République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scienti…que

UNIVERSITÉ MOHAMED KHIDER, BISKRA

FACULTÉ des SCIENCES EXACTES et des SCIENCES de la NATURE et de la VIE

DÉPARTEMENT DE MATHÉMATIQUES

Mémoire présenté en vue de l’obtention du Diplôme :

MASTER en Mathématiques

Option : Analyse

Par
Semahi Inesse

Titre :

Résolution Numérique des systèmes non

linéaires
Membres du Comité d’Examen :

Dr. Chemchem Madani UMKB Président

Dr. Radjeh Fouzia UMKB Encadreur

Dr. Bouziane Nadjet UMKB Examinateur

Juin 2018
 Dédicace

Je dédie ce mémoire à :
Mes parents :
Ma mère, qui a oeuvré pour ma réussite, de par son amour, son soutient, tous les
sacri…ces consentis et ses précieux conseils, pour toute son assistance et sa présence dans
ma vie, reçois à travers ce travail aussi modeste soit-il, l’expression de mes sentiments et
de mon éternelle gratitude.
Mon père, qui peut être …er et trouver ici le résultat de longues années de sacri…ces et de
privations pour m’aider à avancer dans la vie. Puisse Dieu faire en sorte que ce travail
porte son fruit ; Merci pour les valeurs nobles, l’éducation et le soutient permanent venu
de toi.
Mes frères et ma soeur qui n’ont cessé d’être pour moi des exemples de persévérance, de
courage et de générosité.

i
 REMERCIEMENTS

Je tiens tout d’abord à remercier Dieu le tout puissant et miséricordieux, qui m’a donné
la force et la patience d’accomplir ce Modeste travail.
Un grand remerciement spécial pour mon encadreur "RADJEH FOUZIA" pour avoir
dirigé ce travail et pour ses orientations et ses judicieux conseils et pour son soutient et
son aide jusqu’à la …n
Je n’oublie pas mes parents pour leurs contributions, leur soutient et leur patiences.
Je remercie mes amis, mes collègues et mon amie sur social media pour aide moi jusqu’à
la …n.

ii
Table des matières

Remerciements ii

Table des matières iii

Liste des …gures v

Introduction 1

1 Equations non linéaires 3

1.1 Méthode de point …xe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Méthode de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Méthode de la sécante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2 Calcluls numériques des systèmes non linéaires 13

2.1 Méthode de point …xe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 Point …xe de contraction . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2 Point …xe de contraction avec relaxation . . . . . . . . . . . . . . . 16
2.2 Méthode de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Construction de la méthode . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Convergence de la méthode de Newton . . . . . . . . . . . . . . . . 20
2.3 Méthode de la sécante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3 Application 26

iii
Table des matières

3.1 Commande de l’onduleur de tension monophasé . . . . . . . . . . . . . . . 26

3.2 Onduleur triphasé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3 Méthode d’optimisation de Newton-Raphson . . . . . . . . . . . . . . . . . 32

Conclusion 36

Bibliographie 37

iv
Table des …gures

3.1 Onduleur monophasé d’élimination harmonique à trois niveaux . . . . . . . 26

3.2 Signaux des interrupteurs d’un onduleur à trois niveaux . . . . . . . . . . . 27
3.3 Motif adopté pour éliminer C-1 harmoniques . . . . . . . . . . . . . . . . . 29
3.4 Onduleur triphasé à élimination d’harmoniques . . . . . . . . . . . . . . . 31
3.5 Variation des angles de commutation en fonction de taux de modulation m. 34
3.6 La variation de l’erreur de la méthode de Newton-Raphson en fonction du
taux de modulation m . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

v
Introduction

Le problème qu’on va étudier dans ce mémoire joue un rôle très important dans les di¤é-
rents domaines scienti…ques. Donc, ils sont sans doute plus fréquents que les phénomènes
linéaires.

Il est connu que le problème de résolution des systèmes non linéaires est très couteux,
c’est-à-dire : on ne peut pas garantir la complexité de calculs en fonction de la dimension
du système et d’assurer la convergence vers la solution correcte.

A cette raison, on propose quelques méthodes numériques de résolution des équations et

des systèmes non linéaires. Ces méthodes son connues également sous forme des suites
itératives à partir d’une valeur initiale. On donne aussi les propriétés de chaque méthode
et les conditions nécessaires pour assurer la convergence vers la solution exacte ; tout ça
pour faire une petite comparaison entre ces méthodes a…n de choisir la meilleure entre
eux.

Pour aboutir à notre but, on décompose ce mémoire en trois chapitres :

Le premier chapitre est consacré à la résolution des équations non linéaires ; c’est le pro-
blème dans le cas unidimensionnel. On expose les trois méthodes connues dans la lit-
térature (point …xe, Newton, la sécante) et on étudie les propriétés de chaque méthode
comme la contraction de point …xe, la converge quadratique local et global de Newton et
les caractéristiques de sécante.

1
Introduction

Dans le deuxième chapitre, on fait une généralisation dans le cas multidimensionnels ;

c’est-à-dire la résolution des systèmes non linéaires. Dans ce cas, on propose toujours les
mêmes méthodes et on étudie aussi la contraction de point …xe et la convergence de classe
C1 et C2 de Newton-Raphson. Les méthodes de type Newton n’ont qu’une convergence
locale dans le sens que l’estimation initiale doit être assez proche de la solution.

Dans le troisième chapitre, on donne une application dans le domaine d’électronique sur un
onduleur triphasé dans lequel, on applique la méthode de Newton-Raphson pour résoudre
le système non linéaire obtenu.

2
Chapitre 1

Equations non linéaires

Les problèmes scienti…ques impliquent souvent la résolution d’une ou de plusieurs équa-

tions non linéaires qui sont des fonctions d’une ou de plusieurs variables. Dans ce chapitre,
nous intéressons à l’approximation des zéros d’une fonction réelle f (x) = 0.

Analytiquement, il est di¢ cile de trouver la solution exacte de l’équation f (x) = 0, ce qui
fait que toutes les méthodes de recherche d’une racine sont des méthodes itératives en se
servant de convergence.

Dans les sections suivantes, on propose les méthodes les plus utilisées dans la littérature
pour résoudre une équation non linéaire.

1.1 Méthode de point …xe

Dans cette méthode, on construit à partir de l’équation à résoudre f (x) = 0 la suite

itérative : 8
>
< x0 2 [a; b]
>
: xn+1 = g(xn );

si on assure la convergence de cette suite, elle tendre vers la solution x du problème. La

limite de cette suite véri…e la relation x = g(x):

3
Chapitre 1. Equations non linéaires

Dé…nition (1.1) : un point …xe d’une fonction g : R ! R est un réel x; solution de

l’équation x = g(x).
L’idée principale de cette méthode est de transformer l’équation f (x) = 0 sous la forme
x = g(x); Alors le problème de résolution de l’équation non linéaire f (x) = 0 est équivalent
à la recherche des points …xes de g(x):

Dé…nition (1.2) : On dit que g : R ! R est contractante sur R; s’il existe un k 2 ]0; 1[ ;
tel que : pour tous x et y éléments de R, on a :

jg(x) g(y)j k jx yj :

Si l’inégalité est stricte, on dira que g est strictement contractante ; k est appelé rapport
de contraction.

Propriété : Soit g une application dérivable sur l’intervalle [a; b] ; si la dérivée g 0 véri…e :

max jg 0 (x)j = k < 1;

x2[a;b]

alors g est strictement contractante dans [a; b].

Le théorème suivant donne une condition nécessaire et su¢ sante de la convergence du

processus des approximations successives.

Théorème (1.1) : (point …xe contractant) : g est une fonction k contractante sur [a; b]
et à valeurs dans [a; b] et (xn )n la suite récurrente dé…nie par :
8
>
< x0 2 [a; b]
>
: xn+1 = g(xn ); 8n 0

Alors :

1. la suite (xn ) converge vers un réel x:

2. la fonction g admet un point …xe unique.

4
Chapitre 1. Equations non linéaires

kn
3. pour tout n 2 N ; on a : jxn xj jx1 x0 j.
1 k
Preuve : Premièrement et par hypothèse, on a : x0 2 [a; b] et g : [a; b] ! [a; b] ; donc il
est évident que xn 2 [a; b] , pour tout n 2 N. Ensuite, si on utilise le fait que g soit une
fonction k contractante, on obtient immédiatement l’inégalité :

jxn+1 xn j = jg(xn ) g(xn 1 )j k jxn xn 1 j ;

pour tout n 1: Par récurrence …ni, on obtient facilement la relation suivante :

jxn+1 xn j k n jx1 x0 j ; (1.1)

pour tout n 0. A l’aide de 1.1, on veut montrer que la suite (xn ) véri…e :

kn
jxn+p xn j jx1 x0 j :
1 k

En e¤et, pour tout p 2 N et n 2 N, on a :

jxn+p xn j jxn+p xn+p 1 j + jxn+p 1 xn+p 2 j + + jxn+2 xn+1 j + jxn+1 xn j

k n+p 1
jx1 x0 j + k n+p 2
jx1 x0 j + + k n+1 jx1 x0 j + k n jx1 x0 j
p 1
X
k n+i jx1 x0 j
i=0
n
k
jx1 x0 j ;
1 k
(1.2)
l’inégalité 1.2, nous permet de prouver que la suite (xn ) est de Cauchy de la manière
suivante :

Puisque k n tend vers 0 quand n tend vers +1, alors pour tout " > 0 : il existe n0 , tel
que : pour tout n n0 , on a :
1 k
kn ":
jx1 x0 j

5
Chapitre 1. Equations non linéaires

Par une multiplication par jx1 x0 j et une division par (1 k), on obtient :

kn
jx1 x0 j ":
1 k

Donc, pour tout " > 0; il existe n0 ; tel que pour tout n n0 , on a :

1 k
jxn+p xn j kn ":
jx1 x0 j

L’inégalité précédente, nous permet de conclure que la suite (xn )n est de Cauchy et par
conséquent, elle converge vers une limite x: Parce que la fonction g est continue sur [a; b]
et la suite xn 2 [a; b] de terme général xn+1 = g(xn ); 8n 2 N; alors, on a :

lim xn = x = g(x):
n!+1

Dans ce qui suit, on essaye de démontrer l’unicité de ce point …xe. Supposons que g admet
un autre point …xe x di¤érent de x, alors on a :

jg(x ) g(x)j = jx xj k jx xj ;

ce qui est équivalent à : (1 k) jx xj 0; on trouve une contradiction par le fait que

k < 1, alors x = x:

En…n, on veut démontrer la dernière inégalité du théorème en faisant tendre p vers l’in…ni
dans l’inégalité suivante :

kn
jxn+p xn j jx1 x0 j ;
1 k

on trouve directement

kn
jx xn j jx1 x0 j ; 8n 2 N :
1 k

6
Chapitre 1. Equations non linéaires

Proposition (1.2) : x 2 [a; b] est un point …xe d’une fonction g 2 C 1 ([a; b]).

1. Si jg 0 (x)j < 1, alors il existe un intervalle [ ; ] [a; b] contenant x pour lequel la suite
dé…nie par x0 2 [ ; ] et xn+1 = g(xn ) converge vers x (attractif).
2. Si jg 0 (x)j > 1, alors pour tout x0 6= x, la suite dé…nie par x0 et xn+1 = g(xn ) ne
converge pas vers x (répulsif).

Preuve : Dans le cas ou jg 0 (x)j < 1 et comme g 0 est continue, donc il existe " > 0 et
k < 1; tel que :
jg 0 (x)j < k ; pour tout x 2 [x "; x + "] : (1.3)

On note I = [x "; x + "] et on considère deux éléments quelconques x et y. On a :

Zx
jg(x) g(y)j = g 0 (t)dt max jg 0 (t)j : jx yj : (1.4)
t2I
y

Si en tenant compte la formule 1.3, on obtient :

jg(x) g(y)j k jx yj :

Comme y est arbitraire, on peut prendre y = x et par 1.4, on trouve :

jg(x) xj = jg(x) g(x)j k jx xj jx xj ":

Ce qui démontre que g(x) appartient à I, c’est à dire : x aussi est dans I:

Par hypothèse, g 0 est continue sur I; alors : il existe > 0; tel que :
8x 2 I; jx xj < ) jg 0 (x)j > 1: On essaye de démontrer par l’absurde ; soit x0 2 I et
supposons que la suite (xn )n converge vers x: Alors, il existe un range N0 (qui dépend de
) ; tel que : 8n N0 ; on a :

jxn xj et jg 0 (xn )j > 1:

7
Chapitre 1. Equations non linéaires

D’après le théorème des accroissement …nis, il existe Cn 2 ]xn ; x[ ; tel que :

jg(xn ) g(x)j = g 0 (Cn ) jxn xj :

Alors, pour tout n N0 ; on a :

jxn+1 xj = jg(xn ) g(x)j = jg 0 (Cn )j jxn xj > jxn xj :

Si pour tout n N0 ; on a xn 6= x: Mais la suite (xn )n converge vers x, donc c’est une
contradiction. Donc notre supposition est fausse.

1.2 Méthode de Newton

La méthode de Newton s’appelle aussi méthode des tangents est une approche systéma-
tique pour résoudre numériquement une équation f (x) = 0 dans le cas ou f est dérivable.
Graphiquement, au voisinage d’un point x; la courbe de f est proche de sa tangente
d’équation :
f (y) = f (x) + (y x)f 0 (x)

et on peut approcher un point où f s’annule par celui où la tangente s’annule, c’est à dire :

f (x)
y=x :
f 0 (x)

A partir d’une valeur initiale x0 ; on peut créer des itérations de ce procédé, on trouve alors
la suite de Newton :

f (xn)
xn+1 = xn ; 8n 0:
f 0 (xn )

La méthode itérative a une importance si elle converge ; a cette raison, il faut assurer la
convergence de cette méthode comme l’indique le théorème suivant :

8
Chapitre 1. Equations non linéaires

Théorème (1.3) (convergence quadratique locale) : On considère la fonction f dé…nie

sur I : [a; b] de classe C 2 et x 2 I ; tel que : f (x) = 0 mais f 0 (x) 6= 0:
Soient m et M > 0; tels que : jf 0 (x)j m et jf 00 (x)j M ; 8x 2 I: On pose :
M
C= (b a):
2m
Soit x0 2 I, on suppose que la suite dé…nie par la méthode de Newton à partir de x0 est
bien dé…nie, est à valeurs dans I et converge vers x. Alors, on a :

M (x xn )2
* jxn+1 xj ; pour tout n 0:
m 2
2m 2n
* jxn xj C ; pour tout n 0:
M
* Si de plus C < 1; on trouve :

M"
8" > 0; n ln ln = ln C = ln 2 ) jxn xj ":
2m

Preuve : Lorsqu’on applique la formule de Taylor-Lagrange à l’ordre 2 sur f au point

xn , on trouve :

0 (x xn )2 00
f (x) = f (xn ) + (x xn )f (xn ) + f (Cn );
2

avec Cn entre xn et x: Si on divise les deux membres de l’égalité par f 0 (xn ) et en tenant
compte que f (x) = 0, on obtient :

f (xn ) (x xn )2 f 00 (Cn )
x + xn = ;
f 00 (xn ) 2 f 0 (xn )

c’est à dire :
(x xn )2 f 00 (Cn )
xn+1 x= ;
2 f 0 (xn )

ce qui nous permet d’impliquer :

jxn xj2 M
jxn+1 xj :
2 m

9
Chapitre 1. Equations non linéaires

Le deuxième point s’en déduit alors par une simple récurrence.

Pour n = 0 : on a bien l’inégalité suivante :

2m
jx0 xj (b a) = C:
M

On suppose maintenant que cette inégalité est vraie pour n et on démontre qu’elle est
vraie pour (n + 1); c’est à dire :

2m 2n
jxn xj C :
M

D’après ce qui précède, on a :

M
jxn+1 xj (x xn )2 2m
2m 2n 2 M
M
C 2m

2m 2n+1
M
C ;

ceci permet de conclure la démonstration du second point du théorème.

Pour démontrer le reste, on suppose que : C < 1 et " > 0: D’après les estimations
précédentes on a : jx xn j < "; dès que :

2m 2n
C < ";
M

c’est à dire :
M"
n ln 2 ln = ln C :
2m

Théorème (1.4) (convergence global) : f est une fonction de classe C 2 sur [a; b] satis-
faisant les conditions suivantes :

i/ f (a) :f (b) < 0:

ii/ f 0 (x) > 0; 8x 2 [a; b] strictement monotone.

10
Chapitre 1. Equations non linéaires

iii/ f 00 (x) 0 (ou 0 ) convexité ou concavité.

jf (a)j jf (b)j
iv/ <b a et <b a:
jf 0 (a)j jf 0 (b)j

Alors, la méthode de Newton converge vers l’unique solution x de f (x) = 0 dans [a; b].

Preuve : On traite tout d’abord le cas où : f (a) < 0; f (b) > 0; f 0 (x) > 0 et f 00 (x) 0
(les autres cas se traitent de façon similaire). D’après (i) et (ii), il existe une solution
unique x 2 [a; b] qui véri…e :

f (x) f (xn )
xn+1 x = xn x+
f 0 (xn )
1 f 00 (")
= (xn x)2 ; avec xn " x:
2 f 0 (xn )

f 00 (")
Par conséquent le signe de xn+1 x est celui de ; si f 0 > 0 et f 00 0, alors : xn+1 > x;
f 0 (xn )
8n; (xn ) est donc minorée par x à partir de x1 : Par ailleurs, on a deux possibilités de choix
de x0 :

Si x0 > x; alors :
f (x0 )
x1 = x0 < x0 :
f 0 (x0 )

(puisque f (x0 ) > f (x) = 0) et xn > x avec f (xn ) > f (x) = 0; 8n 2 N:

Si x0 < x, alors f (x0 ) < 0 d’où

f (x0 )
x1 = x0 > x0 :
f 0 (x0 )

Mais, on a aussi x1 > x et f (x1 ) > 0 et par suite :

f (x1 )
x2 = x1 < x1 :
f 0 (x1 )

Donc, à partir du point de départ x0 ; on aura encore une suite décroissante minorée donc
convergente.

11
Chapitre 1. Equations non linéaires

1.3 Méthode de la sécante

L’idée principale dans la troisième méthode de la résolution d’une équation non linéaire
f (x) = 0 et d’éviter le calcul de la dérivée de f .

Si on applique la formule de Taylor d’ordre 1, on obtient l’approximation suivante :

f (xn ) f (xn 1 )
f 0 (xn ) ' :
xn xn 1

Par le remplacement direct de cette approximation dans la suite de Newton, on obtient

celle de la méthode de la sécante suivante :
8
>
>
< x0 ; x1 donnés dans I, x0 6= x1
>
> xn xn 1
: xn+1 = xn f (xn )
f (xn ) f (xn 1 )

Théorème (1.5) : f est une fonction de classe C 2 (I) et l’équation f (x) = 0 admet
une racine x; tel que : f 0 (x) 6= 0: Alors, il existe " > 0; où x0 satisfait jx x0 j "; la
suite (xn )n dé…nie par la méthode de la sécante converge vers x et on a :

jx xn+1 j C jx xn jp ;

p !
1+ 5
où p est le nombre d’or ' 1:62 :
2

12
Chapitre 2

Calcluls numériques des systèmes

non linéaires

Dans ce chapitre, on introduit et on analyse des méthodes et des algorithmes de résolution

des systèmes d’équations non linéaires.

La forme générale d’un système d’équations non linéaires toujours en dimension …nie et
la fonction g de Rn à valeur dans Rn ; c’est-à-dire : toutes les méthodes qu’on va proposer
dans ce chapitre traitent le problème suivant :

g(x) = 0; où x 2 Rn : (2.1)

2.1 Méthode de point …xe

On commence par la méthode la plus utilisée et l’on distingue deux cas :

2.1.1 Point …xe de contraction

On dé…nit la fonction f 2 C (Rn ; Rn ) par f (x) = x + g (x) ; où g est de classe C 1 de Rn

à valeurs dans Rn , c’est-à-dire : g 2 C (Rn ; Rn ) : On peut alors remarquer que g (x) = 0 si

13
Chapitre 2. Calculs numériques des systèmes non linéaires

et seulement si f (x) = x, donc la résolution du système non linéaire 2.1 revient à trouver
un point …xe de f:

La question qui se pose ici est l’existence de tel point …xe. La réponse de cette question
sera donnée dans le théorème suivant :

Théorème (2.1) : Soient E un espace métrique complet munit de la distance d; et

f : E ! E une fonction strictement contractante, c’est-à-dire : il existe k 2 ]0; 1[ ; tel
que :
d (f (x) ; f (y)) kd (x; y) ; pour tout x; y 2 E:

Alors, il existe un unique point x 2 E qui véri…e f (x) = x. De plus, la suite de terme
général x(n+1) = f x(n) converge vers ce point x pour tout x(0) 2 E:

Preuve : La démonstration de ce théorème se fait en deux étapes :

Etape 1 : Existence de x et convergence de la suite.

On donne un vecteur initial x(0) 2 E et x(n) n2N

la suite dé…nie par x(n+1) = f x(n)
pour n 0: On va montrer que :

1. x(n) n
est de Cauchy (donc convergente car E est complet ).
2. lim x(n) = x est un point …xe de f:
n!+1

On commence tout d’abord par le premier point. Par hypothèse, on sait que pour tout
n 1; on a :

d x(n+1) ; x(n) = d f x(n) ; f x(n 1)

kd x(n) ; x(n 1)
:

Par récurrence …nie sur n; on obtient :

d x(n+1) ; x(n) k n d x(1) ; x(0) ; 8n 0:

14
Chapitre 2. Calculs numériques des systèmes non linéaires

Soit n 0 et p 1; on a donc :

d x(n+p) ; x(n) d x(n+p) ; x(n+p 1)

+ + d x(n+1) ; x(n)
p p
X X
(n+q) (n+q 1)
d x ;x k n+q 1 d x(1) ; x(0)
q=1 q=1

d x(1) ; x(0) k n (1 + k + + kp 1)
kn
d x(1) ; x(0) tend vers 0 quand n tend vers + 1 car k < 1:
1 k

La suite x(n) n2N

est de Cauchy, c’est-à-dire :

8" > 0; 9n" 2 N ; 8n n" ; 8p 1 : d x(n+p) ; x(n) ":

Comme E est complet, on a donc x(n) tend vers x dans E quand k tend vers +1: parce
que la fonction f est strictement contractante, elle est continue, donc : on a aussi f x(n)
tend vers f (x) dans E quand n tend vers +1: Ensuite, on passe à la limite dans l’égalité
x(n+1) = f x(n) ; on en déduit que x = f (x) :

Etape 2 : Unicité

Soit x et y deux points …xes de f , qui satisfont donc x = f (x) et y = f (y), .alors :

d (f (x) ; f (y)) = d (x; y) k:d (x; y) :

Comme k < 1; ceci est impossible sauf si x = y:

La méthode de point …xe connue aussi sous le nom : méthode des itérations successives.

Dans ce qui suit, on prend E = Rn ; et la distance associée à la norme euclidienne qu’on

note j:j et qu’elle véri…e : pour tout x; y 2 Rn Rn ;

! 21
X
n
d (x; y) = jx yj = (xi yi )2 , avec x = (x1 ; : : : ; xn ) et y = (y1 ; : : : ; yn ) .
i=1

15
Chapitre 2. Calculs numériques des systèmes non linéaires

Dans le cas où f n’est pas contractante, on cherche à trouver les conditions sur g pour que
f soit strictement contractante.

2.1.2 Point …xe de contraction avec relaxation

On donne un paramètre w 6= 0, on dé…nit fw (x) = x + wg (x) et on remarque que x est

une solution du système 2.1 si et seulement si x est un point …xe de fw (x) : Le théorème
suivant présente les conditions nécessaires pour que fw soit strictement contractante.

Théorème (2.2) : On désigne par j:j la norme euclidienne sur Rn : Soit g 2 C (Rn ; Rn ) ;
telle que :
9 > 0 : (g (x) g (y)) (x y) jx yj2 ; 8x; y 2 Rn (2.2)

9M > 0 : jg (x) g (y)j M jx yj ; 8x; y 2 Rn : (2.3)

2
Alors, la fonction fw est strictement contractante si 0 < w < ; il existe donc un et un
M2
seul x 2 Rn ; tel que : g (x) = 0 et x(n) tend vers x quand n tend vers +1, avec :

x(n+1) = fw x(n) = x(n) + wg x(n+1) ; n 0:

Remarque : Le théorème précédent permet de montrer que sous les hypothèses 2.2 et
2
2.3 et pour w 2 0; 2 ; on peut obtenir la solution de 2.1 en construisant la suite :
M

8
>
< x(0) 2 Rn
(2.4)
>
: x(n+1) = x(n) + wg x(n) :

On peut aussi écrire cette suite de la manière suivante :

8
>
< x
e(n+1) = f x(n) ; 8k 0
(2.5)
>
: x(n+1) = we
x(n+1) + (1 w) x(n) :

16
Chapitre 2. Calculs numériques des systèmes non linéaires

En e¤et, si x(n+1) est donné par la suite 2.5 alors :

x(n+1) = we
x(n+1) + (1 w) x(n)
= wf x(n) + (1 w) x(n)
= wg x(n) + x(n)

Le procédé de construction de la suite 2.5 est l’algorithme de relaxation sur f:

2
Preuve : On veut montrer que f est strictement contractante dans le cas où 0 < w < ;
M2
c’est à dire : f véri…e la formule suivante :

jfw (x) fw (y)j = jx y + w (g (x) g (y))j k jx yj

Pour (x; y) 2 (Rn )2 et k < 1: Mettre le premier terme en carré on trouve :

jfw (x) fw (y)j2 = jx y + w (g (x) g (y))j2

= (x y + w (g (x) g (y))) (x y + w (g (x) g (y)))
= jx yj2 + 2 jx yj (w (g (x) g (y))) + w2 jg (x) g (y)j2 :

Si on suppose que g est lipchitzienne de constante de lipchitz M :

jg (x) g (y)j M jx yj ; 8x; y 2 Rn ;

alors

jx y + w (g (x) g (y))j2 1 + w2 M 2 jx yj2 + 2 jx yj (w (g (x) g (y))) :

Pour que jx y + w (g (x) g (y))j2 k jx yj2 ; avec k < 1 soit véri…ée, il faut démontrer
que le terme 2 (x y) (w (g (x) g (y))) soit de la forme jx yj2 ; avec strictement
positif.

17
Chapitre 2. Calculs numériques des systèmes non linéaires

Pour obtenir ceci, on va supposer de plus que :

9 > 0; tel que : (g (x) g (y)) (x y) jx yj2 ; 8x; y 2 Rn :

On obtient alors : jx y + w (g (x) g (y))j2 (1 + w2 M 2 2w ) jx yj2 ;

donc la fonction fw est strictement contractante si 1 + w2 M 2 2w < 1 ce qui est véri…e

2
si 0 < w < 2 :
M

2.2 Méthode de Newton

La méthode de Newton pour la résolution d’un système d’équations non linéaires est une
généralisation de l’algorithme de Newton qu’on a vu dans le premier chapitre et qui cherche
à trouver les zéros d’une fonction unidimensionnelle.

2.2.1 Construction de la méthode

La méthode de Newton est souvent aussi appelée méthode de Newton-Raphson. On consi-

dère une fonction à plusieurs variables g : Rn ! Rn et on dé…nit le système d’équations
comme suite : 8
>
>
>
> g1 (x) = 0
<
..
g (x) = 0 , .
>
>
>
>
: gn (x) = 0:

On essaye d’approcher la solution x par la suite x(n) n

: On introduit la matrice Jacobienne
en x(n) : 0 1
@g1 (xn ) @g1 (xn ) @g1 (xn )
B @x1 @x2 @xn C
B C
B @g2 (xn ) @g2 (xn ) @g2 (xn ) C
B @x1 @x2 @xn C
Jg x(n) = Dg x(n) =B .. .. .. C:
B .. C
B . . . . C
@ A
@gn (xn ) @gn (xn ) @gn (xn )
@x1 @x2 @xn

18
Chapitre 2. Calculs numériques des systèmes non linéaires

Notre but ici est d’approcher le plus possible la solution exacte x 2 Rn par x(n+1) ; pour
aboutir à ce but, on approche g (x) dans le voisinage de x(n) par une fonction a¢ ne :

g (x) = g x(n) + Dg x(n) x x(n) :

La résolution de notre problème est de trouver le vecteur x qui véri…e l’équation vectorielle
suivante :
g x(n) + Dg x(n) x x(n) = 0;

c’est à dire :
1
x = x(n) Dg x(n) g x(n) :

On remarque bien que cette dernière formule est une généralisation de la formule de
Newton unidimensionnelle. On construira alors un nouveau modèle local autour de la
valeur obtenue pour x: A l’itération n on a :

1
x(n+1) = x(n) Dg x(n) g x(n) :

L’algorithme de Newton de construction d’une suite x(n) n

2 Rn qui converge vers x
s’écrit sous la forme :
8
>
< x(0) 2 Rn
(2.6)
>
: Dg x(n) x(n+1) x(n) = g x(n) :

Donc le problème se ramène à la solution du système linéaire suivant :

Dg x(n) x(n+1) x(n) = g x(n) :

19
Chapitre 2. Calculs numériques des systèmes non linéaires

2.2.2 Convergence de la méthode de Newton

Il est clair que cette méthode basée sur la convergence pour trouver la valeur approchée
de x; à cette raison, on présente le théorème suivant qui résume les conditions de cette
convergence.

Théorème (2.3) : Soient g 2 C 2 (Rn ; Rn ) et x 2 Rn ; tels que : g (x) = 0: On munit

Rn d’une norme k:k et on suppose que Dg (x) est inversible ; alors, la méthode de Newton
converge localement et la convergence est au moins quadratique. Plus précisément : il existe
r > 0 et > 0; tels que :

1. Si x(0) 2 (x; r) = fx 2 Rn ; kx xk < rg ; alors la suite x(n) n2N

est bien dé…nie par
2.6 et x(n) 2 (x; r) pour tout n 2 N:

2. Si x(0) 2 (x; r) et si la suite x(n) n2N

est bien dé…nie par 2.6, alors x(n) tend vers
x quand n tend vers +1:

3. Si x(0) 2 (x; r) et si la suite x(n) n2N

est bien dé…nie par 2.6, donc
2
x(n+1) x(n) x(n) x ; 8k 2 N:

Preuve : Premièrement, on démontre la convergence au voisinage de x x(0) et proche de x :

On peut réaliser ça à l’aide du théorème du point …xe : f est une fonction de Rn dans Rn
1
dé…nie par : x ! x Dg x(n) g x(n) ; on a :

1
Df (x) = Id Dg x(n) Dg (x) = 0;

comme g 2 C 2 (Rn ; Rn ) ; donc la fonction f est de Class C 1 : Puisque Df est continue

alors :
1
il existe r > 0; tel que : kDf (x)k pour tout x 2 (x; r) :
2

D’après le théorème du point …xe, il reste à démontrer que f ( ) ; pour que la suite
dé…nie par 2.6 soit convergente.

En e¤et, soit x = x(n) 2 et y = x(n+1) = f x(n) : Grace au théorème des accroissements

20
Chapitre 2. Calculs numériques des systèmes non linéaires

…nis dans des espaces vectoriels normés suivants :

Soient (E; k:kE ) et (F: k:kF ) des espaces vectoriels normés, h 2 C 1 (E:F ) et (x; y) 2 E 2 : On
dé…nit ]x; y[ = ftx + (1 t) y; t 2 ]0; 1[g : Alors : kh (y) h (x)k ky xk supx2]x;y[ kDh (z)k :

On a :
ky xk = kf (x) f (x)k sup kDf (z)k kx xk : (2.7)
z2

Par conséquence :
1
ky xk kx xk ;
2

c’est-à-dire : y 2 , ce qui implique que f ( ) ; alors la suite x(n) n2N

dé…nie par 2.6
est convergente.

On utilise le même argument (accroissement …nis) pour démontrer la convergence quadra-

tique de cette suite. Par hypothèse, on a : Df 2 C 1 (Rn ; Rn ), donc :

kDf (z)k = kDf (z) Df (z)k (2.8)

sup kDf (")k : kz xk (2.9)

"2

kx xk (2.10)

Par substitution directe de cette majoration de kDf (z)k dans 2.7, on obtient alors :

ky xk kx xk2

Ce qui donne la convergence locale au moins quadratique.

Parce que la condition g 2 C 2 (Rn ; Rn ) est une condition su¢ sante mais pas nécessaire,
donc on peut démontrer la convergence sous des conditions plus faciles à véri…er en pra-
tique.

Théorème (2.4) (convergence de la méthode de Newton, g 2 C 1 ) : Soient g 2 C 1 (Rn ; Rn )

et x 2 Rn ; tel que g (x) = 0: On munit Rn d’une norme k:k en Mn (R) de la norme induite.

21
Chapitre 2. Calculs numériques des systèmes non linéaires

On suppose que Dg (x) est inversible ; de plus, il existe a1 ; a2 ; a 2 R+ ; tel que :

1
1. Si x 2 (x; a) ; alors Dg (x) est inversible et (Dg (x)) a1 :

2. Si x; y 2 (x; a) ; alors kg (y) g (x) Dg (x) (y x)k a2 ky xk2 :

1
Si on pose r = min a; > 0; = a1 a2 et x(0) 2 (x; r), on a :
a1 a2
a. x(n) n2N
est bien dé…nie par 2.6.

b. x(n) tend vers x lorsque n tend vers +1:

2
c. x(n+1) x x(n) x ; 8n 2 N:

Preuve : Supposant que le vecteur initial x(0) 2 (x; r) (x; a), où r a et on

montre par récurrence que x(n) 2 (x; r) ; 8n 2 N et que x(n) n2N
est bien dé…nie.

En e¤et, si x(n) est bien dé…nie et x(n) 2 (x; r) ; on veut montrer que x(n+1) est bien
dé…nie et x(n+1) 2 (x; r). Comme r a; la matrice Dg x(n) est inversible et x(n+1) est
donc bien dé…nie, on a alors :

1
x(n+1) x(n) = Dg x(n) g x(n) :

1
Pour montrer que x(n+1) 2 (x; r), on va utiliser la fait que r < : Par hypothèse, on
a1 a2
sait que si x; y 2 (x; a) ; on a :

kg (y) g (x) Dg (x) (y x)k a2 ky xk2 :

Si on prend : y = x et x = x(n) 2 (x; a) ; on obtient alors :

2
g (x) g x(n) Dg x(n) x x(n) a2 x x(n) :

On sait que g (x) = 0; on trouve alors :

Dg x(n) x(n+1) x(n) Dg x(n) x x(n) a2 x x(n) :

22
Chapitre 2. Calculs numériques des systèmes non linéaires

Par conséquence :
2
g x(n) x(n+1) x a2 x x(n) : (2.11)

On a :
1
x(n+1) x = Dg x(n) Dg x(n) x(n+1) x ;

Ce qui implique que :

1
x(n+1) x Dg x(n) Dg x(n) x(n+1) x :

En tenant compte 2.11, les hypothèses 1 et 2 et le fait que x(n) 2 (x; r), ce qui nous
permet de conclure que :

2
x(n+1) x a1 a2 x(n) x < a 1 a2 r 2 : (2.12)

1
On a alors : a1 a2 r2 < r; puisque r ; donc x(n+1) 2 (x; r) : Par conséquence, on
a1 a2
trouve vraiment que x(n) n2N
est bien dé…nie dans (x; r) pour tout n 0:

Il reste à démontrer la convergence de la suite x(n) n2N

vers x: Au début, on considère
l’inégalité 2.12 pour obtient :

2 2
a1 a2 x(n+1) x (a1 a2 )2 x x(n) = a1 a2 x(n) x 8n 2 N:

Par récurrence …nie, on trouve :

2n
a1 a2 x(n) x a1 a2 x(0) x 8n 2 N:

1
On a précédemment x(0) 2 (x; b) et r ; il est facile de véri…er que :
a1 a2

a1 a2 x(0) x < 1;

23
Chapitre 2. Calculs numériques des systèmes non linéaires

alors : lim x(n) x = 0: La convergence est au moins quadratique car l’inégalité 2.12
n!+1

est de la forme :

2
x(n+1) x x(n) x avec = a1 a2 :

L’avantage de la méthode de Newton par rapport à une méthode de point …xe est que sa
vitesse de convergence est d’ordre 2 mais d’un autre coté, elle ne converge pas si x(0) n’a
pas été choisi "su¢ samment proche" de x, alors cette méthode diverge très vite.

Elle demande l’évaluation de la matrice Jacobienne à chaque itération ; en plus dans chaque
étape, elle demande le résolution d’un système linéaire associe à la matrice Jacobienne qui
peut être singulière ou mal-conditionnée.

2.3 Méthode de la sécante

La méthode de la sécante est une variante de la méthode de Newton dans le cas unidi-
mensionnel, c’est -à-dire : n = 1 et g 2 C 1 (R; R). La méthode de Newton pour calculer
x 2 R; tel que : g (x) = 0 s’écrit :
8
>
< x(0) 2 R
>
: g 0 x(n) x(n+1) x(n) = g x(n) :

Pour éviter le calcul de g 0 x(n) dans chaque itération, en la remplaçant par la dérivée
approchée, alors on obtient la méthode de la sécante :

8
>
>
< x(0) ; x(1) 2 R
>
> g x(n) g (xn 1 ) (n+1)
: x x(n) = g x(n) n 1:
x(n) x(n 1)

Il est clair que dans la méthode de la sécante, x(n+1) dépend de x(n) et de x(n 1)
; on a alors
une méthode à deux pas, donc on a besoin de deux valeurs initiaux x(0) et x(1) : L’avantage

24
Chapitre 2. Calculs numériques des systèmes non linéaires

de cette méthode est qu’elle ne nécessite pas le calcul de g 0 mais l’inconvénient est qu’on
perd la convergence quadratique.

Méthode de type Quasi-Newton

On veut généraliser la méthode de la sécante dans le cas où n > 1 et g 2 C 1 (Rn ; Rn ) : Pour

éviter le calcule de la matrice Jacobienne dans la méthode de Newton 2.6 on va remplacer
Dg x(n) par B (n) 2 Mn (R) "proche de Dg x(n) : Donc, on cherche une matrice B (n) qui
véri…e la condition suivante :

B (n) x(n) x(n 1)

= g x(n) g x(n 1)
:

Dans le cas où n = 1; cette condition détermine entièrement B (n) :

(n) g x(n) g x(n 1)

B = :
x(n) x(n 1)

Si n > 1 ceci ne permet pas de déterminer complètement B (n) :

Méthode de broyden

Dans ce cas, on approche la matrice Jacobienne avec des matrices de rang un. Si B (n 1)

est une approximation de la matrice Jacobienne à l’itération (n 1) et on calcule l’ap-

proximation à l’itération (n) par la formule suivante :

(n) (n 1) y (n) B (n 1) (n)

(n) t
B =B + (n) (n)
;

où y (n) = g x(n) g x(n 1)

et (n)
= x(n) x(n 1)
est la résolution de B (n 1) (n)
= y (n) :

25
Chapitre 3

Application

Dans ce chapitre, on veut présenter une application sur l’une des méthodes de résolution
d’un système non linéaire qu’on a exposé précédemment. Cette application se fait au
domaine d’électronique.

3.1 Commande de l’onduleur de tension monophasé

La topologie de l’onduleur à 3 niveaux est donnée par la …gure 1 :

Fig. 3.1 –Onduleur monophasé d’élimination harmonique à trois niveaux

avec : Q1 ; Q2 ; Q3 ; Q4 : la transistor et D1 ; D2 ; D3 ; D4 : la doide.

26
Chapitre 3. Application

La …gure 2 montre les formes d’ondes de la tension de sortie Vl , ainsi que les signaux du
chaque interrupteur :

Fig. 3.2 –Signaux des interrupteurs d’un onduleur à trois niveaux

Elimination des harmoniques

L’idée de cette stratégie a été introduite pour la première fois par Trumbull en 1967, puis
développée par Patel et Hoften 1973. Son principe consiste d’abord à formuler l’expression
générale de l’amplitude des harmoniques, en se basant sur le développement en série de
Fourier.

L’expression obtenue est une fonction des angles : i de commutation; ensuite; un système
d’équations non linéaires est obtenu; en imposant la valeur désirée du fondamental et en
annulant certains harmoniques.

La résolution de ce système non linéaire permet de déterminer les angles i; par consé-
quent les instants de commande des interrupteurs. Les séries de Fourier sont des séries de

27
Chapitre 3. Application

fonctions périodiques.

L’objectif est de décomposer un signale périodique en somme de sinus et de cosinus. Ceci

peut être exprimé d’une manière mathématique par la relation suivante :

a0 X
1
Vl = + (an cos (2 nf0 t) + bn sin (2 nf0 t)) :
2 n=1

Les paramètres a0 , an et bn appelés : coe¢ cients de Fourier et f0 est la fréquence du

fondamental. Pour une fonction périodique les coe¢ cients a0 , an et bn sont déterminés à
partir des relations suivantes :

8
> Z2
>
> 1
>
> a0 = f (t) dt,
>
> 2
>
>
>
> 0
>
< Z 2
1
an = f (t) cos (2 nf0 t) dt;
>
>
>
> 0
>
> Z 2
>
>
>
> 1
>
> b = f (t) sin (2 nf0 t) dt;
: n
0

ou encore 8
>
> a0 et an égale à 0 pour tout n;
>
>
>
>
>
< b = 0 pour n pair,
n
(3.1)
>
> Z2
>
> 4
>
> b = Vl (t) sin (2 nf0 t) dt pour n impaire.
>
: n
0

On peut faire la décomposition en série de Fourier sur le quart de période à cause de la

symétrie par rapport à la demi-période.

Nous présentons l’application des séries de Fourier à la tension fournie par l’onduleur à
trois niveaux. Donc, nous décomposons le signale de sortie d’un onduleur pour déterminer
les équations exprimant des di¤érentes harmoniques. Ces équations sont en fonction des
angles de commutation de commande des interrupteurs (…gure 3; U = E).

28
Chapitre 3. Application

Fig. 3.3 –Motif adopté pour éliminer C-1 harmoniques

A partir de la …gure 2 et l’équation 3.1, on peut écrire :

8
> 4E
>
> b = (cos 1 cos 2 + cos 3 ) ;
>
>
1
>
<
4E
b2 = (cos 3 1 cos 3 2 + cos 3 3 ) ;
>
> 3
>
>
>
: b5 = 4E (cos 5 1 cos 5 2 + cos 5 3 ) :
>
5

La tension de sortie est écrite comme suit :

4E
Vl = (cos 1 cos 2 + cos 3 ) sin wt

4E
+ (cos 3 1 cos 3 2 + cos 3 3 ) sin 3wt
3
4E
+ (cos 5 1 cos 5 2 + cos 5 3 ) sin 5wt
5
4E
+ + (2n+1)
(cos (2n + 1) 1 cos (2n + 1) 2 + cos (2n + 1) 3 ) sin (2n + 1) wt

avec w = 2 nf0 : On cherche à éliminer tous les signaux qui possèdent des harmoniques et
on garde seulement le fondamental. Mais pour cet exemple, on peut écarter uniquement
deux harmoniques d’ordre 3 et 5.

29
Chapitre 3. Application

Si on …xe une amplitude désirée du fondamental V1 ; et en annulant les amplitudes des

harmoniques d’ordre 3 et 5, on obtient le système d’équations non linéaires suivant :
8
> 4E
>
> (cos 1 cos 2 + cos 3 ) = V1
>
>
>
<
4E
(cos 3 1 cos 3 2 + cos 3 3 ) = 0
>
> 3
>
>
>
: 4E (cos 5 1 cos 5 2 + cos 5 3 ) = 0:
>
5

Plus simplement, on peut écrire :

8
> V1
>
> cos cos + cos =
>
<
1 2 3
4E
> cos 3 1 cos 3 2 + cos 3 3 = 0
>
>
>
: cos 5 1 cos 5 2 + cos 5 3 = 0:

Dans le cas général, la …gure 3, on écrit :

8
>
> V1
>
> cos 1 cos 2 + cos 3 cos 4 + cos c =
>
> 4E
>
>
>
> cos 3 1 cos 3 2 + cos 3 3 cos 3 + cos 3 c = 0
>
<
4

> cos 5 1 cos 5 2 + cos 5 3 cos 5 4 + cos 5 c =0

>
>
>
> ..
>
> .
>
>
>
>
: cos C 1 cos C 2 + cos C 3 cos C 4 + cos C c = 0:

Cette solution permet d’éliminer tous les harmoniques mais ce n’est pas possible d’obtenir
une solution optimale du système non linéaire ci-dessus. En plus, on va tomber à des
limites de fabrication des transistors hyperfréquences. Cependant, la méthode de Newton-
Raphson est habituellement la plus employée pour résoudre un tel système.
V1
On pose m = : taux de modulation 0 < m < 1 ; dont la solution recherchée, les angles
4E
de conduction doivent obéir à la contrainte suivante : 1 < 2 < 3 < < c< :
2

30
Chapitre 3. Application

3.2 Onduleur triphasé

La structure suivante représente un groupement de trois onduleurs monophasés pour ali-

menter une charge triphasée comme montré à la …gure 4 :

Fig. 3.4 –Onduleur triphasé à élimination d’harmoniques

Pour cette structure, les harmoniques de rang 3 ou multiple de 3 disparaissent. Donc, on

ne cherche pas à éliminer ces harmoniques et on pro…te de suppression des conditions qui
étaient liées à cette élimination pour annuler les harmoniques impaire 5 et 7.

Le système algébrique non linéaire comporte 3 équations à 3 inconnues ; les systèmes non
linéaires peuvent êtres de fortes instabilités numériques, donc leur résolution est délicate.
Dans le prochain paragraphe, nous présentons une méthode de résolution la plus connue
dans la littérature. En considérant les trois onduleurs de la …gure 4, on peut écrire :

a0 et an égale à 0 pour tout n;

31
Chapitre 3. Application

en plus :
8
>
> bn = 0 pour n paire
>
>
>
>
>
> Z2
>
> 4
>
> bn = Vl (t) sin (2 nf0 t) dt pour n impaire
>
>
>
< 02 3
> Z a1 Za2 Zas Z 2
>
> 46 7
>
> = 4 0dt + E sin (nwt) dt + 0dt + E sin (nwt) dt5
>
>
>
>
>
>
0 a1 a2 as
>
>
>
> 4E
: = [ cos (n 1 ) + cos (n 2 ) + cos (n 3 )] :
n

Alors : 8
> 4E
>
> b1 = [cos ( 1 ) cos ( 2 ) + cos ( 3 )] = V1
>
>
>
<
4E
b5 = [cos (5 1 ) cos (5 2 ) + cos (5 3 )] = 0
>
> 5
>
>
>
: b7 = 4E [cos (7 1 ) cos (7 2 ) + cos (7 3 )] = 0
>
7
8
>
>
>
> cos ( 1 ) cos ( 2 ) + cos ( 3 ) = m
<
cos (5 1 ) cos (5 2 ) + cos (5 3 ) = 0
>
>
>
>
: cos (7 1 ) cos (7 2 ) + cos (7 3 ) = 0:

3.3 Méthode d’optimisation de Newton-Raphson

La méthode de Newton-Raphson est une méthode utilisée pour résoudre une équation
algébrique ou un système non linéaire, basée sur le procédé d’approximations successives.

Pour commander l’amplitude fondamentale et éliminer les harmoniques de rang 5 et 7, les

trois équations non linéaires peuvent être données comme suit :
8
> V1
>
> cos ( 1 ) cos ( 2 ) + cos ( 3 ) = m =
>
< 4E
> cos (5 1 ) cos (5 2 ) + cos (5 3 ) = 0
>
>
>
: cos (7 1 ) cos (7 2 ) + cos (7 3 ) = 0

32
Chapitre 3. Application

Pour résoudre ce système d’équations par la méthode de Newton-Raphson, on utilise :

1. Le vecteur des angles de commutation :

h it
(n) (n) (n) (n)
= 1 ; 2 ; 3

2. La matrice non linéaire associée au système :

0 1
(n) (n) (n)
B cos 1 cos 2 + cos 3 C
B C
g (n)
=B
B cos 5
(n)
1 cos 5
(n)
2 + cos 5
(n)
3
C
C
@ A
(n) (n) (n)
cos 7 1 cos 7 2 + cos 7 3

et la matrice Jacobienne de g est :

0 1
(n) (n) (n)
B sin 1 sin 2 sin 3 C
B C
Jg (n)
=B
B 5 sin
(n)
1 5 sin
(n)
2 5 sin
(n)
3
C
C
@ A
(n) (n) (n)
7 sin 1 7 sin 2 7 sin 3

3. Le vecteur d’amplitude d’harmonique correspondant :

t
T = m 0 0
(n)
T =g

L’algorithme de calcul des angles de commutation basé sur la méthode de Newton-Raphson,

peut être résumé comme suit :

33
Chapitre 3. Application

Répéter

(n)
i. On devine les valeurs initiales de avec n = 0 :

t
(0) (0) (0) (0)
= 1 2 3
:

(0)
ii. Calcul de la valeur de g = g (0) :
iii. g (0) + Jg (0)
d (0)
= T et d (0)
= d
(0)
1 d
(0)
2 d
(0)
3
:
(0) (0) 1
iv. Résolution de l’équation g( ) = T par : d = Jg T g (0)
(n+1) (n) (n)
v. mise à jour des valeurs initiales : = +d :
(n)
Jusqu’à la valeur désirée de d :

Les solutions doivent véri…er la condition suivante : : Pour mettre en

1 < 2 < 3 <
2
application cet algorithme dans un ordinateur, en se servant du code MATLAB, on obtient
des résultats montrés par les …gures suivantes :

Fig. 3.5 –Variation des angles de commutation en fonction de taux de modulation m.

34
Chapitre 3. Application

Fig. 3.6 –La variation de l’erreur de la méthode de Newton-Raphson en fonction du taux

de modulation m

35
Conclusion

D’après l’étude qu’on a fait sur les trois méthodes de résolution des systèmes non linéaires
(point …xe, Newton et la sécante), on peut dire que :

La méthode de point …xe a une importance théorique : son analyse mathématique est
relativement simple et nous permet de déduire celle de la méthode de Newton.

La méthode de Newton est e¤ectivement très rapide et elle est certainement à conseiller
dans le cas où le calcul de la dérivée f 0 est facile et lorsque les valeurs initiales sont bien
choisies dans le domaine de convergence.

Si on veut une méthode d’application plus universelle, la méthode de la sécante est plutôt à
conseiller puisqu’elle nécessite seulement la connaissance de f . Elle est relativement rapide
et ne nécessite qu’une évaluation de la fonction à chaque itération. Si en tenant compte
ce dernier point, on peut considérer que cette méthode est plus rapide que la méthode de
Newton

36
Bibliographie

[1] Al…o Quarteroni, Riccardo Sacco, Fausto Saleri. Méthodes numériques : algo-
rithmes, analyse et applications (2007) :

[2] André Fortin. Analyse numérique pour ingénieurs (1994).

[3] Eric Goncalvès. Méthodes, analyse et calculs numériques (2005).

[4] Jacques Rappaz et Marco Picasso. Introduction à l’analyse numérique (1998) :

[5] Jean-Philippe grivet. Méthodes numériques appliquées pour le scienti…que et l’ingé-

nieur (2009).

[6] Jean-Pierre Demailly. Analyse numérique et équations di¤érentielles (1991).

[7] Michel Pierre et Antoine Henrot. Analyse numérique (2013).

[8] Michel Pinard. La commande électronique des machines (2013).

[9] Raphaèle Herbin. Cours d’analyse numérique (2006).

37