Chapitre 1: R esolution num erique des equations non lin eaires

Abdallah BenAbdallah Universit e de Sfax Institut Sup erieur dInformatique et de Multim edia de Sfax

Septembre 2011

Plan du Chapitre

1. Introduction 2. M ethode de Bissection 3. M ethode des points xes 4. M ethode de Newton 5. M ethode de la s ecante 6. Conclusion

1. Introduction Souvent on est confronter ` a la r esolution des equations non lin eaires f (x ) = 0. D enition 1. On appelle racine (ou zero) de la fonction f tout r eel x solution de l equation f (x ) = 0. Exemples 1. La fonction f (x ) = ax + b (a = 0) admet une seule racine r = b /a.

La fonction f (x ) = ax 2 + bx + c (a = 0) admet deux racines b + b , r2 = r1 = 2a 2a ceci lorsque = b 2 4ac > 0 On a encore une formule (plus complexe) qui donne les racines de la fonction f (x ) = ax 3 + bx 2 + cx + d , (a = 0)

Il existe une formule (encore plus complexe) qui donne les racines de la fonction f (x ) = ax 4 + bx 3 + cx 2 + dx + e , (a = 0)

Mais si f (x ) = ax n + bx n1 + ...., (a = 0) avec n 5, on na pas de formule qui donne les racines (Evariste Galois 1811-1832). Puisquil nexiste pas de formule g en erale (m eme pour les fonctions polyn omes), il est utile dutiliser des m ethodes num eriques pour la r esolution de f (x ) = 0. Dans ce qui suit, on pr esentera des algorithmes de r esolution num eriques des equations non lin eaires.

2. M ethode de Bissection Soit f : R R une fonction continue. On suppose quil existe x1 < x2 tel que f (x1 )f (x2 ) < 0. Dapr` es le th eor` eme des valeurs interm ediaires il existe une racine r ]x1 , x2 [ tel que f (r ) = 0. On pose

x1 + x2 . 2 On etudie le signe de f sur les intervalles [x1 , xm ] et [xm , x2 ]. xm = La deuxi` eme it eration se fait en changeant [x1 , x2 ] en [x1 , xm ] si f (x1 )f (xm ) < 0. [xm , x2 ] si f (xm )f (x2 ) < 0.

Algorithme de Bissection : 1. Etant donner un intervalle [x1 , x2 ] tel que f (x1 )f (x2 ) < 0. 2. Etant donner > 0 un crit` ere darret, et N le nombre maximale dit erations. 3. Poser xm =
x1 +x2 2 .
2 x1 | 4. Si |x 2|xm | < . Convergence atteinte. Ecrire la racine r = xm . Arr et. 5. Ecrire f (x1 ), f (x2 ), f (xm ).

6. Si f (x1 )f (xm ) < 0 alors x2 = xm . 7. Si f (xm )f (x2 ) < 0 alors x1 = xm . 8. Si le nombre maximale dit erations N est atteint. Convergence non atteinte. Arr et. 9. Retour ` a l etape 3.

Remarque 1. Lexpression |x2 x1 | , 2 est une approximation de lerreur absolue et lexpression |x2 x1 | , 2|xm | est lerreur relative. Lalgorithme risque de ne pas fonctionner si la racine r = 0. Ce cas est rare en pratique. Il est parfois utile dintroduire un test darr et sur la valeur de f (x ), qui doit tendre vers 0.

Exemple 2. La fonction f (x ) = x 3 + x 2 3x 3 admet une racine dans lintervalle [1, 2] car f (1) f (2) = 12 < 0
x1 1 1.5 1.5 1.625 x2 2 2 1.75 1.75 xm 1.5 1.75 1.625 1.6875 f ( x1 ) -4 -1,875 -1,875 -0,94335 f ( x2 ) 3 3 0.17187 0.17187 f (xm ) -1,875 0.17187 -0,94335 -0,40942 Erreur absolue 0.5 0.25 0.125 0.0625 Erreur relative 0.3333 0.1428 0.0769 0.0370

Remarque 2. On voit que lerreur absolue ` a la n ` eme it eration est donn ee par |x2 x1 | en = . 2n Si on se xe une certaine erreur absolue r sur la racine r , alors le nombre n diterations n ecessaire v erie |x2 x1 | < r . 2n On trouve la condition n>
L ln( r) . ln 2

Si on veut une erreur absolue plus petite que 102 , il faut eectuer au moins ln( 101 2 ) = 6.6438 it erations ln 2 Il faudra donc 7 it erations.

Remarque 3. La convergence de la m ethode de Bissection nest pas tr` es rapide, mais elle est s ure du moment o` u on a un intervalle de changement de signe. Il existe des cas o` u la m ethode de Bissection achoppe. par exemple f (x ) peut sannuler sans quil y a un changement de signe. On va introduire des autre m ethodes plus rapide, mais la convergence nest pas garantit.

3. M ethodes des points xes D enition 2. Un point xe dune fonction g (x ) est toute valeur de x v eriant g (x ) = x . Il existe un algorithme permettant des d eterminer des points xes de la fonction g (x ): x0 donn e xn+1 = g (xn ) Remarque 4. On peut r esoudre des equations non lin eaires f (x ) = 0 en utilisant lalgorithme des points xes. Par exemple on transforme f (x ) = 0 ` a l equation x + f (x ) = x .

Algorithme des points xes : 1. Etant donner > 0 un crit` ere darret, et N le nombre maximale dit erations. 2. Etant donner x0 une valeur initiale. 3. Eectuer xn+1 = g (xn ).
+1 xn | 4. Si |xn |xn+1 | < . Convergence atteinte. Ecrire le point xe r = xn+1 . Arr et.

5. Si le nombre maximale dit erations N est atteint. Convergence non atteinte. Arr et. 6. Retour ` a l etape 3.

Exemple 3. On cherche ` a r esoudre x 2 2x 3 = 0, dont les racines sont r1 = 3 et r2 = 1. Il y a une innit e de fa cons de transformer cette equation sous forme g (x ) = x Par exemple x x x = 2x + 3 = g1 (x )

= 3/(x 2) = g2 (x ) 1 2 = (x 3) = g3 (x ) 2

1 er Choix: Si on applique lalgorithme des points xes x0 = 4 xn+1 = g1 (xn ) on obtient x1 = g1 (x0 ) = 3.3166 x2 = g1 (x1 ) = 3.1037 x3 = g1 (x2 ) = 3.0343 x10 = g1 (x9 ) = 3.000 Lalgorithme semble donc converger vers la racine r2 = 3.

2` eme Choix: Si on applique lalgorithme des points xes x0 xn+1 on obtient x1 = g2 (x0 ) = 1.5 x2 = g2 (x1 ) = 6 x3 = g2 (x2 ) = 0.375 x4 = g2 (x3 ) = 1.2631 x10 = g2 (x9 ) = 1.0003 Lalgorithme semble donc converger vers la racine r1 = 1. = 4 = g2 (xn )

3` eme Choix: Si on applique lalgorithme des points xes x0 xn+1 on obtient x1 = g3 (x0 ) = 6.5 x2 = g3 (x1 ) = 19.625 x3 = g3 (x2 ) = 191.0703 x10 = g3 (x9 ) = 18252.43 Les it erations tendent vers + et aucune des deux solutions r1 = 3 et r2 = 1 ne sera atteinte. Question : Quand on a convergence de lalgorithme des points xes? = 4 = g3 (xn )

Soit r une racine de l equation f (x ) = 0. La m ethode des points xes consiste ` a transformer l equation pr ec edente en une equation de type g (x ) = x . Ainsi r est point xe de la fonction g , cest ` a dire g (r ) = r . On d enit lerreur ` a l etape n comme etant en = xn r .

On a la relation en+1 = g (en + r ) g (r ) e2 e3 = g (r )en + g (r ) n + g (r ) n + ... 2 3! Si g (r ) = 0 et si on n eglige les termes dordre sup erieur ou egal ` a 2 en en , on a en+1 g (r )en . Lerreur ne pourra diminuer que si : |g (r )| < 1. Si g (r ) = 0, le r eel = |g (r )| est appel e taux de convergence de la m ethode des points xes.

La convergence de la m ethode des points xes d epend encore de la valeur initiale x0 . Le th eor` eme suivant permet dans certains cas de sassurer de la convergence. Th eor` eme 1. Soit g (x ) une fonction continue sur un intervalle [a, b ] tel que, g (x ) [a, b ], x [a, b ]. Si g (x ) est d erivable sur ]a, b [ et |g (x )| k < 1, x ]a, b [, alors pour toute condition initial x0 [a, b ], la m ethode des points xes x0 donn e xn+1 = g (xn ) converge vers lunique point xe r de la fonction g .

Remarque 5. Soit r un point xe de la fonction g (x ). Si g est d erivable en r et |g (r )| > 1, alors la m ethode des points xes x0 donn e xn+1 = g (xn ) ne converge pas vers r pour toute condition initiale x0 = r . D enition 3. Si r est un point xe dune fonction d erivable g (x ). Si |g (r )| > 1, alors on dit que le point xe r est r epulsif. Si |g (r )| < 1, alors on dit que le point xe r est attractif.

Exemple 3. (Suite) Maintenant on peut comprendre ce qui sest pass e dans lexemple pr ec edent. On rappelle quon veut r esoudre l equation x 2 2x 3 = 0, dont les racines sont r1 = 3 et r2 = 1 en utilisant des algorithmes des points xes appliqu es aux fonctions : 2x + 3 g1 (x ) = g2 (x ) = 3/(x 2) 1 2 (x 3) g3 (x ) = 2 On doit calculer les d eriv ees: g1 (x ) = 1 2x + 3 g2 (x ) = 3/(x 2)2 g3 (x ) = x

On peut r esumer les r esultats dans le tableau suivant: g1 (r ) g2 (r ) g3 (r ) On voit bien que: |g1 (r1 )| = |g1 (3)| = 0.333 < 1, ces pourquoi que lalgorithme des points xes a converger vers 3 (Voir 1 er Choix ). |g2 (r2 )| = |g2 (1)| = 0.333 < 1, ces pourquoi que lalgorithme des points xes a converger vers -1 (Voir 2 ` eme Choix ). r1 = 3 0.333 -3 3 r2 = 1 1 -0.333 -1

4. M ethode de Newton Cest lune des m ethodes les plus utilis ees. Cette m ethode poss` ede une belle interpretation g eom etrique. Soit f (x ) une fonction d erivable. On veut r esoudre l equation non lin eaire f (x ) = 0. Lalgorithme de Newton nest autre que la m ethode des points xes appliqu ee ` a la fonction g (x ) = x Cest ` a dire x0 xn+1 donn e f (xn ) = xn f (xn ) f (x ) . f (x )

Algorithme de la m ethode de Newton : 1. Etant donner > 0 un crit` ere darret, et N le nombre maximale dit erations. 2. Etant donner x0 une valeur initiale. 3. Eectuer xn+1 = xn f (xn ) . f (xn )

+1 xn | 4. Si |xn |xn+1 | < . Convergence atteinte. Ecrire la racine r = xn+1 . Arr et.

5. Si le nombre maximale dit erations N est atteint. Convergence non atteinte. Arr et. 6. Retour ` a l etape 3.

Exemple 4 : Dans cet exemple nous utilisons la m ethode de Newton pour obtenir une approximation des racines de l equation x 3 + 4x 2 10 = 0. Soit x0 = 1 et xn+1 = xn
3 + 4x 2 10 xn n . 2 + 8x 3xn n

Les it erations de m ethode de Newton sont r esum ees dans le tableau suivant n 1 2 3 4 La convergence de xn f (xn ) 1.4545454545 1.5401953418 1.3689004011 0.0607196886 1.3652366002 0.0001087706 1.3652300134 0.0000000004 la m ethode de Newton est rapide.

5. M ethode de la s ecante La m ethode de Newton poss` ede des grands avantages (convergence rapide), mais elle n ecessite le calcul de la d eriv ee f (x ) qui nest pas toujours facile. On contourne cette dicult e en rempla cant f (xn ) dans lalgorithme de Newton par f (xn ) f (xn1 ) xn xn1

Algorithme de la m ethode de s ecante : 1. Etant donner > 0 un crit` ere darret, et N le nombre maximale dit erations. 2. Etant donner x0 et x1 , deux valeurs initiales. 3. Eectuer xn+1 = xn f (xn )(xn xn1 ) . f (xn ) f (xn1 )

+1 xn | 4. Si |xn |xn+1 | < . Convergence atteinte. Ecrire la racine r = xn+1 . Arr et.

5. Si le nombre maximale dit erations N est atteint. Convergence non atteinte. Arr et. 6. Retour ` a l etape 3.

Exemple 5 : On reprend le m eme exemple 5: x 3 + 4x 2 10 = 0. Soit x0 = 1, x1 = 1 et xn+1 = xn

3 + 4x 2 10 xn n . 2 2+x x xn n n1 + xn1 + 4(xn + xn1 )

Les it erations de m ethode de s ecante sont r esum ees dans le tableau suivant n 1 2 3 4 xn 1.4545454545 1.3689004011 1.3652366002 1.3652300134 f (xn ) 1.5401953418 0.0607196886 0.0001087706 0.0000000004

6. Conclusion Dans ce chapitre nous avons consid er e le probl` eme de la r esolution de l equation f (x ) = 0, o` u f est une fonction continue donn e. Toutes les m ethodes commencent avec une (ou deux conditions pour la m ethode de s ecante) initiale et produit une suite qui converge vers une racine de l equation, si la m ethode est convergente. A. M ethode de Bissection: Si [a, b ] est un intervalle sur lequel f (a) et f (b ) sont de singe contraire, alors la m ethode de la Bissection converge mais la convergence est lente.

B. M ethode des points xes: Th eor` eme 1: Si g : [a, b ] [a, b ] une fonction d erivable tel que |g (x )| < 1, x [a, b ], alors la m ethode des point xes x0 donn e xn+1 = g (xn ) converge vers lunique point xe r de f . Si r est un point xe dune fonction d erivable g (x ). Si |g (r )| > 1, alors on dit que le point xe r est r epulsif. Dans ce cas lalgorithme des points xes ne converge pas vers r. Si |g (r )| < 1, alors on dit que le point xe r est attractif. Dans ce cas lalgorithme des points xes peut converger vers r (suivant la condition initiale x0 ).

Si de plus g (r ) = 0, alors lerreur en = xn r v erie en+1 g (r )en

et = |g (r )| est appel e le taux de convergence de la m ethode des points xes. C. M ethode de Newton : Cest une m ethode ` a convergence rapide. Si f (x ) est une fonction d erivable avec f (x ) = 0, alors la suite x0 xn+1 donn e f (xn ) = xn f (xn )

peut converger vers une racine de l equation f (x ) = 0.

D. M ethode de la s ecante : Cest une m ethode ` a convergence rapide. La suite x0 , x1 donn es f (xn )(xn xn1 ) xn+1 = xn f (xn )f (xn1 ) peut converger vers une racine de l equation f (x ) = 0.