Em matemática, um autoproblema não linear, às vezes um problema de autovalor não linear, é uma generalização do problema de autovalor (comum) para equações que dependem não linearmente do autovalor. Especificamente, refere-se a equações da forma
em que é um vetor, e é uma função a valores matriciais do número . O número é conhecido como o autovalor (não linear), o vetor como autovetor (não linear), e como um par próprio. A matriz é singular em um autovalor .
Seja , e seja uma função que leva escalares em matrizes. Um escalar é chamado de autovalor, e um vetor não nulo é chamado de autovetor à direita se . Além disso, um vetor não nulo é chamado de autovetor à esquerda se , onde o sobrescrito denota a transposição hermitiana. A definição de autovalor é equivalente a , em que denota o determinante.[1]
Em geral, poderia ser uma transformação linear, mas mais comumente é uma matriz de dimensão finita, geralmente quadrada.
Definição: O problema é considerado regular se existir algum tal que . Caso contrário, é considerado singular.[1][4]
Definição: diz-se que um autovalor tem multiplicidade algébrica se é o menor inteiro tal que a -ésima derivada de em relação a em é diferente de zero. Em fórmulas, isso significa que mas para .[1][4]
O problema de autovalor com atraso: em que são escalares dados, conhecidos como atrasos.
Cadeias de Jordan
Definição: Let um autopar. Uma tupla de vetores é chamada de cadeia de Jordan se
para , em que denota a -ésima derivada de em relação a e avaliada em . Os vetores são chamados de autovetores generalizados, é chamado de comprimento da cadeia Jordan, e o comprimento máximo de uma cadeia Jordan começando com é chamado de rank de .[1][4]
Teorema:[1] Uma tupla de vetores é uma cadeia de Jordan se, e somente se, a função tem uma raiz em e a raiz é de multiplicidade pelo menos para , em que a função a valores vetoriais é definida como
Não linearidade de autovetor
A não linearidade de autovetores é uma forma de não linearidade relacionada, mas diferente, que às vezes é estudada. Neste caso, a função leva vetores em matrizes, ou às vezes matrizes hermitianas em matrizes hermitianas.[5][6]
Referências
Leitura complementar
Françoise Tisseur e Karl Meerbergen, "The quadratic eigenvalue problem," SIAM Review43 (2), 235-286 (2001) (link).
Gene H. Golub e Henk A. van der Vorst, "Eigenvalue computation in the 20th century," Journal of Computational and Applied Mathematics123, 35-65 (2000).
Philippe Guillaume, "Nonlinear eigenproblems," SIAM Journal on Matrix Analysis and Applications20 (3), 575–595 (1999) (link).