Vous êtes sur la page 1sur 14

Chapitre VI M ethodes It eratives Equations Non Lin eaires

En pratique, on est souvent confront ea ` la r esolution dun syst` eme d equations non lin eaires. Cesta ` -dire pour une fonction donn ee, on cherche un point tel que

 !#"

 

(0.1)

En g en eral, il ny a pas dalgorithme ni pour trouver une solution. On est donc oblig e dutiliser des m ethodes it eratives. Sans hypoth` eses suppl ementaires, on ne sait rien sur lexistence dune solution de (0.1). Par exemple, pour il ny a pas de solution, pour il y en a une innit e. Mais, le th eor` eme dinversion locale nous fournit un r esultat sur lunicit e locale: si et si la matrice jacobienne est inversible, il existe un voisinage de et un voisinage de tels soit bijective. Ceci implique que est la seule solution de (0.1) dans le voisinage que de .

D B C B 4

 $&%(' 98@A4 

 $&)1032 B

54 67 C

Bibliographie sur ce chapitre P. Deuhard (2004): Newton Methods for Nonlinear Problems. Afne Invariance and Adaptive Algorithms. Springer Ser. Comp. Math. 35, Springer, Berlin. J.M. Ortega & W.C. Rheinboldt (1970): Iterative Solution of Nonlinear Equations in Several Variables. Academic Press, New York. A.M. Ostrowski (1966): Solution of Equations and Systems of Equations. Academic Press, New York, 2nd edition. [MA 65/27]

VI.1 M ethode des approximations successives


On consid` ere le probl` eme du calcul dun point xe de lapplication cherche tel que

 

Les probl` emes (0.1) et (1.1) sont e quivalents et il y a beaucoup de possibilit es pour e crire (0.1) sous la forme (1.1). Par exemple, on peut d enir comme ou (ici est soit un nombre non-nul, soit une matrice bien choisie). Pour r esoudre (1.1), on se donne une approximation initiale (arbitraire) et on consid` ere la m ethode it erative (1.2)

 E  RSUT   ` badcfegPE  bah1" E

IPE  Q"

E F G H ; c.-` a-d., on
(1.1)

 E  RVWTYX  

M ethodes It eratives Equations Non Lin eaires converge, disons vers , et si la fonction Si la suite est une solution de (1.1). Mais que peut-on dire sur lerreur? Th eor` eme 1.1 Si lerreur

135

ipbahq

4 

E  

est continue en , la limite

%(aRsbaT

D emonstration.

%(atcfePE 8 54 %(auwv Qx %(a xy Q" 4 A4  , on obtient Comme YE x( %(atcfebatcfeT 4 !E  bahTwE 54 !E 8 A4 1%(aFusv 1 %a xy1 " e 8 A4 E  e

E 4  

est fois contin ument diff erentiable et si satisfait

4 

est une solution de (1.1), (1.3)

et 4 %(a Q x E 8 54  x x %(a x x %(atcfe xedgfx %(a x f x E 8 A4  x %(a 8 i h , on peut appliquer la m Exemple. Pour r esoudre num eriquement h  ethode dEuler implicite hehj`uwk  he (1.4) he de la solution qui d enit implicitement lapproximation apr` es un pas de longueur k . L equation    (1.4) est d ej` a sous la forme (1.1) avec E hj`guwk  . Si k est sufsamment petit, les valeurs 8@ 98 he sont petites et lit propres de E hfegPk eration (1.2) converge. Crit` ere pour arr eter lit eration. En pratique, on sint eresse a ` une approximation ba qui satisx 4 l x d fassex ba$T . Une possibilit e est daccepter ba comme approximation de la solution d` es xFd tol que baTmbadnfe tol. Le crit` ere qui va suivre est bas e sur lhypoth` ese que E soit une contraction et que x baTmbatnfe xdVfx badnfeTobadn y x f gp" avec
si poss` ede une valeur propre satisfaisant , la composante de dans la direction du vecteur propre va e tre agrandie lit eration ne converge pas vers . si toutes les valeurs propres de satisfont , on peut choisir une norme dans telle que pour la norme matricielle correspondante . Ceci et (1.3) impliquent que, pour sufsamment petit, on a o` u est un nombre entre et . Lerreur converge donc vers z ero. En appliquant lin egalit e du triangle a ` lidentit e

On peut tirer plusieurs conclusions de la formule (1.3):

8 54  E

baT 4   baFTmbatcfe1pu  batcfepTobatc y pus"d"d" x baT 4xd f x x" f  b  a m T b  t a f n e iT sut r#"


tol (1.6) (1.5)

(en cas de convergence), on obtient

Le facteur de contractivit e peut e tre estim e par

f aR x baTobatnfe xpqx batnfepTmbadn y xpr fa x xvd f b   a m T b  d a f n e T a

Lid ee est darr eter lit eration quand

et daccepter

ba

comme approximation de la solution.

136
100 102 104 106 108 0

M ethodes It eratives Equations Non Lin eaires


100 102 104 106 108 10 20 0 10 F IG . VI.1: Convergence des it erations (1.7) 20

r u#"xw hja badcfe  Tzj"{ ba (1.7) To)0y2ba h#atcfe r hja  r ee dans la gure VI.1 (` a gauche pour la la norme euclidienne de lerreur de ba hja| est dessin premi` ere it eration et a ` droite pour la deuxi` e me). On peut bien observer la convergence lin eaire. Le @ 8 A  4 rayon spectral de E  vaut }~S#"Aj et }U~V#"xjj respectivement. Cest la raison pour laquelle la premi` ere it eration converge plus rapidement que la seconde. Le dessin a ` droite montre aussi que xx y ). f la convergence nest pas n ecessairement monotone (pour la norme Donc, le coefcient a de (1.6) peut e tre plus grand que m eme si lit eration converge. batcfe  hjatcfe
VI.2 M ethodes it eratives pour syst` emes lin eaires
Pour la r esolution des syst` emes lin eaires

Exemples. Pour les deux it erations

(2.1) il y a des situations o` u les m ethodes it eratives sont tr` es utiles. Par exemple, si la matrice poss` ede une tr` es grande dimension et si beaucoup d el ements de sont nuls (matrice creuse), ce qui est le cas pour les discr etisations des e quations aux d eriv ees partielles. Pour se ramener a ` un probl` eme de point xe, on consid` ere une d ecomposition  TP (splitting) et on d enit lit eration (2.2) b atcfeVubaus r P T"
Le choix de la d ecomposition est important pour la performance de la m ethode. Dune part, doit e tre choisie telle que le syst` eme (2.2) soit beaucoup plus facile a ` r esoudre que doivent satisfaire le syst` eme (2.1). Dautre part, les valeurs propres de la matrice pour que lit eration (2.2) converge. Il y a beaucoup de possibilit es de d enir la d ecomposition . Si lon d enote

DP r

 T

4 e "d"d" 4 # nf e A4 r rd4 uwVuwB et &!0y ee "d"d" p  (an que  Jacobi : P , PT TB ; Gauss-Seidel : VVu , VTzB .
.

4ye
. . .

.. . .. .

..

B!

ne f P Tw 4 e y "p"d" 4 e . .. .. . . . . .. 4 . nfe

) les it erations les plus connues sont:

M ethodes It eratives Equations Non Lin eaires

137

ba

est choisie de mani` ere a ` ce que le syst` eme (2.2) soit tr` es Pour ces deux m ethodes, la matrice facile a ` r esoudre. Un avantage de la m ethode de Gauss-Seidel est le fait que pour le calcul de la composante du vecteur on na besoin que des composantes du vecteur . Alors, on peut utiliser la m eme variable pour que pour . Une it eration devient donc simplement: for . Une modication int eressante de cet algorithme est la m ethode SOR (successive over-relaxation):

a cfe t

batcfe

Q cfe 4   qj4 batcfeg  To FAbaum  (2.3) I!iT batcfepTBba etre donn e (pour  , SOR se r eduit a ` Gauss-Seidel). Elle est aussi simple a ` o` u est un param` programmer que la pr ec edente. Les r esultats suivants d emontrent la convergence dans quelques situations particuli` eres. 4 Qj
est diagonale dominante, c.-` a-d.

r "p"d" r &  ee 4  T b  T 1nf

a cfe d

 a

 acfe r "d"d" r  a

Th eor` eme 2.1 Si la matrice

4 1

pour

& r "p"d" rr

(2.4)

alors lit eration de Jacobi converge.

D emonstration. Pour la m ethode de Jacobi, on a implique que (voir la formule (4.5) du chapitre IV).

x f x n e d

n e Tz nfe  u!B . La condition (2.4) f

Pour e tudier la convergence de la m ethode SOR (en particulier pour Gauss-Seidel), on l ecrit sous la forme e quivalente

(2.3), converge.

 Vu 5batcfe 1 ToFQVTmvBAbauv   nfe ou encore batcfeP FAbaHu Puo  avec  F  Vum  nfe 1 gTFQSTmvBQ" (2.5)  r r , lit etrique et d enie positive et si w eration SOR, d enie par Th eor` eme 2.2 Si est sym  Tm (2.6) FQSTmvB5IV  Pu 5"  Comme ToF1VTovBYVSTm u , la formule (2.6) devient (2.7) D  Twb  Vum 5" fI  )  En multipliant (2.6) et (2.7) avec  , on obtient pour s Su A (observer que B!  gTsb f s D j !#" f u f   rvToFA  r (2.8)
On en d eduit

D emonstration. Il faut d emontrer que toutes les valeurs propres de une valeur propre et le vecteur propre correspondant:

!

 F

satisfont

g . Soient

ce qui implique

g .

yr f f D  T ! u  gTs u T  y Tw y

138

M ethodes It eratives Equations Non Lin eaires

Pour quelques matrices, on conna t la valeur de qui minimise le rayon spectral de et, par cons equent, qui acc el` ere la convergence par rapport a ` lit eration de Gauss-Seidel. Dautres m ethodes it eratives pour des syst` emes lin eaires sont SSOR (symmetric successive over-relaxation) et la m ethode du gradient conjugu e (avec pr econditionnement). Voir le livre de Golub & Van Loan, d ej` a mentionn e au chapitre IV, et les livres classiques L.A. Hageman & D.M. Young (1981): Applied Iterative Methods. Academic Press, New York. R.S. Varga (1962): Matrix Iterative Methods. Prentice Hall, Englewood Cliffs, New Jersey.

 F

VI.3 M ethode de Newton


Consid erons le probl` eme de la r esolution dun syst` eme d equations non lin eaires

o` u la fonction

est suppos ee e tre au moins une fois diff e rentiable. Si  `   une approximation de la solution cherch ee, on lin earise  autour de `  ~  `tpu 8  `t  To`p s !  r r  r  r "p"d" 98 a|  bah 98 bahbabV T bah batcfebausba

 g!

(3.1) est

et on calcule le z ero de cette lin earisation. Si lon r ep` ete cette proc edure avec la nouvelle approximation, on obtient lalgorithme suivant: for calculer et (syst` eme lin eaire a ` r esoudre) end for

h h8   T y 5huT

et on est oblig e dutiliser un autre algorithme. La m ethode de Newton

r Tzj"3j uwk h   y huwk i To AhToQ" Lit eration (1.2) ne converge que pour k sufsamment petit. Par exemple, pour k6!#"xw

Exemple 3.1 La m ethode dEuler implicite (voir (1.4)), appliqu ee a ` l equation diff erentielle , avec pour valeurs initiales , , nous conduit a ` l equation non lin eaire (3.2) elle diverge

8

T k y batcfepToba VT ba Tz Tk#hjy a    k rjpba(h#auV TS#k iTo a  hjatcfepToh#a h#aTTk iTo a 5h#aToba| converge sans difcult e avec kD#" eration avec ` et hj`! (voir le r 3w si lon commence lit tableau VI.1 pour les valeurs de ba h#a et les erreurs, mesur ees dans la norme euclidienne).
TAB . VI.1: Convergence de la m ethode de Newton

s r w

a b rj"3jjjjjjjjjj "3jjjjjjj "3jjjjrjjjw "3jjjrjjrwjjjjrj "3jjjrjjrfjjjwj

ha j Tzj"3jjjjjjjjjjj Tzj"{wjwjwjjwjrjjjfj Tzj"{wjjrjjfjjjjjr Tzj"{wjjwjrjjwjfj Tzj"{wjjwjrjjjjrjwwjrj

#"xw w#"xwj #"xrj #"xj p"xj

erreur

f ne n y n n nfe

M ethodes It eratives Equations Non Lin eaires

139

Pour e tudier la convergence de la m ethode de Newton, consid erons un terme de plus dans la s erie de Taylor:

 g  b  a|pu 8  bah  Tobahpu r 8 8  bah  Tmba r Tmbahpusv 1x Tmba x Q" 4 dans cette formule (avec 4 comme solution de (3.1)) et si lon soustrait Si lon pose I   ba|pu 8  bah  batcfeTmba| 4 la formule (d enition de batcfe ), on obtient pour lerreur %(aRbaT  8  ba|  T%(atcfeu 8 8  bah  %(a r %(ahpuwv Qx %(a x Q"
On vient de d emontrer le r esultat suivant:

(3.3)

Th eor` eme 3.2 Supposons que soit 3 fois contin ument diff erentiable et que soit inversible dans un voisinage de (solution de (3.1)). Alors, pour sufsamment proche de , lerreur de la m ethode de Newton satisfait

%(aRsbaT 4

   4 

ba

8 

x( %(atcfe A 8  b  a|1 nfe 8 8  b  ah  %(a r %(ahpuwv Q %a xQ  "x 4

(3.4)

Donc, la convergence de cette m ethode est quadratique. Ce th eor` eme montre la convergence locale de la m ethode de Newton, c.-` a-d., si est proche dune solution de (3.1), la suite converge vers . Concernant la convergence globale, on en sait tr` es peu et on ne sait analyser seulement que quelques cas de fonctions simples. Lexemple le plus connu est

ipbaq

`

um{h

A  p P T

ou

i  r h

w T y wpfh y TV wp h Tmh

(3.5)

) pour lequel lit eration devient

54 g!i `R7 |i a|q converge vers 4 q (3.7)  q 5 g! . Un calcul par ordinateur donne la gure VI.2. pour les trois solutions , T6hRQ wj r de ` du domaine blanc entranent une convergence vers 4  , ceux du domaine gris vers Les 4   T6TU( w q r et ceux du domaine noir vers 4   T6uUQ wj q r . On observe que la suite i aq ne converge pas n ecessairement vers la solution la plus proche de ` .
Calcul num erique de la matrice jacobienne
En pratique, il arrive souvent que la forme analytique de la matrice est inconnue. Dans cette situation on approche les e l ements de la matrice jacobienne par (3.8)

Il est int eressant de d eterminer les ensembles (bassins dattraction)

adcfeg aT a TV  r y " a u y w a w a

(3.6)

98@  q j  e r "d"d" r  s r "d"d" r    e r "d"d" r   r  e r d u  T "  " "p"  ~ j

140

M ethodes It eratives Equations Non Lin eaires

F IG . VI.2: Bassins dattraction pour lit eration (3.6) Mais comment doit-on choisir le ? Pour simplier la notation, consid erons une fonction a ` une variable et notons-la par . Un d eveloppement en s erie de Taylor montre que

 

En cons equence, doit e tre petit pour que lerreur de la discr etisation ne soit pas trop grande. Dautre part, la soustraction dans (3.9) est tr` es mal conditionn ee. Une e tude des erreurs darrondi montre que lexpression obtenue par un calcul en virgule ottante vaut

8   y Q"  6us|To    s 88      u    w u v r

(3.9)

o` u eps (eps est la pr ecision de lordinateur, voir section II.3). Lid ee est de choisir an que les deux erreurs soient de la m eme grandeur :

@( d

   uw  ius(e1  iuw y To    uw   uuwTo    8   us|1(epum  6uwQ y To  1 ~ u 6  w u  "p"d" ~ "d"p" r "
eps

eps

(3.10)

Donc, on prend par exemple

e

eps

ou

R

 iuV H1"

(3.11)

M ethodes It eratives Equations Non Lin eaires

141

Modications de la m ethode de Newton


Si la dimension du probl` eme (3.1) est tr` es grande et/ou l evaluation de la matrice co uteuse, on peut remplacer la d enition de par

ba 8  `dbaPT  b  ah1"

8  

est tr` es

Dans ce cas, il suft de calculer une fois pour toutes la d ecomposition LR de , ce qui facilite grandement la r esolution des syst` emes lin eaires successifs. Mais on perd la convergence quadratique car (3.12) nest rien dautre quune it eration (1.2) avec et est non nul en g en eral. En cas de mauvaise convergence, on remplace la d enition de par

8 `t 8 A4  E  HT A98@ `d nfe   E batcfe

(3.12)

 atcfesbauwahba b xp baHuwba x soit minimale. et on d etermine on a ` ce que a de fac


VI.4 M ethode de Gauss-Newton

(3.13)

Dans ce paragraphe, on va sint eresser a ` des syst` emes non lin eaires surd etermin es. On consid` ere une fonction o` u et on cherche une solution de . Evidemment, comme on a plus de conditions que dinconnues, ce probl` eme ne poss` ede en g en eral pas de solutel que tion. On se contente donc de trouver un vecteur

  H

I  xp  x y 032v" (4.1)   xp  x yy est aussi diff Si  est diff erentiable, la fonction 6 erentiable et une condition 8  n ecessaire pour que  soit un minimum local est davoir gY , c.-` a-d. 8    gP#" (4.2) e   i  `

 z

Une possibilit e pour r esoudre (4.1) est dappliquer une m ethode it erative, par exemple la m ethode de Newton, au syst` eme (4.2). Ceci n ecessite le calcul de la deuxi` eme d eriv ee de . Une autre possibilit e est de lin eariser dans (4.1) autour dune approximation de la solution et de calculer de

xp `dpu 8   `t  eTo`d x y 032v"

(4.3)

Une r ep etition de cette id ee donne lalgorithme suivant (m ethode de Gauss-Newton) for calculer et d eterminer de (moindres carr es) end for Pour calculer

s ! r r r r "p"d"  ba| 98 bah 8 b ba xp bapu  a|1ba x y 032 batcfebausba ba

 8  ba1 8  b  ahbaPT 5 8  bah1  ba| 98@ soit calculer la d ecomposition QR de bah et appliquer lalgorithme de la section IV.7.

on peut soit r esoudre les e quations normales (section IV.6)

(4.4)

142

M ethodes It eratives Equations Non Lin eaires

Etude de la convergence
Pour e tudier la convergence de la m ethode de Gauss-Newton, d eveloppons la fonction

   A 8       r
en s erie de Taylor. Pour ceci, calculons

   g Q e jb    Q" jb

(4.5)

   y   #  pu Q e jb e jbQjb    jb Q  

(4.6)

Matriciellement, la formule (4.6) s ecrit

o` u

X   m  

8   g!X   A  r pu 5 8    1 8    y  p   r j    " X  b  Q e jbQ jb e
est lapplication bilin eaire d enie par

(4.7)

  5 8  b  ah  ba||u A 8  ba|1 8  ba|  FTbah|uX 4 Soit maintenant une solution de (4.1). Elle satisfait 4 8   %(abaFT 4 %(atcfeiVT A 8  ba|1 4

Avec cette notation, la formule de Taylor donne

soustrayant (4.4), nous obtenons ainsi le r esultat suivant.

 ba| Ai ba r FTbauv Q xF  Tba x y Q" (4.8) 54  . En posant m 4 dans (4.8) et en w ba

Th eor` eme 4.1 Supposons que (avec ) soit fois contin ument diff erentiable, soit maximal et que soit une solution de (4.1). Alors, pour sufsamment que le rang de proche de , lerreur de la m ethode de Gauss-Newton satisfait

n e  A r 8  ba| f x( X bah ba| %(ahpusv 1 %a xy1 " 54 gY

Une cons equence de cette formule est :

en g en eral, la convergence est lin eaire; on a convergence quadratique si ; si est trop grand, la m ethode diverge.

54 

Terminons ce chapitre avec une application typique de cet algorithme. Exemple (Identication de param` etres). La gure VI.3 montre une photographie de la Vall ee Blanche (prise par G. Wanner). On y reconna t le Col des Grandes Jorasses, lAiguille du G eant, lAiguille Blanche de Peterey, lAiguille du Tacul, le Petit Rognon et lAiguille du Moine. La gure VI.4 est une copie dune carte g eographique de cette r egion. Le probl` eme consiste a ` trouver la position de la cam era, ses caract eristiques (foyer) et les angles dinclinaison. Pour la formulation math ematique de ce probl` eme, nous avons choisi des coordonn ees sur la photographie (gure VI.3, lorigine est au centre) et des coordonn ees sur la carte ( repr esente laltitude). Les valeurs mesur ees pour les points reconnus sont donn ees dans le tableau VI.2.

 r h d r

xr b

M ethodes It eratives Equations Non Lin eaires

143

F IG . VI.3: Photographie de la Vall ee Blanche

s
1. 2. 3. 4. 5. 6.

TAB . VI.2: Les donn ees pour le probl` eme Vall ee Blanche

Col des Grandes Jorasses Aiguille du G eant Aig. Blanche de Peterey Aiguille de Tacul Petit Rognon Aiguille du Moine

a a Tz#"xjj #"3rjj Tz#"x #"3wjj #"xjj #"3rjj Tz#"x #"3fj #"xjj T #"3jj #"xr T #"3rjj  rh r  54r rp 

a b h#a jj jjj fj jjrj rjj jwj jj jjwj jj jjrj jj j jrj 

a wjjrj jw j wjjj wjjj wjr

4 T k 4 y us y  A4 y y 54 y y y 4 y Tz y (4.9) uw  u u  uw dont les deux vecteurs k et engendrent le plan du lm, k e tant horizontal et x vertical. Alors, le  r r r vecteur dans lespace qui montre du centre  h  de la lentille vers le point a ja| sur le lm r 4 r T
est donn e par

Pour xer les inconnues, notons par ( la position du foyer de la cam era, par le vecteur la direction de vue avec norme correspondant a ` la distance du plan du lm et par langle de rotation de la cam era autour du vecteur . On a donc param` etres a ` trouver. De plus, consid erons la base orthogonale

A4r rd 

fa ) o` u a  m T p )1032e  r r   avT  Les conditions a ` satisfaire sont que les vecteurs ea y a ah et b f k u a u a z

e a ya  a

) 032$ a " 1 p )b a r h#aFT h p r$ a T 

soient

144

M ethodes It eratives Equations Non Lin eaires

F IG . VI.4: La region de la Vall ee Blanche colin eaires. Ceci donne deux conditions pour chaque . Mais, par sym etrie, il est plus naturel de consid erer les trois conditions (pour chaque )

e a ya a

baT  h# aT h a T 

y a A  a  baaTT ea  h#aT

T T hT

a j T ea Ah a a T  y a  ba T

hb  " 

(4.10)

M ethodes It eratives Equations Non Lin eaires En tout, ceci donne la fonction

145

 conditions pour  inconnues. Voici le programme FORTRAN pour g w 6 e . 5 @1 A1 5$ @t t 5 Aty Q 1 5 F { u @ @ @ @@A @A tQ t( Q $ 51 AA A{@t@t@(t( A@ tx@( @t@ e 1 @@A v{@ @@At @@At @@ @ At 1  A t  Q 3 @@@ AAt t  @At  e @{v15Q{A A5 @ " @ A A t A !@AQ %  $# e @{& @1A@ 5t{1{''!d{1{''!t'!@Q'@'1 ()A{ A ( @A{ A (d''!@'0A e1 v A) ( 5e @ eH 1H A 1 @t A 5{1 51 5@ Q1!'@ t{@15tQ { @ p  t {{ @ 5t @10(@Q !' 1 @t{{1@pQ e2 @ F F @ @ !{" A !()A0  !( 0 2 @@ !{ 2 !{!(0 @@t{A '@3 t{1  3At{@ et  A@1 !) @1@5@A2v F{ @  @  A ' 2  t   @ @1! 5 2 3 2 ' t @ @1 !15 2  A 2 A 3 @F 1 @{ En appliquant la m ethode 4 de Gauss-Newton a ` ce syst` eme avec comme valeurs initiales Y jj , h jj , j ,  , T ,  ,  , apr` es peu dit erations on obtient la solution I!jj , hgwj , !fj avec une pr ecision de chiffres (voir le tableau VI.3). On
a donc bien trouv e la position de la cam era. Cest a ` lAiguille Verte (altitude 4122) que Gerhard a pris cette photo.

TAB . VI.3: Convergence de la m ethode de Gauss-Newton

s ba jjj jjwj r jjj w jjj jjj jjj jjj

ha # jj jwjw jjw wjjw w wj wj

a j j j wjjw j j j

4 #"3j T#"3jw T#"3f T#"3j T#"3jw T#"3jw T#"3jw

T6p"xjj T#"xjj T#"Aj T#"Aj T#"Aj T#"Aj T#"Aj

#"xjj T#"xjjw T#"xjr T#"xjwjr T#"xjwjr T#"xjwjr T#"xjwjr

#"xjj #"xjj #"x T#"xjj T#"xjj T#"xjj T#"xjj

146

M ethodes It eratives Equations Non Lin eaires

VI.5 Exercices
1. Pour une fonction 46587@9A7 , considrons litration BDC
QSR 4TBDC FGTU

9a

9aFE3C9atnfeHGI9PCadcfe dnie par 4TBDCaVGXWY4TBDCatnfeG BDCadcfebWcC9aVGd Ca`WaCatnfe


RiQ

(5.1)

(a) Donner une interprtation gomtrique. (b) Dmontrer que lerreur e

Rgf

9a f , o h est une racine simple de 4TBDCbG 88 eatcfq e psrteaFeatnfeHE avec r R v 4 4 8 BBhuhVG G d


C %WYh

, satisfait

(c) Dduire de (b) que


e

atcfewpixyea E

avec

v B U

8Gp

d $ d

(d) Soit 4TBDCG un polynme, nous avons que le travail pour valuer 4TBDCbG et 4 BDCG est approximativement le mme. Supposons que le cot des oprations dadditions, de soustractions, de multiplications et de divisions sont ngligeables par rapport lvaluation de 4TBDCG . Quelle mthode choisiriez-vous entre la mthode de Newton et la mthode de la scante (5.1) pour calculer une racine de 4TBDCbG travail gal? 2. Soit x7 et que 4 BDC

contin 45x97 ument diff erentiable. Pour un C `& 8 ` G et soit inversible. Montrer que 8 nfe 4TBDC ` G R ` Wd4 BDC ` G
i e%4TBDC

supposons que 4TBDC

Q ` GR

est la seule direction ayant la propi et e suivante: Q QSh Pour toute matrice inversible e , il existe f dg tel que pour

f d

h f

UYfV

` Giy
h

e%4TBDC

` Giy

M ethodes It eratives Equations Non Lin eaires

147