x+ comme nouvelle approximation, et recommencer Méthode de Newton – p 8/ 41 Page 9 Equation à une inconnue
Previous PDF | Next PDF |
[PDF] Méthode de Newtonpdf
7 jui 2015 · Méthode de Newton Référence : Rouvière : Petit guide de calcul différentiel, Exercice 49 p 152 Cette méthode permet de trouver des
[PDF] Analyse Numérique
C'est un des inconvénients de la méthode de Newton : une initialisation faite Algorithme 2 8 : Résolution de P (x)=0 par la méthode de Newton à partir d'une
[PDF] Algorithme sur la méthode Newton-Raphson - Lycée dAdultes
5 nov 2015 · Algorithme sur la méthode Newton-Raphson 1 Historique La méthode de résolution des équations numériques a été initiée par Isaac New-
[PDF] Devoir de révision : la méthode de Newton
une approximation de x0 avec 10 décimales Exercice 6 Remarques et compléments sur la méthode de Newton Soit f : I → R une fonction de classe C2
[PDF] Méthode de Newton
x+ comme nouvelle approximation, et recommencer Méthode de Newton – p 8/ 41 Page 9 Equation à une inconnue
[PDF] Autour de la méthode de Newton - Annuaire IMJ-PRG
La méthode de Newton en analyse Soit I un intervalle de R et f : I → R une application dérivable Pour déterminer une approximation numérique des solutions
[PDF] 1 Convergence 2 Critère darrêt
Exercice 4 : Faire un dessin illustrant la méthode de Newton pour la fonction la méthode de Newton “perd” la convergence quadratique dans ce cas :
[PDF] Méthodes de résolution déquations
Figure 7 1 – Méthode de Newton appliquée à la fonction f(x) = x + x2 A gauche : fonction et valeurs de la série xn A droite : propriétés de convergence
[PDF] méthode de point fixe exercices corrigés pdf
[PDF] méthode de prévision lissage exponentiel
[PDF] méthode de prévision statistique
[PDF] methode de recherche scientifique pdf
[PDF] méthode de résolution de conflit
[PDF] méthode de résolution de problème ishikawa
[PDF] méthode de résolution de problème pdf
[PDF] méthode de résolution de problème physique
[PDF] méthode de résolution de problème ppt
[PDF] méthode de résolution de problème qualité
[PDF] Méthode de résolution DM
[PDF] Méthode de résolution sur les équations DM
[PDF] méthode de révision efficace
[PDF] méthode de saturation pharmacologie
Méthode de Newton
Michel Bierlaire
michel.bierlaire@epfl.chLaboratoire Transport et Mobilit
´eEPFL - ENAC - TRANSP-OR
M´ethode de Newton - p. 1/41
Newton locale
Conditions nécessaires d"optimalité
?f(x) = 0 Il s"agit d"un système d"équations non linéaires. Appliquons la méthode de Newton pour les équations.Voir Bierlaire (2006), chapitre 7 pour rappel.
M´ethode de Newton - p. 2/41
Equation à une inconnue
Résoudre
F(x) = 0
avecF(x) =x2-2,?x= 2
Théorème de Taylor
F(?x+d) =F(?x) +dF?(?x) +o(|d|)
=?x2-2 + 2?xd+o(|d|) = 2 + 4d+o(|d|).M´ethode de Newton - p. 3/41
Equation à une inconnue
Ignorons le terme d"erreur pour obtenir un
modèle m(?x+d) = 2 + 4d.En posantx=?x+d, nous obtenons
m(x) = 2 + 4(x-2) = 4x-6. M´ethode de Newton - p. 4/41
Equation à une inconnue-10-5051015
0 0.5 1 1.5 2 2.5 3 3.5 4
x f(x) m(x) M´ethode de Newton - p. 5/41
Equation à une inconnue
1.51.61.71.81.922.12.22.32.42.5
1.9 1.95 2 2.05 2.1
x f(x) m(x) M´ethode de Newton - p. 6/41
Equation à une inconnueModèle linéaire d"une fonction à une variableSoitF:R→Rune fonction différentiable.
Lemodèle linéairedeFen?xest une fonctionm?x:R→Rdéfinie par m ?x(x) =F(?x) + (x-?x)F?(?x).M´ethode de Newton - p. 7/41
Equation à une inconnue
Algorithme :1. Calculer le modèle linéaire en?x:F(?x) + (x-?x)F?(?x) = 0,
2. Calculer sa racinex+
x +=?x-F(?x)F?(?x),
3. Six+n"est pas une racine du problème de départ, considérer
x +comme nouvelle approximation, et recommencer. M´ethode de Newton - p. 8/41
Equation à une inconnue
Critère d"arrêt :
En théorieF(x+) = 0.
En pratique, arithmétique finie.
On définit une précisionε, et la condition est M´ethode de Newton - p. 9/41
Rappel
: Méthode de Newton - une variableObjectif
Trouver une approximation de la solution de l"équationF(x) = 0.
InputLa fonctionF:R→R;
La dérivée de la fonctionF?:R→R;
Une première approximation de la solutionx0?R;
La précision demandéeε?R,ε >0.
M´ethode de Newton - p. 10/41
Rappel
: Méthode de Newton - une variableOutput
Une approximation de la solutionx??R
Initialisation
k= 0 It´erations
1.xk+1=xk-F(xk)/F?(xk),
2.k=k+ 1.
Crit `ere d"arrˆet M´ethode de Newton - p. 11/41
Rappel
: Méthode de Newton - nvariablesObjectif
Trouver une approximation de la solution du système d"équationsF(x) = 0.
InputLa fonctionF:Rn→Rn;
La matrice jacobienne de la fonctionJ:Rn→Rn×n; Une première approximation de la solutionx0?Rn;La précision demandéeε?R,ε >0.
Output
Une approximation de la solutionx??Rn
M´ethode de Newton - p. 12/41
Rappel
: Méthode de Newton - nvariablesInitialisation
k= 0 It´erations
1. Calculerdk+1solution deJ(xk)dk+1=-F(xk).
2.xk+1=xk+dk+1.
3.k=k+ 1.
Crit `ere d"arrˆet M´ethode de Newton - p. 13/41
Rappel: Méthode de Newton - nvariablesConvergence de la méthode de Newton nvariablesSoit un
ensemble convexe ouvertX?Rn, et une fonctionF:X→Rn. Supposons qu"il existex??X, une bouleB(x?,r)centrée enx?de rayonr, et une constanteρ >0tels queF(x?) = 0,B(x?,r)?X,J(x?)est inversible, etJest continue au sens de Lipschitz surB(x?,r), la constante de LipschitzétantM.
(suite...) M´ethode de Newton - p. 14/41
Rappel: Méthode de Newton - nvariablesConvergence de la méthode de Newton nvariables (suite)Alors, il existeη >0tel que si
x0?B(x?,η),
alors la suite(xk)kdéfinie par x k+1=xk-J(xk)-1F(xk)k= 0,1,... est bien définie et converge versx?. De plus,ρ?xk-x??2.
(p. 204) M´ethode de Newton - p. 15/41
Rappel: Méthode de Newton
Performance de la méthode de Newton
Si la fonction n"est pas trop non-linéaire;
Si la dérivée defà la solution n"est pas trop proche de 0;Six0n"est pas trop éloigné de la racine;
Alors la méthode de Newton converge très vite vers la solution. M´ethode de Newton - p. 16/41
Algorithme
: Newton localeObjectif
Trouver une approximation de la solution du système ?f(x) = 0. InputLe gradient de la fonction?f:Rn→Rn;
Le hessien de la fonction?2f:Rn→Rn×n;
Une première approximation de la solutionx0?Rn;La précision demandéeε?R,ε >0.
M´ethode de Newton - p. 17/41
Algorithme
: Newton localeOutput
Une approximation de la solutionx??Rn
Initialisation
k= 0 M´ethode de Newton - p. 18/41
Algorithme
: Newton locale It´erations
1. Calculerdk+1solution de?2f(xk)dk+1=-?f(xk),
2.xk+1=xk+dk+1,
3.k=k+ 1.
Crit `ere d"arrˆet M´ethode de Newton - p. 19/41
Newton locale
Mêmes propriétés que pour les équations1. convergenceq-quadratique dans les conditions favorables
2. divergence possible si le point de départ est trop éloignéde la
solution,3. méthode non définie si?2f(xk)n"est pas inversible.
Inconvénient supplémentaire :
incapacité à distinguer minimum, maximum et point de selleM´ethode de Newton - p. 20/41
Newton locale
minf(x1,x2) =12x21+x1cosx2,
x1x 2 M´ethode de Newton - p. 21/41
Newton locale
minf(x1,x2) =12x21+x1cosx2,
x?-2x -1x 0x 1x 2 ¯x0¯x
1 ¯x -1 ¯x -2Point de départx0= (1 1)T. Convergence rapide.
M´ethode de Newton - p. 22/41
Newton locale
Solution:
x 0 2? ?f(x?) =? 0 0?2f(x?) =?
1-1 -1 0? -2 -1.5 -1 -0.5 0 0.5 1 1.5 2-6-4-20246 x 0x x1x 2 M´ethode de Newton - p. 23/41
Newton locale
Solution:
x 0 2? ?f(x?) =? 0 0?2f(x?) =?
1-1 -1 0? -0.4 -0.2 0 0.2 0.4 0.6 0.8 111.21.41.61.82 x 0x? x1x 2 M´ethode de Newton - p. 24/41
Newton locale
Méthode rapide mais peu fiable
Interprétation géométrique
Equations : modèle linéaire à chaque itérationOptimisation : modèle quadratique
M´ethode de Newton - p. 25/41
Newton localeModèle quadratique d"une fonction
Soitf:Rn→Rune fonction deux fois différentiable. Lemodèle quadratiquedefen?xest une fonctionm?x:Rn→Rdéfinie par m ?x(x) =f(?x) + (x-?x)T?f(?x) +12(x-?x)T?2f(?x)(x-?x),
où?f(?x)est le gradient defen?xet?2f(?x)est la matrice hessienne de fen?x. En posantd=x-?x, on obtient la formulation équivalente: m ?x(?x+d) =f(?x) +dT?f(?x) +12dT?2f(?x)d.
M´ethode de Newton - p. 26/41
Newton locale
min xm?x(x) =f(?x) + (x-?x)T?f(?x) +12(x-?x)T?2f(?x)(x-?x)
Condition suffisante d"optimalité (premier ordre) ?m?x(?x+d) =?f(?x) +?2f(?x)d= 0 c"est-à-dire d=-?2f(?x)-1?f(?x), ou encore x=?x- ?2f(?x)-1?f(?x),M´ethode de Newton - p. 27/41
Newton locale
Condition suffisante d"optimalité (second ordre) ?2f(?x)définie positive Lorsque la matrice hessienne de la fonction est définie positive enxk, une itération de la méthode de Newton locale revient à minimiser le modèle quadratique de la fonction enxk, et ainsi définir x k+1= argminx?Rnmxk(x).M´ethode de Newton - p. 28/41
Algorithme
: Modèle quadratiqueObjectif
Trouver une approximation de la solution du système ?f(x) = 0.(1) InputLe gradient de la fonction?f:Rn→Rn;
Le hessien de la fonction?2f:Rn→Rn×n;
Une première approximation de la solutionx0?Rn;La précision demandéeε?R,ε >0.
M´ethode de Newton - p. 29/41
Algorithme
: Modèle quadratiqueOutput
Une approximation de la solutionx??Rn
Initialisation
k= 0 M´ethode de Newton - p. 30/41
Algorithme
: Modèle quadratique It´erations
1. Construire le modèle quadratique
m ?x(?x+d) =f(?x) +dT?f(?x) +12dT?2f(?x)d,
2. Calculer
d k+1= argmindm?x(?x+d)3.xk+1=xk+dk+1,
4.k=k+ 1.
Crit `ere d"arrˆet M´ethode de Newton - p. 31/41
Algorithme
: Modèle quadratique Attention : si?2f(xk)n"est pas définie positive,... -4-20246x1-4 -20246x 2-20 02040f(x1,x2) M
´ethode de Newton - p. 32/41
Algorithme
: Modèle quadratique Attention : si?2f(xk)n"est pas définie positive, le modèle n"est pas borné inférieurement -4-20246x1-4 -20246x 2-20 02040m x0(x1,x2) Dans ce cas, l"algorithme ne peut être appliqué. M