Calcul Scientifique Cours, exercices corrigés et illustrations en Matlab et Algorithmes de résolution Etude de la convergence Résolution Méthode de dichotomie : Critère de convergence Méthode de dichotomie : Première variante
Previous PDF | Next PDF |
[PDF] Algorithmique I - École normale supérieure de Lyon
1 7 Exercices de l'humour, dans un fichier pdf `a télécharger absolument Pour améliorer l'algorithme précédent, on va se contenter dans un premier temps (par dichotomie dans la liste triée des si), et le dernier n correspond `a la taille
[PDF] Calcul Scientifique: Cours, exercices corrigés et illustrations en
(ou Octave) en regard de la ligne où elle apparaît pour la première fois Le symbole mais quand elles s'accumulent au cours d'algorithmes longs et complexes, elles La méthode de dichotomie est implémentée dans le Programme 2 1 :
[PDF] EXAMEN 1 - Corrigé
4) Nous ne répondrons à aucune question concernant ces exercices, sauf si nous 5) L'examen est noté sur 100 points et compte pour 40 de la note finale (iii) [5 pts] Pour quels vecteurs initiaux ne peut-on pas démarrer l'algorithme?
[PDF] Calcul Scientifique: Cours, exercices corrigés et - Ceremade
lisés pour implémenter les divers algorithmes présentés, ce qui permet de vérifier (ou Octave) en regard de la ligne où elle apparaît pour la première fois Le symbole La méthode de dichotomie est implémentée dans le Programme 2 1 :
[PDF] EILCO : Analyse Numérique Chapitre 3 : Résolution - LMPA
Calcul Scientifique Cours, exercices corrigés et illustrations en Matlab et Algorithmes de résolution Etude de la convergence Résolution Méthode de dichotomie : Critère de convergence Méthode de dichotomie : Première variante
[PDF] Exercices corrigés - u-psudfr
Les exercices suivants sont fournis à titre d'exemples et de modèles Ils sont soit simples, soit Écrivez une boucle while pour déterminer si cet entier est premier S'il ne l'est pas, la boucle Écrire l'algorithme du calcul de : m3 = m1−m2
[PDF] Cours danalyse 1 Licence 1er semestre
1 5 Exercices Un entier est premier s'il n'est divisible que par 1 et lui-même proc`ede par dichotomie, c'est-`a-dire que l'on va couper l'intervalle [a, b] en
[PDF] Introduction à lalgorithmique - Cours, examens et exercices gratuits
Ce texte est en premier lieu un support du cours d'algorithmique ou de structures Écrire le pseudo code, itératif ou récursif, de la recherche dichotomique
[PDF] Optimisation
des différentielles D'autres exemples sont dans la séance d'exercices Voir les exercices pour des exemples g3 g2 FIG 3 2 – Premières étapes de la méthode du gradient Définir un algorithme qui procède par dichotomie directe
[PDF] Analyse Numérique : SMA-SMI S4 Cours, exercices et examens
ii) Si on adopte la stratégie du pivot partiel qui consiste à mettre en première Si x(0) est le vecteur initial donné, l'algorithme de Jacobi est de la forme : La méthode de dichotomie consiste à approcher θ par encadrement, en réduisant à
[PDF] algorithme de dichotomie seconde PDF Cours,Exercices ,Examens
[PDF] algorithme de dichotomie terminale s PDF Cours,Exercices ,Examens
[PDF] Algorithme de dichotomie, encadrement d'amplitude & #945; 1ère Mathématiques
[PDF] algorithme de dijkstra PDF Cours,Exercices ,Examens
[PDF] algorithme de dijkstra exercice corrigé PDF Cours,Exercices ,Examens
[PDF] algorithme de ford plus long chemin PDF Cours,Exercices ,Examens
[PDF] Algorithme de héron Terminale Mathématiques
[PDF] Algorithme de loi continue / densite Terminale Mathématiques
[PDF] Algorithme de mathématiques 2nde Mathématiques
[PDF] Algorithme de maths 1ère Mathématiques
[PDF] Algorithme de maths 2nde Mathématiques
[PDF] Algorithme de mesure d'angle 1ère Mathématiques
[PDF] Algorithme de niveau Seconde 2nde Mathématiques
[PDF] algorithme de parcours en largeur PDF Cours,Exercices ,Examens
IntroductionCas scalaire p=1EILCO : Analyse Numérique
Chapitre 3 : Résolution Numérique des
Equations
H. Sadok
Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des EquationsIntroductionCas scalaire p=1Plan
1Introduction
Bibliographie
Introduction
2Cas scalairep=1Algorithmes de résolution
Méthode de dichotomie
Méthode de Newton
Méthode de la sécante
Etude de la convergence
Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1BibliographieIntroductionBibliographie
Quarteroni, Alfio, Saleri, Fausto
Calcul Scientifique Cours, exercices corrigés et illustrations en Matlab et Octave2006, XII, 319 p., Broché
ISBN: 978-88-470-0487-0S. Guerre-Delabrière et M. Postel, "Méthodes d"approximation, Equations différentielles, ApplicationsScilab», Ellipses, Paris, 2004.
Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1BibliographieIntroductionPosition du problème
Le problème
Etant donnéf:Rp!Rp;
On cherche un vecteurx2Rnsolution def(x) =0:(1)Nous allons d"abord traiter le cas scalaire. La fin de ce chapitre
sera consacrée au cas vectoriel. Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceRésolution numérique des équations
Résoudre numériquement l"équationf(x) =0, revient à chercherxtel quejf(x)j , avectrès petit. On va supposer dans la suite que la racinexest séparable, c"est à dire qu"il existe un intervalle[a;b]tel quexest la seule racine dans cet intervalle.On rappelle le théorème des valeures intermédiaires :théorème des valeures intermédiaires
Soitfune fonction continue dans[a;b], et soit
y2[min(f(a);f(b));max(f(a);f(b))], alors il existex2[a;b]tel quef(x) =y.supposons qu"il existe un intervalle[a;b]tel quef(a)f(b)<0, donc d"apr `s le thérème des valeurs intermédiaires, il existe un point xtel quef(x) =0.Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de dichotomie
Hypothèse :xest séparable dans[a;b]. Supposons de plus quef(a)f(b)<0. On définit l"algorithme suivant :algorithme de la bissection Initialisation:a0=a;b0=bavecf(a)f(b)<0Iterations: Pourk=0;1;2;:::c k=ak+bk2 ,Sif(ak)f(ck)<0alorsak+1=aketbk+1=cksinonak+1=cketbk+1=bkfin du si fin du pour Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de dichotomie : Exemple
f(x) = (5x)ex5=0, aveca=1 etb=611.522.533.544.55-10 0 10 20 3040
50Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations
IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergence Méthode de dichotomie : Critère de convergenceIl est évident que
b nan=ba2 n:Donc sijbnanj alors 2nbaEt doncnlog2ba
Si par exemplea=1,b=2 et=104, alorsn14. Ce qui
montre que 14 itérations sont suffisante pour avoir une erreur inférieure à 10 4.Comme approximation on propose
an+bn2 . La convergence de la méthode de dichotomie est linéaire. Cette méthode nécessite une seule évaluation de fonctions par itération. Nous allons voir dans ce qui suit une variante. Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de dichotomie : Première variante
Au lieu de prendrecnégal au milieu de[an;bn], nous allons tout d"abord tracer la droite passant par les deux points(an;f(an)) et(bn;f(bn)). Le nouveau pointcnsera donc l"intersection de cette droite avec l"axe Ox.a b c f(a) f(b) Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de dichotomie : Première variante
La droite passant par les points(an;f(an))et(bn;f(bn))a pouréquation
y=f(an) + (xan)f(bn)f(an)b nan:On en déduit donc quecnest donné par
c n=anf(bn)bnf(an)f(bn)f(an): En modifiant l"algorithme précédent on obtient : Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de Regula-Falsi
Hypothèse :xest séparable dans[a;b]. Supposons de plus quef(a)f(b)<0. On définit l"algorithme suivant :algorithme de la fausse position (Regula-Falsi) Initialisation:a0=a;b0=bavecf(a)f(b)<0Iterations: Pourk=0;1;2;:::c k=akf(bk)bkf(ak)f(bk)f(ak),Sif(ak)f(ck)<0alorsak+1=aketbk+1=cksinonak+1=cketbk+1=bkfin du si fin du pour Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergence Interprétation de la Méthode de Regula-Falsi Le principal inconvénient de cette méthode réside dans le fait que l"on peut avoir une stagnation de l"un des des points, comme le montre le graphe suivant : Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergence Interprétation de la Méthode de Regula-Falsi Modifiée Nous allons remédier à ce petit problème, en changeant l"ordonnée (on va le diviser par deux) du point qui cause la stagnation. Si on reprend la figure précédente on obtient maintenant : Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de dichotomie (Seconde variante) :
l"algorithmeProgramme matlab function [w,ier,N]=quest(f,a,b,xeps,feps,itermax) fa=f(a); fb=f(b); w=a; fw=fa; a0=a; b0=b; for N=1 : itermax if(abs(a-b) < xeps) ier=0; return end if ( abs(fw) <= feps) ier = 1; return end w = (fa*b-fb*a)/(fa-fb); fwp=fw; fw=f(w); Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de dichotomie (Seconde variante) :
l"algorithme (suite)Programme matlab (suite) if fa*fw > 0 a=w; fa=fw; if( fw*fwp >0 ) fb = fb/2; end else b=w; fb=fw; if( fw*fwp > 0) fa = fa/2; end end end ier = 2; Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergence Méthode de dichotomie (Seconde variante) : Exemple f(x) = (5x)ex5=0, aveca=1 etb=611.522.533.544.55-10 0 10 20 3040
50Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations
IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de Newton
La méthode de Newton est basée sur le développement de Taylor. Soitxune solution de l"´quation non linéairef(x) =0. Nous savons d"après la formule des rectangles à gauche que : f(x)f(xk) =Z x x kf0(t)dt= (xxk)f0(xk) +(xxk)22 f00(k): En notant quef(x) =0 et en négligeant l"erreur de quadrature numérique on obtient la méthode de Newton: x k+1=xkf(xk)f0(xk):Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations
IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceProgrammation de la méthode de Newton
Les paramètres d"entrée sont
x0: approximation initiale,": tolérance souhaitée,itemax: nombre maximal d"it´rationsAlgorithme
Etant donnés un point initialx0et une tolérance",Tant quejf(xk)j> "etkitemax,faire x k+1=xkf(xk)f0(xk);Fait
Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergence Interprétation géométrique de la méthode de NewtonPrenons
f(x) =arctan(x); qui a pour solution exactex=0. L"itération de Newton pour cette fonction s"écrit sous la forme suivante: x k+1=xk(1+x2k)arctan(xk):En prenantx0=1, on obtient :-1.510.500.511.5
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 x atan(x) x 0 x 1 x 3 xFigure :
Méthode de Ne wtonpour la f onctionarctan.
Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de Newton : Remarques
la fonctionfdoit être dérivable.x k+1peut ne pas être calculable sif0(xk) =0 ou sixkn"estpas dans le domaine de définition def.chaque itération nécessite une évaluation defet une
évaluation def0.cette méthode est souvent appelée aussi méthode de Newton-Raphsonla méthode de Newton est une méthode de point fixe puisquexk+1peut s"écrire sous la formexk+1=g(xk)avecg(x) =xf(x)f0(x):Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations
IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de Newton : Exemple1
Soitaun nombre positif, pour calculera1, nous allons appliquer la méthode de Newton à la fonctionf(x) =1x a:L"itération de Newton pour cette fonction s"écrit sous la forme suivante:x k+1=2xkax2k:En prenantx02]0;1a[, on a les propriétés suivantes :Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations
IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergence Méthode de Newton ( Exemple1 ) : propriétésLa suitefxkgest bien définie puisquexk2]0;1a
[fxkgest une suite croissante majorée par1a , elle est donc convergente vers 1a fxkgest une suite de point fixe avec x k+1=2xkax2k=g(xk).Notonsekl"erreur de la méthode i.e.ek=xk1a , il est facile de voir queConvergence Quadratique e k+1e2k=a:Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations
IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de Newton : Exemple2
SoitAun nombre positif, pour calculerpA, nous allonsappliquer la méthode de Newton à la fonctionf(x) =x2A:L"itération de Newton pour cette fonction s"écrit sous la forme
suivante:x k+1=12 x k+AxkEn prenantx02]pA;1[, on a les propriétés suivantes :Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations
IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergence Méthode de Newton ( Exemple2 ) : propriétésLa suitefxkgest bien définie puisquexk2]pA;1[fxkgest une suite décroissante minorée parpA, elle est
donc convergente.fxkgest une suite de point fixe avecxk+1=12 x k+Ax k qui converge verspA.Notonsekl"erreur de la méthode i.e.ek=xkpA, il est facile de voir queConvergence Quadratique e k+1e2k=12xket limk!1e
k+1e 2k=12 pA Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de la sécante : introduction
Bien que la méthode de Newton est très utilisée dans la pratique, son principal inconvénient vient du fait de l"utilisation à chaque itération de la dérivée. Quand la fonctionfn"est pas définie explicitement, on n" pas toujours accés à sa dérivée. C"est pourquoi nous allons voir maintanant la méthode de la sécante qui n"utilise pas la dérivée def. L"idée de cette méthode est d"approcher la dérivdef0(xk)par une différence dévisée f0(xk)[xk1;xk] =f(xk)f(xk1)x
kxk1:Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de la sécante
L"itération de la méthode de la sécante s"écrit donc xk+1=xkf(xk)(xkxk1)f(xk)f(xk1):Figure :Inter prétationgéométr iquede la méthode de la sécante .
Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de la sécante : Exemple
Appliquons la méthode de la sécante et la méthode de Newton pour trouver la racine def(x) =arctan(x). Nous partons des itérésx0=1 etx1=3 pour la méthode de la sécante etx0=1 pour la méthode de Newton.012345 2520 15 10 5 0 Plot of error with respect to iteration, f(x)=atan
Nonlinear iterations
Relative residual
Secant
NewtonCours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de la sécante : Exemple1
f(x) =1x a:L"itération de la sécante pour cette fonction s"écrit sous la forme suivante:x k+1=xk+xk1axkxk1:En prenantx0etx1dans]0;1a [, on a les propriétés suivantes :La suitefxkgest bien définie puisquexk2]0;1a [Notonsekl"erreur de la méthode i.e.ek=xk1a , il est facile de voir queConvergence Super-linéaire e k+1e kek1=a:Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceMéthode de Newton : Exemple2
f(x) =x2A:L"itération de la sécante pour cette fonction s"écrit sous la forme suivante:x k+1=xkxk1+Ax k+xk1Notonsekl"erreur de la méthode i.e.ek=xkpA, il est facile de voir queConvergence Super-linéaire e k+1e kek1=12xket limk!1e k+1e kek1=12 pA Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergenceDéfinition
Soitx2Rn,xk2Rn,k=1;2;:::. S"il existe une constante c2[0;1)et un entierk00 tels que pour toutkk0, kek+1kckekk alors la suitefxkgconverge linéairementversx. Si pour une suitefckgqui tend vers 0, kek+1kckkekk; pour toutk, alors la suitefxkgconvergesuper-linéairement versx. S"il existe des constantesp>1,c0, etk00 telles quefxkgconverge versxpour toutkk0, kek+1kckekkp; alors la suitefxkgconverge versxavecau moins un ordrep. Sip=2 oup=3, alors la convergence est dite respectivementquadratiqueoucubique.Cours d"Analyse Numérique, Chapitre 3 : Résolution Numérique des Equations
IntroductionCas scalaire p=1Algorithmes de résolutionEtude de la con vergence Etude de la convergence de la méthode de Newton théoreme