Sistemas Nao Lineares Da Fisica e Da Engenharia

Depaxtamento de M atemtica Aplicada
Instituto de M atemtica, Estatstica e Cincia da Computao

Universidade Estadual de Campinas
Sistemas No Lineares
da Fsica e da Engenharia
Daniel Norberto Kozakevich1

Julho 1995
Dissertao subm etida ao Depaxtamento de M atemtica Aplicada

Universidade Estadual de Campinas, como requisito parcial para
a obteno do ttulo de Doutor em M atemtica Aplicada
Dr. Jos Mario Martinez, DMA-IMECC-UNICAMP

(Orientador)
Dr. Clvis R. Maliska, FEM -UFSC
Dr. Jos A. Cuminato, DM, USP-S.Carlos
Dr. Murilo F. Thom, DM, USP-S.Carlos
Mrio C. Zambaldi, DM -CFM -UFSC
I o Suplente: Mrcia A. Gomes-Ruggiero, DM A-IMECC-UNICAMP
2o Suplente: Vera L. Rocha Lopes, DM A-IMECC-UNICAMP
3 Suplente: Jos V. Zago, DMA-IMECC-UNICAMP
4o Suplente: lvaro De Pierro, DMA-IMECC-UNICAMP
P refcio
Esta tese contm contribuies tericas e prticas no campo da resoluo de sistemas algbricos
no lineares de grande porte. Esse tipo de sistemas aparece com m uita frequencia em aplicaes
de engenharia e fsica, portanto, nesse tipo de problemas que nos concentramos.
Nosso aporte comprende quatro reas:
A comparao controlada, do ponto de vista computacional, dos mtodos de Newton,
Newton modificado, Broyden e Column-Updating, com e sem estratgias de globalizao,
em um conjunto de problemas originados na discretizao de equaes diferenciais parci
ais. Procuramos aqui identificar situaes problemticas e fornecer um panoram a claro
sobre o que de se esperar de algoritmos mais ou menos clssicos para resolver problemas
com variados graus de dificuldade.
A anlise e resoluo exaustiva do problema da cavidade, para altos nmeros de Rey
nolds, descartando as estratgias de globalizao por otimizao (de pobre desempenho
neste caso) e reivindicando tticas homotopicas muito simples. 0 desempenho de alguns
mtodos quase-Newton, neste caso, muito bom.
A introduo de um mtodo novo do tipo Newton-inexato, com uma variao que perm ite
um a resoluo eficiente de problemas de autovalores no lineares. Esses problemas so,
por direito prprio, sistemas no lineares mas, ao mesmo tempo, refletem com bastante
fidelidade o grau de dificuldade que pode ser encontrada em outros sistemas dependentes
de um parmetro.
A resoluo de um problema de evoluo (petrleo) onde em cada nvel temporal deve
ser resolvido um sistema no linear. Neste caso, mtodos quase-Newton com Jacobiano
inicial escolhido como fatorao incompleta provaram ser notavelmente eficientes.
A grad ecim en tos

Eu gostaria de agradecer:
Ao meu Orientador pela pacincia e motivao infindveis.

Aos Professores do Grupo de Otimizao pelo esprito de solidariedade e a boa disposio
de construir.
A Sandra e Mrio pelo convvio e inestimvel colaborao na realizao deste trabalho.
Aos Colegas do Depto. de M atemtica, CFM-UFSC pela postura de investir e pela confiana
depositada.
Aos Colegas da Ps-Graduao, Professores e Funcionrios do IMECC pelo excelente am
biente de trabalho criado.
As autoridades do IMECC-UNICAMP pelo suporte oferecido.
A FAPESP, CAPS e CNPq pelo apoio financiero.
A Gaby, Ale e Conce pela compreenso e por compartilharem as dificuldades e alegrias

passadas.
... e a todos os que acham ter-me ajudado, sinceramente.
Dedico este trabalho minha famlia.
C ontedo
Prefcio
A gradecim entos
vi
1 Introduo
1.1 Algoritmos para a Resoluo de Sistemas No L in eares..........................................
1.1.1
0 Mtodo de N e w to n ................................ ......................................................
1.1.2
Mtodos Q uase-N ew ton....................................................................................
1.2 Mtodos Newton In e x a to s .............................................................................................
1.3 Estratgias de G lo b a liz a o ................. . . . ......................... ...................................
1.3.1
Globalizao por O tim iz a o ............................................. .............................
1.3.2
Globalizao por Homotopias . . . .................................................................
1
1
2
3
7
10
10
12
Bibliografia
14
2 M tod os tip o N ew ton para problem as com valor de contorno

2.1 Introduo . ............................................. ...................................................................... .
2.2 Globalizao por backtracking ....................................................................................
2.3 Descrio dos problemas .................................................................................................
2.4 Aproximao N um rica....................................................................................................
2.5 Experincias num ricas............................................................. ......................................
2.6 Concluses e trabalhos fu tu ro s .......................................................................................
19
19
21
21
23
23
26
Bibliografia
29
3 M tod os tip o N ew ton globalizados para a equao biharm onica no linear

3.1 In tro d u o ...........................................................................................................................
3.2 Formulao Funo-Corrente V orticidade....................................................................
3.3 O Problema da Cavidade . . . . .....................................................................................
3.4 Aproximao N um rica.......................................... ...................... ...................................
3.5 Procedimento de Resoluo ..........................................................................................
3.6 Anlise dos Resultados N um ricos.................................................................................
3.6.1 Mtodos Newton e Q uase-N ew ton....................................................................
31
31
33
35
35
38
39
41
3.7
3.6.2 Mtodos Newton Inexatos - GMRES Precondicionados.................................

Concluses e trabalhos futuros..........................................................................................
44
46
B ibliografia
50
52
52
54
56
57
59
59
60
61
62
63
64
65
67
D eterm in a o de Pontos Singulares com M tod os N ew to n -In ex a to s

4.1 In tro d u o ...........................................................................................................................
4.2 Algoritmos globalmente convergentes...........................................................................
4.3 Im p le m e n ta o .................................................................................................................
4.3.1 A determinao de pontos s in g u la re s ..............................................................
4.4 Descrio dos Problemas e Resultados N u m ric o s ....................................................
4.4.1 Problema 1 - Estrutura de b a r r a s .....................................................................
4.4.2 Problema 2 - A funo de Freudenstein-Roth.................................................
4.4.3 Problema 3 - 0 problema de estabilidade em aeronavegao.......................
4.4.4 Problema 4 - 0 circuito g a t i l h o ........................................................................
4.4.5 Problema 5 - Um problema de reao q u m ic a ..............................................
4.4.6 Problema 6 - A Equao H de Chandrasekhar ...........................................
4.4.7 Problema 7 - Um problema de valor de con to rn o .......................... ...
4.5 Anlise dos resultados e concluses . ' . . . ...........................................................
B ibliografia
68
70
70
71
78
7S
79
79
82
83
83
87
M to d o s Q u ase-N ew ton e N ew ton Inexato para fluxos em m eios porosos

5.1 In tro d u o ...........................................................................................................................
5.2 Descrio do P ro b le m a ....................................................................................................
5.2.1 Caracterizao do P ro b le m a ..............................................................................
5.3 Descrio dos m to d o s ...................... .............................................................................
5.3.1 Newton Inexato com Precondicionadores de Fatoraes Incompletas . . .
5.3.2 Atualizaes Secantes em Fatoraes In c o m p le ta s .......................................
5.4 Resultados num ricos.......................................................................................................
5.4.1 Newton Inexatos P recondicionados.................................................................
5.4.2 Quase-Newton com Jacobianos de Fatoraes I n c o m p le ta s .......................
5.5 Concluses e Trabalhos F u tu r o s .................................................................... ...
B ibliografia
90
A C om en trios Finais
92
L ista de Tabelas
2.1
2.2
2.3
Equao de Poisson No L i n e a r .....................................................................................

Equao de B r a tu ........................................................................................................... ...
Equao de Conveco-Difusso................................ ....................................................
25
26
27
3.1
3.2
3.3
3.4
Mtodos Newton e Quase-Newton, A Re = 250 ...........................................................

Mtodos Newton e Quase-Newton, A Re = 500 ...........................................................
Mtodos Newton e Quase-Newton com e sem opes de recom eos.......................
Mtodo de Newton Inexato, A Re = 50 .........................................................................
42
43
44
45
4.1
4.2
4.3
4.4
4.5
4.6
4.7
Problem a
Problem a
Problem a
Problema
Problema
Problema
Problem a
........................................................................................................................
........................................................................................................................
........................................................................................................................
........................................................................................................................
........................................................................................................................
................................................... ................................................................. .
........................................................................................................
60
61
62
63
64
65
66
5.1
5.2
5.3
5.4
5.5
Newton Inexato com Fatorao Incompleta , Malha: M = 5 0 .................................

Quase-Newton com Fatorao Incompleta, Malha: M = 3 0 ....................................
Quase-Newton com Fatorao Incompleta, Malha: A = 4 0 ....................................
Quase-Newton com Fatorao Incompleta, Malha: M = 5 0 ............. ...
ICOL com Fatorao Incompleta , Nvel: 1 = 3 ................................................. ...
83
84
85
85
86
1
2
3
4
5
6
7
ix
L ista de Figuras
3.1
3.2
3.3
3.4
3.5
3.6
3.7
Vrtices da C a v id a d e ........................................................................................................... 36
Molcula de 13 pontos para o operador biharmonico discretizado ............. ................ 38
Estrutura da m atriz jacobiana ........................................................................................ 40
Vrtices para Reynolds= 0 ................................. ............................................................. ... 48
Vrtices para Reynolds= 1000 ........................................................................................... 48
Vrtices para Reynolds= 5000 ........................................................................................... 49
Vrtices para Reynolds = 11000 .......................................................................... .............49
4.1 Ponto de r e t o r n o ..................................... ....................................................... ................... 53
C aptulo 1
Introduo
Neste trabalho analisaremos o desempenho de um conjunto de algoritmos para resolver siste
mas no lineares originados em problemas reais. Selecionamos para isso, diversos problemas da
Fsica e da Engenharia e vrios algoritmos cujas implementaes computacionais se encontram
em diferentes estgios de experimentao.
Descreveremos a seguir, em forma sinttica, alguns dos mtodos para a resoluo de sistemas
no lineares de equaes, que sero usados nos captulos posteriores.
1.1
A lgoritm os para a R esolu o d e S istem a s N o Li

neares
Dada F : Mn JRn, F ( / i , . . . , f n)T, desejamos achar a soluo de

F( x) = 0.
(1.1)
Suporemos que F est bem definida e tem derivadas parciais contnuas em um conjunto
aberto de jRn; denotamos com J(x) a m atriz das derivadas parciais de F (matriz Jacobiana).
Assim
/(*)'
' V A (*)T '
i(*)
. /;(* ) .
. V / n(x)T .
(*)
& (* )
J(x) = F'(x) ~
i(*)
Ser de nosso principal interesse, o estudo de problemas de grande porte onde n grande
e J( x) estruturalmente esparsa, o que significa que a maioria dos coeficientes de J(x) so
zero para todo x no domnio de F. Esparsidade um caso particular do conceito mais geral
de estrutura. As matrizes Jacobianas podem ser simtricas, antisimtricas, positivas definidas,
combinao de matrizes com estruturas especiais, etc.. Usualmente aproveitada a estrutura
1
1.1.
Algoritmos para a Resoluo de Sistemas No Lineares
particular de J( x) com a finalidade de melhorar as caractersticas computacionais do algoritmo

usado para resolver (1.1).
Os mtodos ordinrios para resolver sistemas no lineares so locais. Um mtodo local
um procedimento iterativo que converge, se a aproximao inicial est suficientemente perto
da soluo. Uma caracterizao qualitativa do algoritmo dada pela taxa de convergncia que
indica a velocidade de aproximao assinttica soluo. Na maioria dos casos o domnio de
convergncia destes mtodos grande, e por este motivo so assiduamente usados. Porm,
quando a aproximao inicial no for suficientemente boa, os mtodos locais devem ser modi
ficados para incorporar propriedades de convergncia global.
Disemos que um mtodo para resolver (1.1) globalmente convergente se, ao menos, um
ponto lim ite da sequncia gerada pelo mtodo a soluo ou, no mnimo, um ponto estacionrio
onde, V ||i?(x )||2 = 0. A maioria das vezes todos os pontos limites so solues ou pontos
estacionrios e frequentemente a sequncia converge completamente soluo. Em geral, os
mtodos globais so modificaes de mtodos locais que tentam preservar as propriedades de
convergncia do mtodo local original.
1.1.1
O M todo de N ew to n
O Mtodo de Newton costumeiramente usado para resolver (1.1). Dada um a estimativa

da soluo como ponto inicial x, o mtodo considera a cada iterao a aproximao
F(x) L k(x) = F ( x k) + J ( x k){x - x k)
(1.2)
e calcula x k+1 como a soluo do sistema linear Lk(x) = 0. Assim, uma iterao do mtodo de
Newton pode ser descrita por
J ( x k)sk = - F ( x k)y
(1.3)
x k+1= x k + sk.
(1.4)
A cada iterao de Newton devemos avaliar o Jacobiano J ( x k) e resolver o sistema linear

(1.3). Usando tcnicas de diferenciao autom tica (ver Rali [62] e [63], Griewank [26], etc)
possvel calcular F(x) e J(x) de um a forma confivel e com baixo custo computacional.
Se n no for excessivamente grande consegue-se resolver (1.3) usando a fatorao LU com
pivotamento parcial ou com a fatorao Q R (ver Golub and Van Loan [22]). O custo destes
mtodos da ordem de n3 operaes em artitm tica de ponto flutuante. Vrios algoritmos para
fatoraes esparsas esto compilados em Duff, Erisman and Reid [16].
Gomes-Ruggiero, Martnez e Moretti [25] descreveram uma prim eira verso do pacote com
putacional Rouxinol onde esto implementados diversos algoritmos para resolver sistemas no
lineares esparsos. Os sistemas lineares so resolvidos com a metodologia de George e Ng [21].
1.1.
0 sistema (1.1) tem um a nica soluo se e somente se J ( x k) no singular. Um Jacobiano

quase singular ou um sistema linear mal condicionado usualmente causam grandes incrementos
s fc; logo, a grandeza de ||5fc|| deve ser controlada. 0 tamanho do passo comumente normalizado
com
- min{1 M
}s -
onde A um parm etro dado pelo usurio.

0 principal resultado relativo convergncia ao mtodo de Newton est dado no seguinte
teorema
T e o re m a 1 Suponhamos que F : f C Mn lRn; Q, um conjunto aberto e conexo; F 1(f));
F(x*) = 0, J(x*) no singular, e que existam L , p > 0 tal que para todo x 6 0
\\J(x)-J(x*)\\<L\\x-xY.
( 1.5)
Ento existe > 0 tal que se ||:c0 x*|| < e, a sequncia {a:fc} gerada por (1.3)-(1.4) est
bem definida e converge a x*, e satisfaz
||xfc+1 - x * || <c\ \ xk - x Y +1-
(Prova: Ver Ortega e Rheinboldt [61], Dennis e Schnabel [13], etc.).
(1.6)
A consecuo da convergncia quadrtica (p = 1) depender da satisfao da condio de

Holder (1.5), sem a qual, pode ser provada apenas convergncia superlinear para {xfc}.
1.1.2
M to d o s Q u ase-N ew ton
Denominamos Mtodos Quase-Newton a aqueles que resolvem (1.1) com uma frmula do
tipo
x h+1 = x k' - B ; 1F ( x k).
(1.7)
Os mtodos Quase-Newton caracterizam-se por evitar o clculo das derivadas e a necessidade

de resolver integralmente os sistemas lineares a cada iterao. Em consequncia, o custo de
cada iterao diminui sendo que h um a leve perda das propriedades de convergncia em relao
ao mtodo de Newton.
Uma modificao destes mtodos realizada introduzindo recomeos. Isto significa que
Bk = J { x k) se k um mltiplo de um inteiro m ou se no h um decrscimo suficiente de
||F(aifc)||; Bk obtida a partir de Bk-1 nos outros casos.
1.1.
0 Mtodo de Newton Estacionrio o mais simples dos mtodos Quase-Newton, onde

Bk = J(x) para todo k IV. Neste mtodo as derivadas so avaliadas no ponto inicial sendo
necessria somente um afatorao LU de J(x). H um a paulatina piora nos mtodos Newton
estacionrios, j que, exceto quando k = 0 (mod m), Bk no incorpora informao de x k e
F ( x k). Logo, a semelhana do modelo Lk{x) = F ( x k) + Bk(x x k) com F( x) pode diminuir
com k. Observamos que por (1.7), nos mtodos Quase-Newton, x k+1 se define como a soluo
de Lk(x) = 0, que existe e unica se Bk no singular. Uma maneira de incorporar informao
vinda de F sobre o modelo linear consiste em impor condies interpolatrias.
Lw (xk) = F ( x %
( 1.8)
I t+i( z H 1) = F ( x M ).
(1.9)
y k = F ( x k+1) - F ( x k)
(1.10)
Definindo
e subtraindo ( 1.8) de (1.9) obtemos a Equao Secante
B k+is k = y k.
(1.11)
Reciprocamente, se Bk+i satisfaz (1.11), Lk+\ interpola F em x k e x k+1. Designamos Mtodos

Secantes familia dos mtodos baseados em (1.7) e (1.11).
Se n > 2, existem infinitas possibilidades para escolher Bk+i de modo a satisfazer (1.11).
Esta versatilidade permite atravs de uma escolha apropriada, garantir estabilidade numrica.
O Mtodo de Broyden bom (Primeiro Mtodo de Broyden, [4] e o Mtodo de Atualizao da
Coluna (COLUM) (Martnez [42]) se aproveitam desta possibilidade. Em ambos mtodos
(yk -- y BJ ks
k)(zk)T
.f .
(.z k)Tsk
B k+ = B k +
(L 1 2 )
onde
z k = sk
(1.13)
z k = ejk,
(1.14)
|( e ^ ) V | = | | / | U
(1.15)
para o mtodo de Broyden, e
para COLUM onde {e1, . . . , en} e a base canonica lRn.

Aplicando a frmula de Sherman-Morrison a (1.12) (Golub and Van Loan [22]) obtemos
B-1 = B-1 , (sh - B-k ' y k){zkY
Bk+1 Bk +
(zk)TB ^ l yk
,
'
Observamos que
(1.17)
1.1.
onde uk = (sk B k 1y k) / ( z k)TB k 1yk, e assim

=
(1-18)
para k = 1, 2 ,3 . .. Se n for grande a frmula (1.18) utilizada.

0 Mtodo de Broyden um caso particular da familia dos Mtodos de Atualizao Secante
com Variao Mnima (Dennis e Schnabel [12],[13], Dennis e Walker [14], Martnez [48], [50]),
que inclue vrios algoritmos que so teis para problemas com estrutura particular (ver Hart
e Soul [32], Kelley e Sachs [35]), para problemas separveis com mtodos Quase-Newton Par
ticionados (Griewank e Toint [27], [28], [29], [30], Toint [66]), mtodos com Atualizao Direta
na Fatorizao (Dennis and Marwil [10], Johnson e ustria [34], Chadee [6], Martnez [47]),
algoritmos do tipo BFGS e DFP para minimizao irrestrita (ver Dennis e Schnabel [13]), etc.
Os principais resultados sobre a convergncia dos algoritmos Quase-Newton so enunciados

a seguir:
Assumimos que como no Teorema 1, F : ) C JRn > M n, 0 aberto e convexo, F C 1(0),
F(x*) = 0, J(x*) no-singular e que a condio de Holder satisfeita.
T e o re m a 2 Dado r (0,1), existem e,S > 0 tal que se ||x .r*|| < e e ||B k J(x*)|| < 6
para todo k JN ento a sequncia {xfc} gerada por (1.7) est bem definida, converge a x*, e
satisfaz
||xfc+1 *|| < r||x fc x*
(1.19)
para todo k IN.
D.
(Prova: ver por exemplo, Dennis e Walker [14].)
Usando o teorema anterior podemos provar que o Mtodo de Newton Estacionrio com re
comeos tem convergncia local, com taxa linear.
A ferramenta fundamental para provar convergncia superlinear para os mtodos QuasiNewton o teorema seguinte, devido a Dennis e Mor.
T e o re m a 3 Assumamos que
gerada por (1.7) est bem definida e converge para x*. Ento
as duas seguintes propriedades so equivalentes
1.1.
(Prova.: ver Dennis e Mor [11].)
A equao (1.20) chamada a condio de Dennis-Mor. Usando (1.20), podemos provar que
o Mtodo de Newton Estacionrio com recomeos peridicos (para o qual
B k J ( x ))
tem convergncia superlinear. A condio de Dennis-Mor est relacionada com a Equao
Secante e perm ite obter o seguinte resultado (Broyden, Dennis e Mor [5]).
L e m a 1 Se a sequncia gerada por um Mtodo Secante converge a x* e alm disso,
lim \\Bk+i - B k|| = 0.
K
*00
(1.22)
ento a convergncia superlinear.
O Teorema 3 no garante a convergncia local de todos os Mtodo Secantes. Em verdade,

a hiptese deste teorem a requer que todas as B k devam pertencer a um a vizinhana de J(x*)
de radio S. Entanto devemos observar que, mesmo se a primeira B q pertence a esta vizinhana
existiria a possibilidade de que \\Bk </(x*)||
||i?o ^ (a;*)||? destruindo a convergncia.
Afortunadamente, para os mtodos LCSU (incluindo o mtodo de Broyden) possvel provar
que existe 8' > 0 tal que \\Bk J(a:*)|| < 8 para todo k IV, se ||?0 J(s* )|| < 8'.
T e o re m a 4 Existem e,8 > 0 tal que, se ||x x*|| < e e ||2?o ^(*)|| < 8, a sequncia gerada
pelo mtodo de Broyden est bem definida, converge para x* e satisfaz (1.21)
(Prova: Ver Broyden, Dennis Mor [5]. Uma extenso para outros mtodos LCSU mos
trada em Martnez [48], [50].
O mtodo COLUM no pertence famlia dos mtodos LCSU, logo a convergncia local
superlinear no pode ser provada usando as tcnicas baseadas em Propriedades de Deteriorao
Limitada. Para COLUM conseguimos esse resultado mediante o seguinte teorem a
T e o re m a 5 Suponhamos que a sequncia { x k} seja gerada pelo mtodo COLUM, exceto quando
k = 0 (m o d m ), B k = J ( x k). Ento, existe > 0 tal que, se ||x x*|| < , a sequncia converge
superlinearmente a x*.
(Prova: ver Martnez [42]).
Um resultado similar pode ser obtido para o Mtodo de Atualizao de um a Coluna da

matriz Inversa (ICOLUM), ver Martnez e Zambaldi [56].
T e o re m a 6 Suponhamos que n 2. Seja r G (0,1). Ento existem e,8 > 0 tal que, se
||x "11 < e ||#o /(**)||
a sequncia {xk} gerada por COLUM est bem definida,
converge para x*, e satisfaz (1.21).
1.2.
Mtodos Newton Inexatos
(Prova: ver Martnez [52]).
Teorem a 7 Suponhamos que a sequncia {ari } gerada por COLUM esteja bem definida, con
virja para x* e satisfaa (1.21). Ento
||a:fc+2n _ z-ll
l i m i a r ------^ 1 = 0
k-*oo
(1.23)
V '
lim ||xfe- a :* ||1/fc = 0.
(1.24)
e
fc>oo
(Prova: ver Martnez [52]). A propriedade (1.24) determina um a convergncia R-superlinear.
1.2
M to d o s N e w to n In ex a to s
Quando o mtodo de Newton aplicvel resoluo de (1.1), recomndavel o uso de

algoritmos mais eficientes como CUM ou Broyden com recomeos de Newton. No pacote
Rouxinol foi incorporado um procedimento automtico, no qual uma iterao de Newton
realizada somente quando h expectativas de que sua eficincia melhore a correspondente da
Quase-Newton que vem sendo efetuada.
0 uso de um a fatorao esparsa LU para resolver (1.3), pode ser altam ente inadequada no
caso da m atriz Jacobiana ter um a estrutura desfavorvel. Um excessivo enchimento durante
o processo de fatorao impossibilita o uso de tais tcnicas, devido a um a grande demanda de
memria computacional e um tempo exagerado de computao a cada iterao. Uma alternativa
plausvel a introduo de Jacobianos Falsos. Esta estratgia consiste, no recomeo de
um a iterao Quase-Newton, em substituir Bk = J ( x k) por B k = J ( x k), onde J ( x k) um
Jacobiano simplificado de tal forma que a fatorao LU possa ser desenvolvida. Infelizmente,
pode acontecer que H/^*) </(zfc)|| seja to grande que o mtodo Quase-Newton perca as
propriedades de convergncia local.
Em tais circunstncias o uso de um mtodo Newton-Inexato altam ente recomendvel.
A inconvenincia de se usar um mtodo direto {LU) leva a resolver (1.3) com um Mtodo
Iterativo Linear. Usualmente, os mtodos iterativos lineares preferidos so aqueles definidos
sobre espaos de Krylov (Ver Golub e Van Loan [22], Hestenes e Stiefel [33], Saad e Schultz
[64], etc.). Essencialmente, a memria exigida aproximadamente da mesma ordem que para
armazenar o sistema inicial.
Quando resolvemos (1.3) usando um mtodo iterativo linear precisamos providenciar um
critrio de parada para decidir quando terminar o processo de clculo (correspondente ao lao
interno). Um critrio que parece razovel (baseado no valor do resduo do lao externo)
1.2.
\\J(xt )sl + F ( x t ) \ \ < e t \ \ F ( x %
(1.25)
onde 9k G (0,1). A condio &k < 1 necessria para que eventualmente, um incremento
sk = 0 possa ser aceito como soluo aproximada de (1.3). Por outro lado se 9k & 0, o nmero
de iteraes necessrias pelo mtodo iterativo linear para satisfazer (1.25) poderia ser muito
grande. Um valor usualmente adotado 9k ~ 0.1.
Dembo, Eisenstat e Steihaug [9], introduziram um algoritmo impondo o critrio (1.25) e
provaram as principais propriedades de convergncia local.
T e o re m a 8 Suponhamos que F(x*) = 0, J(x*) no singular e contnuo em x*, e 9k < 9max <
d < 1. Ento existe e > 0 tal que, se ||x x*|| < e, a sequncia {x*} obtida satisfazendo (1-25)
com Xk+i = Xfc + Sk converge a x* e satisfaz
||xfc+1 - x fc|| < 0||xfc - x * ||
para todo k > 0 , onde ||?/|| = ||J(x*)?/||. Se lim ôo^k = 0 a convergncia superlinear.
( Prova: Ver Dembo, Eisenstat e Steihaug [9])
Os mtodos definidos sobre espaos de Krylov so costumeiramente implementados usando

um precondicionador. (Ver Axelsson [3]). Basicamente, um precondicionador para o sistema
linear A z = b um a m atriz H tal que a resoluo do sistema H A z = Hb demande menor
esforo que o sistema original. Aplicado sobre (1.3) resulta
H ; l J ( x k)sk = - H ^ F ( x k)
(1.26)
onde H k l (ou no mnimo o produto Hk xz) seja fcil de calcular sendo Hk ~ J ( x k).
Diversos precondicionadores para problemas especficos podem ser encontrados em Spedicato [65], em sua grande maioria baseados sobre Fatorizaes Incompletas. Uma caracterstica
comum aos diferentes esquemas de precondicionamento aplicados ao sistema A z b, que
a primeira iterao do mtodo iterativo linear z 1 = \ H ~ l b , onde H o precondicionador.
Assim, para (1.3), o primeiro incremento deveria ser da forma XH^ 1F ( x k). Este valor para
sk ser aceito se satisfizer (1.25). Entretanto, j que (1.3) no um sistema linear isolado seria
criterioso usar a informao decorrente em iteraes futuras. Com efeito, J ( x k) ~ J ( x k~1),
principalmente quando k * oo. Este fato, motiva o uso de ijt, F ( x k), F ( x k+1). x fc+1, x k para
construir o precondicionador Hk+1 de tal modo que satisfaa a Condio Secante. Assim,
razovel introduzir um algoritmo baseado em (1.25) onde a sequncia de precondicionadores
Hk = Bk so escolhidos de modo a satisfazer (1.11) para todo k IN.
Existem infinitas possibilidades para a escolha B k+1 satisfazendo (1.11). Nazareth e Nocedal
[59] e Nash [60] sugeriram o uso da frmula clssica BFGS para precondicionar (1.3) quando
se tra ta de problemas de minimizao.
1.2.
Uma outra opo definir

Bk+i = Ck+i -f Dk+1
(1-27)
onde Ck+i um precondicionador clssico e Dk escolhida de modo a satisfazer (1.11).

Martnez [51] mostrou que o uso de uma frmula precondicionadora secante possibilita obter
resultados de convergncia mais fortes que as enunciadas no Teorema 8. Isto , a obteno de
convergncia superlinear sem a imposio k > 0. Um Mtodo Newton Inexato Precondicionado foi introduzido por Martnez [51] com convergncia superlinear sem impor um a preciso
tendendo a infinito na soluo de (1.3).
A lg o ritm o 1 Seja 6k (0,0) para todo k IN, 6 (0,1) e lim^-x*,#*; = 0. Suponhamos que
x lRn seja uma aproximao inicial para a soluo de (1.1) e que B q 6 M nxn seja um
precondicionador inicial no singular. Dado x k 6 M n e Bk no singular, os passos para obter
x k+1,Bk+i so os seguintes:
Passo 1
Calcular
Passo 2
Se
4 = - B ? F ( x l ).
(1.28)
||7(x')4 + F(x )||<|iF(x )||
(1.29)
sk = s kQ.
(1.30)
definir
Seno, obter um incremento sk tal que satisfaa '(1.2-5) usando um mtodo iterativo.
Passo 3
Fazer x k+1 = x k + sk.
O teorema seguinte estabelece os principais resultados relacionados ao algoritmo anterior.

T eorem a 9 Suponhamos que F : fi C IRn
M n, f um conjunto aberto e convexo; F
C ^ fi), J(x*) no singular, F (x *) = 0, e que (1.6) seja satisfeita para algum L > 0,p >
1. Suponhamos que ||jBfe|| e j
[| estejam limitadas e que a condio de Dennis-Mor seja
satisteita. Ento existe s > 0 tal que, se [|ar x*|| < a sequncia { x h} gerada pelo Algoritmo
4-2 converge superlinearmente a x *. Alm disso existe k0 IN tal que $k = Sq para todo k > k0.
(Prova: Ver Martnez [51]).
O teorema anterior estabelece que se o precondicionador usado satisfizer a condio de

Dennis-Mor, a convergncia superlinear obtida sem limfcoo^fc = 0. Em verdade, a primeira
1.3. Estratgias de Globalizao
10
iterao Sq satisfar (1.2S) e ser aceita como o novo incremento preservando a superlinearida.de.
As Frmulas de Atualizao Secante (LCSU) podem ser usadas, satisfazendo as hiptese do
Teorema 4.3.
Recentemente, Abaffy [1] considerou a possibilidade de usar algoritmos iterativos, ponde
rando as variaes das componentes, sem a necessidade de avaliar o resduo integralmente e
introduzindo um novo critrio de parada.
1.3
E stra tg ia s d e G lobalizao
Os mtodos locais caracterizam-se por apresentar altas taxas de convergncia quando o

ponto inicial est suficientemente prximo da soluo. Entretanto, podem divergir se esta
condio no for satisfeita ou se o sistema no linear apresentar fortes no linearidades. Com a
finalidade de eliminar ou reduzir esta possibilidade, os algoritmos baseados em mtodos locais
so usualmente modificados incorporando propriedades de convergncia global.
1.3.1
G lobalizao por O tim izao
Uma forma de implementar esta estratgia consiste em transformar (1.1) em um problema

de Otimizao, atravs de um a funo de mrito como f ( x ) = |||.F(a;)||2, um a vez que qualquer
soluo de (1.1) ser um mnimo da funo / . A opo de usar um mtodo que minimize / para
resolver (1.1), em geral, pode no ser satisfatria. Os mtodos locais convergem rapidam ente
para a soluo, sendo que a seqncia gerada {xfc}, no necessariamente montona. Nestes ca
sos, o mtodo local puro ser mais eficiente que a minimizao de / . Por outro lado, os mtodos
de minimizao convergem a mnimos locais (no globais) de / , enquanto que o mtodo local
converge para a soluo de (1.1). Diferentes solues tem sido propostas para este problema.
( Ver Gripo, Lampariello e Lucidi [31] ). Descreveremos a estratgia que combina algoritmos
locais e mtodos de minimizao que foi implementada no pacote computacional Rouxinol.
Chamamos de iterao ordinria a cada iterao realizada pelo mtodo local e iterao especial
a correspondente do algoritmo de minimizao de / . Definimos, para todo k G W,
ak = Argmin { f ( x ) , . . . , f ( x k)}.
As iteraes ordinrias e especiais so combinadas mediante um a estratgia tolerante.
A lg o ritm o 2 Inicializar: k < 0, FLAG 1.

Seja q > 0 um inteiro, 7 G (0,1).
Passo 1
Se FLAG 1, obter x k+1 por meio de uma iterao ordinria.
Seno x k+1 ser obtido usando uma iterao especial.
(1-31)
11
Passo 2
Se
/ ( t+1) < 7 /( - i )
(1.32)
Tomar FLAG * 1, k < k + 1.

Voltar ao Passo 1.
Seno, redefinir
x k + i ^ _ ak+i_
F L A G * - - l , k < - k + l.
Voltar ao Passo 1.
Se a condio (1.32) for satisfeita um nmero infinito de vezes, ento existir um subsequncia
{a^'} tal que limfc_>00||F (x ,:)|| = 0. Se a seqncia for limitada ser possvel achar um a soluo
de (1.1) que satisfaa uma preciso predeterminada. Contrariamente, se (1.32) no for satisfeita
para todo k > k0, ento todas as iteraes que comeam em k0. sero especiais e a convergncia
da seqncia ser controlada pelas propriedades de convergncia do algoritmo de minimizao.
A princpio, qualquer algoritmo de minimizao descrito na literatura pode ser usado para
definir um a iterao especial.( Dennis and Schnabel [13], Fletcher [18], etc.). Em Rouxinol,
visando a resoluo de problemas de grande porte, foram implementadas estratgias baseadas
em Regies de Confiana combinadas com critrios tipo Newton Inexatos (Friedlander, GomesRuggiero, Martnez and Santos [20]). Esta estratgia est descrita pelo seguinte algoritmo:
A lg o ritm o 3 Suponhamos que Amin > 0, a (0,1) sejam dadas independentemente da iterao
k. Define-se tpk(x) = ||^ ( z fc) + J ( x k)(x - xfc)||2 , A > A ^ .
Passo 1
Calcular um minimizador aproximado x de 4'k{x) dentro da caixa ||x x fe||oo < A tal que
*l>k(x) <
Xq a projeo de x k 2 J ( x k)TF ( x k)/Mk na caixa e M a- > 2||J(xfc)jji||J(xfc)||00.
Passo 2
Se
IW*)f< IW**)II2+ * )- * ))
(1.33)
definir x k+1 = x.
Seno
Escolher An0vo [0.1||x x fcjj,0.9A]. Substituir A by Anovo.
Voltar ao Passo 1.
12
0 custo computacional no Algortimo 2 dado principalmente pela resoluo de

Minimizar 4>k(x)
s.t. ||x .r^lloo < A
1
J
que consiste em minimizar uma quadrtica em uma caixa n-dimensional.

Para estes problemas, h um a preferencia em usar algoritmos que combinam mtodos em
Subespaos de Krylov com estratgias de Gradientes Projetados. Em Rouxinol, a soluo
aproximada de (1-34) est definida por tf;k(x) <
e alm disso a norma do gradiente
projetado de ^ -(x ) menor que 0.1 j| J ( x k)TF ( x k)\\. Tambm selecionada Amin = 0.001 x
(valor tpico de ||x||), como valor inicial de A = A0 = ||x||, A noVo = 0.5||x x fc||, outra escolha
A = 4 x A. As propriedades de convergncia do Algoritmo 2 esto dadas em [20]. Cada
ponto limite x" da seqncia {xfe} gerada por este algoritmo satisfaz J(x*)TF(x*) = 0. Logo,
x* ser a soluo de (1.1) se J(x*) for no singular. Infelizmente, se J(x*) for singular, existir
a possibilidade F(x*) ^ 0. Justamente este o caso onde qualquer algoritmo de minimizao
baseado na globalizao de (1.1) esbarrar.
Uma caracterstica interessante das iteraes especiais baseadas em regies de confiana
consiste na facilidade de se adaptar naturalmente a problemas com restries para resolver
(1.1). Mtodos desenvolvidos recentemente com uma abordagem Newton Inexato podem ser
encontrados en [S] e [17].
1.3.2
G lobalizao por H om otopias
Uma tcnica alternativa para incluir propriedades de globalizao, quando no possvel

fornecer um a boa aproximao inicial para resolver (1.1) est baseada em mtodos homotpicos.
Podemos definir um a homotopia associada para este problema atravs de um a funo
H(x, t ) : M n x M M tal que
H ( x , l ) = F( x) 1
H( x , 0) =
0. J.
(1.35)
Se H satisfaz (1.35) de esperar-se que

T = {(x,f) G Mn x M | H(x, t) = 0,0 < t < 1}
(1.36)
seja um a curva que conecta a aproximao inicial x com um a soluo x*. As tcnicas homotpicas consistem em traar F desde = 0 a = l d e maneira confivel e eficiente. A fixao
dos extremos arbitrria. Propostas precursoras para construir homotopias so encontradas
em [36] e [8].
O traado da curva constitui em alguns problemas um objetivo em si mesmo. O caso onde
interessa apenas a soluo de H( x, 1) = 0 conduz a um a situao especial, com conseqncias
13
prticas. Com efeito, a tentativa de abandonar o traado da curva, quando t est prximo
de 1 e passar para um mtodo local, sem cuidar excessivamente das solues intermediariass,
resultar em tornar o processo de resolver H(x, 1) = 0 mais eficaz.
Alguns resultados clssicos da Geometria Diferencial garantem que o traado da curva,
comeando em x conduz soluo de (1.35) (Milnor [58], Ortega e Rheinboldt [61], Chow,
M allet-Paret e Yorke [7], Watson [11] e [12], etc.).
Homotopias naturais aparecem com freqncia; esta designao origina-se pelo fato que
o parm etro t passa a representar um valor caracterstico do prprio problema. Em outras
ocasies, necessrio introduzir homotopias artificiais, aplicveis em princpio a qualquer pro
blema da forma (1.35). A homotopia de Reduo do Resduo est definida como
H{x, t ) = F( x) + ( t - l)F(x).
A homotopia regularizante, implementada no pacote computacional HOMPACK (Watson,
Billups e Morgan [70]) est definida como
H( x , t ) = t F( x) + (1 t)(x x).
Em geral, a construo da curva demanda o uso de um mtodo numrico. Aps escolher H ,
o procedimento para o traado da curva se inicia com a parametrizao de T . Freqentemente
o prprio parm etro t pode ser usado. Quando para um determinado t 0 temos que H'x( x ,t0)
singular, x no pode ser explicitado em funo t em um a vizinhana de to, o que obriga a
decrescer t, com o objeto de progredir em I \ Por isso, usualmente o traado de T feito usando
o comprimento de arco s como parmetro. Neste caso o procedimento usualmente recomendado
para traar T do tipo Preditor-Corretor.
Independentemente da escolha da homotopia, do parm etro e da tcnica para o traado da
curva, cada ponto soluo de (1.35) ser obtido aplicando um mtodo local ao sistema no linear
H ( x , t ) = 0, constituindo-se na fase corretora, com aproximao inicial fornecida pela etapa
preditora. Se neste sistema consideramos t tambm como um a varivel, teremos n equaes
com n + 1 incgnitas. Algoritmos especiais locais para sistemas no lineares subdeterminados
foram desenvolvidos por Walker e Watson [67], Martnez [49], etc. Uma interessante discusso
sobre mtodos homotpicos encontra-se em [19].
B ibliografia
[1] Abaffy, J. [1992]: Superlinear convergence theorems for Newton-type methods for nonlinear
systems of equations, JOTA , 73, pp. 269 - 277.
[2] AbafFy, J.; Galantai, A. ; Spedicato, E. [1987]: The local convergence of ABS method for
nonlinear algebraic system, Numerische Mathematik 51, pp. 429 - 439.
[3] Axelsson, 0 ., Kaporin, I. E. [1993]: On computer implementation o f Inexact-NewtonConjugate Gradient-type algorithms. Preprint.
[4] Broyden, C.G. [1965]: A class of methods for solving nonlinear simultaneous equations,
Mathematics o f Computation 19, pp. 577-593.
[5] Broyden, C.G.; Dennis Jr., J.E.; More, J.J. [1973]: On the local and superlinear conver
gence of quasi-Newton methods, Journal of the Institute o f Mathematics and its Applica
tions 12, pp. 223-245.
[6] Chadee, F.F. [1985]: Sparse quasi-Newton methods and the continuation problem, T.R.
S.O.L. 85-8, Department of Operations Research, Stanford University.
[7] Chow, S.N.; M allet-Paret, J.; Yorke, J.A. [1978]: Finding zeros of maps: Homotopy
methods th at are constructive with probability one, M athematics of Computation 32,
pp. 887-899.
[8] Davidenko, D.F. [1953]: On the approximate solution of nonlinear equations, Ukrain. Mat.
Z. 5, pp. 196 -206.
[9] Dembo, R.S.; Eisenstat , S.C.; Steihaug, T. [1982]: Inexact Newton methods, S I A M Journal
on Numerical Analysis 19, pp. 400-408.
[10] Dennis Jr., J.E.; Marwil, E.S. [1982]: Direct secant updates of m atrix factorizations,
Mathematics o f Computation 38, pp. 459-476.
[11] Dennis Jr., J.E.; More, .J.J. [1974]: A characterization of superlinear convergence and its
application to quasi - Newton methods, Mathematics of Computation 28, pp. 549 -560.
[12] Dennis Jr.,J.E .; Schnabel,R.B. [1979]: Least change secant updates for quasi-Newton
methods, S I A M Review 21, pp. 443-459.
14
BIBLIO G RAFIA
15
[13] Dennis
Schnabel,R.B. [1983]:Numerical Methods fo r Unconstrained Optimization
and Nonlinear Equations, Prentice-Hall, Englewood Cliffs.
[14] Dennis Jr., J.E. ; Walker, H.F. [1981]: Convergence theorems for least-change secant
update methods, SIA M Journal on Numerical Analysis 18, pp. 949-987.
[15] Deuflhard, P. [1991]: Global inexact Newton methods for very large scale nonlinear pro
blems Impact of Computing in Science and Engineering 3, pp. 366-393.
[16] Duff, I.S.; Erisman, A.M.; Reid, J.K. [1989]:Di'reci Methods for Spai'se Matrices, Oxford
Scientific Publications.
[17] Eisenstat, S.C.; Walker, H.F. [1993]: Globally convergent inexact Newton m ethods, to
appear in SIA M Journal on Optimization.
[18] Fletcher, R. [1987]: Practical Methods of Optimization (2nd edition), John Wiley and Sons,
New York.
[19] Forster, W. [1993]: Homotopy methods, to appear in Handbook of Global Optimization,
Kluwer.
[20] Friedlander, A.; Gomes-Ruggiero, M.A.; Kozakevich, D. N.; Martinez, J.M.; Santos, S.A.
[1993]: A globally convergent method for solving nonlinear systems using a trust - region
strategy, Technical Report, Department of Applied Mathematics, University of Campinas.
[21] George, A.; Ng, E. [1987]: Symbolic factorization for sparse Gaussian elimination with
partial pivoting, SIA M Journal on Scientific and Statistical Computing 8, pp. 877-898.
[22] Golub, G.H.; Van Loan, Ch.F. [1989]: Matrix Computations, The Johns Hopkins University
Press, Baltimore and London.
[23] Gomes-Ruggiero [1990]: Algoritmos para a resoluo de Sistemas No Lineares., Tese de
Doutorado FEC - UNICAMP.
[24] Gomes-Ruggiero, M.A.; Martinez, J.M. [1992]: The Column-Updating Method for solving
nonlinear equations in Hilbert space, Mathematical Modelling and Numerical Analysis 26,
pp 309-330.
[25] Gomes-Ruggiero, M.A.; Martinez, J.M.; M oretti, A.C. [1992]: Comparing algorithms for
solving sparse nonlinear systems of equations, S I A M Journal on Scientific and Statistical
Computing 13, pp. 459 - 483.
[26] Griewank, A. [1992]: Achieving Logarithmic Growth of Temporal and Spacial Complexity
in Reverse Automatic Differentiation, Optimization Methods and Software 1, pp. 35 - 54.
B IB LIO G R A F IA
16
[27] Griewank, A.; Toint, Ph.L. [1982a]: On the unconstrained optimization of partially se
parable functions, in Nonlinear Optimization 1981, edited by M .J.D. Powell, Academic
Press, New York.
[28] Griewank, A.; Toint, Ph.L. [1982b]: Partitioned variable metric for large structured opti
m ization problems, Numerische Mathematik 39, pp. 119 - 137.
[29] Griewank, A.; Toint, Ph.L. [1982c]: Local convergence analysis for partitioned quasiNewton updates, Numerische Mathematik 39, pp. 429-448.
[30] Griewank, A.; Toint, Ph.L. [1984]: Numerical experiments with partially separable optimi
zation problems, in Numerical Analysis Proceedings Dundee 1983, edited by D.F. Griffiths,
Lecture Notes in Mathematics vol. 1066, Springer - Verlag, Berlin, pp. 203-220.
[31] Grippo, L.; Lampariello, F.; Lucidi, S. [1986]: A nonmonotone line search technique for
Newtons method, SIA M Journal on Numerical Analysis 23, pp. 707 - 716.
[-32] H art, W.E.; Soul, S.O.W. [1973]: Quasi-Newton methods for discretized nonlinear boun
dary value problems, J. Inst. Math. Applies. 11, pp. 351 - 359.
[33] Hestenes, M.R.; Stiefel, E. [1952]: Methods of conjugate gradients for solving linear sys
tem s, Journal of Research of the National Bureau of Standards B49, pp. 409 - 436.
[34] Johnson, G.W.; Austria, N.H. [1983]: A quasi-Newton method employing direct secant
updates of m atrix factorizations, SIA M Journal on Numerical Analysis 20, pp. 315-325.
[35] Kelley, C.T.; Sachs, E.W. [1987]: A quasi-Newton method for elliptic boundary value
problems, S I A M Journal on Numerical Analysis 24, pp. 516 - 531.
[36] Lahaye, E. [1934]: Une mthode de resolution d une catgorie d equations transcendantes,
Comptes Rendus Acad. Sci. Paris 198, pp. 1840-1842.
[37] Martinez, J.M. [1979a]: Three new algorithms based on the sequential secant method, B IT
19, pp. 236-243.
[38] Martinez, .J.M. [1979b]: On the order of convergence of Broyden - Gay - Schnabels method,
Commentationes Mathematicae Universitatis Carolinae 19, pp. 107-118.
[39] M artinez, J.M. [1979c]: Generalization of the methods of Brent and Brown for solving
nonlinear simultaneous equations, SI AM Journal on Numerical Analysis 16, pp. 434 - 448.
[40] M artinez, J.M. [1980]: Solving nonlinear simultaneous equations with a generalization of
B rents method, B IT 20, pp. 501 - 510.
[41] M artinez, J.M. [1983]: A quasi-Newton method with a new updating for the LDU factori
zation of the approximate Jacobian, Matemtica Aplicada e Computacional 2, pp. 131-142.
BIBLIO G RAFIA
[42] Martinez, J.M. [1984]: A quasi-Newton method with modification of one co!
iteration, Computing 33, pp. 353-362.
[43] Martinez, J.M. [19S6a]: The method of Successive Orthogonal Projections fo
nonlinear simultaneous equations, Calcolo 23, pp. 93 - 105.
[44] M artinez, J.M. [1986b]: Solving systems of nonlinear simultaneous equations 1
of an accelerated Successive Orthogonal Projections Method, Computational am
Mathematics 165, pp. 169 - 179.
[45] Martinez, J.M. [1986c]: Solution of nonlinear systems of equations by an optimal p:
m ethod, Computing 37, pp. 59 - 70.
[46] Martinez, J.M. [1987]: Quasi-Newton Methods with Factorization Scaling foi
Sparse Nonlinear Systems of Equations, Computing 38, pp. 133-141.
[47] M artinez, J.M. [1990a]: A family of quasi-Newton methods for nonlinear equati'
direct secant updates of m atrix factorizations, S I A M Journal on Numerical Am
pp. 1034-1049.
[48] Martinez, J.M. [1990b]: Local convergence theory of inexact Newton methods !
structured least change updates, Mathematics o f Computation 55, pp. 143-16S.
[49] Martinez, J.M. [1991]: Quasi-Newton Methods for Solving Underdetermined N
Simultaneous Equations, Journal of Computational and Applied Mathematics 34,
190.
[50] Martinez, J.M. [1992a]: On the relation between two local convergence theories
change secant update methods, Mathematics of Computation 59, pp. 457-481.
[51] Martinez, J.M. [1992b]: A Theory of Secant Preconditioners, to appear in Mathei,
Computation.
[52] Martinez, J.M. [1992c]: On the Convergence of the Column-Updating Methods, T
Report, Department of Applied Mathematics, University of Campinas.
[53] Martinez, J.M. [1992d]: Fixed-Point Quasi-Newton Methods, SIA M Journal on N
Analysis 29, pp. 1413-1434.
[54] Martinez, J.M. [1992e]: SOR - Secant Methods, to appear in SIA M Journal on N
Analysis.
[55] Martinez, J.M. [1993]: Algorithms for Solving Nonlinear System of Equations
[56] Martinez, J.M.; Zambaldi, M.C. [1992]: An inverse Column-Updating Method
ving Large-Scale Nonlinear Systems of Equations, to appear in Optimization Met]
Software.
BIBLIO G RAFIA
IS
[57] M atthies, H.; Strang, G. [1979]: The solution of nonlinear finite element equations, Inter
national Journal of Numerical Methods in Engineering 14, pp. 1613 - 1626.
[58] Milnor, J.W . [1969]: Topology from the differential viewpoint, The University Press of Vir
ginia, Charlottesville, Virginia.
[59] Nazareth, L.; Nocedal, J. [1978]: A study of conjugate gradient methods, Report SOL
78-29, Department of Operations Research, Stanford University.
[60] Nash, S.G. [1985]: Preconditioning of Truncated Newton methods, S I A M Journal on Sci
entific and Statistical Computing 6, pp. 599 -616.
[61] Ortega, J.M.; Rheinboldt, W.G. [1970]:Iterative Solution o f Nonlinear Equations in Several
Variables, Academic Press, NY.
[62] Rail, L.B. [1984]: Differentiation in PASCAL - SC: Type Gradient, A C M Transactions on
Mathematical Software 10, pp. 161-184.
[63] Rail, L.B. [1987]: Optimal Implementation of Differentiation Arithm etic, in Computer
Arithmetic, Scientific Computation and Programming Languages, U. Klisch (ed.), Teubner, Stuttgart.
[64] Saad, Y.; Schultz, M.H. [1986]: GMRES: A generalized minimal residual algorithm for
solving nonsymmetric linear systems, SIA M Journal on Numerical Analysis 7, pp. 856869.
[65] Spedicato, E. [1991] (editor): Computer Algorithms for Solving Linear Algebraic Equations.
The State of Art, NATO ASI Series, Series F: Computer and Systems Sciences, Vol. 77,
Springer Verlag, Berlin.
[66] Toint, Ph.L. [1986]: Numerical solution of large sets of algebraic nonlinear equations,
Mathematics of Computation 16, pp. 175 - 189.
[67] Walker, H.F.; Watson, L.T. [1989]: Least - Change Update Methods for underdetermined
systems, Research Report, Department of Mathematics, Utah State University.
[68] Watson, L.T. [1979]: An algorithm that is globally convergent with probability one for
a class of nonlinear two-point boundary value problems, SI AM Journal on Numerical
Analysis 16, pp. 394-401.
[69] Watson, L.T. [1980]: Solving finite difference approximations to nonlinear two-point boun
dary value problems by a homotopy method,S I AM Journal on Scientific and Statistical
Computing 1, pp. 467-480.
[70] Watson, L.T.; Billups, S.C.; Morgan, A.P. [1987]: Algorithm 652: HOMPACK: A suite of
codes for globally convergent homotopy algorithms, AC M Trans. Math. Software 13, pp.
281-310.
C aptulo 2
M tod os tip o N ew to n para problem as
com valor de contorno
2.1
In trod u o
Os sistemas originados pela discretizao de problemas de contorno podem ser considerados

como uma das aplicaes mais importantes dos mtodos para resolver sistemas no lineares
esparsos e de grande porte.
As modelagens de diversos problemas da mecnica de fluidos, transferncia de calor e massa,
etc., da origem a problemas deste tipo que podem ser representados por operadores da forma
G(u) = V 2i + H( X, u , u x, uy, . . . , u yy) - f ( x , y ) ,
(2-1)
u = t(x,y),(x,y)<Xl
sendo f l c R 2, X e M e H um a funo no linear.
Selecionamos para este trabalho as equaes de Poisson No-Linear [10], o Problem a de
Bratu Modificado [3] e o Problema de Conveco-Difuso No-Linear [7] que sero aproxima
das usando o mtodo das diferenas finitas. Embora a equao de Poisson tenha sido criada
artificialmente , podemos considerar esta coleo de equaes no lineares como prottipos de
problemas reais.
O principal esforo neste trabalho estar concentrado em resolver cada um dos problemas em
uma forma padro identificando valores de A para os quais o problema apresente caractersticas
especiais.
Para isto, selecionamos vrios algoritmos baseados nas idias quase-Newton, que foram
implementados incorporando-lhes uma estratgia de globalizao, com o intuito de estabelecer
um marco de referncia para a resoluo de um conjunto de problemas definidos como em (2.1).
A introduo dos termos originados pela discretizao de H produzem uma deteriorao das
19
2.1. Introduo
20
propriedades do sistema gerado pela discretizao do Laplacia.no, piorando o condicionamento

e nos dois ltimos casos causando a perda da simetria. Em geral o parm etro A, que pondera
os termos no lineares acentua estas caractersticas. Valores de A para os quais o Jacobia.no
singular so denominados autovalores do sistema no linear (2.1).
0 conjunto dos sistemas algbricos no lineares originados pela discretizao das corres
pondentes equaes , constitue um a coleo de problemas teste para a validao dos Mtodos
Especializados n a Resoluo de Sistemas No-Lineares Esparsos e de Grande Porte (Ortega e
Rheinblodt [9], Schwandt [10], Watson [11], [12], [13], Watson e Scott [14] , Watson e Wang
[15], etc. ).
Comearemos inicialmente descrevendo a estratgia de globalizao implementada; logo a
seguir os problemas que foram objeto de estudo e suas respectivas discretizaes, salientando
as caractersticas numricas que consideramos mais relevantes; na Seo 5 apresentaremos os
testes numricos e anlise dos resultados e finalmente na ltim a Seo, concluses e futuros
trabalhos.
0
conjunto de mtodos e algoritmos bsicos de resoluo que sero utilizados neste trabalho
esto descritos no Captulo 1.
2.2. Globalizao por backtracking
2.2
21
G lobalizao por backtracking
Como mencionamos na Introduo, os mtodos quase-Newton no possuem a propriedade

de decrescimento montono
||F ( * ,+1)|| < \iF(xk)\\
(2.2)
e so localmente convergentes, o que significa que conseguem achar a soluo do sistema no

caso em que a aproximao inicial seja muito boa. Esta ltim a afirmao, na maioria das
vezes pode ser considerada pessimista. Ocorre que devido a boas propriedades da matriz Jacobiana, consegue-se convergncia em um nmero finito de iteraes e o mtodo passa a exibir
propriedades de convergncia global.
Habitualmente incorporam-se modificaes sobre as iteraes locais para satisfazer (2.2) de
tal modo que essa imposio aumente a possibilidade de obter convergncia global.
Uma das formas de satisfazer (2.2) consiste em introduzir um procedimento denominado
estratgia de retrocesso ( backtracking). Neste caso a iterao bsica se transform a em
x k+1 = x k - otkB ^ F ( x k ) ,
(2.3)
onde otk obtido da sequncia {2~% i = 0 ,1 ,...} . A existncia de a k satisfazendo (2.2) est
garantida se dk = B k 1F ( x k) for uma direo de descida, isto
[J(xk)dk]TF ( x k) < 0.
(2.4)
Esta condio obviamente satisfeita pela iterao de Newton. Nos mtodos quase-Newton a
condio (2.4) deve ser previamente conferida antes de efetuar o processo de retrocesso. Um
procedimento alternativo que evita a necessidade de. calcular o Jacobia.no consiste em definir
uma outra sequncia para a k, como {(1)1+12-1, i 0, 1,...} de tal modo a satisfazer (2.2).
Esta estratgia., que poderia ser denominada como retrocesso bidirecionado, ser usada nas
experincias numricas. O processo descrito costumeiramente incorporado aos algoritmos
definidos pelos mtodos bsicos por razes de ordem prtica. Analisaremos o desempenho
dos mtodos quase-Newton com e sem a estratgia de globalizao para resolver os sistemas
mencionados acima. No pretendemos m ostrar qual o melhor dos mtodos para resolver
um determinado problema mas sim, detectar situaes onde alguns deles apresentam alguma
deficincia ou um comportamento particular.
2.3
D escrio dos p rob lem as
Nesta Seco descreveremos os problemas em que o Laplaciano combinado com outros

termos no lineares. Em todos os casos acharemos as solues aproximadas das equaes
discretizadas no quadrado unitrio fi : {[0,1] x [0, 1]. Resulta relativamente fcil encontrar
uma soluo exata que satisfaa as condies de fronteira, ajustando o term o independente
f ( x , y ) . Para todos os casos escolhemos
22
2.3. Descrio dos problemas
u*(x, y ) = xj/(l x )(l y) exp x 4'5

(ver [7]); em consequncia (x, y) = 0. f avaliada em cada n da malha de tal forma que Uh*,
a discretizao de u*, um a soluo exata das equaes discretizadas.
0 fato de ter definido a priori a soluo exata, nos permite definir o seguinte critrio de
parada
I
l <
io ^ K j I,
assim o processo iterativo ser interrompido na k sima iterao, quando o erro relativo em
cada componente da soluo Uh for menor que 10-4 .
Devido aos distintos efeitos que introduzem diferentes escolhas de H nas propriedades dos
sistemas, estes problemas so usados extensamente como problemas teste padres; tanto para
mostrar a eficcia dos algoritmos para a resoluo dos sistemas lineares subjacentes, como para
a construo de precondicionadores, etc. A nossa abordagem visa m ostrar o desempenho de
um determinado processo para melhorar a convergncia de um mtodo ao resolver o sistema
no linear.
Os problemas testes so listados a seguir juntamente com suas respectivas aproximaes.
P I - P roblem a de P oisson N o Linear
u3
- A u + A - - - - /i(x , y) = 0
1 + x 2 + y2
cuja discretizao pode ser escrita como
4
u ,j ~ ( u -
+ h2 A u /
i.i +
u i+i,j
u i , j -1
u i , j + 1)
/ (1 + x 2 + yf2) - h2f i ( xi , yf) = 0
(2.5)
Se A > 0 o problema fcil; a dificuldade cresce para valores negativos de A.

P 2 - P rob lem a de B ratu
Qii
- A u + ^ + Ae - f 2(x, y) = 0
sendo discretizado como
4 Ui,j
+ h (u +i j -
u - u
+ u>+i,j +
+ Ut,j+l)
) / 2 + h2 A eu'> - h2f 2(xi, yj) = 0
(2.6)
2.4. Aproximao Numrica
23
P 3 - P ro b lem a de C onveco-Difuso
.
, ,d u
dus
, .
,
_ A + Atl( - + - ) - / 3 (.r, ) = 0
sendo discretizado como

4 u i,j
"I" ^ t+ lj I" u i,j1 "t" UtJ + l)
+ h/2 A iiij (u,-.(-1j
Uii j -f- u ,j+1
h2 fs{xi, yj) = 0
(2-7)
1 < * ,i < (X - 1)
Em todos os casos se conserva o mesmo padro de esparsidade que gera a aproximao do
operador Laplaciano. Nos dois ltimos problemas os sistemas so no simtricos.
2.4
A p roxim ao N u m rica
As equaes diferenciais sero aproximadas usando o mtodo das diferenas finitas com um a
discretizao padro de segunda ordem sobre uma malha uniformemente espaada, de tamanho
h 11L, onde L o nmero de divises. Denotamos o domnio discretizado por Clh sendo
xi = ih,yj = j/i as coordenadas dos ns de Clh- Assim teremos (L l )2 ns em Qh e L ns
sobre cada lado de d h .
Para um a funo de malha qualquer ulj definimos, em cada n, os seguintes operadores de
diferenas que sero utilizados nos diferentes problemas:
DxV-j (^t+ ij
D yV -ij
= ( l ; j+ l
(î+i,j
D xx^tj
h U ,j ~
U iJ-l)
/2h
2u,tj -f- i_ ij)//i

2 l,J + U t j _ l ) / / l 2
DyyUiJ =
Wj_i j ) / 2/i
{D xx
D yyÛ ij.
Fixamos em todos os casos, L = 64 obtendo assim N = 3969 incgnitas.
2.5
E x p erin cia s num ricas
Para cada problema foi criada uma sequncia de experincias para diferentes valores do
parm etro A. Esta sequncia foi gerada por um procedimento totalm ente heurstico, procurando
achar os valores de A com o intuito de criar casos com o maior grau de dificuldade possvel, em
2.5. Experincias numricas
-24
relao sua resoluo. No levamos em considerao valores para que tivessem significado
fsico, nem tivemos qualquer preocupao em obter solues positivas.
Os mtodos utilizados com e sem globalizao, para a realizao dos testes so: Newton,
Newton Modificado, Broyden (Primeiro Mtodo) e Atualizao de Coluna (ver Gmes-Ruggiero
[1990] [5]).
Os resultados das experincias so apresentados separadamente para cada problema, nas
respectivas tabelas. Cada coluna corresponde a um A diferente e cada parnteses contm o
nmero de iteraes e/ou, o nmero de iteraes e o nmero de avaliaes de funo, para as
verses com e sem globalizao, respectivamente.
Declararamos divergncia (div) quando o nmero de iteraes realizado pelo mtodo ultra
passa I t M a x (nmero mximo de iteraes permitidas) ou a norma do resduo supera R e s Ma x
(valor do resduo mximo permitido) sendo a experincia interrompida em ambos os casos. Em
todos os testes fixamos R esM a x = IO20 e usamos a mesma aproximao inicial x = 0.
Devido a fato de que o custo computacional de uma iterao de Newton , em geral,
consideravelmente mais caro que um a iterao quase-Newton, sendo esta relao muito mais
drstica quando comparada com a iterao de Newton Modificado, fixamos diferentes valores
para I t M a x para cada mtodo em particular, com o propsito de coloc-los em um a situao
mais equilibrada. A realizao de algumas experincias preliminares nos perm itiu padronizar
um a relao que considera custos equitativos para cada mtodo. Desta forma fixamos, para
cada iterao de Newton, 15 de Broyden e Atualizao de Coluna e 25 de Newton Modificado.
Vale esclarecer que existem pequenas variaes destes valores para os distintos problemas e
obviamente entre os mtodos de Broyden e Atualizao de Coluna. Estas experincias tambm
nos possibilitaram estabelecer ItM ax^rewton 10, considerando: um custo razovel em tempo
real e a demanda mdia do nmero de iteraes para conseguir convergncia. O custo mdio
em tem po real de um a iterao de Newton de aproximadamente 17 segundos.
Por outro lado, os critrios de parada para a convergncia forem estabelecidos quando
alguma das seguintes condies foram satisfeitas:
\%i -
< 10~4,
ou
II F(x) |U < IO 10.
Os casos em que as iteraes foram interrompidas por causa desta ltim a condio esto
indicadas com um asterisco o que eventualmente indica que a soluo obtida outra diferente da
soluo exata. Nestes casos para corroborar esta hiptese, calculamos o erro entre a.s solues
exata e a calculadaem forma aproximada para a componente situada no meio do quadrado
como
E r r \ |a:o> x*|.
A resposta (stop) significa a impossibilidade de obter um decrscimo no resduo durante a
busca linear; tam bm as iteraes so interrompidas.
2.5. Experincias numricas
25
Os testes foram realizados em um a SPARCStation-5, e os programas computacionais im

plementados em linguagem Fortran77 com preciso dupla.
Analisamos a seguir os resultados obtidos para cada problema.
-2 0 0
-1 0 0
-3 5
-1 0
200
1000
Sem Global.
O 10)
(3 ).
(1 0 ).
(3)
(6)
(10)
Globalizado
(9,14)
(3,3).
(10,10).
(3,3)
(6,6)
(10,10)
Sem Global.
(div)
(7 ).
(> 250)
(7)
(> 250)
(> 250)
Globalizado
(stop)
(7,7).
(> 250)
(7,7)
(17,66)
(28,143)
Sem Global.
(35)
(5 ).
(1 5 ).
(4)
(14)
(73)
Globalizado
(stop)
(5,5).
(15,15).
(4,4)
(13,29)
(stop)
Sem Global.
(> 150)
(5 ).
(1 4 ).
(4)
(23)
(> 150)
Globalizado
(stop)
(5,5).
(14,14).
(stop)
(stop)
(stop)
Mtodo
Newton
Newton
Modif.
Broyden
Atual.
Coluna
Tabela 2.1: Equao de Poisson No Linear

E q u a o d e P o isso n - Na Tabela (2.1) observamos que para = 35 o nmero de
iteraes notoriamente maior que para = 100 o que nos faz suspeitar a proximidade de
um autovalor. Para = 200, CUM (Atualizao da Coluna) perde a convergncia quando
rodado com globalizao; o mesmo acontece com Broyden para A = 200 e A = 1000.
Para A = 100 e A = 35 obtivemos convergncia com a norma do resduo; para o primeiro
caso constatamos a convergncia para uma outra soluo; temos Vr_10o = 0.71762801070788.
P ara o outro valor de A obtivemos r r _35 = 6.9234404057972D 03 muito prximo de 10-4 .
Para A = 1000 no se obteve convergncia em nenhum caso.
Para A = 200 o mtodo de Broyden globalizado mostrou uma pequena margem de vantagem,
com um tempo de execuo total de 26.38 segundos contra 26.60 segundos sem backtracking".
O nico mtodo favorecido com a globalizao foi Newton Modificado para A = 200 e
A = 1000.
E q u a o d e B r a tu - Na Tabela (2.2) observamos que para A = 10 obtivemos o que
poderia ser chamado de resultado padro em termos do nmero de iteraes realizadas.
Para A [10,1000] a maioria dos mtodos teve um desempenho semelhante. Todos os
testes rodaram sem fazer uso da globalizao uma nica vez.
Para A = 100 conseguimos convergncia com Newton para uma outra soluo; temos
26
2.6. Concluses e trabalhos futuros
E r r - 100 = 0.75267972007852. Idem para A = 40 aparecendo uma outra soluo diferente,

com r r _ 3s = 1.2259745817774.
Aparentem ente para A [-1 0 0 ,-4 0 ] existem vrias solues; a anlise das solues neste
intervalo est fora do escopo de nosso trabalho.
Um teste realizado com A = 5000 produziu resultados similares aos obtidos com A = 1000.
-100
-40
-25
-10
100
1000
Sem Global.
(8 ).
(5 ).
(6)
(3)
(4)
(4)
Globalizado
(8,18)*
(5,5)
(6,6)
(3,3)
(4,4)
(4,4)
Sm Global.
(div)
(47.47)*
(66)
(6)
(15)
(43)
Globalizado
(stop)
(47.47)*
(66,66)
(6,6)
(15,15)
(43)
Sem Global.
(> 1 5 1 )
(9)*
(10)
(4)
(6)
(7)
Globalizado
(div)
(9,9)*
(10,10)
(4,4)
(6,6)
(7,7)
Sem Global.
O 151)
(10)*
(23)
(4)
(7)
(7)
Globalizado
(div)
(10,10)*
(div)
(4,4)
(7,7)
(7 J )
Mtodo
Newton
Newton
Modif.
Broyden
Atual.
Coluna
Tabela 2.2: Equao de Bratu

E q u a o d e C o n v eco -D ifu so - Na Tabela (2.3) reportamos os resultados para o Pro
blema de Conveco-Difusso. Este se mostra um problema de difcil resoluo. Curiosamente
ocorre um grande nmero de casos onde a globalizao prejudica a convergncia. Para os va
lores de A = 100 no conseguimos obter convergncia com nenhum mtodo. Este problema
apresenta resultados simtricos em relao aos valores positivos e negativos de A.
2.6
C on clu ses e trabalhos futuros
Neste Captulo reunimos um conjunto de problemas no lineares originados das discretizaes

de problemas de contorno de segunda ordem. Os sistemas resultantes foram resolvidos com
algoritmos baseados nas idias dos mtodos quase-Newton e implementados com globalizao.
Em geral a estratgia de globalizao por backtracking foi acionada poucas vezes e em
vrios casos levou divergncia. Podemos concluir que as direes geradas por cada um dos
mtodos so inadequadas e no permitem obter um decrscimo do resduo; obviamente, nesta
situao, qualquer estratgia de globalizao ser intil. Por outro lado, as modificaes que
introduzem as globalizaes na sequncia das solues eventualmente podem ser mal sucedidas.
27
-50
-20
-10
10
20
50
Sem Global.
(8)
(4))
(3)
(3)
(4)
(7)
Globalizado
O io )
(4,4))
(3)
(3,3)
(4,4)
(7,13)
Sem Global.
(> 250)
(> 250))
(44)
(44)
(> 250)
(> 250)
Globalizado
(stop)
(stop)
(44)
(44,44)
(stop)
(stop)
Sem Global.
(> 150)
(16)
(8)
(9)
(15)
(> 150)
Globalizado
(stop)
(stop)
(10,14)
(9,9)
(stop)
(stop)
Sem Global.
(> 150)
(16)
(9)
(8)
(15)
(> 150)
Globalizado
(stop)
(stop)
(8,8)
(9,9)
(18,36)
(stop)
Mtodo
Newton
Newton
Modif.
Broyden
Atual.
Coluna
Tabela 2.3: Equao de Conveco-Difusso

Em geral, para um a mesma situao a verso com globalizao melhorou ligeiramente o
custo computacional.
Em particular, a expectativa em termos de dificuldade para resolver um determinado pro
blema no linear como os apresentados deve ser formada em base s mudanas que produzem
os termos originados pela funo H , nas propriedades estruturais da m atriz Jacobiana.
Problemas de difuso no-linear cuja equao arquetpica pode ser escrita como
Y l = A^(u) + /(ti).
tm recentemente suscitado um particular interesse. A soluo est definida em um domnio
espao-temporal da forma Cl x [0, T]. Esta equao modela vrias situaes reais como:
du
= A uT
dt
conhecida como a equao em meios porosos que por sua vez representa outros casos como:
a equao de calor com m = 1, a teoria de gases ionizados a altas tem peraturas com m > 1, a
teoria de trasferncia radiante, a teoria de camada limite, etc. Por outra parte, a equao em
meios porosos representa o caso mais simples de um a classe de equaes da forma:
du
- V.[K.V<(u)] + V.[v<(u)] + <f>{u) = 0
~dt
28
Aqui, o term o de difuso

acrescido com termos no-lineares convectivos V<f) e tipo
fonte/sum idouro <j>. Equaes deste tipo so obtidas pelas modelagens de problemas como:
escoamento de guas superficiais, dinmica populacional, reservatrios de petrleo, etc. 0 pro
blema m atem tico correspondente consiste em deteminar de que forma a estrutura do operador
influir no comportamento da soluo (ver Peleter e Serrin [8]).
Para a nossa abordagem atual, a seleo apropriada de alguns destes problemas conduziria
a definir um outro conjunto de problemas padro que iriam complementar os escolhidos neste
trabalho.
B ibliografia
[1] Deuflhard, P. [1995]: Newton techniques for highly nonlinear problems. Theory and algo
rithms, in preparation.
[2] Deuflhard, P.; Freund, R. and Walter, A. [1990]: Fast secant methods for the iterative
solution of large nonsymmetric linear systems, Impact of Computing in Science and En
gineering 2, pp. 244-276.
[3] Brown, P. N., Saad Y.,[1990] Hibrid Krylov Methods for Nonlinear Systems of Equations,
SIAM Journal on Scientific and Statistical Computing 11, pp. 450 - 481.
[4] Golub, G.H.; Van Loan, Ch.F. [1989]: Matrix Computations, The Johns Hopkins Univer
sity Press, Baltimore and London, ork.
[5] Gomes-Ruggiero M. A.,[1990]: Mtodos Quase-Newton para Sistemas No Lineares Tese
de Doutourado, FEE, UNICAMP.
[6] Johnson, G.W.; Austria, N.H. [1983]: A quasi-Newton method employing direct secant
updates of matrix factorizations, SIAM Journal on Numerical Analysis 20, pp. 315-325.
[7] Kelley, C.T. [1995]: Iterative methods for linear and nonlinear equations, SIAM Publica
tions, to appear.
[8] Peleter, L. A., Serrin, J. [1993]: Nonlinear Difussion Equations and Their Equilibrium
States, Peleter & Seriin (Eds.)
[9] Ortega, J.M.; Rheinboldt, W.G. [197Q]: Iterative Solution of Nonlinear Equations in Se
veral Variables, Academic Press, NY.
[10] Schwandt, H. [1984]: An interval arithmetic approach for the construction of an almost
globally convergent method fo r the solution of the nonlinear Poisson equation on the unit
square, SIAM Journal on Scientific and Statistical Computing 5, pp. 427 - 452.
[11] Watson, L.T. [1979]: An algorithm that is globally convergent with probability one for
a class o f nonlinear two-point boundary value problems, SIAM Journal on Numerical
Analysis 16, pp. 394-401.
29
BIB LIO G RAFIA
30
[12] Watson, L.T. [I960]: Solving finite difference approximations to nonlinear two-point boun
dary value problems by a homotopy method, SIAM Journal on Scientific and Statistical
Computing 1, pp. 467-480.
[13] Watson, L.T. [1983]: Engineering applications of the Chow-Yorke algorithm, in Homotopy
Methods and Global Convergence (B.C. Eaves and M.J. Todd eds.), Plenum, New York.
[14] Watson, L.T.; Scott, M.R. [1987]: Solving spline-collocation approximations to nonlinear
two-point boundary value problems by a homotopy method, Applied Mathematics and
Computation 24, pp. 333-357.
[15] Watson, L.T.; Wang, C.Y. [1981]: A homotopy method applied to elastics problems, In
ternational Journal on Solid Structures 17, pp. 29-37.
C aptulo 3
M to d o s tip o N ew to n globalizados
para a equao biharm onica no linear
3.1
In trod u o
Neste captulo analisaremos o desempenho de um conjunto de mtodos quase-Newton globali

zados e Newton-Inexato, para resolver as equaes de Navier-Stokes em um a cavidade quadrada
para altos nmeros de Reynolds. O fluxo newtoniano e incompressvel em regime estacionrio.
Formulado em termos da funo-corrente define um problema de quarta ordem no linear, com
valores de fronteira (Peyret e Taylor [21]).
Uma prim eira dificuldade neste problema, que frequentemente abordado com um enfoque
numrico-computacional ( Walker [27], Deuflhard [8], xelsson e Kaporin [1], etc ) aparece
associada ao termo advectivo. Na medida em que o parmetro que pondera esse term o (o
nmero de Reynolds), incrementado se produz correspondentemente, um aumento da no
linearidade que por sua vez afeta as estruturas dos sistemas lineares subjacentes, o que se traduz
em um paulatino crescimento do mau condicionamento desses sistemas e gradual dissimetria..
Em nossos testes o nmero de Reynolds incrementado at o aparecimento de solues esprias
(vizinhana de um ponto limite), ( Schreiber e Keller [19]). A possibilidade de continuar
construindo a curva requer o uso de tcnicas de Continuao mais especializadas ( Schreiber e
Keller [24]* Rheinblodt [18], etc.).
As discontinuidades nas condies de fronteira requerem o uso de tcnicas de discretizao
mais apuradas. Torna-se difcil determinar a influncia destas singularidades sobre a preciso
da soluo. Neste sentido, tem-se realizados significativos esforos, orientados principalmente
na direo de criar esquemas de discretizao alternativos ( Crochet, Davies e Walters [7])
As tcnicas de discretizao e os mtodos utilizados no so novos, tomados individualmente,
porm a escolha de uma de tais tcnicas que aparece como sendo simples, precisa e robusta
combinada com o conjunto de algoritmos para a resoluo das equaes resultantes, pretende
31
3.1. Introduo
32
criar um novo marco de procedimento na resoluo numrica deste problema. A introduo de

diversas tcnicas de globalizao pretende ampliar qualitativamente a definio deste marco, que
ser estabelecido atravs de um estudo comparativo dos mtodos, em relao a sua capacidade e
eficincia em termos de esforo computacional. Tambm, este problema se constitui em mais um
problema teste para validar os mtodos especializados na Resoluo de Sistemas No-Lineares
Esparsos e de Grande Porte.
Consideramos conveniente aclarar que nosso principal objetivo consiste em analisar o de
sempenho de algoritmos e tcnicas complementares para um a estrutura que resulta interessante
per se e que originada pela modelagem de um problema real da mecnica dos fluidos, antes
que resolver otimamente este problema em particular.
Este Captulo est organizado como segue: inicialmente descreveremos o problema objeto
de estudo e sua discretizao, salientando suas caractersticas numricas mais im portantes do
ponto de vista que nos interessa; logo a seguir so apresentados o testes numricos, anlise dos
resultados e as concluses. 0 conjunto de algoritmos de resoluo utilizados so os descritos
nos captulos anteriores, sendo mencionados quando for necessrio, alguns dos parmetros mais
relevantes.
3.2. Formulao Funo-Corrente Vorticida.de
3.2
Form ulao F uno-C orrente V orticid ad e
Um fluxo incompressvel caracterizado por

V-V = 0.
Quando esta condio introduzida na equao de continuidade obtemos
dp/dt + V V/j = 0
o que significa que a densidade p permanece constante ao longo da trajetria das partculas do
fluido. Se a viscosidade p constante, a equao de momento se reduz a
p[ d Y/ dt + (V V)V] + Vp /V 2V = fe
(3.1)
que denominada a forma no-conservativa da equaes de Navier-Stokes. Neste caso (for

mulao nas variveis primitivas) as incgnitas so o campo de velocidades V e a presso p.
Um a outra formulao das equaes de Navier-Stokes faz uso do vetor vorticidade
uj = V x V
(3.2)
Pela aplicao do operador rotacional na equao (3.1), o termo que contm a presso desaparece , resultando
d u /d t + (V V)w - (w V)V -
uV 2oj
= l/pVxfe
(3.3)
onde v p/ p viscosidade cinemtica. Esta equao usualmente associada, com o vetor

funo-corrente definido atravs de
V = V x$
(3.4)
sendo assim autom aticam ente satisfeita a condio de incompressibilidade. Aplicando o rota
cional a (3.4) e usando (3.2) obtemos
(3.5)
3.2. Formulao Funo-Corrente Vorticidade
34
Esta formulao se torna interessante quando o vetor

acontece para um fluxo plano onde
V = V x
tm apenas uma componente, o que
sendo k o vetor unitrio normal ao plano do fluxo e $ um a funo escalar.Neste caso, a

vorticidade l u?k e as equaes (3.3) e (3.5) se transformam em equaes escalares
d u /d t + ( V - V ) w - i/V2w = 1/pV x / e
(3.6)
V 2$ + w = 0.
Como para as equaes nas variveis primitivas, a eq. (3.6) chamada um a forma no-conservativa
Como caractersitica relevante, na formulao funo corrente-vorticidade a presso no aparece
explicitamente.
Em ausncia de campos externos e para o caso estacionrio a eq.(3.6) se transform a em
(V V)w - v V2u> = 0
(3.7)
V 2\I/ + u; = 0.
(3.8)
onde v = n fp a viscosidade cinemtica.

Quando estas equaes so apropriadamente adimensionalizadas, possvel substituir u
pelo recproco do nmero de Reynolds i?e-1 = u / V L sendo V um a velocidade mdia e L um
comprimento caracterstico do modelo fsico.
Eliminando u> de (3.7) e (3.8) e tomando para as componentes do campo de velocidades V
como (u , v ) =( di b/ d x , dip/dy) obtemos uma equao apenas em termos de ip, no linear, de
quarta ordem
(3.9)
Podemos reescrever esta ultim a equao na forma
= B(tl>) + R eG (),
sendo B(tp) o operador biharmonico linear
V
xj>
ipxxxx
~t" ^ I p x x y y 4" ^kyyyy
e
G) =
um termo no linear em i/> .
- fe fV 2^ ) ,
(3.10)
3.3. 0 Problema da Cavidade
3.3
35
O P ro b lem a da C avidade
N
Consideramos o problema de resolver o fluxo bidimensional estacionrio para um fluido
viscoso incompressvel. 0 domnio 2 onde determinaremos a soluo em termos da funo
corrente, definido como um quadrado de lado L , com seu lado superior aberto em contato
com um fluido viscoso que se desloca com velocidade unitria V. P ara um fluxo totalm ente
desenvolvido^ indicamos a existncia de um vrtice principal que ocupa a regio central e
uma srie de vrtices secundrios prximos aos vrtices, girando em sentido contrrio. Esta
configurao m ostrada na Figura (3.1) conjuntamente com as condies de fronteira
Assim, o problema consiste em achar ij>(x,y) C 4 tal que
F(tp) = B fy ) + ReG(rp) = 0 em 0 ,
(3-11)
onde 1 = {(ar, /) : 0 < x < 1, 0 < y < 1)} e que satisfaa as seguintes condies de contorno
= o,
(x,y) e dtt,
0*(o >y) = o,
0<y<l,
^ * ( i ,y ) = o,
0 < y < 1,
V v ( ^ ) = o,
0 < x < 1,
1j}y(x, 1) -- 1,
0 < x < 1.
Esta forma de definir as condies na fronteira origina discontinuidades nas derivadas nor
mais nos vrtices superiores no lado aberto do quadrado. Uma tentativa para suavizar essas
discontinuidades proposta em [3], mudando esta ltim a condio para
1) = 16x2(l x)2, 0 < x < 1
Como rj)y singular nestes cantos, qualquer discretizao espalha esta singularidade aos ns
vizinhos de tal forma que o esquema considerado deve ser modificado para levar em conta
esta singularidade. Um tratam ento rigoroso em tal sentido faz uso localmente de um a ex
presso anlitica da singularidade [18]. Em [14] apresentado um mtodo considerando tambm
uma forma local para a singularidade, introduzindo-a dentro do esquema global em diferenas.
Outros mtodos alternativos como refinamento da malha, transformao conforme, sries de
potncias, etc. so listados em [10] ,[6].
3.4
A p roxim ao N u m rica
Obteremos um a soluo aproximada usando o mtodo das diferenas finitas. Para isto esco
lhemos um a discretizao padro de segunda ordem definida sobre um a malha uniformemente
'
36
l}> =
0,
ifry
= 1
Figura 3.1: Vrtices da Cavidade

espaada de tamanho h = l / L , onde L o nmero de divises,
Denotamos o domnio discretizado por flk sendo x,- = ih, yj = j h
lh- Assim teremos (L l )2 ns em 0^ e L ns sobre cada lado de
Para uma funo de malha qualquer
definimos em cada n
diferenas
D yU i'j =
(u ij+ l
DxxUitj
DyyUi j -
em ambas direes x e y.
as coordenadas dos ns de
dflhos seguintes operadores de
2itj -f- Ui-ij)/h

1
2ttjJ 4"
^ hU'J == {.Dxx 4" D y y ) u i,j
( ( Dxxxx 4" 2D xxyy 4 f-^yyyy
<?() = ( ( ( D, ) ( D, Vl ) ~ (DI ) ( D , V l ) ) u ij)/h-'.

Quando a soluo
de (3.11) junto com (3.12) aproximada nos correspondentes
ns por um a funo de malha tpij satisfazendo um esquema em diferenas de acordo ao dado
acima, obtemos a seguinte funo de resduo
37
Fh(4>ij) =
^ 4h4>ij + ReGh(ipij) =
2
8('0,-_ij -)-
"f" ^ j +i )
+ 2(^{-i, j+i + 0 t+i,j-i +
+ V^+ij+i)
+ V t '- 2 J + ^ 1 + 2 ,j + 0 : , j - 2 +
lpi,j+2
(3.13)
+i?e/4(V>tj+ i -
+ ^ i - l j +1 ~ 4V>t-Ij + 4î+lJ ^ + lj-l ^ t+ lj+ l *l>i+2,j)
(V,2,j +
- R e / 4 ( i / ) i+lij -
( V ^ j- 2 +
1)
Ipi-lj-l
+ V ^ + lj- l
^ i-ij)
+ 4 ^ > t j+ l
^ t + lj+ l 0 t,+ 2 )?
1 < *, J < (X - 1)
Desde que Fh(i>ij) = 0 deve ser satisfeita apenas para os ns de
teremos JV = (L l )2
equaes. Porm, os valores de -0ij sobre o contorno e exteriores vizinhos fronteira, estaro
incluidos nestas equaes.
Os valores de contorno so os anlogos a (3.12) discretizados
tjjij 0, (x,', j/j) . dlfj,,
Por outro lado, os valores de tpij nos ns exteriores a h podem ser determinados apro
ximando as derivadas normais especificadas na fronteira mediante um esquema de diferenas
centradas
A - 1= ^ ,1,1 < * < {L - 1)
0 .\(L+1)=&,(L-1), 1 < * < (L ~ 1)
V-1J= ^ 1J >1 < j < (L - l )
^ ( L + l) ,j = V ,( Z - - l) ,j 1 1 < j
< ( L - 1 )
Usando estes valores em (3.13) para eliminar os valores externos a Uh , obtemos N equaes
para as N incgnitas ipij .
Este sistema de equaes tm no linearidades quadrticas e esparso. Cada equao
contm 13 incgnitas dispostas em um arranjo molecular em forma de estrela como mostrada
3.5. Procedimento de Resoluo
38
na Figura (3.2). Esta a forma padro para uma aproximao em diferenas centradas de
segunda ordem para o operador biharmonico em uma malha retangular.
11
' 2
-8
' 2
'' - 8
20
'' - 8
' 2
-8
'' 2
'' 1
*îl
**+1
î+2
Figura 3.2: Molcula de 13 pontos para o operador biharmonico discretizado
3.5
P ro ced im en to d e R esolu o
0 procedimento escolhido consiste na construo de um a curva (v , Re) satisfazendo

Fh(ip,Re) = 0, para uma sequncia crescente de nmeros de Reynolds : R ek+l = R ek + A Re
at a vizinhana de um ponto limite ( singular point ) com passos fixos Ai?e.
Desta forma, um conjunto de solues gerado a partir de (0 o, Re = 0) resolvendo o sistema
Fk(ij),Re + A Re) 0 para cada passo A Re, utilizando como aproximao inicial a soluo de
Fh(xj), Re) = 0.
Procedimentos deste tipo, no qual um parmetro (neste caso o nmero de Reynolds), va
riando num intervalo incrementado gradativamente e onde as solues intermedirias so
usadas como aproximaes iniciais para as prximas iteraes, so denominadas Tcnicas de
Continuao.
Com o intuito de obter melhores aproximaes iniciais, um a abordagem clssica para a implementaao destas tcnicas modifica o procedimento descrito acima (que pode ser considerado
como elementar), diferenciando em relao ao parmetro (nmero de Reynolds) e originando
uma equao diferencial ordinria com valor inicial
dFh{iph,Re)
----- fc,----- 4>h (R e) = Ghi&h, Re),
com iph(0) = t/>g.
3.6. Anlise dos Resultados Numricos
39
Por sua vez, essas aproximaes podem ser aprimoradas com a utilizao de tcnicas mais
especializadas de integrao. Uma tcnica simples, conhecida como Euler-Newton se tem mos
trada adequada, sempre que no existam pontos singulares; isto , pontos onde D[Fh(ip,Re)]
seja singular.
Neste caso torna-se necessrio parametrizar a curva pelo cumprimento de arco s em lu
gar do Re e construir um caminho seguindo a curva. Esta abordagem requer a soluo de
Fh(i>(s), R e(s)) = 0 mais uma equao no linear para o comprimento de arco 3 que pode ser
aproximada por
(6sf = \ m \l + (SRe?
sendo que, para criar o problema com valor inicial, a derivao deve ser feita em relao a 3,
com valores iniciais definidos por ^ ( 0) =
e /?e(0) = 0.
A linearizao de Fh(i>, Re) = 0, pela aplicao do mtodo de Newton origina uma sequncia
de problemas lineares,
J { V , R e ) 8 u = - F kW , R e )
(3.14)
onde 8V =
xj)u e J(NxN) a m atriz Jacobiana.
Bsicamente, a diferena fundamental na capacidade dos mtodos para resolver (3.13) est
diretam ente ligada com a forma com que resolvem os sistemas lineares (3.14) correspondentes;
os quais por sua vez, dependem da estrutura e propriedades do Jacobiano
J(4>u,R e) = dF h(r ,R e )/d iJ = B hli>} + RedG h{iP}/dip.
Os coeficientes da m atriz Jacobiana esto constitudos por constantes correspondentes s
derivadas de Bh e de um a parte antisimtrica dGh{4>]/dij^, ponderada pelo nmero de Reynolds
e que depende da suavidade da funo de malha r/..
Na Figura (3.5) mostramos um a linha da matriz Jacobiana onde
P = (</Vn,j tpi-l.j)
Q = ( & - 2,j +
R = (V,i,j+i
S (V,ij-2 +
3.6
4-01-1, j + 4V>t+l,j
1pi+1J + 1 1pi+2 j)
fpi+i j+ i
i)
+ 4Vt,j+i
2)
A n lise dos R esu lta d o s N u m ricos
A maioria dos testes e respectivos resultados que sero apresentados foram realizados sobre
uma m alha uniformemente espaada, com L = 64 divises em ambas direes x e y, o que
origina um problema com A^ = 3969 equaes e incgnitas.
1 .R e-P
2R e * ( P + R)
1 .Re* R
- 8 .+
Re * (4R Q)
2 .Re * ( P + R)
40
-8 .+
2 .Re (4P + S) Re * (P R)
20.
- 8 .+
R e * ( Q - AR)
- 8 .2.+
Re * (4P + S) Re ( P - R )
1-+
Re * R
1.+
Re * P
Figura 3.3: Estrutura da m atriz jacobiana

Obtivemos vrias sequncias de solues para Re E [0,11000], usando o procedimento des
crito anteriormente, fixando distintos valores para o passos A Re. O extremo superior do inter
valo foi determinado pela proximidade de um ponto limite, indicado por um sbito aumento do
nmero de iteraes do algoritmo usado, com o aparecimento de pronunciadas distores nos
grficos das solues.
Uma outra srie de testes foi realizado com Re [0,500], com diversos passos A Re utilizando
as tcnicas de globalizao como backtracking (em forma anloga ao feito no Captulo 2) e
regio de confiana (da forma que foi descrito no Captulo 1).
O esquema de discretizao configurado, perm ite trabalhar com malhas de at aproximada
mente 100 x 100 divises. Este lim itantefoi obtido de forma heurstica, observando a evoluo
dos grficos das curvas de nvel das solues e refinando a malha gradualmente.
A escolha do tamanho da m alha responde principalmente possibilidade de realizar com
paraes dos resultados obtidos para igual dimenso, com os apresentados por vrios outros
autores (Axelsson [1993] , Deuflhard [1991],Walker [1992], etc).
Por outro lado, os resultados obtidos com testes sob malhas mais refinadas praticam ente
no mostraram comportamento muito diferentes aos da malha selecionada.
Os algoritmos testados so os descritos na Captulo 1, contidos nos pacotes computacionais
ROUXINOL, NI-GMRES e BOX-QUACAN .
Considerando que os mtodos tipo Newton Inexatos tiveram um desempenho desencorajador, os testes com estes mtodos tiveram que ser realizados enfraquecendo as exigncias para
conseguir convergncia, com tempos reais de execuo razoveis. Assim, mostraremos um pe
queno conjunto de resultados com NI-GMRES, com a nica finalidade de mostrar o efeito que
produz o uso dos distintos precondicionadores sobre os sistemas lineares.
Apresentaremos um a anlise mais exaustiva sobre um conjunto de resultados obtidos com
os mtodos Quase-Newton implementados no pacote computacional ROUXINOL, que podem
41
ser considerados como muito bem sucedidos.

Para este ltimo caso, e com o objetivo de realizar comparaes entre alguns dos mtodos im
plementados nesse pacote, geramos inicialmente uma sequncia de solues usando o mtodo de
Newton, usando um critrio de parada sobre o resduo : ||
Re) ||< IO-10 . Posteriormente,
foram gerados os grficos respectivos, das curvas de nvel das solues, que foram padronizados
como representando as solues verdadeiras. Alguns destes grficos para Re = 0,1000,5000
e 11000, so mostrados no Apndice.
E conveniente aclarar que as curvas correspondentes a Re = 0 devem ser consideradas como
um a soluo assinttica sem qualquer significado fsico. Numa situao real, para este valor
do nmero de Reynolds deveramos ter considerado simultaneamente
1) = 1, 0 < x < 1
obtendo-se assim 0 = 0.
A validade destas solues est sustentada pela. comparao, para distintos nmeros de
Reynolds, com as apresentadas por Ghia, Ghia e Shin [1982], usando um a malha de 256 x 256
e Benjamin e Denny [1973] para uma malha de 151 x 151, considerando a preciso da nossa
aproximao.
Para garantir que as solues originadas pelos mtodos Quase-Newton fossem, no mnimo,
to boas como as obtidas com o mtodo de Newton, foi repetido o mesmo processo descrito
acima, confrontando os grficos de cada um a das solues que compem a sequncia.
A no-convergncia de qualquer dos mtodos foi estabelecida fixando o nmero mximo
de iteraes tipo-Newton.
3.6.1
M tod os N ew to n e Q u ase-N ew ton
Nas Tabelas (3.1) e (3.2) so apresentados um conjunto de resultados para Re (E [0,11000],

com passos A Re = 250 e A Re = 500 respectivamente.
Cada linha, que representa um experimento para um determinado nmero de Reynolds,
indica os resultados para cada mtodo atravs de dois ou trs nmeros (quando corresponde):
iteraes de Newton, iteraes Quase-Newton e tempo de execuo (escalado). Em tempo real,
a execuo para um experimento particular, por exemplo para Re = 11000 usando o mtodo
de Newton, demandou pouco mais de 10 minutos.
Para A Re = 1000 todos os mtodos excederam o nmero mximo de iteraes, e as ex
perincias realizadas com passos menores necessitaram tempos de execuo consideravelmente
maiores.
Podemos observar que todos os mtodos usam somente uma iterao para resolver F ( 0 , 0) =
0, j que o sistem a linear.
Em todos os casos, a primeira iterao uma iterao de Newton. Desta maneira, forada
a realizao de um a fatorizao LU completa da m atriz Jacobiana.
Pode ser observado a demanda de um esforo um pouco maior para atingir Re 1500.
Ultrapassado este valor, as iteraes continuam com uma dem anda do tempo de execuo
uniforme, at o fim do intervalo.
Em termos de custo computacional, todos os mtodos Quase-Newton tm um custo apro-
Anlise dos Resultados Numricos
Newton
Newton
Modificado
Broyden
CUM
Nmero de
Reynolds
0
250
500
750
1000
1250
1500
1750
2000
2250
2500
2750
3000
3250
3500
3750
4000
4250
4500
4750
5000
5250
5500
5750
6000
6250
6500
6750
7000
7250
7500
7750
8000
8250
8500
8750
9000
9250
9500
9750
10000
10250
10500
10750
11000
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
1 188.60 )
5 942.56 )
5 756.39 )
5 754.04 )
5 754.02 )
3 572.77 )
3 585.68 )
3 594.76 )
3 598.95 )
3 602.59 )
3 607.52 )
3 608.14 )
3 613.12 )
3 616.41 )
3 615.55 )
3 619.21 )
3 619.82 )
3 620.91 )
3 621.30 )
3 624.95 )
3 621.63 )
3 625.65 )
3 627.07 )
3 628.12 )
3 627.15 )
3 628.21 )
3 631.79 )
3 631.67 )
3 629.86 )
3 632.56 )
3 630.92 )
3 645.42 )
3 642.68 )
3 633.28 )
3 638.68 )
3 632.14 )
3 642.20 )
3 644.13 )
3 644.02 )
3 636.24 )
3 637.02 )
3 635.66 )
3 636.71 )
3 636.46 )
3 635.67 )
( 1 0 ,
( 1 , 56
( 1 . 18
( 1 - 14
( 1 9
( 1 7
( 1 7
( 1 5
(1 5
(1 5
( 1 5
( 1 5
( 1 5
( 1 5
( 1 4
( 1 4
(1 4
( 1 4
( 1 4
( 1 4
( 1 4
(1 4
(1 4
(1 4
( 1 4
(1 4
( 1 4
( 1 4
( 1 4
(1 4
( 1 4
( 1 3
( 1 3
(1 3
( 1 3
( 1 3
(1 3
( 1 3
( 1 3
( 1 3
( 1 3
( 1 4
(1 4
(1 4
( 1 4
192.61 )
368.38 )
244.80 )
232.29 )
217.14 )
213.18 )
214.27 )
214.00 )
215.51 )
216.90 )
219.08 )
219.10 )
219.66 )
220.96 )
218.14 )
219.01 )
218.86 )
219.88 )
219.64 )
220.39 )
221.01 )
221.22 )
221.32 )
221.77 )
221.28 )
222.28 )
222.58 )
222.21 )
222.26 )
222.23 )
223.35 )
220.05 )
220.33 )
220.31 )
220.44 )
220.54 )
221.26 )
220.89 )
220.90 )
220.82 )
220.87 )
224.31 )
224.21 )
224.70 )
224.37 )
( 1
( 1
( 1
( 1
(1
(1
(1
(1
( 1
( 1
( 1
(1
( 1
(1
( 1
( 1
( 1
(1
(1
(1
(1
( 1
( 1
( 1
( 1
(1
( 1
( 1
( 1
( 1
( 1
(1
(1
(1
(1
(1
( 1
( 1
( 1
(1
(1
(1
(1
(1
( 1
, 0 , 188.32 )
23 , 264.70 )
13 , 230.61 )
, 8 214.96 )
, 6 207.83 )
, 6 210.82 )
, 5 211.31 )
, 5 214.57 )
, 4 212.97 )
. 5 216.72 )
, 5 219.01 )
, 5 218.28 )
. 5 219.74 )
, 5 221.08 )
, 4 218.13 )
, 4 218.88 )
, 4 219.20 )
, 4 219.86 )
, 4 219.82 )
, 4 223.28 )
,4 223.61 )
, 4 221.28 )
,4 221.57 )
, 4 222.34 )
,4 221.64 )
, 4 222.50 )
,4 222.61 )
, 4 223.25 )
, 3 219.63 )
, 3 219.41 )
, 3 220.57 )
, 3 220.21 )
, 3 219.93 )
, 3 221.29 )
, 3 220.83 )
, 3 219.56 )
,3 219.56 )
, 3 221.24 )
, 3 221.61 )
, 3 221.19 )
, 3 220.98 )
, 3 221.59 )
, 4 224.97 )
, 4 225.12 )
, 4 224.71 )
(1 ,0
( 1 - 22
( 1 . 13
(1 8
( 1 7
( 1 6
(1 5
(1 5
(1 4
( 1 5
(1 5
( 1 5
( 1 5
(1 5
(1 4
(1 5
( 1 4
(1 4
( 1 4
( 1 4
( 1 4
(1 4
(1 4
(1 4
( 1 4
( 1 4
( 1 4
( 1 4
(1 3
( 1 3
( 1 3
( 1 3
( 1 3
(1 3
(1 3
( 1 3
( 1 3
( 1 3
(1 3
(1 3
( 1 3
(1 3
(1 4
(1 4
(1 4
189.80 )
, 258.69 )
, 230.06 )
213.83 )
210.76 )
210.44 )
210.68 )
214.14 )
212.49 )
216.61 )
219.47 )
218.83 )
219.83 )
221.17 )
218.35 )
222.19 )
218.74 )
219.96 )
220.03 )
220.47 )
220.64 )
220.89 )
221.15 )
221.90 )
220.98 )
221.65 )
222.69 )
222.57 )
219.23 )
219.19 )
220.19 )
220.86 )
220.46 )
220.16 )
220.29 )
220.55 )
220.92 )
221.05 )
220.83 )
221.18 )
220.73 )
221.42 )
224.55 )
224.85 )
224.43 )
Tabela 3.1: Mtodos Newton e Quase-Newton, A Re = 250
43
ximadamente 50 vezes menor que o mtodo de Newton (uma iterao de Newton requer em
mdia 67 segundos). Esta relao m antida ao longo de todo o intervalo.
P ara A Re = 500 apenas os mtodos de Newton e Broyden conseguem convergncia. CUM
demandou um pouco mais de 100 iteraes para Re = 250. Nesta tabela, tambm so incluidos
resultados com a opo de recomeos com um desempenho um pouco pior, quando comparados
com os obtidos sem usar esta opo. A opo de recomeos, no mtodo de Newton Modificado,
no foi acionada um a nica vez, devido a que a condio de decrscimo suficiente foi sempre
satisfeita. Em todos os casos, a demanda do custo computacional foi aproximadamente de 60%
que para A Re 250.
Newton
Nmero de
Reynolds
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
5500
6000
6500
7000
7500
8000
8500
9000
9500
10000
10500
11000
( 1
(6 ,
( 5
( 4
( 3
(3
( 3
( 3
( 3
( 3
( 3
( 3
( 3
( 3
( 3
( 3
( 3
( 3
( 3
( 3
(3
( 3
( 3
192.89 )
1150.78 )
961.07 )
782.63 )
599.87 )
607.67 )
612.56)
617.13 )
619.79 )
623.49 )
623.93 )
627.64 )
628.09 )
629.64 )
630.71 )
632.49 )
634.03 )
633.93 )
636.06 )
635.11 )
636.89 )
637.49 )
638.72 )
Broyden
Com
Recomeos
(1 , 0 , 188.64 )
( 3 10 597.90 )
( 2 , 7 399.75 )
( 1 , 8 221.82 )
( 1 , 7 222.85 )
( 1 , 7 226.00 )
( 1 , 7 227.10 )
( 1 , 6 225.96 )
( 1 . 6 226.67 )
( 1 , 6 227.39 )
( 1 , 6 227.97 )
( 1 , 6 228.46 )
( 1 , 5 225.97 )
( 1 ,5 226.67 )
( 1 , 5 225.97 )
( 1 , 5 227.15 )
( 1 . 5 227.57 )
( 1 , 4 224.19 )
( 1 , 4 224.72 )
( 1 , 4 224.78 )
( 1 . 5 227.78 )
( 1 ,5 228.83 )
( 1 , 6 232.29 )
Sem
Recomeos
( 1 , 0 , 188.89 )
( 1 79 477.47 )
( 1 13 231.25 )
( 1 , 8 , 222.85 )
( 1 , 7 , 223.33 )
( 1 , 7 , 227.24 )
( 1 , 7 , 227.90 )
( 1 , 6 , 226.38 )
( 1 , 6 , 228.04 )
( 1 , 6 , 227.82 )
( 1 , 6 , 229.29 )
( 1 , 6 , 228.93 )
( 1 , 5 , 226.96 )
( 1 ,5 , 226.55 )
( 1 ,5 , 227.41 )
( 1 , 5 , 227.94 )
( 1 , 5 , 228.02 )
( 1 ,4 , 224.61 )
( 1 ,4 , 225.31 )
( 1 , 4 , 225.14 )
( 1 , 5 , 228.21 )
( 1 , 5 , 228.62 )
( 1 , 6 , 232.74 )
Tabela 3.2: Mtodos Newton e Quase-Newton, A R e = 500

Outros mtodos Quase-Newton como: Escalamento na Diagonal e Escalamento na Coluna
no conseguiram convergncia sequer para Re = 250.
Os mtodos Quase-Newton com Jacobiano Truncado, mostraram-se muito sensveis in
troduo de um Jacobiano inicial falso com resultados negativos.
O utra srie de testes foram realizados para avaliar o efeito de introduzir estratgias de
globalizao. A globalizao por backtracking no trouxe praticamente vantagens, somente
possibilitou a convergncia para Newton Modificado entretanto prejudicou a convergncia de
CUM para Re = 100. A introduo da tcnica de regio de confiana, implementada com
Newton Inexato, no conseguiu melhorar o desempenho do algoritmo em nenhum caso.
Estes ltimos testes foram realizados em uma SPARCstation-5.
44
A Re = 250
A Re = 500
Newton
(141,0,7.881)
(73,0,4.164)
Newton Mod.
(45,260,2.797)
(No converge )
Com Rec.
(46,192,2.795)
(26,129,1.587)
Seem Rec.
(45,205,2.753)
(23,204,1.511)
Com Rec.
(47,185,2.835)
Sem Rec.
(45,206,2.750)
Mtodo
Broyden
CUM
(No Converge)
Tabela 3.3: Mtodos Newton e Quase-Newton com e sem opes de recomeos
3.6.2
M tod os N ew to n In exatos - G M R ES Precondicionados.
Os testes realizados com as diferentes opes que podem ser selecionadas usando estes
mtodos, foram desalentadores quando comparados com o desempenho dos mtodos QuaseNewton. Nas condies exigidas para estes ltimos, no se obteve convergncia em nenhum
caso.
Com o objetivo de avaliar a eficincia dos diferentes precondicionadores implementados, os
requerimentos sobre distintos parmetros tiveram que ser relaxados, para obter convergncia.
Para isso, o tam anho do passo foi reduzido para A Re = 50 e a exigncia sobre a diminuio no
valor do residuo foi aumentada para || F(x^,Re) ||< 10~ . Desta forma, conseguimos obter um
conjunto de resultados, que perm itiu realizar um a anlise mnima. A mudana no valor daquele
ltimo parmetro, impede fazer qualquer tipo de comparao com os resultados obtidos com os
mtodos Quase-Newton, porque a convergncia obtida para solues aproximadas diferentes.
Em uma das experincias relativamente bem sucedidas, obtivemos convergncia at Re =
9100 usando um precondicionador baseado na Fatorao Incompleta, com 0* = 0.1.
Uma tentativa para estim ar qualitativamente a eficcia do precondicionador ao longo do in
tervalo de convergncia, foi feita calculando o quociente entre os valores acumulados do nmero
de iteraes dos laos interno e externo em cada intervalo Re = Re + 1000. Os resultados
mostram que a eficcia do precondicionador vai decaindo paulatinam ente a cada intervalo.
Duas causas inter-relacionadas que contribuem no mesmo sentido, podem explicar este com
portamento: a perda de diagonal dominncia na m atriz Jacobiana e a consequente perda na
qualidade do precondicionador, o qual est sendo reconstrudo sobre um a matriz cada vez pior
condicionada [1]. A irregularidade que se produz no intervalo [1000 2000] , coincide com a
apontada anteriormente usando os mtodos diretos.
Anlise dos Resultados Numricos
;..................................
Precondicionado
Sem Precondicionamento
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
850
900
950
1000
ek =
ek =
0.1
( 12 , 1114 , 1 . 0 )
( 5 , 438 , 0.39 )
( 6 , 544 , 0.49 )
( 7 , 648 , 0.58 )
( 7 , 652 , 0.59 )
( 8 , 754 , 0.68 )
( 10 , 955 , 0.86 )
( 11 , 1053 0.94 )
( 12 , 1152 , 1 . 0 )
( 13 , 1252 , 1.1 )
( 16 , 1151 , 1.1 )
( 13 , 1250 , 1.1 )
( 20 , 1951 , 1 . 7 )
( 20 , 1950 , 1 . 7 )
( 21 , 2140 , 1 . 9 )
( 23 , 2249 , 2.0 )
( 28 , 2749 , 2.5 )
( 22 , 2148 , 1 . 9 )
( 41 , 4048 , 3.6 )
( 22 , 2149 , 1 . 9 )
( 68 , 6748 , 6.0 )
0.67
( 22 1208 , 1.1 )
( 9 . 373 , 0.36 )
( 11 594 , 0.56 )
( 12 567 , 0.54 )
( 12 677 , 0.63 )
( 13 , 682 , 0.64 )
( 15 , 977 , 0.90 )
( 15 , 977 , 0.90 )
( 15 , 988 , 0.91 )
( 17 , 1256 , 1.1 )
( 19 , 1462 , 1.3 )
( 22 , 1764 , 1.6 )
( 20 , 1548 , 1.4 )
( 28 , 2354 , 2.1 )
( 18 , 1215 , 1.1 )
( 36 , 3158 , 2.8 )
( 23 , 1831 , 1.7 )
( 49 , 4441 , 4.0 )
( 24 , 1926 , 1.7 )
( 63 , 5836 , 5.2 )
( 28 , 2317 , 2.1 )
9k =
O
II
Nmero
de
Reynolds
6 , 461
3 , 230
3 , 234
3 , 239
3 , 245
3 , 250
3 , 252
3 , 255
3 , 258
4 , 364
4 , 361
4 , 366
3 , 272
5 , 498
( 3 , 283
(5 , 500
( 4 , 400
( 4 , 400
( 5 , 500
( 4 , 400
( 4 , 400
(
(
(
(
(
(
(
(
(
(
(
(
(
(
0.42
0.21
0.21
0.22
0.22
0.23
0.23
0.23
0.23
0.33
0.32
0.33
0.24
0.44
0.25
0.45
0.36
0.36
0.45
0.36
0.36
)
)
)
)
)
)
)
)
)
)
)
)
)
)
)
)
)
)
)
)
)
0.67
(1 5
(8
(8
(8
(8
(8
(8
(8
(8
(9
(8
(9
(8
(9
, 354 0.38 )
197 , 0.21 )
182 , 0.20 )
231 , 0.24 )
258 , 0.26 )
262 , 0.26 )
262 , 0.26 )
275 , 0.28 )
281 , 0.28 )
385 , 0.37 )
282 , 0.28 )
286 , 0.29 )
281 , 0.28 )
426 , 0.41 )
( 8 317 , 0.31 )
( 10 , 540 , 0.51 )
( 9 425 , 0.41 )
(1 1 , 641 0.60 )
( 9 441 , 0.42 )
( 9 444 , 0.42 )
( I4 , 949 , 0.87 )
Resultados
( 385 , 37095 , 1.0 )
( 471
36151 , 0.99 )
( 9 , 7168 , 0.19 )
( 192 , 7719 , 0.22 )
Globais
Tabela 3.4: Mtodo de Newton Inexato, A Re = 50
3.7. Concluses e trabalhos futuros.
46
Com a mesma finalidade, uma outra srie de testes foi realizado apenas no intervalo Re
[0, 1000] , usando o mesmo precondicionador, com o objeto de avaliar o efeito de se mudar o
parm etro Qk- Os resultados so mostrados na Tabela (3.4). Para cada valor do nmero de
Reynolds indicamos: nmero de iteraes dos laos externo e interno e o tempo de execuo
(escalado), apenas para dois diferentes valores de 6 k, que so os mais representativos sobre
um conjunto bem mais numeroso de testes. Podemos apreciar uma pequena vantagem para
o menor valor de 0k- Em tempo real, a execuo para percorrer completamente o intervalo,
demandou mais de 4 horas.
Sem o uso de qualquer precondicionador no se obteve convergncia e os outros precondicionadores foram menos eficientes.
3.7
C on clu ses e trab alh os futuros.
O estudo realizado neste Captulo representa um esforo para definir um marco de referncia
na soluo das equaes de Navier-Stokes em termos da funo-corrente, usando diversos
Mtodos tipo-Newton, para um problema que modela o fluxo em um a cavidade, para altos
nmeros de Reynolds.
Um conjunto numeroso de solues discretas, em termos da funo-corrente, foi obtido para
nmeros de Reynolds variando entre 0 11000. Este conjunto foi convalidado por comparao
com as solues obtidas por outros pesquisadores.
Uma estimativa do desempenho e eficincia destes Mtodos, orientada para a avaliao do
esforo computacional demandado, objeto principal deste trabalho, foi conseguida a partir da
realizao de inmeras experincias, usando distintos pacotes computacionais que implemen
tam aqueles mtodos . A fixao dos parmetros prprios de cada pacote, que eventualmente
aprimoraram sua eficincia, foram determinados atravs de extensos e minuciosos testes; alguns
dos quais foram explicitamente mostrados.
Os Mtodos Quase-Newton se mostraram robustos e os mais eficazes. No h significativas
diferenas entre eles, entretanto exibiram um desempenho marcadamente superior ao Mtodo
de Newton.
A seleo de maiores passos, para incrementar o nmero de Reynolds, tem-se mostrado como
a mais indicada em relao a economia do custo computacional global. O aumento do tamanho
do passo est associado ao problema de melhorar a aproximao inicial, para a resoluo do
sistema correspondente a cada nmero de Reynolds. Isto sugere a introduo de Tcnicas de
Continuao mais apuradas, implementadas com subrutinas para a determinao autom tica
do tam anho do passo.
Os Mtodos tipo-Newton Inexatos com Precondicionamento no so competitivos; a incluso
e comentrios acima dos resultados obtidos com este mtodo pretendem apenas m ostrar o
desempenho de mtodos iterativos na resoluo de problemas com esta estrutura. Mesmo com
uma reduo nas exigncias estabelecidas como critrio para aceitao da soluo, requereram,
no melhor dos casos, tempos de execuo prticam ente inaceitveis.
3.7. Concluses e trabalhos futuros.
47
Os resultados obtidos mediante a formulao definida pela minimizao d e /( x ) = || F (x) \\l,

usando o pacote BOX-QUACAN foram definitivamente desencorajadores; no se obteve con
vergncia sequer para Re = 0.
Uma tentativa para avaliar a eficcia do uso dos precondicionadores sobre os sistemas ori
ginados na linearizao de F (x) = 0, tampouco produziram um a melhoria significativa, porm
tendo como fato relevante, a consecuo de convergncia. O pacote utilizado neste caso, NIGMRES foi testado com Precondicionadores Secantes e com um a Fatorao LU Truncada,
sendo esta ltima, a opo melhor sucedida. Uma modificao na configurao do esquema
de discretizao do termo no linear, que atenuasse ou evitasse o paulatino crescimento do
mau-condicionamento possibilitaria, em princpio, tornar o mtodo mais competitivo.
Concluses e trabalhos futuros.
o.oo
Figura 3.4: Vrtices para Reynolds= 0
o.oo
Concluses e trabalhos futuros.
o.oo
2 .5 E -0 4
l.OiJ03
0.00
0.00
0.00
2 .5 B -0 4
2 .5 -0 4
1 .0 E -0 3
o.oo
Figura 3.7: Vrtices para Reynolds = 11000
B ibliografia
[1] Axelsson, 0 ., Kaporin, I. E. [1993]: On computer implementation o f Inexact-NewtonConjugate Gradient-type algorithms. Preprint.
[2] Benjamin, A. S., Denny, V. E. [1973]: On the convergence o f numerical solutions fo r 2-D
flows in a cavity at hight Re. J. Comput. Phys 12, pp. 348-358.
[3] Bercovier, M., Pironneau, 0 . [1979]: Numerical Math. 33, pp.211-224.
[4] Brown, P. N., Saad, Y. [1990]: Hybrid Krilov Methods for Nonlinear Systems o f Equations.
SIAM J.Sci. Statist. Comput. 11, pp. 450-481.
[5] Collatz, L. [1973]: Numerical Treatment of Differential Equations. Springer-Verlag. Berlin.
[6] Crank, J., Furzeland, R. M. [1978]: The numerical solution o f elliptic and parabolic partial
differential equations with boundary singularities. J. Comput. Physics 26, pp. 285-296..
[7] Crochet, M. J., Davies, A. R., Walters,K. [1984]: Numerical simulation of non-newtonian
flow. Rheology series 1. Elsevier.
[8] Deuflhard, P. [1991]: Global Inexact Newton Methods for very large scale nonlinear pro
blems. Impact of Comp, in Sc. and Eng. 3, pp. 366-393.
[9] Eisenstat,S. C., Walker, H. F. [1994]: Globally convergent inexact Newton methods. To
appear in SIAM journal on Optimization.
[10] Fox, L., Sankar, R. [1969]: Boundary singularities in linear elliptic differential equations.
J. Inst. M ath. Applied 5, pp. 340-350.
[11] Ghia, U., Ghia, K. N., Shin, C.T.[1982]: High-Re Solutions fo r Incompressible Flow Using
the Navier-Stokes Equations and a Multigrid Method. J. Comput. Phys.48, pp. 387-411.
[12] Glowinski, R. [1984]: Numerical Methods for Nonlinear Variational Problems 2nd ed.
Springer-Verlag. N.Y.
[13] Greenspan, D. [1969]: Numerical solution of prototype cavity flow problems. Comput. J.
12 .
50
BIBLIO G RAFIA
51
[14] Holstein, H., Paddon, D.J. [1981]: A singular finite difference treatment o f re-entrant
corner flow. P art I.Newtonian Fluids. J.non-Newtonian Fluid Mech. 8 , pp. 81-93.
[15] Kubicek, M., Hlavacek, V. [1975]:
IX.Chem.Eng.Sci. 30, pp. 1439-1440.
Solution of nonlinear boundary-value problems.
[16] Matthies, H., Strang, G. [1979]: The solution of nonlinear finite element equations. Int. J.
Num. Meth. Eng. 14, pp. 1613-1626.
[17] M ittelmann, H. D., Roose, D. (Eds.) [1990]: Continuation Techniques and Bifurcation
Problems. Int. Series of Num. M ath., Vol 92.
[18] Moffat, H. K. [1964]: Viscous and resistive eddies near a sharp corner. J. Fluid Mech. 18,
pp. 1-18.
[19] Olson, M. D., Tuan, S. -Y. [1981]: Comput. and Fluids bf 7, pp. 123-135.
[20] Oden, J.T. [1972]: Finite element of nonlinear continua. New York. McGraw-Hill.
[21] Peyret, R, Taylor, T. [1985]: Computational methods fo r fluid flow. Springer Verlag.
[22] Rheinboldt, W. C. [1986]: Numerical analysis of parametrized nonlinear equations. Uni
versity of Arkansas Lectures notes in the mathematical sciences, 7
[23] Richtmeyer, R. D., Morton, K. W. [1967]: Difference methods fo r initial value problems.
Interscience. Publishers. N.Y.
[24] Schreiber, R., Keller, H. B. [1983]: Driven cavity flows by efficient numerical techniques.
J. Comput. Phys. 49, pp. 310-333.
[25] Schreiber, R., Keller, H. B. [1983]: Spurious Solutions in Driven Cavity Calculations. J.
Comput. Phys. 49, pp. 165-172.
[26] Smith, G.D. [1987]: Numerical solutions o f partial differential equations: Finite differences
methods. Clarendon.
[27] Walker, H. F. [1992] : A GMRES-backtracking Newton iterative method. Proceeding of the
Copper Conference on Iterative Methods.
C aptulo 4
D eterm in ao de P on tos Singulares
com M tod os N ew to n -In ex a to s
4.1
Introduo
Neste Captulo, utilizaremos o mtodo Newton-Inexato para a determinao de pontos sin

gulares situados sobre uma curva homotpica (ver Cap. 1). Estes pontos esto relacionados
intimamente com a estabilidade e multiplicidade das solues.
Consideremos o seguinte problema no linear de autovalor
H {y,t) = 0,
(4.1)
onde H : R m + 1
JRm, y e JRm, t M 1.
Usualmente y = y{t) considerada um a soluo de (4.1) j que nas aplicaes fsicas o
autovalor t representa um parm etro de especial interesse (por exemplo a carga sobre uma
estrutura, a tenso em um circuito, etc).
Se ( / o , o) uma soluo de (4.1) e a matriz Jacobiana m x m , H y( y ,t ) inversvel,
possvel garantir a existncia de um a nica curva soluo (y , t ) que passe por (yo,to) de tal
forma a explicitar y(to) yoDefinimos T = {(y , t ) . M m x M\ H(y, t ) = 0}.
Um ponto singular um ponto de F onde Hy(y, t) singular. Quando as linhas de H'(y,t) =
Hy( y , t ) , Ht(y,t) so linearmente independentes, isto , Ht(y,t) 'R\Hy(y,i)\ (a imagem de
Hy(y,t)), o ponto singular denominado ponto de retorno. Existe um a nica curva soluo
que passa por esse ponto, porm a dy/dt infinita e uma pequena variao de t produz um
aumento desproporcionadamente grande em ||y||. Uma situao tpica mostrada na Figura
4.1.
Vrios mtodos tm sido propostos para a determinao de pontos de retorno. A idia
bsica consiste em acrescentar um a o mais equaes ao sistema (4.1) tal que a soluo do
4.1. Introduo
53
Figura 4.1: Ponto de retorno

sistema aumentado
H{y, t ) = 0
Hy{y,t)v = 0 >
l(v)~ 1 = 0
(4.2)
seja um ponto de retorno e de modo a garantir uma matriz Jacobiana no-singular para este
novo sistema (ver [15], [14], [1]).
Todos estes mtodos usam algum tipo de fatorao de matrizes, o que inconveniente em
problemas de grande porte.
O Mtodo de Newton-Inexato ser usado para resolver
F ( x ) = 0,
(4-3)
onde F : M n > M n a funo que aproxima o sistema aumentado 4.2, cuja formulao chave
do presente trabalho.
Na prxima seo introduziremos algoritmos globalmente convergentes; na Seo 3 m ostra
remos os novos sistemas aumentados, cujas solues so os pontos singulares de (4.1). Na Seo 4
apresentaremos os problemas testes conjuntamente com as experincias numricas realizadas,
utilizando um mtodo de Newton-Inexato globalizado para resolver os sistemas mostrados na
Seo 3. A maioria dos problemas foram selecionados da coleo de Melhem e Rheinboldt [14].
As concluses sero mostradas na Seo 5.
4.2. Algoritmos globalmente convergentes
4.2
54
A lg o ritm o s glob alm en te co n v erg en tes
Introduzimos algoritmos globalmente convergentes para resolver (4.3) cujas direes so

geradas pelo mtodo de Newton-Inexato.
Nossa abordagem similar de Eisenstat e Walker [3] e de Martnez e Qi [11] porm sendo
mais geral, desde que podem ser consideradas estratgias no necessariamente baseadas em
buscas lineares.
Consideramos para isso a soma do quadrados de F( x) como a funo de mrito
/ t o - j l l f O O I I 2,
(4.4)
e um algoritmo que reduz monotonamente f ( x k). No que se segue, ||.|| representa a norma
Euclideana.
A lgoritm o 4 M inim izao M ontona
Suponhamos que: a G (0,1), 7 (0, 1], 771, 7/2 G (0,1), t]i < t]2 sejam dados independente
mente de k. xo M n seja uma aproximao inicial arbitrria e a 0 = 1.
Dado x k M n, a k (0 ,1], os passos para obter x k+ i,a k+i so:
Passo 1.
Escolher
dk e JRn.
(4.5)
f(xk -f a kdk) < f ( x k)
(4.6)
Passo 2.
Se
calcular x k + 1 = x k + otkdk, Se (4-6) no for satisfeita, definir x k+i = x k.
Passo 3.
Se
f ( x k+i ) < ( l - a - f a k) f ( x k)
(4.7)
definir a k+i = 1. Seno, escolher

Jfc+1 ^ [rji^k,r)2 a k]-
(4-8)
O algoritmo acima muito geral. Nenhuma condio exigida sobre as direes dk e at

direes nulas 4 = 0 podem ser aceitas.
Impondo condies sobre as direes dk possvel provar interessantes resultados relativos
convergncia, que tero implicaes de ordem prtica.
4.2. Algoritmos globalmente convergentes
55
Teorem a 10 C onvergncia G lobal

Suponhamos que {x M n | / ( x ) < / ( x 0)} seja limitada. Seja {xjt} uma sequncia
gerada pelo algoritmo anterior. Suponhamos que exista M > 0 tal que para todo k = 0 ,1 ,2 , . . . ,
\ \ dk\ \ <M
(4.9)
<J(xt ) 4 , F ( i J ) < - | | | F ( 2 t )l|2 .
(4-10)
e
Ento
(a) Qualquer ponto limite x* de {x*} satisfaz F (x ,) = 0.
(b) Se um ponto limite x* e uma soluo isolada de (4-3) e a k 0, ento {xfc} converge a
x.
(c) Se um ponto limite x e uma soluo isolada de (4-3) e existe
> 0 tal que ||<4|| <
/?||F (xfc)|| para todo k = 0, 1, 2, . . ento {x^-} converge a x.
Prova: (Ver Kozakevich, Martnez e Santos [9])
Essencialmente, o teorema estabelece que se for possvel calcular direes de busca <4 tais
que (4.9) e (4.10) sejam satisfeitas em cada iterao, ento garante-se convergncia global para
a soluo do sistema. Se J( xk ) no singular, a direo de Newton
= J ( x k ) ^ 1 F(xk)
satisfaz (4.10) com 7 = 1. Em geral, se dk satisfaz
||J ( x t )<it + X-rJII2 < ||F ( i ) ||2,
(4.11)
com t G [0, 1) temos que

( J ( x k)dk, J ( x k)dk) + 2 ( J ( x k)dk, F ( x k) ) < ( t - l ) \ \ F ( x k )\\2
Assim.
isto , a condio (4.10) satisfeita com 7 = 1 t. A condio (4.11) a verso quadrtica

do critrio clssico para definir a iterao de Newton-Inexato.
Vemos, em virtude deste teorema, que quando o mtodo de Newton (ou a sua generalizao
para Newton-Inexato) no converge, usando a globalizao dada pelo Algoritmo 4, ento a
sequncia de direes dk geradas ilimitada. Neste caso, o mtodo criar uma sequncia que
tende para um ponto onde o Jacobiano singular. Este ponto no necessariamente um
minimizador local, ou ainda nem um ponto estacionrio de /(x ).
4.3. Implementao
4.3
56
Im p lem en tao
Nesta seo descrevemos a implementao do Algoritmo 4. Basicamente, em cada iterao

escolhemos, Sk = ctkdk como sendo um minimizador aproximado de
= i|| J ( x t )s + F M
sobre um a regio de confiana apropriada (ver Fletcher [4]) da forma ]]51|oo < A. Se 0 no for
um minimizador de 0 , isto , J( xk)TF ( x k) ^ 0, dever ser possvel obter Sk tal que
| | J ( ^ + ^ ) I | 2 < I I ^ ) |2
o que implica que
(J{xk)dk,F(xk))-< 0.
independentemente do valor de a k > 0. Aps avaliarmos Sk, so conferidas as desigualdades
(4.9) e (4.10). Se alguma delas no for satisfeita, a execuo interrompida. Isto acontece
quando o problema no tem soluo. A escolha da norma ||.|joo em lugar da Euclideana responde
necessidade de considerar possveis limitantes para as variveis
A lgoritm o 5 M inim izo em regies de confiana
Seja cr G (0,1), 7 G (0,1], 771, 772'G '(0,1), 7]\ < 772, M > 0, tol G (0,1), m ax G JN dados
. independetemente de k e seja xq G M n um ponto inicial arbitrrio, Ao = M e ao = 1 .
Dado Xk G M n tal que J(xk)TF(xk) ^ 0, A* > 0 e a k G (0,1], 05 passos para obter Xk+i-,
Ajt+i e Qfc+i so os seguintes:
Passo 1.
Calcular Sk como uma soluo aproximada e
Minimizar 0 (5) = ^|| J ( x fc) + F (x fc)|j2 s.t.'IIIIoc < A fc.
(4.12)
A soluo aproximada de (4-12) obtida aplicando o mtodo descrito em [7] parando

quando
||V p 0 (sfc)|| < tol ||V P0(O)!|,
(4.13)
(onde V pij)(s) o gradiente projetado de 0 na caixa ||5||oo < A jJ ou quando 0 nmero

de iteraes usado pelo algoritmo [7] ultrapassa m ax. (Isto garante pelo menos que
. ||/(sfc)sfc + F ( x k)\\ < \\F(xk)\\).
Passo 2.
Definir dk Sk/ck- Se (4-10) e (4-9) so satisfeitas, passar para 0 Passo 3. Seno, parar
(0 algoritmo falhou, provavelmente pela proximidade de um Jacobiano singular)
4.3. Implementao
57
Passo 3.
Idem que o Passo 2 do Algoritmo 1 .
Passo 4.
Idem que o Passo 3 do Algoritmo 1.
Passo 5.
Se ctk+i = 1, definir At+i = M .
Seno, definir Afc+i = ||^fc||oo/2.
Os parm etros usados na implementao so a = 10-5 , 7 = 104, r)\ rj2 =

M IO10,
tol = yq, m ax = n.
O cdigo computacional usado para a implementao deste algoritmo um a adaptao do
algoritmo para minimizao em caixas realizado por Friedlander, Martnez and Santos [6].
O algoritmo usado para obter as solues aproximadas de (4.13) combina iteraes conjuga
das e chopped" (componentes cortadas) do gradiente, de tal forma que vxias restries ativas
podem ser acrescentadas ou eliminadas em um a iterao.
4.3.1
A d eterm in ao de pontos singulares
Dado H : IR,m + 1 iRTO, H H(y, t ), H C 1 (IRJn+1), dizemos (conforme a [15]) que (y,)
um ponto singular de H( y, t ) = 0 s e e somente se H(y*,U) = 0 e se i f y(t/,,) singular. Se
o posto de (i'(y*,t*)) = m dizemos que (y*,) um ponto de retorno. Pontos singulares so
solues de
H( y, t ) = 0
Hy(y,t)v = 0
(4.14)
para algum v G M m. 0 sistema (4.14) tem n = 2m + 1 equaes e incgnitas.

O algoritmo usado para obter as solues aproximadas de (4.12) combina iteraes com
direes conjugadas e chopped do gradiente, de tal forma que as restries ativas podem ser
acrescentadas ou eliminadas em um a iterao.
A resoluo de (4.14) usando um mtodo tipo Newton-Inexato requer o clculo de derivadas
segundas. Entretanto, observamos que
H(y + hv,t) - H(y - h v , t )
2h
Resulta natural ento, substituir (4.14) pelo sistema
Hy(y,t)v
= lim
(4.15)
4.3. Implementao
58
H ( y rt) = 0
H(y+hv,t)-H(y-hv,t) _ o
2h
U
(4.16)
|2 _ 1
para h > 0. de se esperar que as solues de (4.16) para valores pequenos h, sejam boas
aproximaes das solues de (4.14). Uma segunda alternativa consiste em considerar em lugar
de (4.14), o sistema
H( y, t ) = 0
(4.17)
Hy(y,t)v = 0
r-TV = 1
onde r M m no est em 'R(Hy( y, )), o que garante a existncia da soluo das duas ltimas
equaes de (4.17). Este sistema foi usado por Moore e Spence [15] e Seydel [21].
Considerando (4.17), e usando a aproximao (4.15), consideramos o sistema
#(*/,<) = 0
H ( y + h v , t ) - H ( y hv,t) _ r
2h
~ U
(4.18)
= 1
A vantagem de (4.18) sobre (4.16) reside em que o termo no*quadrtico
- l )2 na
funo de mrito (4.4), for substitudo por (rTv l ) 2. Entretanto, se por acaso escolhemos
r
onde (y, ,) o ponto de retorno que estamos calculando, o sistem a (4.17)
no ter soluo. Se o ngulo entre r e 'R(Hy(yt,,tt )) for pequeno, o problema de achar v que
satisfaa Hy(y,t)v = 0 e rTv = 1 pode ser mal condicionado, conduzindo a resultados pouco
confiveis. Em nossas experincias selecionamos r = u0 = ( 1 ,..., l f / m .
Observamos que as matrizes Jacobianas Ji(y,t) e J 2(y,), dos sistemas (4.16) e (4.18) so
respectivamente
Ji(x) =
H' ( y + h v , t ) H (yhv,t)
2h
H v( y+hv , t ) +Hy (yhv,t)
2v1
(4.19)
4.4. Descrio dos Problemas e Resultados Numricos
H ( y + h v , t ) - H ' ( y - h v , i )
59
Hv { y + h v , t ) + H y (yhv,t)
2k
rT
(4.20)
conveniente frisar, que na implementao do Algoritmo 3.1 no so efetuadas fatoraes

de matrizes. Em verdade, apenas precisamos de subrotinas que calculem o produto J\ (y, t )w
e J 2 {y,t)w para vetores arbitrrios w. Observando (4.19) e (4.20), notamos que podemos
aproveitar a estrutura destas matrizes de forma a facilitar a multiplicao por vetores.
4.4
D escri o dos P rob lem as e R e su lta d o s N u m ricos
Para. a realizao dos testes selecionamos os problemas apresentados em [14] acrescentandose mais um outro, originado da modelagem de um problema de transferncia de energia [2].
Cada problema descrito sucintamente deixando claro o significado do ponto de retorno, e
colocando em relevncia alguns dos parmetros mais importantes, em relao ao problema e ao
algoritmo. Com a finalidade de reproduzir os resultados relatados, fomos forados a introduzir
algumas correes em alguns dos dados indicados na referncia [14].
Em cada Tabela, apresentada conjuntamente com a descrio do problema, indicamos na
primeira coluna o sistema aumentado selecionado: A ou B que correspondem respecti
vamente s formulaes (4.16) e (4.18); na prxima o ponto inicial, acompanhado com um
parm etro caracterstico (como por exemplo, o tamanho do problema). Os resultados dos tes
tes, so mostrados a partir da terceira coluna, na qual colocamos o valor do ponto de retorno
achado em cada caso; a seguir indicamos os valores singulares mnimos e mximos de H y
obtidos na aproximao final; na quinta coluna, a soma dos quadrados de /(y, t) e finalmente,
nas duas ltimas colunas, o nmero de iteraes e o nmero de avaliaes da funo realizadas
pelo algoritmo.
O cdigo computacional para cada problema., foi implementado usando FORTRAN 77,
com dupla preciso. Uma adaptao do pacote computacional BOX-QUACAN [6] (para Minimizao em Caixas com Canalizaes) foi usada como subrotina para resolver o problema de
minimizao. Os testes correspondentes aos problemas 1-6, foram realizados em um PC4S6, e
o 7 em um a SUN SPARC-Station 2.
4.4.1
Problem a 1 - Estrutura de barras
Em [16], Oden apresenta um problema, que consiste em determ inar os deslocamentos de

um a estrutura formada por duas barras construdas com um material isotrpico. A aplicao
do mtodo dos elementos finitos nas equaes de equilbrio origina o seguinte sistema no linear
60
F{y, t ) = A(y)y tp, y E IR2 , t G JR1 ,
(4.21)
para o vetor d deslocamento y , onde

A{y)=( y l - * m + V
2/12/2 - W2
K b - m
VjR2
yi - m + 2 /
sendo p G IR2 um vetor de carga dado e n. = 2.

Os testes foram realizados modificando as relaes entre o vetores de carga e o ponto de
retorno informados em [14]. Em lugar de (0.3,0.91) usamos (\/0.91,0.3). Tambm, observamos
que em relao ao primeiro vetor 2 + ^ corresponde a
e ^ corresponde a
Vetores de .Carga:
Qx = (1,0), Q2 = (x/9,0.3).
Pontos iniciais:
P i(yo,t0) = [(3,0), -3 ], P 2 {yo,to) - [(0, 0),5],
PsiVoiU) = [(1,1),1], P4(yo,t0) = [(3,1),-3].
Sistema
(yoi<o)
Iter.
Aval.
9.87e-09
10
6.66e-01
4.38e-10
5.70e-07
6.66e-01
3.72e-l0
3.079209
6.27e-05
6.66e-01
7.23e-09
10
14
1.933818
3.94e-06
0.47e-01
1.37e-10
1.933836
1.30e-07
0.47e-01
9.97e-14
-2.307797
3.06e-05
0.24e-01
7.94e-10
-2.307831
1 ,04e-06
0.24e-01
3.73e-10
t.
Ol(Hy)
&n(Hy)
-3.079205
4.86e-06
6.66e-0l
-3.079205
1.23e-08
3.079201
QuPi
B
A
Q i ,P2
B
. A
Q2 , P
B
A
Q2,P
B
Tabela 4.1: Problema 1
4.4.2
Problem a 2 - A funo de Freudenstein-Roth
O seguinte sistema de equaes, originalmente formulado em [5], usado frequentemente

como problema teste, por vrios autores.
61
Vi - y l +
- 2y2 + 34 - 47 = 0 )
2/i + y2 + y\ - 14?/2 + 10 - 39 = O J
(4.22)
P ara O < t < 1 obtemos dois pontos singulares.

Pontos Iniciais:
P.(>/o,io) = [(l,l),l], P2(jo,io) = [(50,10),-10]
(o. o)
&n(Hy)
f(y*,u)
Iter.
Aval.
Sistema
0.5875923
1.56e-06
1.89e+01
5.18e-09
14
22
0.5875873
5.68e-06
1.89e+01
2.87e-ll
20
36
-0.6863575
6.65e-05
7.73
8.05e-09
16
33
-0.6863527
3.45e-08
7.73
1.00e-14
24
53
Pi
B
A
P2
B
4.4.3
Problem a 3 - 0 problema de estabilidade em aeronavegao
Uma verso simplificada das equaes de equilbrio aerodinmico em aeronaves, que permi
tem prever deslocamentos bruscos em resposta a manobras realizadas, envolve cinco equaes e
oito variveis ([y ,u ]T). Trs destas, (u = [ui, u 2 ,uz]T) que modelam o elevador, aileron e o de
flector respectivamente, funcionam como variveis de controle. Para o problema de estabilidade
de aeronavegao estudado em [13], as equaes adimensionalizadas tem a seguinte forma
A [ y , u f + <Ky,u)
onde
1
A
V
- 3.933
0.107
-0 .9 8 7
0
1.0
0
0
0.002
0
0
0126
0
-0.235
0
-1 .0
0 . 7 2 7 /2 /3
0 . 9 4 9 j/i ?/3
{y, u) =
- 0 . 1 7 6 z/i /2
-
2/ 12/5
yi2/4
= 0,
- 9.99
- 22.95
5.67
0
-0 .1 9 6
- 1.0
(4.23)
V y G -R5, u e m 3,
-t-8.39j/32/4
0
-2 8 .3 7
0
-0 .1 6 8
0
-4 5 .8 3
0
-0 .9 2 1
0
-0.0071
684.4j/4t/5
+0.1732/12/5
1.5782/12/4 +1.132 2/42/2
-7 .6 4
0
0
0
0
+ 6 3 .5 j/42/2 ^
62
Para realizar os clculos escolhemos t = u2, e foram fixados 1 = 7 e 3 = 0. O nmero de

pontos de retorno varia com os valores de 7 .
Neste caso foram necessrias duas correes: o elemento A 31 = 0.002 na m atriz A e na
funo <^>, o termo ?/i?/2 por yiu?.
Valores de 7 :
7 i = -0.05, 7 2 = -0.008, 7 3 = 0.00, 7 4 = 0.05, 7 5 = 0.10
Pontos iniciais:
Pi(yO', to) E(3,1, .1, .5, .3), .5],
P2(yo,<o) = [ ( - 3 ,- .2 ,- .l,.0 2 ,.l ) ,.2 ] ,
B&(yo, to) = [(-2.5, - 8, .03, -.0 4 ), .3],
P4 (yo,to) = [(-2.5,1.5, .06,-.08, .06),.7],
Sistema
T,P{yo,to)
t.
a^Hy)
On{Hy)
/(!/*. . )
Iter.
Aval.
0.5087968
1.26e-05
2.20e+02
1.56e-10
68
139
0.5087889
2.64e-06
2.20e+02
1.04e-09
341
56122
0.2063399
5.17e-05
4.99e+01
9.74e-09
33
52
0.2065148
2.07e-06
4.99e+01
5.07e-09
49
73
0.872326
1.09e-05
5.86e+01
1.08e-10
37
65
0.3887898
1.62e-03
4.71+01
8.62e-04
500
950
0.2929449
4.55e-05
1.84e+02
9.12e-09
22
37
0.2929395
7.84e-06
1.84e+02
2.60e-10
61
77
9.227714e-02
3.46e+01
7.96e+01
1.02e-01
66
165
2.789284e-02
2.26e-02
1.04e+02
1.59e-01
105
214
71 ;-F*i
B
A
"2\P2
B
73:^2
B
A
n;Pi
B
A
7 5 ;>5
B
4.4.4
Problem a 4 - O circuito gatilho
A operao de um circuito gatilho est descrito em [17]. As equaes que descrevem o

fluxo de corrente no circuito podem ser escritas na seguinte forma:
63
(:Vi ~ 2/3)/10000 + (s/i - y2) / 39 + (yi - t ) / 51 = 0

(/2 - ye)/10 + (2/2 - yi)/39 + I{y2) = 0
(/3 - 2/1 )/10000 + (2/3 - s/4)/25.5 = 0
( 2/4 -
2 /3 ) /2 5 .5 +
J /4 / O . 6 2 -
2/5 +
2/4 =
G/s - 2/e)/13 -h 2/5 2/4 + ^(2/5 ) = 0

(ye - 2/s)/13 + (j/e - 2/ 2 ) /1 0 + ( 2/6 -
- y i)/0 .2 0 1 = 0
Os dois diodos e o amplificador esto modelados por I(x) := 5.6 x 10- 8(e25;r 1) , U(x)
7.65<m-1 (1962:r), respectivamente. As quantidades [(2/1,. , 2/e), ] representam voltagens, em
particular ye, a voltagem de sada, de interesse prtico, sendo que a voltagem de entrada.
O comportamento eltrico deste circuito gatilho est caracterizado por dois pontos de retorno.
De acordo com [17], fizemos duas alteraes: num coeficiente de H e no valor do diodo I(x).
Pontos iniciais:
Pi(yo, t0) = [(.05, .5,.05, .05,.15,.13),.5],
P2(2/o,V> = [(-2,.6,.2,.2,.6,9.5),.3].
( 2/0. o)
t.
<n(Hy )
On(Hy)
Iter.
Aval.
0.6020924
1.26e-04
1.03e-01
8.23e-09
98
215
0.6013642
7.28e-05
1.03e+01
9.74e-09
118
148
0.3326203
1.82e-05
2.08e+01
7.58e-09
57
93
0.3329312
1.94e-05
2.07e+01
8.57e-09
27
43
Pi
B
A
P2
B
4.4.5
Problem a 5 - Um problema de reao qumica
A equao integral
y ( s ) - t f k(s,cr) g(y(a)) der = 1, 0 < s < 1,
J0
(4.25)
com k(s, a) = 5 1, s > cr, k(s, a) = k(<7, s) e onde

f \
t 7 ^ (1 ~ z) N
g(z)
= z exp{------
-----),
'
1+/3(1-z)h
foi usada por Moore e Spence [15] para testar algoritmos para calcular pontos de retorno. Esta
integral representa uma reformulao do problema estudado por Kubicek em [10] que descreve
a transferncia de calor e massa em uma pastilha de catalizador poroso. A integral (4.25)
64
aproximada sobre um a m alha regular st- = ih, i = 1, . . . , m usando a regra do trapzio . Esta
discretizao conduz ao seguinte sistema de equaes
m
y i - t h Y , Wj k(s - i, s j ) g(yj) - 1 = 0 ,
j
i = 0,..., m
=o
(4.26)
com wx = 1/2, e wj = 1 nos outros casos. Com 7 = 20, /? = 0.4 e m = 32, so obtidos dois
pontos de retorno.
Pontos iniciais:
Pi(yo, to) = [(1,. , 1), .2], P2 (yo, to) = [ (.5 ,..., .5), .1],
Sistema
( 2/0>o)
t.
Pi
0.1375316
P2
n(Hy)
/(?/*,<)
Iter.
Aval.
3.28e-05
1.00
8.30e-09
0.07791575
8.48e-06
1.09
9 .5 0 e-ll
11
Pi
0.1375395
2.22e-06
1.00
8 .3 9 e-ll
Pi
0.07791559
4.60e-06
1.09
5.49e-10
14
4.4.6
Problema 6 - A Equao H de Chandrasekhar
Em [2], Chandrasekhar apresenta a seguinte equao integral, no contexto de problemas de

transporte de energia radiante.
x{t) = 1 + c / . t ^ y ) dy
L Jo
t+ y
O problema consiste em achar x(i) (E C [0,1], que satisfaa (4.27)
>
Aproximamos a integral usando quadratura com ns em {t}t=1 e pesos {uj}|=1, resultando
assim no sistema no linear
M 4
r / \
-i
^ V ^
,
__
fi(x) = - X i + l + - ^ f-Wj, t = l , . . . , M
^ j = l t i T Ij
com x (E R n.
Quando aumentamos o nmero de pontos usados para aproximar a integral a m atriz Jacobiana perde esparsidade,
Malha: M = 8,16,32.
Ponto inicial:
Sistema
65
P(yo,t0) = [(-5,..., .5), .1]
d(Hy)
&n(Hy)
/(!/*><)
Iter.
Aval.
1.000003
3.42e-06
8.88e-01
3.67e-10
1.000000
1.80e-08
8.88e-01
4.30e-12
10
1.000000
4.48e-7
9,35e-01
4.66e-ll
12
1.000004
6.43e-05
9.35e-01
3.47e-09
12
1.000000
1.67e-06
9.63e-01
1.29e-09
11
1.000000
9.12-08
9.63e-01
2.21e-ll
13
8
B
A
16
B
A
32
B
4.4.7
Problem a 7 - Um problem a de valor de contorno
Consideremos a aproximao do problema com valor de contorno no linear, ( ver Simson

[22])
A u = t g(u), V(x,y)T 0 ,
(4.28)
UQl = 0
sobre um a malha uniforme de tam anho h = l / l em O = [(0, 1) x (0, 1)], na qual definimos a
discretizao de nove pontos para o operador de Laplace como
[4 ( i , j - 1 +
+ w8+i,j-i +
+ Ui+l,j + Ui , j+l) +
-f Ui+ij+i) 20ut-j],
e para o laplaciano de g(u) um a discretizao de cinco pontos

D5 t f K j ) = ^ \ g ( u i d - a) + $(u,_!,*) + g { u i + h j ) + g ( u i J + 1 ) - 4 g ( u i j ) ] ,
Assim obtemos
Bgiiij
+ t[g(iijj) + h ^5f(wt-.j)] = 0,
66
com as respectivas condies de contorno discretizadas

= 0, i = 0, i = M, 0 < j < M, 0 < i < M, j = 0, j = M
que representa um a aproximao da ordem de h 4 para (4.28).
Desta forma, originamos um sistema no-linear de N = ( M l )2 equaes com N incgnitas
uiji h j 1, - - , 1), alm do parm etro t.
Para g(u) foram escolhidos
a) g(u) = eu
b) s M = 1 + i S f e e para o clculo dos pontos de retorno, tamanhos de malha M = 49,121, 225.
Ponto inicial: P( y 0 , t 0) = [(1, . . . , 1), 8]
Sistema
g(u),M
<ri(H y )
On(Hy)
6.807507
8.35e-07
3.07e+01
6.807504
9.44e-07
6.808005
Iter.
Aval.
1.93e-09
3.07e+01
1.44e-10
1.25e-06
3.14e+01
3.39e-10
6.808005
1.44e-06
3.14e+01
2.85e-10
6.808096
3.73244e-06
3.14e+01
1.03e-09
10
6.808045
1.04e-06
3.16e+01
1.68e-09
7.980354
5.52e-07
3.07e+01
2.90e-ll
15
30
7.980359
1.14e-04
3.07e+01
9.15e-09
13
23
7.981427
2.06e-05
3.14e+01
2.76e-10
23
52
7.981423
1.16e-06
3.14e+01
1.30e-l0
24
54
7.981605
1.07e-04
3.16e+01
6.04e-09
44
76
7.981612
8.60e-05
3.16e+01
5.44e-09
23
24
a, 49
. B
A
a, 121
B
A
a, 225
B
A
6,49
B
A
i>, 121
B
A
6,225
B
4.5. Anlise dos resultados e concluses
4.5
67
A n lise dos resu ltad os e con clu ses
Procedemos a um a anlise dos resultados numricos.

Para calcular os acrscimos em (4.14) e em (4.16) usamos em ambos casos, um incremento
h 10-4 . Este valor pode ser convalidado a partir dos valores singulares obtido para Hy na
aproximao final. Outros valores foram testados sem modificar substancialmente os resultados.
Com exceo do Problema 3, o critrio de convergncia definido pela soma dos quadrados de
f{Vk) = }{yk, t k) para a aproximao final foi fixada em ||/(a:fc)|| < 10~8.
P ara 7 = 0 e usando (4.18), atingiu-se o mximo nmero de iteraes (500). A convergncia
para 7 = 0.1 foi conseguida, devido a qu e o critrio ||Vp/(a;*;)|| < 10-5 m ax{|/(a:*)|, 1} / max{||.-rJt:
em relao ao gradiente projetado sobre a caixa 10 < y; < 10, i = 1 , . . . , 5 , 1 < t < 1 foi sa
tisfeito.
O desempenho observado atravs dos experimentos, dos sistemas ampliados (4.16) e (4.1S),
no perm ite concluir sobre a superioridade de quaisquer deles. Em geral, a eficcia de ambas
aproximaes depende principalmente do ponto inicial escolhido e tambm da no linearidade
do problema.
No Captulo 3 tratam os de um problema da dinmica dos fluidos onde o nmero de Reynolds
aparece naturalm ente como o autovalor de (4.1). Schreiber e Keller [19] relatam vrios pontos
de retorno para diferentes tamanhos de malha. Em nenhum caso o nosso mtodo conseguiu
convergncia, usando ambas formulaes e diferentes pontos iniciais. Neste sentido, outras
tentativas foram realizadas para obter solues em diferente pontos no-singulares, redefinindo
a funo de mrito como f ( x ) = \\H(y,t)||, com resultados tambm mal sucedidos. O mtodo
de Newton-Inexato se mostra inadequado para resolver este problema devido probavelmente
disperso no espectro de autovalores da m atriz Jacobiana Hy(y,t).
Iniciamos este Captulo apresentando um mtodo tipo Newton-Inexato por Minimizaro
para resolver sistemas no lineares de equaes. O mtodo no usa buscas lineares e est
implementado usando estratgias de regies confiana. Na formulao selecionada, o sistema
resultante foi resolvido usando o algoritmo de minimizao mencionado. Esta nova metodologia
de resoluo pode ser considerada como uma contribuio para a resoluo de problemas no
lineares de autovalor.
Diversos tipos de problemas reais foram usados como testes para avaliar a eficincia e pre
ciso deste novo esquema de resoluo.
Este mtodo foi testado para calcular pontos singulares de curvas homotpicas, que so
solues de sistemas aumentados aproximados. Salientamos que o ponto chave da nossa for
mulao, consiste em substituir a equao que estabelece que o espao nulo do Jacobiano tem
um vetor no nulo, por um a equao de diferenas, evitando o clculo de derivadas.
As experincias realizadas mostram que o mtodo consegue achar as solues em forma
precisa e perm item recomendar um valor para o parmetro de discretizao. 1
1 Agradecimentos. Dra. Sandra A. Santos, que acompanhou a implementao e a realizao dos testes.
B ibliografia
[1] Abbott, J. P. [1978]: An efficient algoritm for the determination o f certain bifurcation
points. J. of Comp, and Appl. M ath.4, 19-27.
[2] Chandrasekhar, S. [I960]: Radiative Transfer. Dover, New York.
[3] Eisenstat, S. C. , Walker, H. F. [1994]: Globally convergent inexact Newton methods. Para
aparecer em S IA M Journal on Optimization.
[4] Fletcher, R. [1987]: Practical Methods of Optimization (2nd edition), John Wiley and Sons,
Chichester, New York, Brisbane, Toronto and Singapore.
[5] Freudestein, F., Roth, B. [1963]: Numerical solution of systems of nonlinear equations. J.
ACM 10, 550-556.
[6] Friedlander, A., Martinez, J.M ., Santos, S.A.[1992]: A new trust region algorithm fo r
bound constrained minimization. Technical Report, Departament of Applied M athematics,
University de Campinas.
[7] A. Friedlander, J. M. Martinez [1994], On the maximization of a concave quadratic function
with box constraints. To appear in SIAM Journal on Optimization.
[8] Kelley, C. T. [1980]: Solution o f the Chandrasekhar H-equation by Newtons Method. Jour
nal of M athematical Physics 21, pp.1625-1628.
[9] Kozakevich, D. N., Martinez, J.M ., Santos, S.A.[1994]: Inexact-Newton Methods and the
Computation fo Singular Points. Relatrio de Pesquisa 14/94. DMA, IMECC, Universidade
de Campinas, Brasil.
[10] Kubicek, M., Hlavacek, V. [1975]:
IX.Chem.Eng.Sci.30,1439-1440.
Solution of nonlinear boundary-value problems.
[11] Martinez, J. M., Qi, L. [1993]: Inexact Newton methods fo r solving nonsmooth equations.
Relatrio de Pesquisa 67/93. DMA, IMECC, Universidade de Campinas, Brasil.
[12] Matthies, H., Strang, G. [1979: The solution o f nonlinear finite element equations. Int. J.
Num. Meth. Eng.14, pp.1613-1626.
68
BIBLIO G RAFIA
69
[13] Mehra, R.K., Kessel, W.C., Caroll, J.V [1977/78/79]: Global estability and control analysis
of aircraft at high angles of attack. ONR Report-CR-215-248-1,2,3.
[14] Melhem, R.G., Rheinboldt, W .C .[1982]: ,4 comparison of methods fo r determining turning
points of nonlinear equations. Computing 29, 221-226.
[15] Moore, G., Spence, A., [1980]: The calculation of turning points of nonlinear equations.
SIAM J. Num. Anal. 17, 567-576.
[16] Oden, J.T . [1972]: Finite element of nonlinear continua. New York. McGraw-Hill.
[17] Pnish, G., Schwetlick, H. [1981]: Computing turning points of curves implicity definded
by nonlinear equations depending on a parameter. Computing 26, 107-121.
[18] Rheinboldt, W. C. [1986]: Numerical analysis of parametrized nonlinear equations. (Uni
versity of Arkansas Lectures notes in the mathematical sciences; v. 7)
[19] Schreiber, R., Keller, H. B. [1983]: Spurious Solutions in Driven Cavity Calculations. J.
Comput. Phys. 49, pp. 165-172.
[20] Schwetlick, H. [1978]: Numerische Losung nichtilinearer Gleichungen Deutscher Verlag der
Wissenschften. Berlin.
[21] Seydel, R. [1979]: Numerical computation of branch points in ordinary differential equati
ons. Numerische M athematik 32, pp.51-6S.
[22] Simpson, R. B. [1975]: A method for numerical determination o f bifurcation states of
nonlinear systems of equations. SIAM J. Num. Anal. 12, pp.439-451.
C aptulo 5
M to d o s Q u ase-N ew ton e N ew to n
In ex a to para fluxos em m eios porosos
5.1
In trod u o
A construo de modelos que representem adequadamente o escoamento dos fluidos num

reservatrio perm ite realizar previses em relao a sua vida til, capacidade de produo, etc.,
o que determina em princpio, a viabilidade da explorao da bacia petrolfera. Tambm, com a
finalidade de otim izar a extrao do leo contido, possibilita o controle do regime de produo,
a seleo de tcnicas e a implementao de mtodos alternativos de recuperao secundria.
A escolha de um modelo apropriado para um reservatrio, depender bsicamente das carac
tersticas estruturais da rocha produtora e das propriedades dos fluidos presentes. Os modelos
tipo black-oil so usados habitualmente na realizao de testes orientados a avaliar as carac
tersticas numricas de um determinado algoritmo.
Consideraremos mtodos numricos para determ inar o fluxo de dois fluidos imiscveis esco
ando num meio poroso usando o mtodo das diferenas finitas para aproximar as equaes.
A maioria dos simuladores comerciais utilizam um tratam ento temporal explcito para as
no linearidades. Atualmente existe uma tendncia direcionada para o desenvolvimento de
simuladores que ofeream solues totalmente implcitas, cujas principais vantagens so as de
fornecer solues estveis sem a necessidade de lim itar o tamanho dos passos no tempo. Este
esquema origina sistemas acoplados de equaes algbricas no lineares a cada passo do tempo.
A linearizao destas equaes gera sistemas lineares de grande porte, esparsos e no simtricos.
Assim a eficcia do esquema totalm ente implcito ser dada principalmente pelas virtudes do
mtodo para resolver os. sistemas envolvidos.
Neste trabalho compararemos mtodos Quase-Newton e Newton Inexatos para a resoluo
dos sistemas de equaes que modelam este problema para um escoamento bifsico, bidimen
sional considerando um a geometria simples do modelo fsico. Os testes foram orientados com
o duplo objetivo de mostrar algumas das caractersticas de cada algoritmo e indicar princi70
5.2. Descrio do Problema
71
palmente qual deles o mais eficiente para este problema em particular. Nos concentraremos
principalmente nos mtodos que j tm sua eficincia comprovada na resoluo de outros proble
mas, confrontando mtodos diretos e iterativos para os sistemas emergentes. Ambos os mtodos
tm sido implementados com tcnicas complementares baseadas em Fatoraes Incompletas que
melhoram substancialmente seu desempenho.
Na prxima seo, apresentamos as equaes que regem o escoamento num meio poroso
e suas correspondentes discretizaes espaciais e temporais. As caractersticas do problema
implementado sero mostradas na Seo 3. Na Seo 4 descreveremos sucintamente o conjunto
de mtodos para sua resoluo. Os resultados numricos e respectivas anlises sero mostrados
na Seo 5. Finalm ente apresentaremos algumas concluses e sugestes para futuros trabalhos.
5.2
D escri o do P ro b lem a
Os modelos black-oil so considerados como prottipos para este tipo de problemas e vm

sendo usados habitualm ente na realizao de testes para diversos algoritmos na simulao de
reservatrios (ver Aziz [2]).
Fazendo uso das hipteses padres que so habitualmente aplicadas sobre este modelo para
um fluxo multifsico, resultam as seguintes equaes:
Equao de conservao de leo
V (A0(V p0 - 7 oVD) = d (<f>0 S 0 / B 0) / d t + Q 0
(5.1)
Equao de conservao de gua

V ( \ w(Vpo - i wVD) ) = d(<f>wS w/ B w) / d t + Qw
(5.2)
Equao de conservao de gs
V ' (As (^Pg ~ J g ^ D) + Rg0 X0 (V p 0 - 70VD)) =
(<f>Sg/ Bg + Rg0 S 0 / B 0) / t + ( Qg + R g 0Q o)
(5.3)
Consideraremos para o nosso estudo o escoamento de dois fluidos imiscveis em um reser

vatrio bidimensional. As equaes que regem o fluxo para este caso particular podem ser
obtidas a partir das equaes de conservao listadas acima, resultando:
d ( X 0 dp 0 / d x ) / d x + d ( \ 0dp 0 / d y ) / d y d((f>S0 / B 0) / d t + Qo
(5.4)
d ( \ wdpw/ d x ) / d x + d ( \ wdpm/ dy) j dy = d(<$>SwjB w) / d t + Qw,
(5.5)
72
em que o e w designam as fases presentes. 0 termo gravitacional desprezado, supondo um

reservatrio horizontal.
As mobilidades das fases esto dadas por
ApJ = pP krf , sendo / = w ,o ; p = x, y.
f /*/
As presses de ambas as fases esto relacionadas atravs da presso capilar
Pc=Po~Pw,
e a equao de restrio para a saturao como
S w + S 0 = 1.
D iscretizao
Aproximaremos numericamente as equaes de fluxo sobre um a m alha com espaamento
uniforme. A discretizao dos termos de fluxo conduz a :
A (x d-PL
dx \ xS x I .,,
Pfi+Ui Pfi.) I \
Pfi-1,3
a x +1/2 + a * a x , . 1/2
(\
J .
^ (\
Pfi,j+1 Pfi.j | \
PiJ- 1
Pfi,i\
A j,A Wi+' n Aj,)+1/2 . + A *-w A fc_1/2 ) '
(o-6)
(K
(5-'>
e a aproximao para o term o de acumulao pode ser escrita como
1 ( L \ * J _
t \ B j J
At
(5.8)
Bf
Utilizando as aproximaes (5.6) a (5.8) nas equaes (5.4) e (5.5) e multiplicando pelo
volume do bloco da malha A Vj = A x i A y j A z , temos
[TW,-:/2 {Pfi-U ~ Pfi,j) + I W.+1/2
[ - ^ J / / j- l/ 2
(PfiJ-l
AV,.j
At
~ Pfi.j)
( %
- Pf , . 3) ] V +
-^Wj+1/2 (p/ij+i ~ ^ * j)]

-
(^ )i+m
para / = w, o , i = 1,2,..., N x , e j = 1, 2, ...,N y.

As transmissibilidades das fases nas direes x e y esto dadas por
(5.9)
73
_ >
A WA
^ , A x i1/2
-*-vf} 1/2
y f j i /2
AxjAz
Ajfi 1/2
A taxa de produo (injeo) do componente c no bloco i , j em condies padres

Q^.
. = ^K.jcc',j
0 superscrito u indica o nvel na aproximao temporal: v = i/ + 1 para um esquema
totalm ente implcito; v v para um esquema totalmente explcito.
0 primeiro termo entre colchetes em (5.9) a taxa do fluxo da fase / no bloco i , j na direo
x. Podemos escrever este termo como se segue:
A T xf A p j = Txj t_ 1/2
J Pu,*) + c/,+1/2
Q x f i - 1/2
~ PU,]) =
QxJi + 1/2
Similarmente, o segundo termo entre colchetes expressa a taxa do fluxo na direo y :

A T y j A p j = TySj_ l/2 (;pfiJ._1 - Ph j) + r y/j+J/2 (p/M+1 - p / J =
Qyfj-\12 + Qyfj+ifi
Assim, a equao (5.9) representa o balano de material da fase / no bloco i, j . Isto significa
que a taxa volumtrica de fluxo da fase / deve ser igual a taxa de variao de volume acrescida
por um a fonte ou sumidouro da fase / no bloco.
Usando a relao de capilaridade e a de saturao, as equaes discretizadas para ambas
fases podem ser expressas em termos de p 0 e Sw como segue
(A T xwA p 0)i + ( AT xwA P c ) i j + (A T ywAp0)i j -f (A T ywA P c)i =
(5.12)
(A V i J A t ) A t [ t S J B v I i j - [Qw.
( A T X0A p 0)ij + ( AT y0 A p 0)ij =

(5.13)
( AV^ / At ) At [<j>(l - S w) / B 0}L - [Q0\it}
sendo A t = []i/+1
Estas equaes em diferenas aplicadas ao longo da malha, podem ser escritas em forma
compacta como
F( x ) = [Fw(p0 , S w) , F 0 (p0 , S w)]T = T x - C - ^ - - Q ,
(5.14)
74
em que o vetor incgnita x definido como

(11? *^12 *"5 3-ij 1
?.
sendo cada elemento de x um subvetor da forma x tj = (pQ, Sw){T

A m atriz de transmissibilidade T pentadiagonal por blocos cuja estrutura dada por:
/Ti
rrt
J i',j-l/2
rn
i.j
rri
1/2
J-+1/2,j,
onde cada bloco 2 x 2, sendo cada uma das submatrizes

Ti 1/2,j
T
T
xoi\l7
Ti,j 1/2 -
T
1 ywji/2 0u
Tyoj1 i2 0
T- =
0
0
-H TW 0
-Z T 0 0
em que
Yl/To Tx0_ 1/2 + Ty0j_ 1/2 + r x0j+1/2 + Ty0j+1/2.

A forma em que a m atriz T e o vetor x esto definidos implica que a m alha percorrida
primeiro na direo y .
0 vetores A, C e Q representam os termos de acumulao, capilaridade e injeo/produo
cujas componentes so dadas respectivamente por :
( A W l i j
L ( AV*(1 - S J / B J i j
T ratam ento das transm issibilidades

As transmissibilidades das fases introduzem no linearidades nas equaes aproximadas de
vido a sua dependncia com a presso e saturao.
As transmissibilidades interbloco na direo x podem ser expressas como
e similarmente na direo y,
Ty,m n =
( b ^ ) ,1/J (* " W a '
Como se pode observar em ambas equaes, as transmissibilidades esto compostas pelos

seguintes fatores: no primeiro fator aparece o fator geomtrico F g , que depende da geometria da
malha e da distribuio da permeabilidade absoluta (a permeabilidade na interfase do bloco ser
avaliada utilizando a mdia harmnica), o fator seguinte Fp contm os parmetros dependentes
exclusivamente da presso, neste caso usamos um a ponderao centrada; o ltimo fator Fs
depende apenas da saturao. A permeabilidade relativa krf intrinsecamente relacionada
com problemas convectivos com equaes de natureza hiperblica; o uso de um a ponderao
centrada pode conduzir a resultados sem significado fsico. Por este motivo usado um esquema
upstream com a desvantagem de produzir disperso numrica na soluo.
As no linearidades introduzidas pelas transmissibilidades podem ser divididas em dois
grupos: no linearidades fracas causadas pela dependncia com a presso, e no linearidades
fortes que so os coeficientes dependentes da saturao como krf e Pc.
Esquem a to ta lm en te im p lcito
Como pode ser observado em (5.14) as equaes discretizadas para um fluxo bifsico geram
sistemas no lineares de equaes em diferenas a cada passo do tempo.
Para alguns problemas que envolvem escoamento multidimensionais, os esquemas explcitos
ou parcialmente implcitos para as equaes de fluxo discretizadas so inadequados. A estabi
lidade numrica impe limitaes srias sobre tais esquemas. Por este motivo, necessrio um
tratam ento totalm ente implcito para a equao (5.14) o que implica em resolver dado o valor
inicial x 0,
F"+1 (x) = 0
para v = 0, 1, . . . .
A primeira etapa de qualquer mtodo de resoluo requer um a linearao prvia de (5.14).
A escolha na aproximao temporal nos termos de fluxo, acumulao e injeo-produo leva
a selecionar diferentes esquemas de linearizao que motivam outros tantos mtodos. Os coe
ficientes de transporte (transmissibilidades) introduzem as no linearidades mais significativas
nas equaes.
As funes dos resduos para as equaes em diferenas podem ser escritas como
FWiij =
76
(A T xwA p0) + ( ATXWA P C) + (A T ywA p0) + (A T ywA P c) +

(5.15)
( AV i j / A t ) A t [<i)SwI B w}i - [Qw]itj
(A TxoA Po) + ( ATy0 A p0) +
F0i] =
(5.16)
(AVij/At) A t [<Hl - S w) /Be]ij- [ Q 0)it..
A matriz Jacobiana do sistema (5.15) e (5.16) tem a mesma estrutura que a m atriz T e
composta pelas seguintes submatrizes
aPo,
a*,.,. i
as,,
d R i.i
dpoij
d R i.i
9S Wij
9 R W|-
d R Wl
aPii,i
d R i,j
dSwil/2,j
9 R o]
dpt l / 2 j
9 5 i 1/2,i
9 R Wii
d Pi,j i
aH0, ,
. aPoi,Jl
d R Wi i
dSwi,jl
d R 0ti]
d$wij3 1 .
Os elementos destas submatrizes contm as derivadas dos resduos em relao as variveis

primrias p 0 e S w. Usando (5.15) e (5.16) podemos obter os elementos de cada submatriz de
d Ru
( - Z T , + A ^ -A p c + A ^ A p ]
dpoij
Av.,, mp)Su
At
dRwSSu
( - Z T w)P (Sw) + ( A ^ - A P c + A dSwij A Pc)
AV;U ( jL \
Att VBw )
dR0{
dpo:
dSWit] >
E r + A ^ A P H - A g j A P,
k (j _ s ^ )
At
af,
as,.
Sj- = { A ^ A r, + AS
AV^
At \Û/
sendo
dQ
5 Ap) -
Q~
___
77
T j - T xf i _ 1/2 + T xJi+l/2 + T vj ._1/2 + T yfj+1/2.
Os elementos das submatrizes J,\/ 2 j esto dados por:
J - x w, 1i 2 - r-
9 Pi1 J
8Txu'
})
d p,1l2
o \(
Po i i , } Pn
oj
9-Ruit-j
s- k s f ( p ^ ,
dSwil,j
P/
T
-1 x w i l / 2 rP'C
ci>1,J
1 j ^
dPo,l j
-f
XOi 1/2 ^
-,,)+
dT il /2 ( p
d Tx0i 1/2
dPil,j
fo
dRwj j
dSwi,ji
[r
T x w )1/2
d8p
p ,-j1
l'^
VPo'^>
A dTlW],i7 ( p
-p
3po,iJ1
d T z w j 1 /2 /
tl
-Lxoj
xoj i1/2
/2 ^
( P i,> i
,
pr
I /T>
f p
_ p
V C-j i
c-.j /
aTxo* ' (
dPo,.]1
dpi,,i \Po,'-1
dTloi1/2 Z'
35u,t. j1 (Po.i
'95u,t.ji
A m atriz Jacobiana pod<le ser decomposta como
j = r
Po.
Po',l) ^ lxwji/ 2 r c,,J1^
SS,>1 v ' J1
PoiV
i 8JH i /2 /
.+
a7S l / 2
dP,,jl
- Po,,,, )
\ 0,1*>
95-.i,y VPoi1'J
95u''i,>
95u,i'i,j
Analogamente, para as submatrizes J j i/2 temos
aRwn
- r c~
\
Poii)
P<
1- Q '
sendo T ' a derivada da m atriz de transmissibilida.de, Tc' a derivada da m atriz capilaridadetransmissilidade, A' a derivada do termo de acumulao e Q' a derivada do term o de injeo/prodi
Somente as matrizes T ' e T'c introduzem elementos fora da diagonal da m atriz Jacobiana devido
a que os termos de transmissibilidades dependem das variveis do bloco i.,j e dos ns vizinhos.
5.3. Descrio dos mtodos
5.2.1
78
C aracterizao do P roblem a
O problema sobre o qual sero realizados os testes caracterizado pelos seguintes conjuntos
de hipteses e condies:
Formulao do modelo "black-oil para simular o fluxo imiscvel de leo e gua em reser
vatrios horizontais.
Sistema bidimensional em coordenadas cartesianas.
Admite-se compressibilidade de fluido e rocha. Viscosidade no dependente da presso.
Meio isotrpico.
Reservatrio heterogneo com distribuies conhecidas de permeabilidade e porosidade.
Vazo nula na fronteira, Vp() n = 0 em I\
Curvas de permeabilidade relativa para as rochas presentes no reservatrio cuja de
pendncia com S w dada atravs de dados empricos, kTp vs. Sw: a expresso que interpola
os dados (obtida via regresso quadrtica) dada por krp apS whp.
Processo de injeo de gua em reservatrios (para um esquema de um quarto de five
spot).
Discretizao temporal totalm ente implcita.
5.3
D escrio dos m to d o s
Nesta seo comentaremos a incorporao de uma mesma tcnica complementar em dois tipos
de mtodos com concepes diferentes, que foram descritos no primeiro Captulo. A introduo
desta tcnica (ver Zambaldi [17]) modifica drasticamente seu desempenho computacional.
A desvantagem na escolha do esquema totalmente implcito est na necessidade de resolver,
um sistema no-linear a cada passo do tempo. As matrizes envolvidas caracterizam-se por
ser de grande porte, esparsas e no-simtricas. Neste contexto, o ponto crucial do ponto
de vista numrico, na aplicabilidade de um determinado mtodo sobre um simulador, reside
principalmente na eficincia da resoluo dos sistemas.
Embora os mtodos diretos sejam robustos e precisos , o tempo de processamento e a de
m anda de armazenagem so consideravelmente maiores que para os mtodos iterativos. Uma
famlia de mtodos desta classe, denominados tipo Gradientes Conjugados renem as carac
tersticas desejadas desde que incluam o uso de precondicionadores.
5.3.1
79
N ew to n In exato com P recondicionadores de Fatoraes In

com p leta s
Um precondicionador adequado, para um sistema linear A x = b, em que a m atriz A tem

uma estru tu ra esparsa arbitrria, pode ser construdo usando uma fatorao incompleta. Esta
/V Orf
<*V
tcnica consiste em achar um a fatorao aproximada de M =LU, em que L e JJ so obtidas
por um a fatorao incompleta da matriz A, calculada por eliminao Gaussiana, eliminando
os coeficientes que ocasionariam um enchimento na estrutura original de A. Os fatores L e i /
que so m atrizes triangulares inferiores e superiores devem reter o mesmo padro de esparsi
dade de A. Uma melhor aproximao para a fatorao implicar em um a aceitao na perda
desse padro. Designamos a ILU(l) como sendo uma fatorao incompleta com um nvel de
preenchimento definido por l .
Na abordagem de Lantangen [10] o nvel de preenchimento se estabelece m ediante um a
m atriz de ndices P = [i.j] associada diretamente ao parmetro /, que representa o padro de
esparsidade da fatorao LU . Se P = {(i, j)/A{yj ^ 0}, onde A ,tj representa todos os elementos
no nulos de A , conduz a um a m atriz LU onde todos os elementos adicionais originados pela
decomposio so rejeitados; no admitir qualquer preenchimento ser indicado por l = 0.
Lantangen define a m atriz no nvel l utilizando o padro de esparsidade do nvel imediato
inferior.
Assim, ILU(l) definida em termos de I LU(l 1) da seguinte forma: seja a m atriz P/_i
a m atriz cujos coeficientes so os indices (i,j) correspondentes ao padro de esparsidade no
nvel (/ 1). Consideremos a seguir o preenchimento causado ao efetuar o produto L x U. Pi
estar dada pelo conjunto de ndices de P/_x adicionando-se aqueles correspondentes aos novos
coeficientes originados por efetuar o produto LU.
P ara resolver F(x) = 0, o mtodo Newton Inexato gera um a sequncia {sfcj}, j = 1 , 2, . . .
pela aplicao de um mtodo iterativo ao sistema linear
J { xk)s = - F ( x k),
de tal form a de obter um { s kj } suficientemente bom, cuja qualidade determ inada com um
critrio prefixado (ver Captulo 1). Neste trabalho utilizamos um a implementao do mtodo
Newton Inexato com o Mtodo GMRES para resolver os sistemas lineares, usando precondici
onadores baseados em Fatoraes Incompletas.
5.3.2
A tu a liza es Secantes em Fatoraes In com p letas
As diferentes estratgias concebidas para definir as fatoraes incompletas encontradas na

literatura como foi descrito acima, tem como objetivo a construo de precondicionadores para
diminuir o trabalho computacional na resoluo dos sistemas lineares.
Consideraremos neste trabalho, um conjunto de mtodos Quase-Newton onde tanto Bo
como os B q so aproximaes da m atriz Jacobiana. Ou seja B o= J (a?o) e Bk,q=J (^fc)i em ûe
J= J + E sendo J obtida a partir de J com algum critrio. Espera-se com isso obter alguma
economia no produto B ^ l w e um a diminuio na demanda de armazenagem.
rs
<*w
SO
F rm u la s se ca n tes
Os mtodos quase Newton que obedecem a equao secante, diferenciam-se entre si pelas
condies adicionais impostas sobre as matrizes B k, como preservar alguma estrutura da m atriz
Jacobiana ou satisfazer algum princpio de variao mnima.
Neste estudo consideraremos quatro frmulas secantes para gerar as matrizes de iterao
dos algoritmos correspondentes aos mtodos Quase-Newton usando Fatoraes Incompletas.
As frmulas que apresentamos correspondem aos respectivos mtodos secantes: Broyden-1
(Primeiro Mtodo de Broyden); Broyden-2 (Segundo Mtodo de Broyden); Atualizao de uma
Coluna( COLUMN) e Atualizao de uma Coluna da Inversa (ICOL).
Consideraremos a seguintes frmulas para B k:
Em todos os casos yk definido como:
yk = F ( x k+i) - F ( x k)
F rm u la de B ro y d e n -1
d
_ Dk
d 1 ,----------f
(y* - #***) s
Jk+1
sisk
(Ver Broyden [6])
F rm u la d e B ro y d e n -2
B k+l -
Jyk
(Ver Broyden [6])

F rm u la de A tu a liz a o n a C o lu na (C olum n)
(y* ~ BkSk
) ek
BD k+1 = BD k +, --------s
------
J ,
eksk
A | T
sendo
| ejksk I=
II
sk
(Ver Martnez [11])

F rm u la d e A tu a liz a o n a C o lu na d a M a triz In v e rs a (IC o l)
SI
D-i -I , (Sk ~ BkV*) ejk

, , T .........
Bk+i = Bk + ........ejkVk
x.......... sendo IeUyk NI yk I
(Ver Martinez e Zambaldi [12])
As frmulas B-l e Column satisfazem
B U i = (7 + ukz ) {J + uk - i z L i ) - ( i + uoz f j B 0 1
em que os vetores u k, Zk so:
(sk - B ^ y k )
4 B k vk
e
(S k - B ^ y k )
^k
D 1
ejkB k Vk
para cada frmula, respectivamente.

P ara calcular o produto B ^ w para qualquer vetor arbitrrio w G R n necessitamos armaze
nar 2kn posies para Broyden-1 e apenas kn para Column.
Similarmente, para B-2 e para Icol temos
B k+ 1 = ukzk + u k-lZk-i + + UoZq
em que os vetores u k , zk so:
(sk-B^yk)
Uk = ---- jr - z i------ , Zk = Sk
4 B k Vk
e
(s fc - B ^ y k )
Uk = ---- jr- ------ , z k = ejk
ejkB k Vk
B-l e B-2 so frmulas LCSU, enquanto que Column e Icol no satisfazem o princpio de
variao mnima.
J que a demanda de armazenamento de memria para os algoritmos baseados nestas
frmulas cresce com k , devem ser implementados com recomeos.
Habitualm ente B q = J ( x o), e os recomeos so produzidos utilizando algum critrio sobre a
taxa de diminuio do resduo restituindo a matriz Bk = J ( x k) ou, a cada q iteraes da forma
B q = J { x k)\ isto , quando k for mltiplo de um inteiro q a frmula de atualizao no usada.
5.4. Resultados numricos
82
Zambaldi [17] implementou um a famlia de mtodos quasenewtonianos usando Jacobianos

simplificados baseados num a fatorao incompleta do tipo I L U em forma anloga a Lantangen
[10] , com recomeos para valores de q prefixados. Desta maneira B q vem definida pelo valor
do parm etro l e nas q iteraes a fatorao da matriz que aproxima o Jacobiano, atualizada
utilizando algum mtodo secante. Basicamente as iteraes so dadas por
x k + 1 = x k- B~u F ( x k),
BkqJ (&)
(5-17)
(5.1S)
sendo
Bo^(*^0)
em que
J ( x 0)= J ( x 0) + E
isto , J ( x 0) vem de um a fatorao incompleta (I L U ) de J ( x 0), com recomeos a cada q
iteraes.
Um a outra estratgia mais elementar para conseguir uma matriz com um menor padro de
esparsidade que a m atriz Jacobiana, consiste em definir uma matriz aproximada J obtida pela
projeo de J(xk) sobre um subespao S lRnxn. O subespao S pode ser escolhido dentre
aqueles gerados por matrizes de banda. Esta aproximao surge naturalm ente na discretizao
de problemas com valor de fronteira. Os resultados obtidos com diversas aproximaes deste
tipo foram totalm ente desencorajadores.
5.4
R e su lta d o s num ricos
Um extenso conjunto de testes foram realizados utilizando diversos algoritmos com os mtodos
de Newton, Quase-Newton (implementados em Rouxinol) e Newton Inexatos com Precondicionadores Secantes e Fatoraes Incompletas (implementados em NIPrec).
Apresentaremos apenas os resultados obtidos utilizando os mtodos descritos na seo
anterior por apresentar melhor desempenho, sobre um, problema cujos parm etros fsicos e
geomtricos esto listados no fim deste captulo.
A convergncia aceita quando a condio
I li^ O llo o X lO -10

satisfeita.
A divergncia declarada quando o nmero de iteraes Quase Newtonianas ultrapassam
ItMaxQN = 250 para os mtodos QN-ILU, e quando o nmero de iteraes Newton Inexato
ultrapassa I t M a x ^ i = 1000 e/ou H M lxgmres = 25 para os mtodos NI-ILU. Estes limitantes
foram determinados como um procedimento totalmente heurstico.
83
Os resultados apresentam valores acumulados para os parmetros de interesse, isto , para

o ciclo total da simulao.
Selecionamos vrias malhas que foram combinadas com outros tantos parmetros prprios
dos algoritmos e do problema, o que gerou um nmero muito grande de testes.
5.4.1
N ew to n In exatos Precondicionados
Mostramos o primeiro conjunto de resultados na Tabela 5.4.1 para diferentes nveis de pre
enchimento e distintos valores de 0 k (vrios outros valores de 0* tam bm foram testados).
Em cada parntese informamos: ( Iteraes Newton Inexato Acumuladas, Iteraes GMRES
Acumuladas, Tempo de Execuo Acumulado (CPU) [Seg])
Em termos de custo computacional IL U (4) - &k = 0.1 mostrou ser o mais eficiente, com
tempo de execuo: 0.90e+07 enquanto que I L U ( 5) - 9 k = 0.01 demandou um menor nmero
de iteraes. Este fato pode ser explicado como se segue: com 6 k = 0.1 temos mais iteraes
de GMRES porm em espaos de menor dimenso e, em consequncia, com menor custo com
putacional.
ILU(l)
O
II
J
6k = 0.01
1-2
( 264 , 20216 , ,509e+l3 )
( 214 , 18607 , ,497e+13 )
1= 3
( 217 , 3693 , .152e+09 )
( 159
1= 4
( 203 . 2298 , ,900e+07 )
( 161 , 2248 , .142e+08 )
1= 5
( 207 , 2034 , .520e+08 )
( 162
3964 , ,181e+10 )
2001 , .659e+08 )
Tabela 5.1: Newton Inexato com Fatorao Incompleta , Malha: M = 50
5.4.2
Q u ase-N ew ton co m Jacobianos de Fatoraes In com p letas
Apresentamos um a sequncia de tabelas para problemas de tam anhos crescentes, em que

o nmero de resultados apresentados sero gradualmente reduzidos, levando em considerao
o desempenho computacional observado. Escolhemos vrias malhas e realizamos diversas ex
perincias com varios nveis de preenchimento l selecionando valores diferentes para os re
comeos q. Os mtodos usados foram:
A : Mtodo de Broyden-1 (Primeiro Mtodo de Broyden)
B : Mtodo de Broyden-2 (Segundo Mtodo de Broyden)
84
C : Mtodo de Atualizao de uma Colun

D : Mtodo de Atualizao de uma Coluna da Inversa
/= 2
1= 3
1= 4
1= 5
10
25
> 250
> 250
> 250
2766, 129, ,844e+01
> 250
1672, 78, .168e+02
2844, 289, ,348e+03

1607, 73, .956e+02
50
100
> 250
> 250
2087, 58, ,514e+01

> 250
1824, 51, ,137e+02

> 250
1663, 47, ,819e+02

> 250
10
25
> 250
3839, 169, .318e+02
> 250
1564, 82, ,535e+01
> 250
1186, 57, ,135e+02
> 250
1123, 56, .656e+02
50
100
1723, 46, ,998e+00

1596, 30, ,724e+00
1294, 36, .308e+01

1346, 31, .297E+01
1089, 32, .866e+01

1151, 31, .869E+01
1021, 32, ,489e+02

1070, 31, ,535e+02
10
25
> 250
> 250
> 250
3575, 161, .107e+02
>250
1727, 79, ,175e+02
> 250
1444, 67, ,803e+02
50
100
> 250
> 250
2258, 57, ,442e+01

2486, 37, ,315e+01
1773, 49, ,132e+02

2089, 37, ,943e+01
1593, 46, .680e+02

2004, 37, ,672e+02
10
25
> 250
> 250
> 250
1777, 86, .561e+01
> 250
1306, 61, .137e+02
2391, 238 ,253e+03

1175, 57, ,777e+02
50
100
2049, 55, ,994e+00

1757, 30, .676e+00
1445, 36, .327e+01

1457, 31, ,285e+01
1181, 35, .879e+01

1206, 31, -873e+01
1086, 33, ,484e+02

1129, 31, ,562e+02
Tabela 5.2: Quase-Newton com Fatorao Incompleta, Malha: M = 30

Com I = 0 e I = 1 obtivemos convergncia somente para esta malha, sendo l = l o nvel
que apresentou o melhor resultado.
Os recomeos pioram o tempo de execuo e em alguns casos inibem a convergncia; para
q = 10 na maioria dos testes ultrapassou H M x q n . Idealmente, o valor de q (parm etro que
fixa o nmero de iteraes para acionar os recomeos) deveria ser maximizado, porm h uma
limitao na capacidade de memria para os vetores que armazenam as atualizaes secan
tes. Este fato que se repetir para as outras malhas, corrobora que a melhor aproximao
ao Jacobiano corresponde aquela que conserva um pouco mais o histrico que vem sendo re
alizado pelos mtodos secantes atualizando a fatorao incompleta. Contrariamente quando
recomeamos com a ILU do Jacobiano no ponto atual, este Jacobiano Incompleto est mais
longe do Jacobiano verdadeiro que com as atualizaes ILU + Q N .
Observamos que h um comportamento regular considerando a eficincia do mtodo em

relao ao nvel de preenchimento com o tam anho da malha. Obviamente convm trabalhar,
Resultados numricos
/= 2
1= 3
1= 4
1= 5
50
> 250
3742, 90, .609e+03
2484, 64, .268e+03
2471, 62, ,947e+04
100
> 250
> 250
> 250
> 250
50
2768,68, 141.e+03
1670, 46, ,345e+03
1289, 34, .146e+04
1193, 33, .715e+04
100
2091, 30,.615e+02
1632, 31, .254e+03
1342, 31, .133e+04
1240, 31, ,624e+04
50
> 250
> 250
2445, 67, ,270e+04
2304, 60, .914e+04
100
> 250
> 250
3104, 47, .176e+04
3096, 48, ,724e+04
50
3116, 75, .138e+03
1984, 46, .333e+03
1447, 44, .176e+04
1311, 37, ,587e+04
100
2410, 32, .667e+02
1781,31, ,243e+03
1460, 31, .131e+04
1331, 31, .584e+04
1= 2
1= 3
1= 4
1=5
> 250
> 250
> 250
> 250
2555, 30, .280E+04
1921, 31, .858E+04
1541, 31, .344+05
1431, 31, .294E+06
> 250
> 250
> 250
3556, 52, .405E+06
3462, 45, .349E+04
2140, 31, .814e+04
1682, 31, .329e+05
1544, 31, .337e+06
S6
enquanto convergncia, com o menor nvel de preenchimento. Entretanto, vale observar, que
para NI-ILU obtivemos o melhor desempenho com l = 4
Em geral, o nmero de iteraes totais diminui e o tempo de execuo (CPU) aum enta com
o incremento de L Isto devido a que por um lado o aumento de preenchimento da fatorao
proporciona um a melhor aproximao ao Jacobiano sendo que por outro lado aumentado o
custo das iteraes individuais pela perda de esparsidade.
Etapa
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Passo de
Tempo
[Dias]
Iteraes
Q-N
Tempo de
Execuo
[Segundos]
Erro no
Balano
de Agua
E i t o no
Balano
de leo
0.01
0.19
1.64
1.99
3.11
5.55
7.67
10.2
14.4
19.0
25.1
31.7
40.7
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
50.0
130
47
49
49
49
52
52
54
54
55
63
64
77
92
87
82
80
81
71
70
77
70
66
73
71
68
76
67
76
69
69
0.522E+02
0.673E+02
0.823E+02
0.974E+02
0.112E+03
0.128E+03
0.143E+03
0.159E+03
0.174E+03
0.189E+03
0.204E+03
0.219E+03
0.234E+03
0.250E+03
0.265E+03
0.279E+03
0.294E+03
0.309E+03
0.324E+03
0.340E+03
0.355E+03
0.370E+03
0.385E+03
0.400E+03
0.414E+03
0.429E+03
0.445E+03
0.460E+03
0.474E+03
0.489E+03
0.489E+03
O.OOOE+OO
0.279E-09
0.106E-08
0.267E-08
0.393E-08
0.815E-08
0.167E-07
0.312E-07
0.405E-07
0.530E-07
0.796E-07
0.126E-06
0.165E-06
0.225E-06
0.261E-06
0.293E-06
0.350E-06
0.415E-06
0.465E-06
0.543E-06
0.586E-06
0.655E-06
0.756E-06
0.818E-06
0.924E-06
0.101E-05
0.114E-05
0.134E-05
0.143E-05
0.161E-05
0.165E-05
O.OOOE+OO
0.919E-08
0.684E-07
0.189E-06
0.283E-06
0.601E-06
0.124E-05
0.228E-05
0.298E-05
0.378E-05
0.536E-05
0.771E-05
0.961 E-05
0.120E-04
0.126E-04
0.139E-04
0.150E-04
0.160E-04
0.182E-04
0.205E-04
0.220E-04
0.229E-04
0.240E-04
0.249E-04
0.262E-04
0.290E-04
0.326E-04
0.364E-04
0.393E-04
0.414E-04
0.424E-04
Tabela 5.5: ICOL com Fatorao Incompleta , Nvel: l = 3

Na Tabela 5.5 mostramos um a experincia completa da simulao realizada para um tempo
total de evoluo de pouco mais de 1000 dias (para isto selecionamos o mtodo ICOL para um a
malha M = 50 e nivel l = .3). Para levar a cabo completamente a simulao foram necessrias
31 etapas determinadas atravs de uma rotina que controla autom aticamente o tam anho dos
passos a partir das variaes mximas das variveis entre dois passos consecutivos. Todas
as experincias forma realizadas respeitando esta sequncia. O tamanho do passo mximo
tolerado de 50 dias. Na terceira e quarta coluna obervamos o nmero de iteraes e o tempo
5.5. Concluses e Trabalhos Futuros
87
de execuo requerido para cada etapa. Nas duas ltimas colunas so mostrados os erros nos
balanos de massa (gua e leo) acumulados durante a simulao.
Todas as experincias foram realizadas em uma Work Station Sparc-5; os cdigos com puta
cionais usados esto escritos em linguagem FORTRAN 77, em dupla preciso.
5.5
C on clu ses e Trabalhos F uturos
Neste trabalho, atravs de um vasto nmero de testes dentre os quais foram extrados os
mais relevantes, mostramos que existe um a clara superioridade computacional dos mtodos
quase-newtonianos combinados com Fatoraes Incompletas sobre mtodos iterativos precondicionados que usam esta mesma tcnica. Este resultado constitui um a contribuio para a
resoluo deste tipo de problemas.
Os resultados obtidos com mtodos quase-newtonianos com B> = J ( x o), como implemen
tados em Rouxinol mostraram-se pouco eficientes em relao aos outros.
Os mtodos Newton Inexato com precondicionadores construdos sobre Fatoraes Incom
pletas tiveram um melhor desempenho que quando usados com Precondicionadores Secantes,
porm foram menos eficientes que os Quase-Newton com Bo=LU com recomeos, em que LU
obtida a partir de um a Fatorao Incompleta do Jacobiano.
Entre estes ltimos Broyden-2 e ICOL mostraram ser os mais eficientes, convergiram em
todos os casos e Broyden-2 apresentou uma leve vantagem sobre ICOL. Em condies de con
vergncia nenhum dos mtodos mostrou um a notria superioridade em relao aos outros.
Para problemas de evoluo, onde um sistema no linear e/ou vrios sistemas lineares
subjacentes so resolvidos a cada passo do tempo, algoritmos que usam um a fatorao simblica
para as matrizes de iterao aumentam significativamente sua eficcia.
As caractersticas do problema proporcionam um vasto e diverso conjunto de possibilida
des a serem pesquisadas. Com propsito similar ao do presente trabalho tm-se desenvolvido
tcnicas como: Decomposio de Domnios, Formulaes com Implicitude Varivel, etc., que
eventualmente poderiam combinar-se com os mtodos aqui apresentados.
Por outro lado, o modelo selecionado neste trabalho oferece a possibilidade de modificar a
dependncia funcional da transmissiblidade com a saturao, permitindo implementar proble
mas com diferente tipo de no linearidades e analisar sua resposta dos distintos mtodos em
cada caso. Outras possveis escolhas, diferentes da selecionada no presente trabalho podem ser:
\\ Kk r w
s 2
h 1 h
~ ( p . o / w ) ( i - s w 2) + s w *-> K to ~ 1
II) kro
III) k r0
Syj,
Sw ,
krw Syj,
Siy
Independentemente da relao de dependncia funcional, em geral as funes de resduos

contm no linearidades que podem ser encontradas nos diferentes termos que as compem,
5.5. Concluses e Trabalhos Futuros
88
como foi devidamente exposto.

Os diversos mtodos de soluo existentes, conforme a abordagem proposta por Rodrguez
[15], esto caracterizados por ter um a correspondncia direta com um determinado nvel de
implicitude que podem ser identificados e correlacionados atravs de uma seleo apropriada
dos diferentes termos que compem a matriz Jacobiana. Respectivamente, existe uma relao
explcita entre esse nveis de implicitude e o grau de no linearidade das equaes. Esta mesma
abordagem poderia ser aplicada como critrio para escolher um Jacobiano Simplificado seleci
onando um nvel de implicitude menor ao TI para construir um a matriz que determ inaria uma
maior esparsidade. Alternativamente sobre esta matriz falsa efetivar-se-iam as Atualizaes
Secantes o que eventualmente serviria para aumentar o padro de esparsidade na Fatorao LU
Incompleta e assim conseguir alguma economia computacional adicional.
Existem diversos problemas na Engenharia de Simulao de Reservatrios, onde o nmero de
incgnitas significativamente maior. Consequentemente, a necessidade de diminuir os custos
computacionais passa a ser um item de importncia crucial. Exemplos de problemas deste tipo
so: escoamentos multifsicos com multicomponentes, refinamento de malhas em subdomnios
especficos, etc.
Concluses e Trabalhos Futuros
Parm etros fsicos e geom tricos do reservatrio
Dimenses laterais lc [ft]

A ltura [ft]
A T min [Dias]
A T max [Dias]
Tempo de evoluo [Dias]
Presso capilar Pc
Viscosidade da gua fi0 e do leo fxw [cp]
Porosidade (j>
Permeabilidade absoluta K [mD]
Compressibilidade relativa da gua crw e do leo cro [psi- l]
Fator de formao volumtrico da gua B w e do leo B 0 [psi]
Vazo de injeo de gua [bb/d] Qi
Vazo de produo de gua e leo Qp [bb/d]
Presso inicial p 0 [psi]
Saturao inicial S w
300.0
10.0
0.01
50.0
1000.0
0.
1.0
0.10
12.5
1 x 10"6
1.0
20.
20.
3000.
.25
B ibliografia
[1] Aziz, K., Settari, A. [1979]: Petroleum Simulation. London, Applied Science Pub.
[2] Aziz, K. [1993]: Notes for Petroleum Reservoir Simulation. Stanford University.
[3] Behie, A, Forsyth, P. A. [1984]: Incomplete Factorization Methods fo r Fully Implicit Si
mulation o f Enchanced Oil Recovery. SIAM J. Sci. Stat. Comput., [5], pp. 543-561.
[4] Behie, A, Vinsome, P. K. W [1982]: Block Iterative Methods for Fully Implicit Reservoir
Simulation .Soc. Pet. Eng. J., [22],pp. 659-668.
[5] Bonet, L. [1990]: Simulao Numrica de Reservatrios utilizando um Mtodo de Implicitude Auto-adaptvel. Tese de Mestrado. FEM. UNICAMP.
[6] Broyden, C.G. [1965]: A class of methods for solving nonlinear simultaneous equations,
Mathematics of Computation 19, pp. 577-593.
[7] Collatz, L. [1973]: Numerical Treatment of Differential Equations. Springer-Yerla.g. Berlin.
[8] Ewing, R.E. [1983]: Editor. The Mathematics o f Resevoir Simulation. SIAM. Philadelphia.
[9] Langtangen, H. P. [1989]: Conjugate Gradient Methods and ILU Preconditioning o f NonSymetric Matrix with Arbitrary Sparsity Paterns.Int. J. Num. Meth. Fluids, [9], pp. 213233.
[10] Langtangen, H. P. [1990]: Implicit Finite Element Methods fo r Two-phase Flow in Oil
Reservoirs. Int. J. Num. Meth. Fluids, [10], pp. 651-681.
[11] Martinez, J.M. [1994]: Quase-Newton Methods witht Derivatives. Por aparecer em Calcolo.
[12] M artinez, J.M.; Zambaldi, M.C. [1992]: An inverse Column-Updating M ethod for sol
ving Large-Scale Nonlinear Systems of Equations, to appear in Optimization Methods and
Software.
[13] Peaceman, D.W. [1977]: Fundamentals of numerical reservoir simulation. Amsterdam.
[14] Pim entel Gomes, H. [1990]: Modelo composicional de reservatrios com Formulao To
talmente Implcita. Tese de mestrado. FEM. UNICAMP.
90
BIB LIO G R AF IA
91
[15] Rodriguez, F. [1988]: Un enfoque unificado de mtodos de simulacin numrica de yacimientos. Workshop das aplicaes da cincias na engenharia de reservatrios. Rio de
Janeiro.
[16] Smith, G. D. [1987]: Numerical solutions of partial differential equations: Finite differences
methods. Clarendon.
[17] Zambaldi, M. C. [1995]: Mtodos Quase-Newton com, Fatoraes Incompletas. Relatrio
Tcnico. DMA-CFM. UFSC.
A p n d ice A
C om entrios Finais
Neste trabalho analisamos o desempenho de um conjunto de algoritmos para resolver sistemas
no lineares originados em problemas reais. Selecionamos para isso, diversos problemas da
Fsica e da Engenharia e vrios algoritmos cujas implementaes computacionais se encontram
em diferentes estgios de experimentao.
Os problemas foram escolhidos com diferentes critrios; por um lado objetivamos origi
nar casos com diferentes dificuldades numricas mais ou menos generalizadas em relao s
no-linearidades e estruturas, por outro lado consideramos a assididuida.de com que estes pro
blemas aparecem na literatura como problemas testes para estim ar a eficincia dos mtodos.
Esta ltim a considerao nos levou a tratar com esses problemas e seus respectivos esquemas
de aproximao de maneira a reproduzi-los com a maior fidelidade, antes de nos preocupar
exessivamente em melhorar sua formulao numrica. Com a finalidade de estabelecer formas
padres de resoluo demos um tratam ento numrico unificado o que eventualmente implicou
na necessidade de ignorar em algunas situaes, particularidades fsicas e numricas prprias
do problema.
Os algoritmos especializados na resoluo de sistemas no lineares de grande porte, cujas
implementaes preexistentes foram adequadas para serem aplicadas aos sistemas, so baseados
nas ideias dos mtodos de Newton, Quase-Newton e Newton inexatos.
Em cada um a das respectivas implementaes existe um conjunto de parm etros que de
vem ser definidos pelo usurio. Em todos os casos a realizao de experincias preliminares
perm itiu fixar valores para alguns desses parmetros, sendo que os considerados mais relevan
tes foram deixados expressamente como variveis constituindo-se em incgnitas adicionais a
serem determinadas ao longo das experincias. Devemos esclarecer que a determinao desses
valores de forma a otimizar o desempenho dos pacotes computacionais foi um a preocupao se
cundria; assim mesmo consideramos que a sua determinao constitui um a contribuio para
o melhoramento desses pacotes.
M ajoritariamente os sistemas foram gerados pela aproximao de problemas de contorno
92
93
com um parm etro que pondera o term o no linear, o qual origina dificuldades na convergncia
dos algoritmos. Estes problemas possibilitaram uma comparao da eficincia dos algoritmos
e um a anlise do efeito de introduzir diferentes estratgias de globalizao.
Considerando a existncia de problemas padres que representam formas simplificadas das
criadas pelas modelagens dos problemas reais selecionamos as equaes de Poisson No-Linear, o
Problema de B ratu Modificado e o Problema de Conveco-Difuso No-Linear, estabelecendo
um marco de referncia ao identificar valores do parmetro para os quais a resoluo das
equaes apresentam especiais dificuldades. Neste caso a nossa preocupao esteve dirigida a
detectar situaes problemticas sem nos interessar exessivamente com a eficcia dos algoritmos
utilizados.
Mediante o uso de tcnicas elementares de continuao, as equaes de Navier-Stokes foram
resolvidas num a cavidade quadrada para altos nmeros de Reynolds. 0 fluxo newtoniano e incompressvel em regime estacionrio. A formulao das equaes em termos da funo-corrente
define um problema de quarta ordem no-linear, com valores de fronteira. Outras tcnicas de
globalizao foram introduzidas para resolver este problema, cujos resultados complementam
os obtidos com operadores de segunda ordem.
Os mtodos de globalizao por otimizao tiveram um desempenho pouco eficiente tanto
em relao a obteno de convergncia quanto em relao ao tempo de execuo.
Um novo mtodo para a determinao de pontos singulares situados sobre um a curva homotpica foi testado sobre uma coleo de diversos problemas. Estes pontos esto relacionados
intimamente com a estabilidade e multiplicidade das solues. As solues so obtidas atravs
de sistemas aproximados aumentados. 0 ponto chave da formulao consiste em substituir a
equao que estabelece que o espao nulo do Jacobia.no tem um vetor no nulo por um a equao
em diferenas, evitando o clculo de derivadas.
Algoritmos com atualizaes Secantes sobre Fatorizaes Incompletas e Newton Inexatos
Precondicionados so comparados em termos de eficincia computacional para resolver as
equaes que regem o escoamento bifsico bidimensional num meio poroso. Os sistemas fo
ram gerados pela discretizao das equaes originadas por um modelo tipo black-oil com
um a formulao totalm ente implcita.
Para os tamanhos dos problemas definidos os mtodos diretos mostraram ser robustos e
precisos apresentando vantagens em relao aos mtodos iterativos. 0 nmero de incgnitas
em cada caso foi determinado a partir das experincias realizadas por outros pesquisadores ou
por uma limitao na capacidade do computador utilizado.
A eficincia dos mtodos teve um a dependncia mais marcante em relao s propriedades
estruturais das matrizes Jacobianas do que com o tipo ou grau da no-linearidade das funes
de resduos.
94
0 Mtodo de Newton teve o melhor desempenho na consecuo de convergncia sendo que

neste caso os mtodos quase-newtonianos foram mais eficientes. Em termos gerais o Mtodo
de Newton Modificado se mostrou como uma excelente opo e deveria ser testado sempre por
quem esteja interessado em obter economia no custo computacional.
Mtodos Quase-Newton combinados com Fatoraes Incompletas mostraram ser muito efi
cientes. Isto , mtodos diretos funcionam melhor que os iterativos enquanto exista capacidade
de memria computacional.

Sistemas Nao Lineares Da Fisica e Da Engenharia

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Sistemas Nao Lineares Da Fisica e Da Engenharia

Enviado por

Direitos autorais:

Formatos disponíveis

Depaxtamento de M atemtica Aplicada

Instituto de M atemtica, Estatstica e Cincia da Computao

Daniel Norberto Kozakevich1

Dissertao subm etida ao Depaxtamento de M atemtica Aplicada

Dr. Jos Mario Martinez, DMA-IMECC-UNICAMP

Dr. Clvis R. Maliska, FEM -UFSC

Dr. Jos A. Cuminato, DM, USP-S.Carlos

Dr. Murilo F. Thom, DM, USP-S.Carlos

Mrio C. Zambaldi, DM -CFM -UFSC

I o Suplente: Mrcia A. Gomes-Ruggiero, DM A-IMECC-UNICAMP

2o Suplente: Vera L. Rocha Lopes, DM A-IMECC-UNICAMP

3 Suplente: Jos V. Zago, DMA-IMECC-UNICAMP

4o Suplente: lvaro De Pierro, DMA-IMECC-UNICAMP

A grad ecim en tos

Ao meu Orientador pela pacincia e motivao infindveis.

A Gaby, Ale e Conce pela compreenso e por compartilharem as dificuldades e alegrias

Dedico este trabalho minha famlia.

2 M tod os tip o N ew ton para problem as com valor de contorno

3 M tod os tip o N ew ton globalizados para a equao biharm onica no linear

3.6.2 Mtodos Newton Inexatos - GMRES Precondicionados.................................

D eterm in a o de Pontos Singulares com M tod os N ew to n -In ex a to s

M to d o s Q u ase-N ew ton e N ew ton Inexato para fluxos em m eios porosos

Equao de Poisson No L i n e a r .....................................................................................

Mtodos Newton e Quase-Newton, A Re = 250 ...........................................................

Newton Inexato com Fatorao Incompleta , Malha: M = 5 0 .................................

4.1 Ponto de r e t o r n o ..................................... ....................................................... ................... 53

A lgoritm os para a R esolu o d e S istem a s N o Li

Dada F : Mn JRn, F ( / i , . . . , f n)T, desejamos achar a soluo de

' V A (*)T '

Algoritmos para a Resoluo de Sistemas No Lineares

particular de J( x) com a finalidade de melhorar as caractersticas computacionais do algoritmo

O Mtodo de Newton costumeiramente usado para resolver (1.1). Dada um a estimativa

A cada iterao de Newton devemos avaliar o Jacobiano J ( x k) e resolver o sistema linear

Algoritmos para a Resoluo de Sistemas No Lineares

0 sistema (1.1) tem um a nica soluo se e somente se J ( x k) no singular. Um Jacobiano

onde A um parm etro dado pelo usurio.

(Prova: Ver Ortega e Rheinboldt [61], Dennis e Schnabel [13], etc.).

A consecuo da convergncia quadrtica (p = 1) depender da satisfao da condio de

Os mtodos Quase-Newton caracterizam-se por evitar o clculo das derivadas e a necessidade

Algoritmos para a Resoluo de Sistemas No Lineares

0 Mtodo de Newton Estacionrio o mais simples dos mtodos Quase-Newton, onde

Reciprocamente, se Bk+i satisfaz (1.11), Lk+\ interpola F em x k e x k+1. Designamos Mtodos

para o mtodo de Broyden, e

para COLUM onde {e1, . . . , en} e a base canonica lRn.

Algoritmos para a Resoluo de Sistemas No Lineares

onde uk = (sk B k 1y k) / ( z k)TB k 1yk, e assim

para k = 1, 2 ,3 . .. Se n for grande a frmula (1.18) utilizada.

Os principais resultados sobre a convergncia dos algoritmos Quase-Newton so enunciados

Algoritmos para a Resoluo de Sistemas No Lineares

(Prova.: ver Dennis e Mor [11].)

ento a convergncia superlinear.

O Teorema 3 no garante a convergncia local de todos os Mtodo Secantes. Em verdade,

Um resultado similar pode ser obtido para o Mtodo de Atualizao de um a Coluna da

Mtodos Newton Inexatos

(Prova: ver Martnez [52]).

lim ||xfe- a :* ||1/fc = 0.

(Prova: ver Martnez [52]). A propriedade (1.24) determina um a convergncia R-superlinear.

Quando o mtodo de Newton aplicvel resoluo de (1.1), recomndavel o uso de

Mtodos Newton Inexatos

\\J(xt )sl + F ( x t ) \ \ < e t \ \ F ( x %

Os mtodos definidos sobre espaos de Krylov so costumeiramente implementados usando

Mtodos Newton Inexatos

Uma outra opo definir

onde Ck+i um precondicionador clssico e Dk escolhida de modo a satisfazer (1.11).