Autovalores do Laplaciano - Departamento de Matemática - UFMG
Autovalores do Laplaciano - Departamento de Matemática - UFMG Autovalores do Laplaciano - Departamento de Matemática - UFMG
Rodney Josué Biezuner 93 4.1 Lema. Se A ∈ Mn (C) e · é qualquer norma matricial, então ρ (A) A . Prova. Seja λ um autovalor qualquer de A e x um autovetor não-nulo correspondente a λ, de modo que Ax = λx. Considere a matriz X ∈ Mn (C) cujas colunas são todas iguais ao vetor x. Temos também de modo que donde AX = λX |λ| X = AX A X , |λ| A para todo autovalor λ de A. Como existe um autovalor λ de A tal que ρ (A) = λ, isso prova o resultado. 4.2 Lema. Seja A ∈ Mn (C) e ε > 0 dado. Então existe uma norma matricial · tal que ρ (A) A ρ (A) + ε. (4.27) Prova. Toda matriz complexa é triangularizável através de uma matriz unitária (isto é, uma matriz U que satisfaz U ∗ U = UU ∗ = I; sua inversa é a sua adjunta ou transposta conjugada). Sejam então ⎡ ⎤ λ1 a12 a22 . . . a1n ⎢ λ2 a23 ⎢ . . . a2n ⎥ ⎢ T = λ3 ⎢ . . . a3n ⎥ ⎢ ⎣ . .. . ⎥ . ⎦ uma matriz triangular e U uma matriz unitária tais que Considere a matriz diagonal Temos DtT D −1 t ⎡ ⎢ = ⎢ ⎣ ⎡ t ⎢ Dt = ⎢ ⎣ A = U ∗ T U. t 2 . .. t n λn ⎤ ⎥ ⎦ . λ1 a12t −1 a22t −2 . . . . . . a1nt −n+1 λ2 a23t −1 . . . . . . a2nt −n+2 Logo, para t > 0 suficientemente grande, a matriz DtT D −1 t λ3 . . . . . . a3nt −n+3 . .. . λn−1 an−1,nt −1 tem a propriedade que a soma dos valores absolutos de elementos fora da diagonal principal é menor que ε. Em particular, se ·L denota a norma do máximo das somas das linhas, podemos garantir que DtT D −1 t ρ (A) + ε L λn ⎤ ⎥ . ⎥ ⎦
Rodney Josué Biezuner 94 para t suficientemente grande. Portanto, fixado um tal t, se definirmos uma norma por , teremos Pelo lema anterior, ρ (A) A. A := DtUAU ∗ D −1 t = L U ∗ D −1−1 ∗ −1 t AU Dt L A = DtUAU ∗ D −1 t L = DtT D −1 t ρ (A) + ε. L 4.3 Lema. Seja A ∈ Mn (C). Se existe alguma norma matricial · tal que A < 1, então Prova. Se A < 1, então 4.4 Proposição. Seja A ∈ Mn (C). Então se e somente se A k → 0. A k A k → 0. A k → 0 ρ (A) < 1. Prova. Se existe algum autovalor λ de A tal que |λ| 1 e x é um autovetor não-nulo correspondente, então A k x = λ k x não converge para 0. Reciprocamente, se ρ (A) < 1, então pelo Lema 4.2 existe uma norma matricial · tal que A < 1, logo A k → 0 pelo lema anterior. 4.5 Corolário. Seja R a matriz de iteração de um método iterativo linear. Então se e somente se e k → 0 ρ (R) < 1. Em outras palavras, um método iterativo linear é convergente independentemente da escolha do chute inicial se e somente se todos os autovalores da matriz de iteração têm valor absoluto menor que 1. 4.2.2 Velocidade de Convergência dos Métodos Iterativos Lineares O raio espectral também dá informação sobre a velocidade de convergência. Se nós tivermos dois métodos iterativos lineares diferentes, isto é, duas maneiras diferentes de decompor a matriz A: A = B1 − C1 = B2 − C2, então o segundo método convergirá mais rápido se e somente se ρ (R2) < ρ (R1) . Vamos analisar a velocidade de convergência dos métodos iterativos com maior precisão. Novamente à título de motivação, suponha que A é uma matriz diagonalizável com seu maior autovalor sendo um autovalor simples. Ordene os autovalores de A na forma |λ1| > |λ2| . . . |λn|
- 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 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: Rodney Josué Biezuner 92 4.2.1 Con
- 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
- 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
Rodney Josué Biezuner 93<br />
4.1 Lema. Se A ∈ Mn (C) e · é qualquer norma matricial, então<br />
ρ (A) A .<br />
Prova. Seja λ um autovalor qualquer <strong>de</strong> A e x um autovetor não-nulo correspon<strong>de</strong>nte a λ, <strong>de</strong> mo<strong>do</strong> que<br />
Ax = λx.<br />
Consi<strong>de</strong>re a matriz X ∈ Mn (C) cujas colunas são todas iguais ao vetor x. Temos também<br />
<strong>de</strong> mo<strong>do</strong> que<br />
<strong>do</strong>n<strong>de</strong><br />
AX = λX<br />
|λ| X = AX A X ,<br />
|λ| A<br />
para to<strong>do</strong> autovalor λ <strong>de</strong> A. Como existe um autovalor λ <strong>de</strong> A tal que ρ (A) = λ, isso prova o resulta<strong>do</strong>. <br />
4.2 Lema. Seja A ∈ Mn (C) e ε > 0 da<strong>do</strong>. Então existe uma norma matricial · tal que<br />
ρ (A) A ρ (A) + ε. (4.27)<br />
Prova. Toda matriz complexa é triangularizável através <strong>de</strong> uma matriz unitária (isto é, uma matriz U que<br />
satisfaz U ∗ U = UU ∗ = I; sua inversa é a sua adjunta ou transposta conjugada). Sejam então<br />
⎡<br />
⎤<br />
λ1 a12 a22 . . . a1n<br />
⎢ λ2 a23 ⎢<br />
. . . a2n ⎥<br />
⎢<br />
T =<br />
λ3 ⎢<br />
. . . a3n ⎥<br />
⎢<br />
⎣<br />
. ..<br />
. ⎥<br />
. ⎦<br />
uma matriz triangular e U uma matriz unitária tais que<br />
Consi<strong>de</strong>re a matriz diagonal<br />
Temos<br />
DtT D −1<br />
t<br />
⎡<br />
⎢<br />
= ⎢<br />
⎣<br />
⎡<br />
t<br />
⎢<br />
Dt = ⎢<br />
⎣<br />
A = U ∗ T U.<br />
t 2<br />
. ..<br />
t n<br />
λn<br />
⎤<br />
⎥<br />
⎦ .<br />
λ1 a12t −1 a22t −2 . . . . . . a1nt −n+1<br />
λ2 a23t −1 . . . . . . a2nt −n+2<br />
Logo, para t > 0 suficientemente gran<strong>de</strong>, a matriz DtT D −1<br />
t<br />
λ3 . . . . . . a3nt −n+3<br />
. ..<br />
.<br />
λn−1 an−1,nt −1<br />
tem a proprieda<strong>de</strong> que a soma <strong>do</strong>s valores<br />
absolutos <strong>de</strong> elementos fora da diagonal principal é menor que ε. Em particular, se ·L <strong>de</strong>nota a norma <strong>do</strong><br />
máximo das somas das linhas, po<strong>de</strong>mos garantir que<br />
<br />
DtT D −1<br />
<br />
<br />
t ρ (A) + ε<br />
L<br />
λn<br />
⎤<br />
⎥ .<br />
⎥<br />
⎦