Chapitre VI M thodes It ratives Equations Non e e Lin aires e

En pratique, on est souvent confront a la r solution dun syst` me d quations non lin aires. Ceste` e e e e a-dire pour une fonction ` donn e, on cherche un point e tel que

En g n ral, il ny a pas dalgorithme ni pour trouver une solution. On est donc oblig dutiliser e e e des m thodes it ratives. e e Sans hypoth` ses suppl mentaires, on ne sait rien sur lexistence dune solution de (0.1). Par e e exemple, pour il ny a pas de solution, pour il y en a une innit . Mais, e le th or` me dinversion locale nous fournit un r sultat sur lunicit locale: si e e e e 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 . 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 thode des approximations successives e

On consid` re le probl` me du calcul dun point xe de lapplication e e cherche tel que

Les probl` mes (0.1) et (1.1) sont equivalents et il y a beaucoup de possibilit s pour ecrire (0.1) sous e e la forme (1.1). Par exemple, on peut d nir comme e ou (ici est soit un nombre non-nul, soit une matrice bien choisie). Pour r soudre (1.1), on se donne une approximation initiale e (arbitraire) et on consid` re la e m thode it rative e e (1.2)

  X T      YWVR  E

C 76 54  

H G F E

  

"a E  e ca 1hb  Pgfdb `    T      USR  E E

4 B  0)    321&$ 

" E  Q  PI

"   #!  4

(0.1)

 A4@9 8 '%    (&$ 

  

4 B C B D X

; c.-` -d., on a (1.1)

M thodes It ratives Equations Non Lin aires e e e converge, disons vers , et si la fonction Si la suite est une solution de (1.1). Mais que peut-on dire sur lerreur?

135 est continue en , la limite

D monstration. Comme e

On peut tirer plusieurs conclusions de la formule (1.3): si poss` de une valeur propre e satisfaisant , la composante de dans la direction du vecteur propre va etre agrandie lit ration ne converge pas vers . e 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` est un nombre entre u et . Lerreur converge donc vers z ro. e , on peut appliquer la m thode dEuler ime (1.4)

Exemple. Pour r soudre num riquement e e plicite

qui d nit implicitement lapproximation de la solution apr` s un pas de longueur . L quation e e e (1.4) est d j` sous la forme (1.1) avec ea . Si est sufsamment petit, les valeurs propres de sont petites et lit ration (1.2) converge. e Crit` re pour arr ter lit ration. En pratique, on sint resse a une approximation e qui satise e e ` fasse tol. Une possibilit est daccepter e comme approximation de la solution d` s e que tol. Le crit` re qui va suivre est bas sur lhypoth` se que soit une contraction et que e e e avec

En appliquant lin galit du triangle a lidentit e e ` e

(en cas de convergence), on obtient

Le facteur de contractivit peut etre estim par e e

Lid e est darr ter lit ration quand e e e

tol

a b

et daccepter

comme approximation de la solution.

x  A4 8 E x

(1.5)

(1.6)

a (% 4

a b

" a x 1 y x (% 1 vsuFa(1 A4 8 ! 54 whb  ! 4 ftbft(% % E  E Ta E T eca  eca  A4 Y 4 E " y a x v u a% E  e ca Q x (% Q w( 54 8 Pft(%

" pg f

" t #r us

""" u ca  T e ca u e ca  T a ddsp y tbopftb  p1ftbmFb   4 b T a

k    k u ` h   h  wgj  E e e  k u ` h  e h  wjh   h i  8 h a (% x f d ft(% eca f x E gex x x  54 8 Q x  A4 8 E e t e e

T i " ena T a x ftbmb x f f 4 b x d x T a

r na T ena xq ena T a  px y dbmpftb px ftbob x Ra f

a  T d ena T a vx fdbmb x f a f

a b

na T ena x f d ena T a x y dbofdb Vx ftbmb x

d e n a  $T ba Fx fdbmb x d x l4 T a x e 8 k  e h 9 Pgfh @8 E

Th or` me 1.1 Si e e lerreur

est fois contin ment diff rentiable et si u e satisfait

est une solution de (1.1), (1.3)

, on obtient

 4

   E

 4

   4 E a (%

a x (% x

T a  a bsR(%  548 E 

qa hbpi

136
100 102 104 106 108 0

M thodes It ratives Equations Non Lin aires e e e

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

Exemples. Pour les deux it rations e

est dessin e dans la gure VI.1 (` gauche pour la e a la norme euclidienne de lerreur de premi` re it ration et a droite pour la deuxi` me). On peut bien observer la convergence lin aire. Le e e ` e e rayon spectral de vaut et respectivement. Cest la raison pour laquelle la premi` re it ration converge plus rapidement que la seconde. Le dessin a droite montre aussi que e e ` la convergence nest pas n cessairement monotone (pour la norme e ). Donc, le coefcient de (1.6) peut etre plus grand que m me si lit ration converge. e e

VI.2 M thodes it ratives pour syst` mes lin aires e e e e

il y a des situations o` les m thodes it ratives sont tr` s utiles. Par exemple, si la matrice poss` de u e e e e une tr` s grande dimension et si beaucoup d l ments de sont nuls (matrice creuse), ce qui est le e ee cas pour les discr tisations des equations aux d riv es partielles. e e e Pour se ramener a un probl` me de point xe, on consid` re une d composition ` e e e (splitting) et on d nit lit ration e e

Le choix de la d composition e est important pour la performance de la m thode. e Dune part, doit etre choisie telle que le syst` me (2.2) soit beaucoup plus facile a r soudre que e ` e doivent satisfaire le syst` me (2.1). Dautre part, les valeurs propres de la matrice e pour que lit ration (2.2) converge. e Il y a beaucoup de possibilit s de d nir la d composition e e e . Si lon d note e

. . .

..

et

(an que

Jacobi : Gauss-Seidel :

.. . .. .

..

.. . .. .

. . .

) les it rations les plus connues sont: e

PT 

e fn 4 e " 4 d"p" y e 4 wT P fn e

" T P

B zTV uVV BT TP P  BwuVwu   p dr dd" r e A4 y!& 4 "" e 0  e f n # 4 d"d" e 4 " !B ey4 

 r PD

u a   e c a  r sbuVftb

Pour la r solution des syst` mes lin aires e e e

(2.1)

(2.2)

af

a jh a b

{jzT " r

y x x

eca ft#  fdbh eca

jjx#VU} jA#S}  A4@8 E " ~  " ~ |jh r b  a a a  0) by2oT xw#u  ftjh eca " a jh eca ftb T 

(1.7)

M thodes It ratives Equations Non Lin aires e e e

137

est choisie de mani` re a ce que le syst` me (2.2) soit tr` s e ` e e Pour ces deux m thodes, la matrice e facile a r soudre. Un avantage de la m thode de Gauss-Seidel est le fait que pour le calcul de ` e e la composante du vecteur on na besoin que des composantes du vecteur . Alors, on peut utiliser la m me variable pour e que pour . Une it ration devient donc e simplement: for . Une modication int ressante de cet algorithme est la m thode SOR (successive over-relaxation): e e

e e , SOR se r duit a Gauss-Seidel). Elle est aussi simple a e ` ` o` est un param` tre donn (pour u programmer que la pr c dente. e e Les r sultats suivants d montrent la convergence dans quelques situations particuli` res. e e e Th or` me 2.1 Si la matrice e e

est diagonale dominante, c.-` -d. a pour

alors lit ration de Jacobi converge. e

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

Pour etudier la convergence de la m thode SOR (en particulier pour Gauss-Seidel), on l crit e e sous la forme equivalente

ou encore

Th or` me 2.2 Si e e (2.3), converge.

D monstration. Il faut d montrer que toutes les valeurs propres de e e une valeur propre et le vecteur propre correspondant:

Comme

En multipliant (2.6) et (2.7) avec

On en d duit e

ce qui implique

g  sg T T wy T T r yy  D  u  f u f ! " #! j D s f bsg    T   T r  AFovr   f u f A S  s If u     !B " u  T  5 mV  bw  D T  B T  T u mSVYvoV1Fo  " u   B T  T  5 P  VI5vmSQFm  !  g F   r r  w  " B T  T  e u   QvmSQFg 1 fn  mV  F  fn  oP  HbAF  Pftb e u u a   eca u a  B T  T   e ca u vbAvmVQFo 1 ftb5 V 

avec

est sym trique et d nie positive et si e e

, lit ration SOR, d nie par e e satisfont . Soient (2.6)

, la formule (2.6) devient

, on obtient pour

(observer que

"" e a  r dd" r fca 

 B !u  fn z fn e T e

r ""  r dp" r &

a 

 abBpftb i!I  T eca T   mbAFo  gftb u a  T  e ca e jq   4 fc Q 4

ec fda 

4 1 jQ 4

eca ftb

T  4 e ef1n  b T  ""  r dp" r & e dx fn x

ec fta 

a b

(2.3)

(2.4)

. La condition (2.4)

(2.5)

(2.7) )

(2.8)

138

M thodes It ratives Equations Non Lin aires e e e

Pour quelques matrices, on connat la valeur de qui minimise le rayon spectral de et, par cons quent, qui acc l` re la convergence par rapport a lit ration de Gauss-Seidel. Dautres e ee ` e m thodes it ratives pour des syst` mes lin aires sont SSOR (symmetric successive over-relaxation) e e e e et la m thode du gradient conjugu (avec pr conditionnement). Voir le livre de Golub & Van Loan, e e e d j` mentionn au chapitre IV, et les livres classiques ea e 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.

VI.3 M thode de Newton e

Consid rons le probl` me de la r solution dun syst` me d quations non lin aires e e e e e e

o` la fonction u est suppos e etre au moins une fois diff rentiable. Si e e une approximation de la solution cherch e, on lin arise e e autour de

et on calcule le z ro de cette lin arisation. Si lon r p` te cette proc dure avec la nouvelle approxie e e e e mation, on obtient lalgorithme suivant: for calculer et (syst` me lin aire a r soudre) e e ` e end for

Exemple 3.1 La m thode dEuler implicite (voir (1.4)), appliqu e a l quation diff rentielle e e ` e e , avec pour valeurs initiales , , nous conduit a l quation ` e non lin aire e (3.2)

converge sans difcult avec e tableau VI.1 pour les valeurs de

a a #h r b `  ` !jh  3w#Dk "   |aboT#h5 a oi #h a  T k T T a ah T eca  T k T  u a a  T a #oTpefctaj V bopftbh   ay oi #S V#(h bpjr  k jya #z b hk T T a k T

si lon commence lit ration avec e et (voir le et les erreurs, mesur es dans la norme euclidienne). e

TAB . VI.1: Convergence de la m thode de Newton e

erreur

xw#!6k " 

Lit ration (1.2) ne converge que pour sufsamment petit. Par exemple, pour e et on est oblig dutiliser un autre algorithme. La m thode de Newton e e

elle diverge

 F  8

 ` 

efn n n y n e fn

" jx"p jx"# jxr"# jxw"#w xw#

` 

" T  r  j3jz

jjjjjjjjjj{jzT rwwr rw w " jfjjjjjj{jzT wrw w " rjjjjjfjjjj{jzT r w " wwww " jfjjjrjjjjj{jzT jjjjjjjjjjj3jzT " a jh

k " T QoAh T k u  y oi  wh h w k u

 T ` p`o  t  8 pt    u `  ~      

!g   

(3.1) est

jjjjfjjjjj3 wr r " jjjjjjjjjj3 r wr r " w r " jjjjjjj3 jjjjjjj3  " jjjjjjjjjj3jr " a b

a u a  eca bsbftb  hab TVbhb 9  a   a 8  hab  8  a 9 " |" b  dp" r r r r ! s

r w s

 T  T u5h y   8 h h

M thodes It ratives Equations Non Lin aires e e e

139

Pour etudier la convergence de la m thode de Newton, consid rons un terme de plus dans la e e s rie de Taylor: e

Si lon pose

(d nition de e

On vient de d montrer le r sultat suivant: e e

Th or` me 3.2 Supposons que e e soit 3 fois contin ment diff rentiable et que u e soit inversible dans un voisinage de (solution de (3.1)). Alors, pour sufsamment proche de , lerreur de la m thode de Newton satisfait e (3.4)

Donc, la convergence de cette m thode est quadratique. e

Ce th or` me montre la convergence locale de la m thode de Newton, c.-` -d., si e e e a est proche dune solution de (3.1), la suite converge vers . Concernant la convergence globale, on en sait tr` s peu et on ne sait analyser seulement que quelques cas de fonctions simples. Lexemple le e plus connu est ou

(3.5)

) pour lequel lit ration devient e

(3.6)

Il est int ressant de d terminer les ensembles (bassins dattraction) e e

converge vers

(3.7)

pour les trois solutions , de . Un calcul par ordinateur donne la gure VI.2. Les du domaine blanc entranent une convergence vers , ceux du domaine gris vers et ceux du domaine noir vers . On observe que la suite ne converge pas n cessairement vers la solution la plus proche de . e

En pratique, il arrive souvent que la forme analytique de la matrice est inconnue. Dans cette situation on approche les el ments e de la matrice jacobienne par (3.8)

 " " e ~ " " e j   r d"d" r     r dd" r su  r dd" r     r pd" r   T "" "" e  j q  8  @9

Calcul num rique de la matrice jacobienne e

q a i

 8 

` 

 " a x v u  a a  a u  e c a %  a Q x (% Q wph(% r (%  hb  88 ft(T  |b  8 T a  a eca ftb 4 bR(% a T eca a |bmftb  hb  8 p|b  ua    4 4 I ua T a ua     " a T x v ua T a T a Q x bm 1 sphbm r bm  hb  88 r phbo  hb  8 p|b  g 
dans cette formule (avec ), on obtient pour lerreur la formule

(3.3)

comme solution de (3.1)) et si lon soustrait

h T  mh pw h  wy V T y fpwT 

xQ x (% Q wph(% r (%  hb  88 fn 1|b  8 A ft(% " a x v u a a a e a  eca q4 a w T ec w " a u y a r  VT a a gfda y   h r  i 4 qa bpi

a b

` r jw QUu6T   4  q 4 !g 5 r q jw QRh6T     q i  i  |a | 7R` !g 54

    4

  PT p  A

T a  a 4 bsR(% 4

r q w (UT6T   `  4

{hm u 

140

M thodes It ratives Equations Non Lin aires e e e

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

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

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

Donc, on prend par exemple eps

 R

ou

eps

" u 1H Vi 

"

eps

 e  u  u 1  u  T  u  oT y Qw6  mup(1|s  w6  8 u   owu  ~  w    o y wi  1(si  w  u  T u e u  u 

"Q v u  r u   T  u y  w  88   8 s   o|s6  "" pd" ~ dp" r ""

e 

  

(3.9)

d (@

(3.10)

(3.11)

M thodes It ratives Equations Non Lin aires e e e

141

Si la dimension du probl` me (3.1) est tr` s grande et/ou l valuation de la matrice e e e co teuse, on peut remplacer la d nition de u e par

Dans ce cas, il suft de calculer une fois pour toutes la d composition LR de e , ce qui facilite grandement la r solution des syst` mes lin aires successifs. Mais on perd la convergence quadrae e e tique car (3.12) nest rien dautre quune it ration (1.2) avec e et est non nul en g n ral. e e En cas de mauvaise convergence, on remplace la d nition de e par (3.13)

VI.4 M thode de Gauss-Newton e

Dans ce paragraphe, on va sint resser a des syst` mes non lin aires surd termin s. On consid` re e ` e e e e e une fonction o` u et on cherche une solution de . Evidemment, comme on a plus de conditions que dinconnues, ce probl` me ne poss` de en g n ral pas de solue e e e tel que tion. On se contente donc de trouver un vecteur

Si est diff rentiable, la fonction e est aussi diff rentiable et une condition e n cessaire pour que soit un minimum local est davoir e , c.-` -d. a

Une possibilit pour r soudre (4.1) est dappliquer une m thode it rative, par exemple la m thode e e e e e de Newton, au syst` me (4.2). Ceci n cessite le calcul de la deuxi` me d riv e de e e e e e . Une autre possibilit est de lin ariser e e dans (4.1) autour dune approximation de la solution et de calculer de

Une r p tition de cette id e donne lalgorithme suivant (m thode de Gauss-Newton) e e e e for calculer et d terminer e de (moindres carr s) e end for Pour calculer

on peut soit r soudre les equations normales (section IV.6) e

soit calculer la d composition QR de e

et appliquer lalgorithme de la section IV.7.

` 

   i

z    

a 8 hb @9 a  a |b  1hb  8 5 Pbhb  8 1b  8  T  a  a a

" v320 y x do  t  8 pd px ` T e ` u ` 

"    #Pg    8 Yg  8      yy x  px 6  "v230 y x  px     I

absbftb u a  eca 320 a  y x ab1|b  upab abx aba 8  hp   89 " |" b  dp" r r r r ! s

   

H  

e 

et on d termine e

de facon a ce que `

soit minimale.

eca ftb  A48 E   efn d @9A H  E ` 8 T     ` 8 t

  8

Modications de la m thode de Newton e

est tr` s e

"a  1hb  TPbd  8 a  ` a b

(3.12)

a u a  x bwHb px a a u a  eca bhwbsftb

(4.1)

a b

   

(4.2)

(4.3)

(4.4)

142

M thodes It ratives Equations Non Lin aires e e e

Etude de la convergence
Pour etudier la convergence de la m thode de Gauss-Newton, d veloppons la fonction e e

en s rie de Taylor. Pour ceci, calculons e

Matriciellement, la formule (4.6) s crit e

o` u

est lapplication bilin aire d nie par e e

Avec cette notation, la formule de Taylor donne

Soit maintenant une solution de (4.1). Elle satisfait soustrayant (4.4), nous obtenons ainsi le r sultat suivant. e

Th or` me 4.1 Supposons que e e (avec ) soit fois contin ment diff rentiable, u e soit maximal et que soit une solution de (4.1). Alors, pour sufsamment que le rang de proche de , lerreur de la m thode de Gauss-Newton satisfait e

Terminons ce chapitre avec une application typique de cet algorithme. Exemple (Identication de param` tres). La gure VI.3 montre une photographie de la Vall e e e Blanche (prise par G. Wanner). On y reconnat le Col des Grandes Jorasses, lAiguille du G ant, e lAiguille Blanche de Peterey, lAiguille du Tacul, le Petit Rognon et lAiguille du Moine. La gure VI.4 est une copie dune carte g ographique de cette r gion. Le probl` me consiste a trouver e e e ` la position de la cam ra, ses caract ristiques (foyer) et les angles dinclinaison. e e Pour la formulation math matique de ce probl` me, nous avons choisi des coordonn es e e e sur la photographie (gure VI.3, lorigine est au centre) et des coordonn es e sur la carte ( repr sente laltitude). Les valeurs mesur es pour les points reconnus sont donn es dans le e e e tableau VI.2.

 r b x

  54  4 m 4 " a T x v ua T a  a X ua T a Q y x bF Q bF r b iA |b  |hbF  |b  8 1|b  8 A ||b  hb  8 5   a ua  a 

Une cons quence de cette formule est : e

en g n ral, la convergence est lin aire; e e e on a convergence quadratique si ; si est trop grand, la m thode diverge. e

 dr h r  

" a x 1 y x (% 1 vsupha(% r |ab A hb  X |b  8 1|b  8 A Vift(%   a a a T  eca e fn T a  a 4 Fb(%  a b  8 4

   bj e Q      g 
. En posant

   "   Q bj  bj e Q u   bjQbj e Q b j    p    y  #   e " j  bjQbj e Q  r  p   y  b    X    8 1  8 5 p r  A   !g  8  u    X  w Yg 54 

    r     8 A      m   X  54  4

(4.5)

(4.6)

(4.7)

(4.8)

dans (4.8) et en

M thodes It ratives Equations Non Lin aires e e e

143

F IG . VI.3: Photographie de la Vall e Blanche e TAB . VI.2: Les donn es pour le probl` me Vall e Blanche e e e

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

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

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

dont les deux vecteurs et engendrent le plan du lm, etant horizontal et vertical. Alors, le vecteur dans lespace qui montre du centre de la lentille vers le point sur le lm est donn par e o` u

Les conditions a satisfaire sont que les vecteurs `

 $a pr h F#h r  vb  ha T T a T a  a p 0 ) " b) 0 e 321mT a $321) ) p 

et

rjw jjjw jjjw j wj jjjw r a

(4.9) soient

a |j  r h r  r a x k y w u y 4  y u y u y 54  y wu y A4  zT 4 T

jjj r r jjj jjj w jj w jjj r jjj a #h

jj jj  jj jjr jf  jj a b 

jj3#T r " jj3#T " jf3# " jj3# r " jj3# w " jj3# r " a

r a y r ae  a a f

 pr 54 r  r hr 

x# r " jjx# " x#zT " jjx# " x#zT " jjx#zT " a

a zk a f u u

k y su y 4 k  r 4 T

a  ay ae

 dr A4 r

144

M thodes It ratives Equations Non Lin aires e e e

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

 b a y h #h ae T a T T a "  a  ae  b  a T T T a  T b h jAa h   a  a A  a y T T 

T a h # h T a  b T a

a aa e y

(4.10)

 w r s

jjx#T  " jjx#T  " jjx#T  " jjx#T " x# " jjx# " jjx# "

rw " jjx#T rw " jjx#T rw " jjx#T rw " jjx#T jx#T r " w " jjx#T jjx# "

jA#T " jA#T " jA#T " jA#T " jA#T " jjx#T " jjxp6T "

w " j3#T w " j3#T w " j3#T j3#T " f3#T " wj3#T " j3# " 4

j j j wjjw j j j a

w j w j  w jj w w wjj jj ww jj a #h

jjj jjj jjj jjj  jjj jjj w jjj a b

En appliquant la m thode de Gauss-Newton a ce syst` me avec comme valeurs initiales e ` e , , , , , , , apr` s peu dit rations on obtient la e e solution , , avec une pr cision de chiffres (voir le tableau VI.3). On e a donc bien trouv la position de la cam ra. Cest a lAiguille Verte (altitude 4122) que Gerhard a e e ` pris cette photo.

 Y

jf! jgh jj!I w      4 j jj h jj T   {@   3A 2 A 2 511@@t   ! 1 F@   '  2 3 2 5 1!@@t    @{  2 F'vAA2 @5 1)@@@@{1!At@A 3 t e  1{t3@' A{t@@  ( !  ! 0{ 2 ( !  0 {! @@ 2 ( ! 0A)A"{! @ 2 Q @@0(1FF {@ e Qt@51@{{{t@'1!Q @t5@{t p 1 t @ ' 1! Q@ p5 11{{@ 5 5t A@ 1HA 1He @() Av1 e0A 5' '!@A'{@( ( e Ad  1'@'Q@'!t d { A {A )( '! ' { 1{ '! @'A11@{&t{ 5 @% e @ A$A#  A@" Q At A{AQ5@1!vt{ @ 5 e A @ @ t 3tAA@@ 1QttA A @@ @ @ tAA@@@@ t  @t@ (@xt @A (t (@{vA@ 1Ae (@ tt @Q ttA @ { $A@ A15@Q A@ t { @ @ @ 1 Q @ tA y 5 ut$F1A55 1@ 5  e 6 w g
conditions pour

En tout, ceci donne la fonction

M thodes It ratives Equations Non Lin aires e e e

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

inconnues. Voici le programme FORTRAN pour 145

146

M thodes It ratives Equations Non Lin aires e e e

VI.5 Exercices

(a) Donner une interprtation gomtrique.

h W Y% C

(c) Dduire de (b) que

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

`f

yiG `

h SQ

est la seule direction ayant la propi t suivante: ee Pour toute matrice inversible , il existe tel que pour
C B 4 DT%e i h f y i G ` VYU ` Q g d f

C B DT4

& C

C B DT4

4 e fn G ` DCB 8 dW R `

C B 4 DT%e

7 4 9 x 5

` DCB 8 4 7 x

2. Soit et que

et contin ment diff rentiable. Pour un u e soit inversible. Montrer que

supposons que

G Q R

G C DB

G C B DT4

84

d $ d

G C B bDT4

p G 8

U B v

avec

avec

G C B bDT4

G Vh 8B 4 4 v 88

G h uB

(b) Dmontrer que lerreur

,o

est une racine simple de

Q iR

enaC W a fta`C d G a C W e c a C V9cbfdDB G e n a C B 4 W G a C B ftDTYXVDT4 e ca C 9 Ge na Ea fdPIHft93CF9DCB

f

E HefnteFetrsqfte a a p eca af a 9 gR e

E yiw e x p

U G C B TF DT4

a 9

eca fte

R SQ

7 A@864 9 7 5

1. Pour une fonction

, considrons litration

dnie par (5.1)

, satisfait

G C B bDT4

G C B DT4

M thodes It ratives Equations Non Lin aires e e e

147