são reais e positivos, então os autovalores <strong>de</strong> A estão localiza<strong>do</strong>s no<br />
semiplano direito <strong>de</strong> C, <strong>de</strong> mo<strong>do</strong> que se A é também simétrica, concluímos que to<strong>do</strong>s os autovalores <strong>de</strong> A<br />
são positivos.<br />
A aplicação mais óbvia <strong>do</strong> Teorema <strong>do</strong>s Discos <strong>de</strong> Gershgorin é na estimativa <strong>do</strong>s autovalores <strong>de</strong> uma<br />
matriz, o que é importante se vamos usar os autovalores <strong>de</strong> matrizes <strong>de</strong> discretização para aproximar os<br />
autovalores <strong>do</strong> laplaciano:<br />
Aplicação 1. Pelo Teorema <strong>do</strong>s Discos <strong>de</strong> Gershgorin, os autovalores da matriz <strong>de</strong> discretização <strong>do</strong> laplaciano<br />
no intervalo (0, π) discretiza<strong>do</strong> com n + 1 pontos (esquema <strong>de</strong> diferenças finitas centradas para<br />
a <strong>de</strong>rivada segunda unidimensional)<br />
⎡<br />
2 −1<br />
⎤<br />
⎢<br />
−1 2 −1<br />
⎥<br />
A = n2<br />
π 2<br />
⎢<br />
⎣<br />
−1<br />
. ..<br />
. ..<br />
. ..<br />
. .. −1<br />
−1 2 −1<br />
−1 2<br />
estão to<strong>do</strong>s localiza<strong>do</strong>s no intervalo (A é simétrica, logo seus autovalores são to<strong>do</strong>s reais) centra<strong>do</strong> em<br />
x = 2n 2 /π 2 <strong>de</strong> raio 2n 2 /π 2 , ou seja, no intervalo 0, 4n 2 /π 2 . Em particular o maior autovalor <strong>de</strong> A<br />
não po<strong>de</strong> exce<strong>de</strong>r 4n 2 /π 2 . Como os autovalores <strong>do</strong> laplaciano neste intervalo são da forma λj = j 2 ,<br />
para termos esperança em aproximar o autovalor λj por autovalores da matriz A precisamos que<br />
j 2 4n 2 /π 2 , isto é, precisamos discretizar o intervalo (0, π) com<br />
n π<br />
2 j<br />
pontos. Isso dá uma estimativa bastante grosseira <strong>do</strong> quão refinada a nossa malha precisa ser para<br />
aproximar os autovalores <strong>do</strong> laplaciano. Na prática, vimos que apenas os primeiros autovalores <strong>de</strong><br />
A aproximam bem os primeiros autovalores <strong>do</strong> laplaciano e portanto precisamos <strong>de</strong> uma malha com<br />
um número muito maior <strong>de</strong> pontos. Observe que uma estimativa semelhante vale para a matriz <strong>de</strong><br />
discretização M fornecida pela fórmula <strong>de</strong> cinco pontos no quadra<strong>do</strong> (0, π) 2 quan<strong>do</strong> tomamos ∆x =<br />
∆y = π/n: como os autovalores <strong>de</strong> M estão localiza<strong>do</strong>s no intervalo <strong>de</strong> centro em x = 4n 2 /π 2 <strong>de</strong> raio<br />
4n 2 /π 2 , isto é, em 0, 8n 2 /π 2 , precisamos <strong>de</strong><br />
n π<br />
2 √ <br />
i2 + j2 2<br />
pontos no eixos horizontal e vertical para aproximar o autovalor i 2 + j 2 . Por outro la<strong>do</strong>, no caso<br />
bidimensional isso implica em uma matriz <strong>de</strong> discretização da or<strong>de</strong>m <strong>de</strong> i 2 + j 2 . <br />
Usos mais refina<strong>do</strong>s <strong>do</strong> Teorema <strong>de</strong> Gershgorin permitem obter conhecimento mais preciso sobre on<strong>de</strong><br />
os autovalores da matriz se encontram e correspon<strong>de</strong>ntemente melhores estimativas para o raio espectral<br />
⎥<br />
⎦