Teorema de Perron-Frobenius
Em álgebra linear, o teorema de Perron-Frobenius, provado por Oskar Perron (1907) e Ferdinand Georg Frobenius (1912), afirma que uma matriz real quadrada com entradas positivas tem um único maior autovalor e que o correspondente autovetor tem componentes estritamente positivos, e também afirma uma declaração semelhante para certas classes de matrizes não negativas. Este teorema tem aplicações importantes para a teoria de probabilidade (ergodicidade de cadeias de Markov ), para a teoria de sistemas dinâmicos; à Economia (modelo de Leontief);[1] à demografia (modelo de distribuição etária de população Leslie)[2] à base matemática de motores de busca na internet[3]e até mesmo a classificação dos times de futebol.[4]
Caso com matrizes positivas
[editar | editar código-fonte]A teoria de matrizes não-negativas assume sua forma mais simples e elegante para matrizes positivas e é para esse caso que Oskar Perron fez descobertas fundamentais em 1907 (apud [5]). Agora, resumiremos seus principais resultados em um teorema que leva seu nome.
- Teorema de Perron
Se é uma matriz quadrada e , então
- (a)
- (b) é um autovalor de
- (c) Existe um vetor tal que e
- (d) é um autovalor algebricamente (e, dessa forma, geometricamente) simples
- (e) para todo autovalor de tal que , ou seja, é o único autovalor de maior módulo
- (f) quando , onde , , , , e .
O único autovetor normalizado caracterizado no item (c) do Teorema de Perron é frequentemente chamado de vetor de Perron de e é frequentemente chamado de raiz de Perron de . Obviamente, é uma matriz positiva se é positiva. Assim, o Teorema de Perron se aplica à matriz também. O vetor de Perron de é chamado de vetor de Perron à esquerda de .[5]
Caso com matrizes não-negativas e irredutíveis
[editar | editar código-fonte]Quando nos deparamos com matrizes não-negativas que não são positivas, é necessário considerar uma extensão do Teorema de Perron para o caso em que nem todas entradas da matriz são estritamente positivas. [5]
- Teorema
Se é uma matriz quadrada e , então é um autovalor de e existe um autovetor não-negativo , , tal que .
Entretanto, sem hipóteses adicionais, não podemos ir muito além do teorema acima na generalização do Teorema de Perron para matrizes não-negativas.
Quando , o autovalor não-negativo é chamado raiz de Perron de . Visto que um autovetor associado com a raiz de Perron de uma matriz não-negativa não é necessariamente unicamente determinado (a menos quando é positiva), não existe uma noção bem determinada de o vetor de Perron para uma matriz não-negativa. Por exemplo, a matriz possui todo vetor não-negativo como um autovetor associado com a raiz de Perron . [5]
Agora, veremos como o Teorema de Perron se generaliza para matrizes não-negativas e irredutíveis. O nome de Frobenius é associado à generalização dos resultados de Perron sobre matrizes positivas para matrizes não-negativas segundo,[5] pois os primeiros resultados para tais matrizes foram obtidas por Georg Frobenius em 1912.
- Teorema de Perron-Frobenius
Se é uma matriz quadrada, não-negativa e irredutível, então,
- (a)
- (b) é um autovalor de
- (c) Existe um vetor positivo tal que
- (d) é um autovalor algebricamente (e, dessa forma, geometricamente) simples
O teorema garante que o autoespaço de uma matriz não-negativa e irredutível associado com a raiz de Perron é unidimensional. Para uma matriz não-negativa e irredutível, o único autovetor positivo normalizado também é chamado de vetor de Perron. [5]
Ver também
[editar | editar código-fonte]Referências
- ↑ Meyer 2000, p. 8.3.6 p. 681
- ↑ Meyer 2000, p. 8.3.7 p. 683
- ↑ Langville & Meyer 2006, p. 15.2 p. 167
- ↑ Keener 1993, p. p. 80
- ↑ a b c d e f Horn, Roger A.; Johnson, Charles R. (1985). Matrix Analysis. [S.l.]: Cambridge University Press. ISBN 0-521-38632-2