Documente Academic
Documente Profesional
Documente Cultură
v1
0.828
0.47
0.306
v2
0.156
0.717
0.679
v3
0.539
0.515
0.667
1.76
0.998
0.651
B
0
v1
1.76
0.998
0.651
A v2
0.698
3.218
3.048
B
1
v2
0.698
3.218
3.048
A v3
4.518
4.319
5.593
B
2
v3
4.518
4.319
5.593
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Teorema 1: Se uma matriz A tem autovalores
i
e
autovetores
i
x , ento sua transposta
T
A tem os mesmos autovalores
i
,
mas com os autovetores
i
y ortogonais a
i
x , isto ,
j i ij
y x T (8.4.8)
quando eles forem normalizados.
Teorema 2: O trao de uma matriz, que a soma dos
elementos da diagonal principal, igual soma de seus autovalores, isto
,
ii i
a (8.4.9)
Teorema 3: O valor do determinante de uma matriz igual
ao produto de seus autovalores, isto :
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
det
i
A (8.4.10)
Exerccio:
Desenvolva um fluxograma para o mtodo de Jacobi e o implemente em
qualquer linguagem de computao, de modo que se possa determinar
os autovalores e autovetores correspondentes, de uma matriz A de
dimenso n qualquer. Testar o programa, com a matriz dada no exerccio
anterior e comparar os resultados obtidos.
Soluo:
Foi construda uma funo em Matlab 6 release 13 para a soluo do
problema de autovalores pelo mtodo de Jacobi. Veja a seguir a listagem
do programa.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
function [L,V] = jacobi(A)
%
% L = vetor dos autovalores
% V = matriz cujas colunas so os autovetores
%
% n tamanho da matriz
% A matriz para qual se quer determinar os autovalores e autovetores
%
% matriz unitria para transformao
n = length(A);
V = eye(n);
% erro a ser considerado
err = 1.0*10^(-6);
% determinao do maior coeficiente fora da diagonal principal de A
% ir e ic so a posio i,j do maior elemento fora da diagonal
itm = 200;
it = 0;
while it <= itm
t=0;
m=n-1;
for i=1:m
j1=i+1;
for j=j1:n
if abs(A(i,j)) > t
t=abs(A(i,j));
ir=i;
ic=j;
end
end
end
if it==0
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
t1=t*err;
end
if t > t1
% clculo de tan (ta), sen (ta) e cos(ta) do angulo de rotao
%
ps = A(ir,ir) - A(ic,ic);
ta = (-ps + sqrt(ps*ps+4*t*t)) / (2*A(ir,ic));
c = 1./sqrt(1+ta*ta);
s = c*ta;
%
% multiplicar a matriz de rotao por V armazenando em V
%
for i=1:n
p = V(i,ir);
V(i,ir) = c*p+s*V(i,ic);
V(i,ic) = c*V(i,ic)-s*p;
end
i=1;
while (i-ir) ~= 0
% aplicao da transformao ortogonal em A
p = A(i,ir);
A(i,ir) = c*p + s*A(i,ic);
A(i,ic) = c*A(i,ic) - s*p;
i = i+1;
end
i = ir + 1;
while (i-ic) ~= 0
p = A(ir,i);
A(ir,i) = c*p + s*A(i,ic);
A(i,ic) = c*A(i,ic) - s*p;
i = i +1;
end
i=ic+1;
while (i-n) <= 0
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
p = A(ir,i);
A(ir,i) = c*p + s*A(ic,i);
A(ic,i) = c*A(ic,i) - s*p;
i = i + 1;
end
p = A(ir,ir);
A(ir,ir) = c*c*p + 2.*c*s*A(ir,ic) + s*s*A(ic,ic);
A(ic,ic) = c*c*A(ic,ic) + s*s*p - 2.*c*s*A(ir,ic);
A(ir,ic) = 0;
it = it + 1
end
it = it + 1
end
L = diag(A)
A
V
return
Aplicando os mesmos dados, isto , obtemos os autovalores (8.3876
4.4865 2.1259) com os seguintes e correspondentes autovetores:
0,5387 0,1555 0,8280
0,5149 , 0, 7172 , 0, 4697
0, 6669 0, 6793 0,3062
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
8.4.2 Transformao de Householder
O Mtodo de Jacobi para determinao de autovetores e autovalores
para uma matriz simtrica sofre uma penalizao devido ao processo de
retroalimentao que pode fazer com que ele tenha muitas iteraes
antes de convergir.
Essa taxa de convergncia pode ser melhorada se a matriz A for pr-
processada. O primeiro passo til transformar a matriz A em uma
matriz tridiagonal:
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
11 12
21 22 23
32 33 34
43 44
0 0 0
0 0
0 0
0 0 0
0 0 0 0
nn
t t
t t t
t t t
t t
t
T (8.4.11)
Se o Mtodo de Jacobi for aplicado a uma matriz tridiagonal, os
elementos nulos no so modificados pelo processo. Consequentemente,
os nicos elementos no nulos que tm que ser eliminados pelo Mtodo
de Jacobi so os 1 n elementos ao longo da primeira superdiagonal, o
que representa uma substancial reduo do esforo computacional.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
A tcnica que usada para reduzir uma matriz simtrica em uma matriz
tridiagonal tambm pode ser aplicada a matrizes no simtricas. Neste
caso, a matriz transformada ser uma matriz triangular superior, exceto
pelos elementos no nulos existentes na primeira subdiagonal, como
mostrado abaixo:
11 12 13 1, 1 1
21 22 23 2, 1 2
32 33 3, 1 3
43 4, 1 4
, 1
0
0 0
0 0 0
n n
n n
n n
n n
n n nn
u u u u u
u u u u u
u u u u
u u u
u t
U (8.4.12)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
A matriz Uacima, com a estrutura apresentada, denominada de matriz
superior de Hessenberg. A tcnica para transformar uma matriz real n n
em uma matriz superior de Hessenberg chamada de Transformao de
Householder
5
. semelhana do mtodo de Jacobi, que transforma uma
matriz para sua forma diagonal, este baseado na transformao de
similaridades de modo a preservar os autovalores. Enquanto o mtodo
de Jacobi usa uma matriz de rotao para anular elementos, o Mtodo de
Householder usa uma matriz de reflexo para zerar simultaneamente
uma coluna de elementos. Considerando a seguinte matriz, onde v um
vetor arbitrrio 1 n no nulo:
2
T
T
vv
P v I
v v
(8.4.13)
5
Alston Householder (1904-1993).
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Em (8.4.13) I representa uma matriz identidade n n,
T
vv um produto
n n do vetor v com ele mesmo, e
T
vv um produto 1 1 de v com ele
mesmo. A matriz P v tem algumas propriedades interessantes, a saber:
2 1
1
ortogonal
T T
P v I P v P v
P v
P v P v P v P v
(8.4.14)
A chave para reduzir uma matriz A para uma matriz superior de
Hessenberg usar uma seqncia de transformaes de similaridade da
forma
k k
U P v AP v (8.4.15)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Onde o vetor
k
v escolhido de forma a eliminar os elementos da coluna
k abaixo da primeira subdiagonal inferior. Isto pode ser achado, se o
vetor
k
v for escolhido da seguinte forma:
2
1,
1
sgn
n
k k jk
j k
A A (8.4.16)
1, 2, ,
0, , 0, , , ,
T
k
k k k k n k
v A A A (8.4.17)
A funo sgn a denota o sinal de a, sendo e
2
. O vetor
k
v
construdo de forma que se
k k
U P v AP v , (8.4.15), ento
0,
jk
U k j n. Isto , os elementos diferentes de zero na coluna k
abaixo da primeira subdiagonal inferior sejam eliminados. Se uma
seqncia de transformaes de Householder for realizada, comeando
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
com a coluna 1 e terminando na coluna 2 n , ento a matriz A
transformada na forma de uma matriz superior de Hessenberg.
Transformada de Householder
Faa Q I onde I representa uma matriz identidade n n;
Para k = 1 at n-2 calcule
2
1,
1
sgn
n
k k jk
j k
A A
1, 2, ,
0, , 0, , , ,
T
k
k k k k n k
A A A v
2
T
T
v
vv
P I
v v
Q QP
A PAP
Fim para
Faa U= A
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Note que o Mtodo de Householder estabelecido pelo algoritmo acima
converte a matriz A numa matriz superior de Hessenberg U em um
nmero fixo de passos em oposio ao mtodo iterativo de Jacobi que
requer um nmero indefinido de iteraes. bvio que o mtodo de
Householder no acha os autovalores de A; em vez disso, ele transforma
A numa forma mais simples onde os autovalores podem ser achados
mais eficientemente. Se ainda A for simtrica, o processo a transforma
em uma matriz tridiagonal. Assim, pode-se afirmar, sem nenhuma
dvida, que a maneira preferida de achar autovalores de matrizes
simtricas A :
- primeiro pr-processar A pelas transformaes de Householder e,
depois aplicar o mtodo de Jacobi sobre a matriz tridiagonal resultante.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
No algoritmo acima, se v que gerado uma matriz Q que pode ser
usada para recuperar os autovetores. A matriz superior de Hessenberg U
relacionada com a matriz original A atravs da transformao de
similaridade composta:
T
U Q AQ (8.4.18)
Suponha que
k
x seja um autovetor de U associado com o autovalor
k
.
Isto ,
k k k
Ux x (8.4.19)
Premultiplicando ambos os lados de (8.4.19) por Q e notando que de
(8.4.18) se tem QU AQ, se tem:
k k k k
Q A Qx Ux Qx (8.4.20)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Da segue que se
k
x for um autovetor de U associado com o autovalor
k
, ento:
k k
y Qx (8.4.21)
um autovetor de A associado com
k
. Dessa forma os autovetores de
Apodem ser obtidos dos autovetores de U pela multiplicao por Q.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Exerccios:
Use o mtodo de Householder para transformar as matrizes abaixo em
matrizes tridiagonais:
a.
12 10 4
10 8 5
4 5 3
b.
2 1 1
1 2 1
1 1 2
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
8.4.3 Mtodo da Potncia
O Mtodo da Potencia uma tcnica iterativa utilizada para determinar o
autovalor com maior valor, isto , o autovalor dominante. Pode-se fazer
algumas alteraes no mtodo de forma que seja possvel determinar
tambm os demais autovalores.
Uma caracterstica til deste mtodo que ele produz no apenas um
autovalor mas tambm um autovetor associado; de fato, o mtodo da
potencia normalmente utilizado para se achar um autovetor para um
autovalor determinado por qualquer outro meio.
A aplicao do mtodo da potencia assume que a matriz A de ordem
n n, tenha n autovalores
1 2 3
, , , ,
n
associados a uma coleo de
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
autovalores linearmente independentes
k
v ; alm disso, assume tambm
que
1 2 3
0
n
.
Seja ento um vetor qualquer
n
x R ; devido ao fato que
1 2 3
, , , ,
n
v v v v linearmente independente existem constantes
1 2
, , ,
n
tais que
1
n
j j
j
v x
Multiplicando ambos os lados da equao acima por
2
, , ,
k
A A A se tem
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
1 1
2 2
1 1
1
n n
j j j j j
j j
n n
j j j j j j
j j
n
k k
j j j
j
Ax Av v
A x Av v
A x v
Se
1
k
for fatorado de cada termo do lado direito da ltima expresso
acima, obtm-se
1
1
1
k
n
j k k
j j
j
A x v
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Uma vez que
1
, 2,3,...,
j
j n, se tem
1
lim 0
k
j
k
, e
1 1 1
lim lim
k k
k k
A x v (8.4.22)
Esta seqncia converge para zero se
1
1 e diverge se
1
1,
considerando obviamente que
1
0.
Pode-se realizar um processo adequado de modo a assegurar que as
potencias de
k
A x na expresso (8.4.22) seja finito e diferente de zero.
Esse processo inicia-se escolhendo x como um vetor unitrio
0
x relativo
norma (lembrar que essa norma a de mxima coordenada de )
e escolhendo um componente
0
0
p
x de
0
x , de modo que
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
0
0 0
1
p
x x
Seja, ento,
1 0
y Ax . Definindo
0
1 1
p
y , ento
0 0 0 0
0
0
0
0 0 0 0
1 1 1 1 1
1
2 2 1
1 1 1
0
1 1 1 1
2 2
p p p p
p
p
p
p p p p
n n
j
j j j j j
j j
n n
j j j j
j j
v v v v
y
y
x
v v v v
Seja agora
1
p o menor inteiro tal que
1
1 1
p
y y , pode-se definir
1
x por
1 1
1 1 0
1 1
1 1
p p
y y
x y Ax
Fazendo para
1
x o que se fez para
0
x , tem-se
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
1
1
2
1 1 2 1 0
1
1
1
p
p
x
y
x y Ax A x
e
1 1 1 1
1
0
1
1 1
1 1
2
2 2
1 1 1 1 1
2
2 2 1
2 2 1
1
1 1 1
1 1
2
2
1
p p p p
p
p
p
p p
p p
n n
j
j j j j j
j j
n
n
j
j j j
j j
j
j
v v v v
y
y
x
v v
v v
com
2 2 2 1
2
2 2 1 0
2 2 2 1
1 1 1 1
p p p p
y y y y
x y Ax A x
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
De maneira similar define-se uma seqncia de vetores
0
m
m
x e
0
m
m
y , bem como uma seqncia de escalares
0
m
m
da seguinte
maneira:
1 m m
y Ax (8.4.23)
1 1
1
1 1
1 1
2
1
1 1
1 1
2
1
p p
m m
p
m
p p
m m
m
n
j
j j
j
m m m
n
j
j j
j
v v
y
v v
(8.4.24)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
com
0
1
1 1
p
m
p
k
m
m m m
m
k
k
y
y
x y A x , onde em cada passo,
m
p usado para
representar o menor inteiro para o qual
p
m
m m
y y .
Analisando a expresso (8.4.24) v-se que se
1
1, 2,3,...
j
j n
ento
1
lim
m
m
(8.4.25)
e mais, a seqncia
0
m
m
x converge para um autovetor associado com
1
.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
A seguir detalha-se um programa em Matlab que implementa o mtodo
da potencia, para determinar uma aproximao do mximo autovalor e
seu associado autovetor em uma matriz A dado um vetor no nulo x:
function [lambda,z,erro,iter,flag]=apower(a,x,tol,niter)
% =======================================================
% Metodo da Potencia para determinao do maior autovalor
%
% lambda = maior autovalor
% z = autovetor associado a lambda
% erro = erro encontrado
% iter = numero de iteraes realizadas
% flag = se 0, tudo ok, se = 1 excedeu num. iteraes
% se = 2 excedeu a tolerancia ou erro
% a = matriz
% x = vetor tenttiva
% tol = tolerancia, se > 0.001 adota 0.001
% niter = nmero mximo de iteraes
% =======================================================
flag = 0;
if tol > 0.001
tol = 0.001;
end
k = 1;
ninfx = norm(x,inf);% norma maxima de x (norma infinita)
[xp,p] = max(x); % acha o maior coeficiente xp de x e a
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
% ordem p dele dentro do vetor x
if ninfx ~= xp
fprintf('erro %g diferente de %g \n',ninfx,xp);disp('')
end
x = x./xp;
while k < niter
y = a*x;
eta = y(p);
[yp,p] = max(y);
if y(p) == 0
z = x;
disp('O autovetor x='); disp(z);
return
end
erro = norm(x-(y./yp),inf);
x = y./yp;
if erro < tol
lambda = eta;
z = x;
iter = k;
fprintf('\nO autovalor %g',lambda);
fprintf('\nOs coeficientes do autovetor so: \n');disp(z);
fprintf('\nO nmero de iteraes foi %i ',k);
fprintf('\nO erro encontrado de %g ',erro);
return
end
k = k + 1;
end
flag = 1;
lambda = eta;
iter = k;
fprintf('\nO nmero de iterases excedeu e no foi achado o autovalor\n');
fprintf('\nO autovalor %g',eta);
fprintf('\nOs coeficientes do autovetor so: ');disp(x);
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
fprintf('\nO nmero de iteraes foi %i ',k);
fprintf('\nO erro encontrado de %f ',erro);
return
Para testar esta funo, seja o seguinte programa em Matlab, feito para
aproximar o autovalor e seu correspondente autovetor para a matriz:
0
4 1 2 2 1
1 2 0 1 1
2 0 3 2 1
2 1 2 1 1
e x A
clear;clc;
A = [4 1 -2 2;
1 2 0 1;
-2 0 3 -2;
2 1 -2 -1];
x=[1 1 1 1]';
tol = 0.001;
niter=60;
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
[lambda,z,erro,iter,flag] = apower(A,x,tol,niter);
Executando-o se tem:
O autovalor 6.84249
Os coeficientes do autovetor so:
1.0000
0.3083
-0.7759
0.4923
O nmero de iteraes foi 8
O erro encontrado de 0.000841578
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
8.4.4 Mtodo de Danilevsky
O Mtodo de Danilevsky um processo para determinar os autovetores
de uma matriz A geral de ordem n n, em dois passos. Para isso seja
uma matriz B da seguinte forma:
1 2 1
1 0 0 0
0 1 0 0
0 0
0 0 1 0
n n
a a a a
B (8.4.26)
que uma matriz construda a partir de um vetor a, 1 n . Antes de se
estudar as propriedades de B deve ficar claro que o Mtodo de
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Danilevsky pega uma matriz genrica A e a transforma em uma matriz
da forma B.
Assim a matriz da forma (8.4.26) denominada de matriz
companheira; esta matriz tem uma propriedade interessante que o
seu polinmio caracterstico, simples e da forma:
1
2 1
n n
B n
a a a (8.4.27)
V-se, assim, que os coeficientes do polinmio caracterstico da matriz
companheira B podem ser obtidos diretamente da inspeo da primeira
linha desta matriz.
Outra caracterstica interessante desta matriz a relao entre os
autovalores e autovetores o quociente de Raleigh, que definido por:
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
T
T
x x
x x
A
(8.4.28)
Pode ser facilmente calculado desde que os autovetores sejam
conhecidos. No caso da matriz companheira, o inverso tambm
verdadeiro.
Seja ento
k
o k-simo autovalor da matriz companheira. Ento o k-
simo autovetor,
k
y , pode ser calculado como se segue:
1 2
, , , ,1 , 1
T
k n n
k k k
y k n (8.4.29)
Para explorar essas propriedades, devem-se procurar transformaes de
similaridade que convertam uma matriz genrica A em uma matriz da
forma de B. Isso permitir que os autovalores de B sejam idnticos aos
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
autovalores de A. Alm disso, os autovetores de A podem ser
reconstrudos dos autovalores de B atravs da reverso das
transformaes.
Para converter A em uma matriz da forma de B, inicia-se com a ltima
linha de A e trabalhando de forma reversa, uma linha por vez.
Inicialmente, seja
, 1
0
n n
A . Assim, esse elemento
, 1
0
n n
A pode ser
normalizado para a unidade pela diviso da (n-1)-sima coluna de A por:
, 1 n n
A (8.4.30)
Agora o k-simo elemento da ltima linha de A pode ser zerado,
subtraindo
, n k
A vezes a (n-1)-sima coluna da k-sima coluna, para todo
1 k n . Essas operaes elementares sobre as colunas podem ser
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
combinadas de modo que elas sejam representadas pela
posmultiplicao de A pela seguinte matriz:
0 com u Au u c (8.4.31)
Fazendo a multiplicao
n
AP , verifica-se que a ltima linha desta
idntica a ltima linha de B. Agora para completar a transformao de
similaridade, e assim preservar os autovalores, precisa-se premultiplicar
n
AP pela inversa de
n
P , que dada por:
0
t
t t
d e
e e
dt
A
A A
v
v Av (8.4.32)
Assim, quando se premultiplicar
n
AP pela inversa de
n
P ,
1
n
P , a ltima
linha de
n
AP no afetada. No entanto, a ltima linha de:
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
1
1 n n
B P AP (8.4.33)
idntica a ltima linha da matriz companheira B, Este processo pode
ser repetido, trabalhando agora a (n-1)-sima linha de , N f g e assim
sucessivamente at que as linhas de nmero 2 at n de
1
B tenha
adquirido a estrutura da matriz companheira B. O resultado final aps as
1 n transformaes de similaridade :
1
B P AP (8.4.34)
Onde P a matriz transformao de similaridade composta definida por:
1 2 n n
P P P P (8.4.35)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
8.4.5 Mtodo de Vianello - Stodola
Seja a equao (8.1.1): Ax x onde A uma matriz real e simtrica de
ordem n; x um vetor de incgnitas e o escalar representativo dos
autovalores.
Seja
1
x um vetor de soluo aproximada, tal que
1 1
x y A . Se o vetor
1
x for um autovetor, ento
1 1
y x , para qual a razo entre eles tal
que:
1
1
, 1, 2, ,
i
i
y
i n
x
(8.4.36)
Fazendo-se
2 1
x y e repetindo o clculo, e assim sucessivamente at
que
1 n n
x y , ter-se- uma relao:
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
.
n
i
n
i
y
const
x
(8.4.37)
com a preciso que se estabelecer. Pode-se mostrar que quando A
real e simtrica este mtodo converge para o autovalor dominante ou
maior, o qual calculado pela equao (8.4.37). O vetor
n
x o
autovetor correspondente.
Exerccio:
Seja o exemplo anterior, para o qual se tem:
1 1 2
2 2
.
x x 3 -1
x
x x -1 2
A
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Fazer
1
1 1 x a primeira aproximao de x . Resolver o problema
para um erro
5
10 .
De um modo genrico, sejam n equaes matriciais correspondentes a
cada autovalor. Em termos de autovetores normalizado, tem-se:
1 1
2 2
n n
x x
x x
x x
A
A
A
(8.4.38)
ou em uma forma mais compacta de represent-las:
1 2 1 1 2 2 n n n
A x x x x x x (8.4.39)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Fazendo
1 2 n
x x x Q
e
1
2
3
0 0 ... 0
0 0 ... 0
0 0 ... 0
... ... ... ... ...
0 0 0 ...
n
(8.4.40)
Assim, (8.4.39) transforma-se em:
AQ= Q (8.4.41)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Seja examinar o produto
T
B = Q Q, onde
T
ij i j
b x x , correspondente ao
produto escalar do i-simo com o j-simo autovetores associados a dois
diferentes autovalores
i
e
j
pelas expresses:
i i i
x x A (8.4.42)
j j j
x x A (8.4.43)
Posmultiplicando a transposta de (8.4.42) por
j
x , e pr-multiplicando
(8.4.43) por
T
i
x , obtm-se:
T T
i j i i j
x x x x
T
A (8.4.44)
T T
i j j i j
x x x x A (8.4.45)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Subtraindo (8.4.45) de (8.4.44), sabendo-se que por hiptese A
simtrica, isto ,
T
A= A , obtm-se:
0
T
j i i j
x x (8.4.46)
A expresso acima para ser identicamente nula, ou 0
j i
ou
0
T
i j
x x . Para dois autovalores distintos, tem-se:
0
T
i j
x x (8.4.47)
No caso de i j , 0
T
i j
x x ; em particular, se os autovetores forem
normalizados, ento se tem:
1,
T
i j
x x para i j (8.4.48)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
V-se que desta discusso, conclui-se que
T
ij i j ij
b x x , ou seja, B= I,
onde
1 T T T
I B Q Q Q Q Q Q ; isto , Q ortogonal.
Seja ento a equao (8.4.41): AQ= Q ; premultiplicando por
T
Q ,
obtm-se:
T T
Q AQ Q QA IA A (8.4.49)
Isso mostra que uma matriz ortogonal Q, aplicada a A, de maneira tal
que a transformao
T
Q A Q produza uma matriz diagonal, os
elementos desta diagonal so os autovalores de (8.1.1) e as colunas de Q
so os correspondentes autovetores. Por conseguinte, o problema
reduzido tentativa de diagonalizar a matriz A.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
8.4.6 Problemas "Bem-Postos"
Ver-se- nesta seo o problema de terminao de autovalores para os
denominados "problemas bem-postos" e a questo da estimativa de
erros a posteriori.
Um critrio simples para a localizao de autovalores dado pelo
Teorema de Gersgorin, j exposto na seo de "Matrizes Diagonalmente
Dominantes; aqui se mostrar novamente o teorema de outra forma,
visando estabelecer as condies para localizao de autovalores:
Teorema 1: (Teorema dos Crculos de Gershgorin
6
) Seja uma
matriz
n n
A tendo autovalores . Sejam
6
S. A. Gershgorin, (1901-1933).
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
1
n
i ij
j
j i
r a - soma dos valores absolutos de uma linha,
excluindo o elemento da diagonal
ii
a ;
1
n
j ij
i
j i
c a - soma dos valores absolutos de uma coluna,
excluindo o elemento da diagonal
jj
a ;
Ento
a cada autovalor permanece na unio dos crculos de linhas
, 1, 2, ,
i
R i n onde
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
R i i ii i
i
R R z z a r A
(8.4.50)
onde os
i
R so denominados de crculos ou bolas de Gershgorin e A
o espectro da matriz A;
b cada autovalor permanece na unio dos crculos de colunas
, 1, 2, ,
j
C j n onde
j jj j
C z z a c (8.4.51)
c cada componente de
R i
i
R ou
C j
j
C contm exatamente
tantos autovalores quantos os existentes nos crculos (Os autovalores e
os crculos so contados com suas multiplicidades).
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Demonstrao
a Se um autovalor de
n n
A , ento existe um autovetor 0 x tal que Ax x ou ainda
1
, 1, 2, ,
n
ii i ij j
j
j i
a x a x i n
Escolhendo um i, tal que 0
i
x x ento,
.
j
ii ij i
j i
i
x
a a r
x
b Desde que os autovalores de A e
T
A so idnticos, segue b.
c Para demonstrar c- seja o lema
"Os n zeros ou razes de um polinmio
1
1
n n
n
P x x a x a so funes contnuas dos
coeficientes
j
a "
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Ento considerando uma famlia de matrizes t t A D B onde
ii ij
a D uma matriz diagonal e
B A D, e mais a correspondncia entre t A e os crculos
i
t R e
j
t C com respectivos raios
i
tr
e
j
tc e centros em
ii
a e
jj
a .
Agora o A D, logo o item c- vlido, para a matriz diagonal. Os autovalores t de t A so os
zeros de
( )
( ) det ( )
A t
P I A t . Quando t cresce continuamente para 1 t , o nmero interior de
crculos de autovalores em cada componente de
i
i
R (ou de
j
j
C ) varia continuamente. Em outras palavras,
quando em um componente o nmero de crculos cresce, o nmero de autovalores no componente cresce da mesma
quantidade.
Exemplo:
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Para a matriz
4 1 1
0 2 1
2 0 9
A os crculos estabelecidos no teorema dos
crculos de Gershgorin so:
1
4 2 R z C z
2
2 1 R z C z
3
9 2 R z C z
Como se pode ver,
1
R e
2
R so disjuntos de
3
R ; logo em
1 2
R R tem dois
autovalores, enquanto dentro o crculo
3
R tem um autovalor.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Propriedade 1: (Primeiro Teorema de Gershgorin). Para uma
dada matriz
n n
A ento,
R C
A (8.4.52)
Propriedade 2: (Segunda Teorema de Gershgorin). Sejam
1 2
1 1
,
m n
i i
i i m
R R (8.4.53) se
Ento se
1 2
, ento
1
contm exatamente m autovalores de
n n
A , cada um contado com a sua multiplicidade algbrica, enquanto
os demais autovalores esto contidos em
2
.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Propriedade 3: Uma matriz
n n
A uma matriz irredutvel
7
se
e somente se seu grafo orientado for fortemente conectado
8
.
Definio 1: Uma matriz dita unitria, quando sua inversa
sua transposta conjugada, isto :
* * 1
Q Q I Q Q (8.4.54)
7
Uma matriz dita ser redutvel se existir uma matriz de permutao Ptal que
11 12
22
0
T
B B
PAP
B
, tal que
11
B e
22
B so matrizes
quadradas.
12
B uma matriz retangular, e O uma matriz nula. Uma matriz dita irredutvel se ela no for redutvel (veja definio no captulo 2 desta obra).
8
Um grafo dito ser fortemente conectado se para dois vrtices distintos quaisquer ,
i j
V V existir um caminho de
i
V para
j
V .
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Outra forma de definir matriz unitria , para quaisquer elementos
, x y , num espao Euclidiano, verdadeira a expresso
, , x y x y A A .
Definio 2: Uma matriz dita ser normal, se ela comuta com
a sua conjugada transposta, isto ,
* *
A A AA .
Lema 1: Se uma matriz normal triangular, ento ela uma
matriz diagonal.
Teorema 2: Para que uma matriz A seja unitria
necessrio e suficiente que a relao
*
A A 1 seja verdadeira.
Demonstrao:
Necessidade Seja A unitria. Por definio da matriz adjunta
*
A , pode-se reescrever esta definio da seguinte
forma:
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
*
, , z Ay A z y
fazendo z x A , tem-se
*
, , Ax Ay A Ax y ; como A unitria por hiptese, tem-se que
, , Ax Ay x y
logo
*
, , A Ax y x y
ou ainda
*
, 0, , I A A x y x y .
Fixando-se x e considerando y arbitrrio na expresso acima, v-se que ela verdadeira apenas se
*
0 x A A I , logo como 0 x , segue
* * * 1
0 A A I A A I A A .
Suficincia - Seja por hiptese
* 1
A A . Logo
*
A A I. Por definio de matriz adjunta, seja provar que A
unitria, assim
*
, , , , Ax Ay x A Ay x Iy x y logo est satisfeita a condio de
suficincia.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Teorema 3: Uma matriz A normal se e somente se ela
unitariamente similar a uma matriz diagonal.
Demonstrao
direta a prova de que uma matriz que unitariamente similar a uma matriz diagonal normal. Provar-se- que
qualquer matriz normal A unitariamente similar a uma matriz diagonal.
Seja ento
*
A QRQ a forma cannica de Schur de A, onde Q unitria e R triangular superior.
Normalizando A tem-se
* * * * * *
QR Q QRQ QRQ QR Q
sendo
*
QQ I pelo fato de Q ser unitria tem-se
* * * *
QR RQ QRR Q
Premultiplicando por
*
Q na esquerda e por Q na direita obtm-se
* *
R R RR
que significa que R normal, e de acordo com o lema acima isto s possvel se R for diagonal. Logo est provado
o teorema.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Lema 2: Uma matriz A normal se e somente se cada um de
seus autovetores tambm autovetor de
*
A .
Demonstrao
Se A normal, ento seus autovetores esquerda e direita so idnticos, logo a condio de suficincia trivial.
Seja agora a hiptese de que a matriz A seja tal que cada um dos seus autovetores
, 1, 2, ,
i
v i k k n um autovetor de
*
A . Para cada autovetor
i
v de A,
i i
v v A e assim
i
v tambm autovetor de
*
A ento
*
i i
v v A . Observa-se que:
*
, ,
i i i i
v v v v A
e devido a que
*
, , ,
i i i i i i
v v v v v v A A segue que . A seguir, provar-se- por
contradio que no existem elementos divisores. Seja a hiptese de que o contrrio verdadeiro por
i
. Ento o
primeiro vetor principal
i
u associado com
i
definido por:
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
,
i i
u v A I
Fazendo-se o produto interno da relao acima em relao a
i
v , obtm-se:
, , ,
i i i i i i i
u v u v v v A
Por outro lado, tambm verdadeiro que:
*
, , , ,
i i i i i i i i
u v u A v u v v v A
Um resultado das expresses acima que , 0
i i
v v o que uma contradio. Dessa maneira A tem um
conjunto completo de autovetores. Logo se conclui que A precisa ser normal.. Assim est demonstrado o lema.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Corolrio 1: Uma matriz normal cujos autovalores so reais
uma matriz Hermitiniana.
Corolrio 2: Uma matriz Hermitiniana tem todos os seus
autovalores reais.
Demonstrao
Um autovalor de qualquer matriz satisfaz a relao:
,
,
x x
x x
A
(8.4.55)
onde x um autovetor associado, ento , , x x x x
*
A A que o resultado desejado.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
O teorema de Gersgorin tem muitas aplicaes, dentre estas aquela
referente ao problema de autovalores bem-postos.
Definio 3: O autovetor x que satisfaz a x x A , com
0 x denominado autovetor direito de A.
Definio 4: O autovetor y que satisfaz a
* *
0 y y y A ,
denominado autovetor esquerdo de A.
Quando a matriz A for Hermitiniana, os autovetores a esquerda e
direita so idnticos, caso contrrio, sero distintos.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Teorema 4: Seja A uma matriz de ordem n tendo n
autovetores linearmente independentes. Para qualquer matriz C com
C A , define-se matriz perturbada:
A A C (8.4.56)
Ento, se um autovalor de A, existe um autovetor tal que,
O (8.4.57)
Alm disso, se simples, ento
*
*
0
lim
y x
y x
C
(8.4.58)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
onde x e y so respectivamente os autovetores direita e esquerda
de A, correspondente ao autovalor .
Demonstrao
Seja P uma matriz cujas colunas so os autovetores direitos de A, isto ,
AP P (8.4.59)
onde
ij
uma matriz diagonal tal que
ii
so os autovalores de A em alguma ordem.
De (8.4.59) e (8.4.56) tem-se
1 1 1
ij
e P A P P CP E E P CP L L (8.4.60)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
8.5 Autovalores e Autofunes Associados a Problemas de Valores de
Contorno
9
.
Seja a soluo do seguinte problema de valor de contorno
2
0 (8.5.1)
em uma regio tridimensional, o qual tem um contorno
suficientemente regular de modo que o teorema da divergncia possa
ser aplicado a funes suficientemente bem-comportadas como
integrando, sujeito a seguinte condio de contorno:
0
d
dn
(8.5.2)
9
Esta seo pode ser deixada de ser estudada agora, ou estudada aps o estudo do captulo sobre Clculo Variacional e de Equaes Diferenciais Parciais.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
A soluo pode ser associada a um dos seguintes problemas:
1. Dentre todas as funes f que so contnuas e tm as primeiras
derivadas contnuas por partes em , minimiza a seguinte razo:
2
2
f f d f d
Q f
N f
f d
(8.5.3)
O mnimo alcanado para o menor dos autovalores
1
e a funo de
minimizao ser a primeira autofuno
1
. O mnimo de
Q f
N f
sujeita a
1
0 f d alcanado para o autovalor
2
e a funo de minimizao
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
ser o segundo autofuno
2
. Dessa forma, como foi adicionada uma
restrio ao primeiro problema,
2
no mnimo maior que
1
, e assim se
tem
1 2
. Para o k-simo autovalor, e sua correspondente
autofuno, ser minimizado o seguinte problema:
Q f
N f
sujeito a restrio 0 1, 2, , 1
j
f d j k . Dessa forma,
por motivos bvios se tem
1 2 3
e suas correspondentes
autofunes
1 2 3
, , , .
As autofunes constituem um conjunto ortogonal, mas no
necessariamente normalizado.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
2. De todas as funes f que so contnuas e tm primeiras derivadas
contnuas por partes em e que minimiza Q f sujeito a 1 N f .
Lembrar que N f a norma euclidiana de f . Esse mnimo alcanado
para o primeiro autovalor
1
e a funo de minimizao ser a primeira
autofuno
1
, a qual ser normalizada, pelo fato de que no mnimo
1
1 N f N . O k-simo autovalor e autofuno so determinados
pela minimizao de Q f sujeito a 1 N f e
0 1, 2, , 1
j
f d j k . A soluo deste problema gera uma
seqncia de autovalores
1 2 3
e um conjunto ortonormal de
autofunes
1 2 3
, , , .
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
3. De todas as funes f que so contnuas e tm primeiras derivadas
contnuas por partes em e que minimiza Q f sujeito a 1 N f e
0
i
fv d donde , 1, 2, , 1
i
v i k um conjunto qualquer de
funes linearmente independentes que so contnuas por parte em .
De todas as escolhas possveis do conjunto
i
v escolha o maior que
minimize Q f . O mximo ser o k-simo autovalor; e a funo que
produz o mximo ser a k-sima autofuno. Este problema permite que
se determine o k-simo autovalor diretamente sem ter que resolver os
1 k prvios autovalores, como nos dois primeiros casos, e nos d um
meio de comparao os autovalores de diferentes problemas.
A soluo dos dois primeiros problemas anteriores (problemas 1 e 2)
pode ser manuseada em conjunto. Dessa forma, considerando que existe
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
uma soluo
1
para o primeiro problema, com derivadas segundas
contnuas em , se ter:
1 1 1
Q N (8.5.4)
onde uma constante arbitrria e uma funo arbitrria da classe
das funes admissveis, isto , escolhida de funes que sejam contnuas
e tm primeiras derivadas contnuas por partes em . Assim
1
uma
soluo para o problema de mnimos
1 1 1
Q N . Expandindo a
inequao (8.5.4) se tem
10
:
10
Note que , Q f g e , N f g so formas bilineares associadas, definidas por:
, Q f g f gd fgd e , N f g fgd .
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
2
1 1 1 1
2 , , 0 Q N Q N (8.5.5)
Esta expresso vlida para qualquer valor de . Alm do mais.
1 1 1
, , 0 Q N (8.5.6)
vlida para quaisquer funes . Por outro lado, dado um ,
escolhemos um suficientemente pequeno, e o prprio sinal, que:
2
1 1 1 1
2 , , 0 Q N Q N (8.5.7)
que contradiz o inequao (8.5.5). Logo se tem:
2
1 1 1 1
2 , , 0 Q N Q N (8.5.8)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Onde
1
tem derivadas segundas contnuas em , e tem derivadas
primeiras contnuas por partes tambm em . Usando a frmula de
Green
11
, se tem:
11
A frmula ou identidade de Green:
2
n
v w d v wd v wd onde
n x y z
v v v
v v n n n n
x y z
a derivada normal de v sobre . Outra forma de representar a identidade de
Green
2 2
n n
v wd vwd v wd vwd . No confundir a frmula de Green com
o teorema da divergncia (ou teorema de Gauss), que vd v nd .
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
2
1
1 1 1 1
0
d
d d
dn
(8.5.9)
para funes arbitrrias . Uma vez que arbitrria pode-se coloc-la
nula sobre o contorno , mas arbitrria no interior de . Dessa forma
em (8.5.9) a integral sobre se anula, e ter-se-:
2
1 1 1
0 d (8.5.10)
implicando em
2
1 1 1
0 no interior de . Mas isto implica em
que a integral (8.5.10) acima se anule, e para todo e qualquer se tem:
1
1
0
d
d
dn
(8.5.11)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
que, por sua vez, implica em que
1
1
0
d
dn
sobre a superfcie de
contorno . Dessa forma, a soluo do primeiro problema variacional
tambm uma soluo do problema de valor de contorno.
V-se que se chegou a uma soluo em que as condies de contorno
1
1
0
d
dn
so condies necessrias para a soluo do problema
variacional, sem requerer que essa condio seja satisfeita para todas as
funes admissveis. Assim, se 0 sobre , ento
1
0
d
dn
dito ser
uma condio de contorno natural. Se por outro lado desejado que a
soluo satisfaa a condio de contorno
1
0 sobre , necessita-se
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
que 0 f em para toda e qualquer funo na classe de funes
admissveis. Assim, neste caso, se tem:
Q f v w d (8.5.12)
e
1
0 sobre como consequncia de que
1
pertencer a classe de
funes admissveis. Neste caso, se tem o que se chama de condio de
contorno prescrita como o oposto a condio de contorno natural.
Seja agora o problema 2 posto anteriormente. Aqui se deseja resolver o
mesmo problema anterior (acima), mas com condies de contorno que
levem a:
1 1
, 0 N f fd (8.5.13)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Admitindo que esse problema tenha uma soluo
2
com derivadas
segundas parciais contnuas, se tem:
2 2 2
1 2
2 2 2
, 0
Q N
N
Q N
(8.5.14)
Aqui, no totalmente arbitrria devido a que
1
, 0 N .
Entretanto considerando uma funo da classe de funes admissveis,
se podem construir a partir desta uma funo pela subtrao da parte
no ortogonal a
1
; isto , fazendo:
1
c (8.5.15)
com
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
1
1
, N
c
N
(8.5.16)
tem-se, pelos mesmos motivos e argumentos anteriores,
2 1 2 2 1
2 2 2 2 1 2 2 1
, , , , 0
Q c N c
Q N c Q N
(8.5.17)
Mas,
1 2 1 2
( , ) 0 N d por (8.5.14), e mais, por (8.5.6)
1 1 1
, , 0 Q N para qualquer arbitrrio (vide problema
variacional 1 acima). Fazendo, pelo fato de ser arbitrrio,
2
que nos
diz ser:
1 2 1 1 2
, , Q N
1 2
0 , 0 Q (8.5.18)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Levando este resultado em (8.5.17) se tem
2 2 2
, , 0 Q N (8.5.19)
Dessa forma, se tem:
2
2 2
0
0
d
dn
(8.5.20)
Pode-se assim continuar a gerar sucessivos autovalores e autofunes.
Para estabelecer, ento, a definio de minimax (3 problema variacional
proposto) do k-simo autovalor e autofuno, devem-se primeiro notar
que o mnimo de
k
Q f quando , 1, 2, , 1
i i
v i k , e mais, se
i i
v , o mnimo de
k
Q f para funes do tipo
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
1
k
j j
j
f c (8.5.21)
que produz um valor
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
2
2
1 1 1
2 2 2
1 1
2 2
1
2
1
k
k k k
j j j j j j k
j j j
k k
j j j j j k
j j
k
j j j j k
j
k
j j j j
j
Q f f f d f d
c c d c d
c d c d
c d d
c d
2
1
k
j j k
j
c
(8.5.22)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Entretanto se sabe que para toda escolha de
i
v , o mnimo de Q menor
que ou igual a
k
. Em particular, para , 1, 2, , 1
i i
v i k , o mnimo
de Q igual a
k
. Dessa forma, segue que
k
igual ao mximo do
mnimo de Q, e mais, esse mximo alcanado quando
k
f . Assim o
3 problema est resolvido tambm.
A caracterizao de autovalores em termos variacionais fornece uma
ferramenta poderosa para comparar autovalores em diferentes
problemas. A base desta comparao est estabelecida pelos dois
teoremas a seguir:
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Teorema 1: Seja
k
o k-simo autovalor de um problema
variacional em que Q f minimizado sobre certa classe de funes
admissveis F . Seja
k
o k-simo autovalor de um problema variacional
em Q f minimizado sobre uma classe de funes admissveis F ,
resultante do acrscimo de certas restries sobre F . Ento
k k
.
Teorema 2: Seja
k
o k-simo autovalor de um problema
variacional em que Q f minimizado sobre certa classe de funes
admissveis F . Seja
k
o k-simo autovalor de um problema variacional
em Q f minimizado sobre uma classe de funes admissveis F ,
donde , Q f Q f f F . Ento
k k
.
Para ilustrar o uso destes dois teoremas, seja o seguinte exemplo:
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Exemplo
Seja
k k
v a frequncia natural de uma membrana elstica
sobre tenso e com massa especfica . Supondo que a membrana
ocupa uma regio no plano xy e que fixada em seu contorno . Seja
tambm outra membrana menor sobre uma regio contida em e
fixada no seu contorno . A frequncia natural
k k
v da
membrana menor, pelo teorema 1, tende a ser maior, ou no mnimo no
menor que
k
v . Assim dado
k
por minimizao de,
Q f f f dxdy
sobre a classe de funes que se anulam sobre . Por comparao, se v
que se tem
k
pela minimizao de Q sobre uma classe de funes que
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
se anulam sobre , e em toda regio entre e . Mas essas funes
tm restries adicionais alm daquelas impostas na primeira classe de
funes. Logo
k k
.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
8.6 Autovalores e Autofunes Associados a Problemas de Sistemas de
Equaes Diferenciais
12
.
Seja um sistema de equaes diferenciais lineares de primeira-ordem
com coeficientes constantes
ij
a no qual se deseja encontrar as funes
incgnitas
i
u t :
1 11 1 12 2 1
2 21 1 22 2 2
1 1 2 2
n n
n n
n n n nn n
u a u a u a u
u a u a u a u
u a u a u a u
(8.6.1)
12
Esta seo pode ser deixada de ser estudada agora, ou estudada aps o estudo do captulo sobre Clculo Variacional e de Equaes Diferenciais Parciais.
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
Sujeito as seguintes condies iniciais:
1 1
2 2
0
0
n n
u c
u o c
u c
(8.6.2)
Assim, como se sabe da teoria das equaes diferenciais ordinrias, a
exponencial escalar prov a nica soluo para uma equao diferencial
simples do tipo u t u t com a condio inicial 0 u c como
t
u t ce . De forma anloga pode-se resolver o sistema de equaes
diferenciais (8.6.1) com as condies iniciais (8.6.2). Colocando-as na
forma matricial, se tem:
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
0 com u Au u c (8.6.3)
com
11 12 1 1 1
21 22 2 2 2
1 2
, ,
n
n
n n nn n n
a a a c u t
a a a c u t
a a a c u t
u A c
Se A diagonalizvel com
1 2
, , ,
k
A ento
1 2
1 2
k
t t t t
k
e e e e
A
G G G (8.6.4)
As seguintes identidades podem ser deduzidas das propriedades de
i
G
(vide teorema 5 da seo 8.2):
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
1 1 1
i i
t k k k
t t t
i i i i i
i i i
de
e e e
dt
A
A
G G G A
(8.6.5)
t t
e e
A A
A A (8.6.6)
0 t t t t
e e e e e
A A A A
I (8.6.7)
A equao (8.6.5) assegura que
t
e c
A
u uma soluo para
0 com u Au u c. Para se mostrar que
t
e c
A
u a nica
soluo, seja supor que t v seja outra soluo, assim
0 com v Av v c. Diferenciando
t
e
A
v se tem:
0
t
t t
d e
e e
dt
A
A A
v
v Av (8.6.8)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
que mostra que
t
e
A
v constante e independe de t .
Em 0 t se tem
0
0
0 ,
t t
t
e e c c e c t
A A A
v v I v .
Multiplicando ambos os lados desta equao por
t
e
A
e usando a equao
(8.6.7) pode-se concluir que
t
e c
A
v . Assim
t
e c
A
u a nica soluo
para 0 com u Au u c.
Finalmente pode-se afirmar que
i i i
c N v G A I um autovetor
associado com
i
, e que a soluo para 0 com u Au u c, :
1 2
1 2
k
t t t
k
e e e u v v v (8.6.9)
e esta soluo completamente determinada pelo par ,
i i
v e
i
v o
autovetor
i i
c v G , onde
i
G o i-simo projetor espectral. Por sua vez,
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
pode-se dizer que u pode tambm ser expandida em termos de qualquer
conjunto completo de autovetores independentes linearmente.
Exemplo.
Um problema importante em medicina e biologia que envolve a questo
de como os compostos qumicos ou de drogas se move de uma clula
para outra, por meio da difuso atravs das paredes das clulas.
Considerando duas clulas, como as mostradas na figura ao lado, as quais
esto vazias de um componente particular. Uma quantidade unitria do
componente injetada na primeira clula em 0 t , e com o tempo este
componente se difunde de acordo com a seguinte hiptese: Em cada
ponto, no tempo, a taxa (quantidade por segundo) de difuso de uma
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
clula para outra proporcional a concentrao (quantidade por unidade
de volume) do componente na clula que difunde diz-se que a taxa de
difuso da clula 1 para a clula 2 vezes a concentrao na clula 1; a
taxa de difuso da clula 2 para a clula 1 vezes a concentrao na
clula 2. Por hiptese se tem que , 0 . Assim,
seja determinar a concentrao do
componente em cada clula a qualquer tempo t ,
e determine a concentrao no estado
estacionrio.
Seja ento
k k
u u t denotar a
concentrao do componente na clula k no tempo t ; logo, essas
hipteses podem ser escritas na forma matemtica como:
FIGURA 8.4 CLULAS
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
1
2 1 1
2
1 2 1
taxa entra - taxa sai , 0 1
taxa entra - taxa sai , 0 0
du
u u u
dt
du
u u u
dt
(8.6.10)
Na forma matricial, o sistema 0 com u Au u c pode descrito
por:
1
2
1
, ,
0
u
c
u
A u
Ento levando em considerao (8.6.9) se tem a seguinte soluo:
1
1
0
t
t
t e c e
A
u (8.6.11)
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
assim se pode escrever:
1
2
1
t
t
u t e
u t e
Para se determinar o estado estacionrio do problema, basta que se leve
s expresses acima de
1 2
, u u ao limite quando t .
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
8.7 Autovalores e Autovetores no Matlab
No Matlab existe a funo eig que determina os autovalores de uma
matriz A. Essa funo tem duas formas de sada; na primeira forma, com
um nico parmetro de sada, ela nos fornece um vetor com os
autovalores da matriz dada; na segunda forma, com dois parmetros de
sada, duas matrizes, a primeira contendo nas colunas os autovetores
associados a cada autovalor, e a segunda, uma matriz diagonal, contendo
os autovalores. Por exemplo:
>> A=[1 3 5; 3 7 11; 13 1 7];
>> lambda = eig(A)
lambda =
16.21954445729288
-2.21954445729289
1.00000000000000
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
>> A=[1 3 5; 3 7 11; 13 1 7];
>> [V,D] = eig(A)
V =
0.33195709447243 0.41089236669159 -0.16903085094570
0.76555870379412 0.64044442042258 -0.84515425472852
0.55111192917092 -0.64884390059872 0.50709255283711
D =
16.21954445729288 0 0
0 -2.21954445729289 0
0 0 1.00000000000000
As vezes uma matriz no tem autovalores, como o caso das matrizes
denominadas defectivas. Por exemplo:
A = [6 12 19; -9 -20 -33; 4 9 15]
[V,D] = eig(A)
V =
-0.4741 -0.4082 -0.4082
0.8127 0.8165 0.8165
-0.3386 -0.4082 -0.4082
D =
-1.0000 0 0
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
0 1.0000 0
0 0 1.0000
Note que existe um autovalor duplicado, consequentemente a segunda e
a terceira coluna da matriz V so idnticas e, por conseguinte a o
conjunto de autovetores no linearmente independente.
Outras formas da sintaxe da funo eig so:
[V,D] = eig(A,'nobalance') determina os autovalores e autovetores sem
fazer o balanceamento, procedimento que melhora o condicionamento
da matriz A;
[V,D] = eig(A,B) determina as matrizes de autovalores D e de
autovetores V de modo que AV BVD;
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
[V,D] = eig(A,B,flag) similar ao caso anterior, porm com o indicativo do
mtodo em flag - a ser usado para o calculo das matrizes de
autovalores D e de autovetores V. O contedo de flag pode ser chol
para o caso de matrizes Hermitianas (simtricas) e positiva definida, ou
qz caso contrrio.
Se a matriz A for esparsa e simtrica pode-se usar a forma d eig A ;
mas se a matriz for esparsa e no simtrica, ou se for desejvel
determinar os autovetores de A, deve-se utilizar a funo eigs . A sintaxe
desta funo apresenta as seguintes formas, dentre outras (consultar o
Manual do Matlab para maiores informaes):
d = eigs(A) - retorna os autovalores maiores de A;
d = eigs(A,B) - retorna os maiores autovalores de A;
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
d = eigs(A,k) - retorna o k-simo maior autovalor
d = eigs(A,B,k) - retorna os maiores autovalores de A,
de modo a que AV BVD;
[V,D] = eigs(A,...) - retorna os autovalores e autovalores
dos k maiores autovetores;
Outra funo que faz a fatorizao de autovalores generalizados a
funo qz , cuja sintaxe a seguinte:
[AA,BB,Q,Z,] = qz(A,B) - se as matrizes A e B forem
quadradas, resulta em matrizes quase triangular AA e BB, matrizes
unitrias Q e Z, de tal forma que QAZ= AA e QBZ= BB, onde as
matrizes ;
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
[AA,BB,Q,Z,V,W] = qz(A,B) - similar a anterior, acrescida das
matrizes V e W cujas colunas so os autovetores generalizados;
Na seo 8.3 apresentou-se a transformao ou decomposio de Schur.
Apresenta-se agora a transformao de uma matriz A na sua forma de
Hessenberg, que , como j se viu, uma matriz triangular que tem os
mesmos autovalores da matriz original. Para isso usa-se a funo hess ,
cuja sintaxe :
H = hess(A) - determina a matriz na forma de
Hessenberg (tridiagonal);
[P,H] = hess(A) - produz a forma de Hessenberg H
e uma matriz unitria P tal que
T
A PHP ;
Autovalores e Autovetores
Prof. Henrique Mariano Amaral Universidade Estadual do Maranho
[AA,BB,Q,Z] = hess(A,B) - para matrizes quadradas A e B,
produz uma matriz de Hessenberg superior AA, uma matriz
triangular superior BB, matrizes unitrias Q e Z, tal que QAZ AA
e QBZ BB.
Com essas funes pode-se utilizar o Matlab com eficincia para a
soluo de problemas de autovetores e autovalores.