Séance de cours

Méthode de Newton : approche graphique

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours (2)

MATH-250: Advanced numerical analysis I

Construction and analysis of numerical methods for the solution of problems from linear algebra, integration, approximation, and differentiation. ...

MATH-251(c): Analyse numérique

Le cours présente des méthodes numériques pour la résolution de problèmes mathématiques comme des systèmes d'équations linéaires ou non linéaires, l'approximation de fonctions, l'intégration et la dérivation, et les équations différentielles. ...

Description

Cette séance de cours explique graphiquement la méthode de Newton, en partant d'un point caché x0, en suivant la tangente à f(x0), s'approchant progressivement de la solution alpha. Il traite de la convergence, des cas extrêmes et de l'importance du point initial.

Enseignant·e·s (3)

Simone Deparis

Expertise Simone Deparis est professeur à l’EPFL, spécialisé en mathématiques appliquées, analyse numérique et didactique des mathématiques à l’université. Ses recherches portent à la fois sur la modélisation computationnelle pour les applications biomédicales et sur l’innovation pédagogique, avec un accent sur l’équité, l’auto-efficacité et la réforme de l’évaluation dans les grands cursus scientifiques. Mission Mes recherches portent sur les mathématiques appliquées et les sciences de l’apprentissage. En

Daniel Kressner

Annalisa Buffa

Enseignement et PhD Doctorant·es actuel·les Gonzalo Bonilla Moreno, Philipp Christoph Weder, Yannis Dirk Voet, Fabio Marcinno, Ferhat Sindy, Francesco Sala, Markus Renoldner, Mohamed Ben Abdelouahab, Davor Dobrota A dirigé les thèses EPFL de Luca Coradello, Ondine Chanon, Riccardo Puppi Cours Numerical approximation of PDEs MATH-451 Ce cours porte sur la dérivation, l'analyse théorique et l'implémentation de la méthode des éléments finis pour l'approximation numérique des équations aux dér

Source officielle

Concepts associés (13)

Méthode de Newton

vignette|Une itération de la méthode de Newton. En analyse numérique, la méthode de Newton ou méthode de Newton-Raphson est, dans son application la plus simple, un algorithme efficace pour trouver numériquement une approximation précise d'un zéro (ou racine) d'une fonction réelle d'une variable réelle. Cette méthode doit son nom aux mathématiciens anglais Isaac Newton (1643-1727) et Joseph Raphson (peut-être 1648-1715), qui furent les premiers à la décrire pour la recherche des solutions d'une équation polynomiale.

Méthode de Newton

Convergence uniforme

La convergence uniforme d'une suite de fonctions est une forme de convergence plus exigeante que la convergence simple. La convergence devient uniforme quand toutes les suites avancent vers leur limite respective avec une sorte de « mouvement d'ensemble ». Dans le cas de fonctions numériques d'une variable, la notion prend une forme d'« évidence » géométrique : le graphe de la fonction f se « rapproche » de celui de la limite. Soient X un ensemble, (Y, d) un espace métrique, et A un sous-ensemble de X.

Convergence simple

En mathématiques, la convergence simple ou ponctuelle est une notion de convergence dans un espace fonctionnel, c’est-à-dire dans un ensemble de fonctions entre deux espaces topologiques. C'est une définition peu exigeante : elle est plus facile à établir que d'autres formes de convergence, notamment la convergence uniforme. Le passage à la limite possède donc moins de propriétés : une suite de fonctions continues peut ainsi converger simplement vers une fonction qui ne l'est pas.

Méthode de Halley

En analyse numérique, la méthode de Halley est un algorithme de recherche d'un zéro d'une fonction utilisé pour les fonctions d'une variable réelle dérivables deux fois et à dérivée seconde continue (i.e. C2). La méthode, présentée par l'astronome Edmond Halley, est une généralisation de la méthode de Newton, à convergence cubique. Soit f une fonction C2 et a un zéro de f. La méthode de Halley consiste à itérer à partir d'une valeur x0 proche de a. Au voisinage de a, la suite vérifie : avec K > 0 ; ce qui signifie que la convergence est donc (au pire) cubique.

Afficher plus

Séances de cours associées (64)

Méthode de Newton : Ordre 2

Explique la méthode de Newton d'ordre 2 pour trouver des zéros de fonction.

Descente progressive

Couvre le concept de descente de gradient dans les cas scalaires, en se concentrant sur la recherche du minimum d'une fonction en se déplaçant itérativement dans la direction du gradient négatif.

Résoudre les équations avec la méthode de Newton MOOC: Optimisation : principes et algorithmes - Optimisation non linéaire sans contrainte

Introduit la méthode de Newton pour résoudre les équations non linéaires itérativement, en soulignant sa convergence rapide, mais aussi son incapacité potentielle à converger dans certains cas.

Géomécanique computationnelle : analyse des flux non confinés

Explore l'analyse des flux non confinés en géomécanique, en mettant l'accent sur les méthodes itératives de solution et les considérations relatives à l'état des limites.

Résoudre les équations : la méthode de Newton MOOC: Optimisation : principes et algorithmes - Optimisation non linéaire sans contrainte

Couvre les conditions et la convergence de la méthode de Newton, l'extension à de multiples variables et les modèles linéaires.

Afficher plus

Concepts associés (13)