Estudamos e analisamos um método globalmente convergente e não monótono para minimização em conjuntos fechados. Este método está baseado nas ideias dos métodos de região de confiança e Levenberg-Marquardt. Dessa maneira, os subproblemas consistem em minimizar um modelo quadrático da função objetivo sujeito a um conjunto de restrições. Incorporamos conceitos de bidiagonalização e de cálculo da SVD de maneira "inexata" buscando melhorar o desempenho do algoritmo, visto que a solução do subproblema por técnicas tradicionais, necessária em cada iteração, é computacionalmente muito cara. Outros métodos viáveis são citados, entre eles um método de busca curvilinear e um de minimização ao longo de geodésicas. Finalmente, ilustramos o desempenho numérico dos métodos quando aplicados ao Problema de Procrustes Ortogonal.
restrições de ortogonalidade; algoritmo não monótono; Método do Gradiente Projetado Espectral; Problema de Procrustes Ortogonal
