CENSAW Université Mohammed V | & Ecole Nationale Supérieure d'Arts et Métiers sill ally pit) Lie Laesg dyad Rabat, Maroc TR aS ic ernie Fond Université Mohommed V de Robot lJére Année Cycle d’Ingénieur Filigres : GITN-GM- -IMIA Analyse Numérique Pr. AZRAR Lahcen Année Universitaire 2021/2022Table des matiéres I Résolution d’équations non linéaires 4 1 Equations non linéaires 4 1 Méthode de Dichotomie (ow de bissection ) 5 1.1 Algorithme de Dichotomie (ou de bisection ) 5 2 Méthode du point fixe ‘ . 6 2.1 Probléme du point fixe . . bene _ 7 2.2 Algorithme du point fixe bees 7 3 Méthode de Newton 2.2.0... 9 3.1 Algorithme du Newton . . 10 4 Méthode de la séeante me yn sme cw nny I 5 Méthode de Regula Fai... 0.000 e eee eee eee HD 2 Systéme d’équations non linéaires 12 1 Introduetion ¢ f a, id 2 Méthode de Newton-Raphson - 2 2.1 Algorithme de Newton-Raphson 2B IL Méthodes directes pour la résolution des systémes li- néaires 13 1 Introduction 14 2 Méthode de Cramer 15 1 Systéme A matrice triangulaire . 15 3 Méthode de Gauss 17 1 Algorithme d’élimination de Gauss een eee - 20 4 Factorisation L.U 21 1 Motivation de la factorisation L.U ey ewe - 21 2 Principe du caleul direct de L.U * + 9 -an we . - 22 3 Formule Générale . ay esee ee Pee 48 * - 23 4 Algorithme de Doolittle . . . 24 5 Existence et unicité de la factorisation LU... . . ove 5 Factorisation A= LDLT 26 6 Factorisation de Choleskey 27 1 Algorithme de Cholesky... 2 - 28a Chapitre I Résolution d’équations non linéaires 1 Equations non linéaires. Soit f: DCRR 2 — f(r) (ay On considére Féquation f(x) — 0 On dit que # € D est uve racine de Péquation f(r) = 0 si S(2) La racine Z est séparable si on peut trouver un intervalle (a, 6] tel que ¥ € [a,b] et # est l'unique racine dans [4.0] Dans ce cas F est aussi dit racine isolée. =0. cD Loobjectif est de déterminer une approximation de la racine séparée 7. Définition 2 jest une solution approchée de 8 ¢ prés (¢ trés petit ) si |# ~# ‘<> 0. Plus ¢ est petit plus la précision est meilleure. Exemple 1 . ¢ f(x) =e" sine -1=0. eo gv) =2nz-1=0. eo h(z) =2° — 22! 422° +30? +2+4=0 ‘On ne connait pas les solutions exactes de ces équations. D’ou il faut d’éla- borer des méthodes numériques permettant de déterminer des solutions ap- prochées. Analyse Numérique Pr. AZRAR Lahcen1 Méthode de Dichotomie (ou de bisection ) 5 1 Méthode de Dichotomie (ou de bissection ) Rappel ‘Théoréme 1 (Théoréme des valeurs intermédiaires) Si f est continue sur lintervalle [a.}] et f(a).f(b) < 0 alors il ¢ c €la,b| tel que f(c) =0. Sif est strictement croissante ou décroissante alors ¢ est unique 1.1 Algorithme de Dichotomie (ou de bissection ) Schéma J (a). f(b) <0 => Fe €Ja.bl tol que fle) # On pose ap = 4, by = b et to = Na). f{xo) > 0, f(0)-s(b) < 0 => la racine est dans |z0, |. 1 On pose a, = x9, by =b et 1 = 5(t0 +4). fe F(21).f(b) > 0 => la racine est dans |x0. 21 1 . # On pose ap = 20, by = 1 et 22 = (20 +21). et ainsi on construit des suites dy.by et In #8 St f(an—1)-Flen—1) < 0. om pose ay = An-tybn = Fn-1 et tn = 2 (aq +bn) © Si fldn-t)L£lta-1) > 0, 00 pose Gy = ty-avba = bra eb tn = 5(@n +n) @ Si f(ap—1)-f(tn-1) = 0. alors # = aj—1 la solution exacte est trouvée et on arréte le processus. Remarque 1 Comme a chaque itération on divise Vintervalle par 2 et on choisit le demi-intervalle contenant la racine Z. Aprésn itérations, ta largeur b-a b 0. ot. geet = de Vintervalle contenant la racine % devient Analyse Numérique Pr. AZRAR Lahcen2__Méthode du point fixe 6 La suite (c,) définie par Valgorithme de Dichotomie converge vers la racine 7. r,, est une solution approchée de F ct Ferreur commise est : boa lan — 2] < Som L’erreur tend vers 0 quand n —+ +00 Avantages * Méthode simple, © Applicable méme pour les fonctions non analytiques. Inconvénient * Nest pas applicable pour les racines doubles. # ‘Trés lente si l'on veut une grande précision. Exercice Résoudre par la méthode de Dichotomie les équations suivantes 1, 2? —6r +8 =0 sur [0,3] ot sur [3.5] 0 2. cos(2) ~ x = 0 sur [0,5] 2 Méthode du point fixe On appelle point fixe de f, toute solution de 'équation f(r) = ‘Théoréme 3 Si f est continue sur [a,b] et si f([a,5)} C [a,5], alors il existe entre a et b au moins un point fixe. C’est a dire Je € [a,b] tel que f(c) = Analyse Numérique Pr. AZRAR Lahcen2 Méthode du point fixe 7 2.1 Probléme du point fixe On cherche 4 résoudre Ie probléme S@ (1.3) 2.2 Algorithme du point fixe aq donné 14 { rns = fn) ta) La suite (2) est la suite récurrente associée a f La suite (arn) converge vers Z. L’approximation de & prés consiste & calculer les termes 2, tel que ln - 2] pi = —L et pz ~2 sont les deur points fires de f ‘Théoreme 5 1, Soit f une fonction continue sur [a.b] et Ver € [ab], f(r) € (a.0], alors fadmet au moins un point fixe sur (a,b 2. Si'en plus f est dérivable sur (a, ] et 3k, \f'(a)| < k Wx € (a,b), Alors f admet un {a,b} O 2. En re- vance, les autres méthodes peuvent s'adapter au cas d'une fonction F R* — R*. Passons rapidement sur les méthodes de point fixe qui néces- sitent que le systéme d'équations A résoudre soit écrit sons la forme Fa 9 (01, 22.---.2N) a = G2 (1, ¥2,-.-N) (2.1) ty = gn (a.22....,¢N) Test assez rare que la méthode de point fixe écrite & partir du systéme (2.1) converge, les conditions de convergence étant plus difficiles a réaliser qu’en dimension un. I] faut en effet que pour une certaine norme matricielle, la norme de la matrice Jacobienne de F soit strictement inférieure & 1 au point recherché. Nous faisons le choix de présenter plutat ici la méthode de Newton. 2 Méthode de Newton-Raphson Considérons un systéme d’équations s’éerivant F(X) = 0 ou encore, de facon développée Ai (@1,02,....2n) =O fa(ai.e2,--..2n) =0 fn (71, 22,..-,2~) =0 ition naturelle de la formule de Newton unidimensionnelle att = tn — (f(a) S (en) fait intervenir la matrice Jacobienne de F : eh oh oh Bx, Br, “' den La généralis F'(Xn) Analyse Numérique Pr. AZRAR Lahcen2 Méthode de Newton-Raphson 13 toutes les dérivées partielles tant évaluées au point Xp. La méthode de NewtonRaphson s’écrit done formellement Xnsi = Xn — [F’ (Xn)]~ F (Xn) (2.2) Le second membre de (2.2) est parfaitement défini car on effectue le produit d'une matrice N x N par un vecteur de RY. Dans la pratique, on ne calcule pas explicitement Minverse de la matrice Jacobiemne, ce qui e'avérerait trop cotiteux, et on préfére écrire lalgorithme sous la forme suivante 2.1. Algorithme de Newton-Raphson Xp donné , pour n =0.1,..., test d’arrét, faire Récolution du systéme linéaire F’ (Xp) bn = —F (Xn) Xnai = Xn + ou Remarque 8 Encore plus quien dimension 1 , le choix de Vinitia est crucial et le risque de divergence, si on ne démarre pas & proximité de Ia solution cherchée, est grand. Remarque 4 Dans Ie cas des systémes de grande dimension, la méthode de Newlon-Raphson savére assez codteuse puisqw'il faut évaluer & chaque itération N2 +N fonctions (les N* dérivées partietles de la matrice Jaco- bienne, plus les N fonctions coordonnées). De plus. ily a un systéme linéaire Nx N (dont la matrice est en général pleine) 4 résoudre. Pour pallier le premier inconvénient, il est frequent qu'on ne recatcule pas la matrice Jaco- bienne @ chaque itération, mais seulement de temps en temps. Bien stir, @ ce moment-la, la convergence n'est plus quadratique, mais en temps de calcul il arrive qu'on y gagne beaucoup, en particulier quand les dérivées de F sont trés cotiteuses 4 caleuler. Analyse Numérique