Baixe o app para aproveitar ainda mais
Prévia do material em texto
130 Cálculo Numérico Agora, suponhamos que ρ(T ) < 1 e seja 0 < ε < 1 − ρ(T ). Então, existe 1 ≤ p ≤ ∞ tal que (veja [8], Teorema 3, página 12): ‖T‖p ≤ ρ(T ) + ε < 1. (4.237) Assim, temos: lim k→∞ ‖T k‖p ≤ lim k→∞ ‖T‖mp = 0. (4.238) Da equivalência entre as normas segue a recíproca. Observação 4.7.1. Observamos que: lim k→∞ ‖T k‖p = 0, ,1 ≤ p ≤ ∞,⇔ lim k→∞ tkij = 0, 1 ≤ i,j ≤ n. (4.239) Lema 4.7.2. Se ρ(T ) < 1, então existe (I − T )−1 e: (I − T )−1 = ∞∑ k=0 T k. (4.240) Demonstração. Primeiramente, provamos a existência de (I − T )−1. Seja λ um autovalor de T e x um autovetor associado, isto é, Tx = λx. Então, (I − T )x = (1 − λ)x. Além disso, temos |λ| < ρ(T ) < 1, logo (1 − λ) 6= 0, o que garante que (I−T ) é não singular. Agora, mostramos que (I−T )−1 admite a expansão acima. Do Lema 4.7.1 e da Observação 4.7.1 temos: (I − T ) ∞∑ k=0 T k = lim m→∞ (I − T ) m∑ k=0 T k = lim m→∞ (I − Tm+1) = I, (4.241) o que mostra que (I − T )−1 = ∞∑ k=0 T k. Teorema 4.7.1. A sequência recursiva {x(k)}k∈N dada por: x(k+1) = Tx(k) + c (4.242) converge para solução de x = Tx + c para qualquer escolha de x(1) se, e somente se, ρ(T ) < 1. Demonstração. Primeiramente, assumimos que ρ(T ) < 1. Observamos que: x(k+1) = Tx(k) + c = T (Tx(k−1) + c) + c (4.243) = T 2x(k−1) + (I + T )c (4.244) ... (4.245) = T (k)x(1) + (∑k−1 k=0 T k ) c. (4.246) Licença CC-BY-SA-3.0. Contato: reamat@ufrgs.br https://creativecommons.org/licenses/by-sa/3.0/ reamat@ufrgs.br 4.7. MÉTODOS ITERATIVOS PARA SISTEMAS LINEARES 131 Daí, do Lema 4.7.1 e do Lema 4.7.2 temos: lim k→∞ x(k) = (I − T )(−1)c. (4.247) Ora, se x∗ é a solução de x = Tx+ c, então (I −T )x∗ = c, isto é, x∗ = (I −T )−1c. Logo, temos demonstrado que x(k) converge para a solução de x = Tx + c, para qualquer escolha de x(1). Agora, suponhamos que x(k) converge para x∗ solução de x = Tx + c, para qualquer escolha de x(1). Seja, então, y um vetor arbitrário e x(1) = x∗ − y. Observamos que: x∗ − x(k+1) = (Tx∗ + c)− (Tx(k) + c) (4.248) = T (x∗ − x(k)) (4.249) ... (4.250) = T (k)(x∗ − x(1)) = T (k)y. (4.251) Logo, para qualquer 1 ≤ p ≤ ∞, temos, : 0 = lim k→∞ x∗ − x(k+1) = lim k→∞ T (k)y. (4.252) Como y é arbitrário, da Observação 4.7.1 temos lim k→∞ ‖T (k)‖p = 0, 1 ≤ p ≤ ∞. Então, o Lema 4.7.1 garante que ρ(T ) < 1. Observação 4.7.2. Pode-se mostrar que tais métodos iterativos tem taxa de con- vergência super linear com: ‖x(k+1) − x∗‖ ≈ ρ(T )k‖x(1) − x∗‖. (4.253) Para mais detalhes, veja [8], pág. 61-64. Exemplo 4.7.7. Mostre que, para qualquer escolha da aproximação inicial, ambos os métodos de Jacobi e Gauss-Seidel são convergentes quando aplicados ao sistema linear dado no Exemplo 4.7.4. Solução. Do Teorema 4.7.1, vemos que é necessário e suficiente que ρ(TJ) < 1 e ρ(TG) < 1. Computando estes raios espectrais, obtemos ρ(TJ) ≈ 0,32 e ρ(TG) ≈ 0,13. Isto mostra que ambos os métodos serão convergentes. ♦ Condição suficiente Uma condição suficiente porém não necessária para que os métodos de Gauss- Seidel e Jacobi convirjam é a que a matriz seja estritamente diagonal domi- nante. Licença CC-BY-SA-3.0. Contato: reamat@ufrgs.br https://creativecommons.org/licenses/by-sa/3.0/ reamat@ufrgs.br
Compartilhar