Documente Academic
Documente Profesional
Documente Cultură
Série N°3
Méthode de Newton-Raphson et Quasi Newton
Exercice 1
Montrer que l’algorithme de Newton-Raphson converge en une seule itération lorsque on l’ap-
plique à une fonction quadratique associée à une matrice A symétrique définie positive et un
vecteur b ∈ Rn .
Problème : Minimisation d’une fonction non quadratique
1-a) Déterminer le vecteur Gradient de f en tout point x de R2 ainsi que sa matrice Hessienne
∇2 f (x).
1-b) Trouvez le(s) point(s) critiques de cette fonction et déterminer leur nature.
2-a) En partant de la condition initiale (x01 , x02 ) = (1.2, 1.2), effectuer trois itérations de la
méthode du Gradient à pas fixe avec s = 0.005. Que peut-on en déduire sur la convergence
de cet algorithme vers la solution exacte ?
2-b) Donner le schéma itératif de la méthode du Gradient à pas optimal pour minimiser la
fonction f sur R2 .
2-c) A l’aide du développement de Taylor-Young d’ordre 2 de la fonction ϕk (t) = f (xk + tdk )
au voisinage de 0, montrer que le pas optimal tk dans la direction dk = −∇f (xk ) peut
être évalué approximativement par :
2-d) En partant de la même condition initiale (x01 , x02 ) = (1.2, 1.2), effectuer deux itérations
de la méthode du Gradient à pas optimal et commenter les résultats.