Académique Documents
Professionnel Documents
Culture Documents
On remarque de grande variation au pour les 13 premiers points puis une stabilisation. Le
résultat à la précision 10−14 est trouvé en 75 itérations.
Graphique de LC en fonction du nombre d’itération :
Sur ce graphique on peut voir que dans un premier temps un ordre de convergence linéaire
puis un pique et une stabilisation. Pour trouver l’ordre de convergence nous avons utilisé la
1
partie linéaire de la courbe ce qui nous donne un ordre de convergence de .
2
2.
Avec la même équation nous appliquons la méthode de Newton.
Nous reprenons la même méthode avec Lx est la valeur de l’équation et LC l’ordre de
convergence.
Graphique de Lx en fonction du nombre d’itération :
Cette fois si avec la même précision de 10−14 le résultat est obtenue avec 5 itérations. Cette
méthode a donc été 15 fois plus rapide que la précédente.
Cette fois si on remarque que l’ordre de convergence est supérieur à 2. Ce qui correspond
avec le graphique précédent.
3.
Dans cette partie l’équation est x=10∗cos ( x)
Nous essayons dans un premier temps de résoudre cette équation avec la méthode de type
point fixe vue précédemment.
Graphique de la réponse avec la méthode de type point fixe en fonction du nombre
d’itération :
Nous avons limité le nombre d’itération à 50 car la réponse n’arrive pas à trouver la réponse
comme le montre le graphique.
Il faut donc trouver une autre méthode pour résoudre cette équation.
Nous avons donc utilisé la méthode de Newton vu précédemment pour résoudre cette
équation.
Graphique de la réponse avec la méthode de Newton en fonction du nombre d’itération :
2.
Nous avons ensuite utilisé la méthode d’Aitken-Steffensen pour résoudre les deux équations
précédentes.
Implémentions Matlab :
x0 =
x0 = [0,1];
xns = j*xn - [(Lx1(end))^2 - (Lx2(end))^2 + 2*Lx1(end);(Lx1(end))^2*Lx2(end) +
Lx2(end) - 1];
xns = jinv*xns;
Lx1(end+1)=xns(1);
Lx2(end+1)=xns(2);
end
[Lx1(end);Lx2(end)]
2.
Nous avons ensuite calculer √3 5 avec la méthode de la sécante.
Implémentation Matlab :
x0 = 1;
x1 = 2;
s = 1.7099759466766;
k = 3;
a = 5;
Lx = [x0,x1];
LC = [];
LCn = [];
while abs((Lxn(end))^k - a) > 10e-14
Lxn(end+1) = Lxn(end) - ((Lxn(end))^k - a) / (k*(Lxn(end))^(k-1));
rho = (Lxn(end) - s) / s;
LCn(end+1) = -log(rho);
end
plot(Lx)
hold on
plot(Lxn)
Lx correspond au résultat de par la méthode de la sécante et Lxn est les résultats par la
méthode de Newton.
Graphique entre la méthode de la sécante et la méthode de Newton en fonction du nombre
d’itération :
Conclusion
Dans ce TP, nous avons appliqué différente méthode itérative pour trouver différent
résultat. Nous avons vu que la méthode de type point fixe et la méthode ∆ 2 d’Aitken ne
marché pas pour toute les situations et était les moins performantes.
Nous avons pu constater l’influence de l’ordre de convergence sur les performances des
différentes méthodes.