Terminal de consulta web

Resumo: A detecção de descontinuidades e um problema que aparece em muitas áreas de aplicação. Exemplos disto são os métodos de Fourier em tomografia computa dorizada, inversão em ressonância magnetica e as leis de conservação em qua»c~oes diferenciais. A determina»c~ao precisa dos pontos de descontinuidade e essencial para obter converg^encia exponencial da serie de Fourier para fun»c~oes cont³nuas por partes e evitar assim os efeitos do conhecido fen^omeno de Gibbs. Nos trabalhos de Wei et al. de 1999 e 2004 foram desenvolvidos ¯ltros polinomiais para reconstruir funções a partir de seus coeficientes de Fourier. No trabalho de Wei et al. do 2005 estes filtros foram usados para construir metodos iterativos rapidos para a detecção de de- scontinuidades. Nesta tese são introduzidos filtros mais gerais baseados em fun»c~oes splines, que conseguem maior precis~ao que aqueles apresentados em esses trabalhos e também são apresentados os correspondentes metodos iterativos para as descon- tinuidades. S~ao obtidas tambem estimativas para os erros assim como experi^encias numericas que validam os algoritmos. Mostra-se tambem um novo metodo que ap- resenta um melhor desempenho que aqueles baseados na serie parcial conjugada de Fourier usados nos trabalhos de Gelb e Tadmor

Resumo: Dentro do contexto de programação não linear, vários algoritmos resumem-se à aplicação do método de Netwon aos sistemas constituídos pelas condições de primeira ordem de Lagrange. Nesta classe de métodos é necessário calcular a matriz hessiana. Nosso foco é o cálculo exato, dentro da precisão da máquina, de matrizes hessianas usando diferenciação automática. Para esse fim, exploramos o cálculo da matriz hessiana sob dois pontos de vista. O primeiro é um modelo de grafo que foca nas simetrias que ocorrem no processo do cálculo da hessiana. Este ângulo propicia a intuição de como deve ser calculada a hessiana e leva ao desenvolvimento de um novo método de modo reverso para o cálculo de matrizes hessianas denominado edge pushing. O segundo ponto de vista é uma representação puramente algébrica que reduz o cálculo da hessiana à avaliação de uma expressão. Esta expressão pode ser usada para demonstrar algoritmos já existentes e projetar novos. Para ilustrar, deduzimos dois novos algoritmos, edge pushing e um novo algoritmo de modo direto, e uma série de outros métodos conhecidos [1], [20, p.157] e [9]. Apresentamos estudos teóricos e empíricos sobre o algoritmo edge pushing. Analisamos sua complexidade temporal e de uso de memória. Implementamos o algoritmo como um driver do pacote ADOL-C [19] e efetuamos testes computacionais, comparando sua performance com à de dois outros drivers em dezesseis problemas da coleção CUTE [5]. Os resultados indicam que o novo algoritmo é muito promissor. Pequenas modificações em edge pushing produzem um novo algoritmo, edge pushing sp, para o cálculo da esparsidade de matrizes hessianas, um passo necessário de uma classe de métodos que calculam a matriz hessiana usando colorações de grafos, [14, 19, 30]. Estudos de complexidade e testes numéricos são realizados comparando o novo método contra um outro recentemente desenvolvido [30] e os testes favorecem o novo algoritmo edge pushing sp. No capítulo final, motivado pela disponibilidade crescente de computadores com multiprocesadores, investigamos o processamento em paralelo do cálculo de matrizes hessianas. Examinamos o cálculo em paralelo de matrizes hessianas de funções parcialmente separáveis. Apresentamos uma abordagem desenvolvida para o cômputo em paralelo que pode ser usando em conjunto com qualquer método de cálculo de hessiana e outra estratégia específica para métodos de modo reverso. Testes são executados em um computador com memória compartilhada usando a interface de programação de aplicativo OpenMP

Resumo: Modelos matemáticos para processos do mundo real freqüentemente têm a forma de sistemas de equações diferenciais parciais. Estes modelos usualmente envolvem parâmetros como, por exemplo, os coeficientes no operador diferencial, e as condições iniciais e de fronteira. Tipicamente, assume-se que os parâmetros são conhecidos, ou seja, os modelos são considerados determinísticos. Entretanto, em situações mais reais esta hipótese freqüentemente não se verifica dado que a maioria dos parâmetros do modelo possui uma característica aleatória ou estocástica. Modelos avançados costumam levar em consideração esta natureza estocástica dos parâmetros. Em vista disso, certos componentes do sistema são modelados como variáveis aleatórias ou funções aleatórias. Equações diferenciais com parâmetros aleatórios são chamadas equações diferenciais aleatórias (ou estocásticas). Novas metodologias matemáticas têm sido desenvolvidas para lidar com equações diferenciais aleatórias, entretanto, este problema continua sendo objeto de estudo de muitos pesquisadores. Assim sendo, é importante a busca por novas formas (numéricas ou analíticas) de tratar equações diferenciais aleatórias. Durante a realização do curso de doutorado, vislumbrando a possibilidade de aplicações futuras em problemas de fluxo de fluidos em meios porosos (dispersão de poluentes e fluxos bifásicos, por exemplo), desenvolvemos trabalhos relacionados à equação do transporte linear unidimensional aleatória e ao problema de Burgers-Riemann unidimensional aleatório. Nesta tese, apresentamos uma nova metodologia, baseada nas idéias de Godunov, para tratar a equação do transporte linear unidimensional aleatória e desenvolvemos um eficiente método numérico para os momentos estatísticos da equação de Burgers-Riemann unidimensional aleatória. Para finalizar, apresentamos também novos resultados para o caso multidimensional: mostramos que algumas metodologias propostas para aproximar a média estatística da solução da equação do transporte linear multidimensional aleatória podem ser válidas para todos os momentos estatísticos da solução

Resumo: Em muitas situações na modelagem de problemas aplicados, o que se deseja de uma solução da Equação Diferencial Parcial que descreve o modelo, não é a própria solução e sim alguma quantidade de interesse. De forma geral, estas quantidades de interesse são caracterizadas por funcionais lineares limitados no espaço de funções que contém as soluções. Como exemplo, tem-se: a derivada da solução, o fluxo através de uma região da fronteira, o valor médio da solução sobre uma região do domínio, o valor da solução em um ponto etc. Em tais circunstâncias, nem sempre o refinamento uniforme ou uma estratégia de hp-refinamento, que diz respeito à qualidade global da solução, são as estratégias mais apropriadas para melhorar a aproximação da quantidade, pois podem tornar o custo computacional muito alto. Neste sentido, estratégias direcionadas para o aprimoramento da aproximação de quantidades de interesse são temas que têm recebido grande interesse nas últimas décadas. Um dos objetivos deste trabalho é o estudo de métodos para o pós-processamento da solução por elementos finitos com objetivo de se obter uma precisão desejável na aproximação das quantidades de interesse. Em particular, estudam-se dois métodos: a estratégia de adaptatividade goal-oriented e o método da função de extração