Rsolution d'quations

Equations non linaires

 Mthode

par dichotomie
 Mthode du point fixe
 Mthode de Newton
 Ordre dune mthode
 Remarques gnrales

Systmes d'quations non linaires

 Mthode

de Jacobi & Gauss-Seidel

 Mthode de Newton-Raphson
 Mthode du gradient
ANM 4-1

Mthode par dichotomie

f(x)

soit rsoudre f(x)=0

x0

a

x2

Conditions :



x1

racine isole sur [a , b]

f(x) est monotone sur [a , b]

Mthodologie : rduire chaque pas itratif lintervalle [a , b]

par 2

ANM 4-2

Mthode par dichotomie

Procdure :

rpter
x = (a + b) / 2
si f ( a ) f ( x ) < 0
alors b = x
sinon a = x
Jusqu' ce que b - a
ANM 4-3

Mthode du Point Fixe

Soit rsoudre f (x) = 0, mis sous la forme x = g (x).
x1 = g ( x0 )
o x0 est arbitraire
x2 = g( x1 )
M
xn = g ( xn1 )
g ( r )
Si la suite converge vers une limite r : g ( xn ) n

On forme la suite

alors r = g (r ) et r est racine de lquation.

Convergence : on montre que la suite converge si, au voisinage

de la racine :

g( x ) < 1

cest une condition suffisante mais non ncessaire

ANM 4-4

Mthode du Point Fixe

Exemple : rsoudre f ( x ) = x 2 3 = 0
x = g ( x ) = x 2 + x 3 g( x ) = 2 x + 1

n
xn

3
3
x = g ( x ) = g( x ) = 2
x
x

n
xn

1
3
1
3
x = g ( x ) = x + g' ( x ) = 1 2
2
x
2
x

n
xn

ANM 4-5

Mthode du Point Fixe

Interprtation graphique :
y

y=x

y=x

y = g(x)

y = g(x)
x
Convergence en escalier
0 = g'(x) < 1

Convergence en escargot
-1 < g'(x) = 0

ANM 4-6

Mthode du Point Fixe

Interprtation graphique :
y

y = g(x)

y = g(x)

y=x

y=x

Divergence
| g'(x)| > 1

Oscillations

ANM 4-7

Mthode du Point Fixe

Acclration de la convergence :
soit lquation x = g ( x ) formons x + x = x + g ( x )

x + g( x )
= g1 ( x ) avec 1
1+
+ g( x )
<1
il faut g( x ) < 1 soit g( x ) =
1+
et

x=

pour une convergence maximale choisissons = g( x )

x g( x ) + g ( x )
et x =
1 g( x )

sera un meilleur choix.

ANM 4-8

Mthode du Point Fixe

Acclration de la convergence - application

n
soit rsoudre x = A

formons

xn

=A

soit

x=

le meilleur choix sera pour

A
x n1

= g( x )

g( x ) = ( n 1)

A
= 1 n
n
x

1
A
x = ( n 1) x + n1
n
x

pour n = 2

1
A
xi +1 = xi + i

2
xi
ANM 4-9

Mthode de Newton
Soit rsoudre f ( x ) = 0 . Supposons x0 une valeur proche de
la racine. Lquation devient f ( x0 + h) = 0 .

h2
cest dire f ( x0 + h) = f ( x0 ) + h f ( x0 ) +
f ( x0 + h) + L = 0
2
f ( x0 )
f ( x0 )
x
=
x

et h =
soit
1
0
f ( x0 )

f ( x0 )
Mais x1 peut tre amlior son tour, do lexpression :

f ( xn )
x n +1 = x n
f ( xn )
Cest la formule de Newton
ANM 4-10

Mthode de Newton
Interprtation graphique

x n +1 = x n

f ( xn )
f ( xn )

y
y = f (x)

x1
x0

x2

ANM 4-11

Mthode de Newton

Mthode de la fausse position - Regula Falsi

La mthode de Newton suppose que l on peut dterminer la

driv de f (x).
Ce nest pas toujours le cas
On approche alors la valeur de la tangente en xn par celle
dune corde passant par xn et xn1 :

f ( xn )

f ( xn ) f ( xn1 )
xn xn 1

do lexpression : x0 , x1 donns
x f ( xn ) xn f ( xn1 )
xn +1 = n1
f ( xn ) f ( xn1 )
ANM 4-12

Ordre dune mthode

Vitesse de convergence

Soit une mthode itrative xn +1 = g ( xn ) convergeant vers r.

On pose en = xn r l erreur de rang n .
Si en+1 C (en ) p on dit que la mthode est dordre p.
(C est une constante derreur lie g (x).

Thorme : Si la suite dfinie par xn +1 = g( xn ) converge

vers r et si g est suffisamment drivable, alors lordre de la
mthode est lordre de la premire drive non nulle en r.
Gnralement, plus lordre dune mthode est grand, plus sa
convergence est rapide
ANM 4-13

Ordre dune mthode

Ordre de quelques mthodes

Dichotomie : chaque pas itratif, lerreur est divise par 2

1
soit en+1 = (en )1
2

convergence linaire

ANM 4-14

Ordre dune mthode

Ordre de quelques mthodes

Dichotomie : chaque pas itratif, lerreur est divise par 2

1
soit en+1 = (en )1
2

convergence linaire

Point fixe : gnralement g( r ) 0 sauf dans le cas

doptimisation de g (x) pour lequel g( r ) = 0
convergence dordre 1 parfois 2

ANM 4-15

Ordre dune mthode

Ordre de quelques mthodes

Dichotomie : chaque pas itratif, lerreur est divise par 2

1
soit en+1 = (en )1
2

convergence linaire

Point fixe : gnralement g( r ) 0 sauf dans le cas

doptimisation de g (x) pour lequel g( r ) = 0
convergence dordre 1 parfois 2

Newton :

f ( x)
g( x ) = x
et
f ( x )

et pour x = r,

f ( x ) f ( x ) f ( x )
g( x ) = 1
+
f ( x )
( f ( x ))2

g( r ) = 0

Convergence au moins dordre 2

ANM 4-16

Remarques gnrales

Test darrt des itrations

Si est la prcision souhaite, un choix empirique mais
raisonn conduit choisir :

xn xn1
On complte gnralement ce test par un test de limitation du
nombre d itrations du type
n nmax

avec nmax = 10 2 10 3

ANM 4-17

Remarques gnrales

Racines multiples dordre p :

f ( r ) = f ( r ) = f ( r ) = L = f ( p 1) = 0
Les mthodes itratives prcdentes sappliquent parfaitement.
Pour la mthode de Newton, on peut remplacer f ( x ) = 0
1
par ( f ( x )) p = 0
dou

x n +1 = x n p

f ( xn )
f ( xn )

encore faut-il connatre p !!!

ANM 4-18

Remarques gnrales

Calcul de toutes les racines dune quation.

Pour rsoudre compltement une quation m racines, la
mthode doit converger successivement vers les m racines de
lquation. On peut :
- soit isoler chaque racine sur un intervalle, et les
mthodes itratives ont toute chance de converger vers la
racine de cet intervalle.
- soit oprer selon le schma suivant :

ANM 4-19

Remarques gnrales

Calcul de toutes les racines dune quation.

calcul de la racine x1 par itrations ;
 division polynmiale de f (x) par (x - x1) ;


et


f1 ( x ) =

calcul de la racine x2 de f1 ( x ) = 0

 calcul de f 2 ( x ) =



f ( x)
x x1

f ( x)
( x x1 ) ( x x2 )

Calcul de la racine x2 de

f2 ( x) = 0

etc
ANM 4-20

Systmes d'quations non linaires

On se propose de rsoudre des systmes d'quations non
linaires du type :
r r
r r r
F ( X ) = 0 ou X = G ( X )
avec

x1
r x2
X =
M
x
m

f1 ( x1 , x2 ,L, xm ) = 0
f ( x , x ,L , x ) = 0
2 1 2
m

f m ( x1 , x2 ,L, xm ) = 0

x1 = g1 ( x1 , x2 ,L, xm )
x = g ( x , x ,L , x )
2
2 1 2
m

xm = gm ( x1 , x2 ,L, xm )

Certaines mthodes utilises pour la rsolution d'quations non

linaires peuvent tre gnralises aux systmes d'quations.

ANM 4-21

Systmes d'quations non linaires

Dans le cas d'une gnralisation, on remplace :
- la valeur absolue (d'un scalaire) par la norme d'un
vecteur ou d'une matrice ;
- les drives de F ou G par la matrice jacobienne du type :

f 1
x
r 1
Jac F = M
f m
x1

f1
x m

O
M
f m
L
xm
L

ANM 4-22

Systmes d'quations non linaires

Mthode de Jacobi

r r r
Rsoudre X = G ( X )
C'est la gnralisation de la mthode du point fixe


r
Convergence si Jac G 1

g i
soit max
k 1 ou
1 i m j =1 x j
r
X 0 fix
r r
 Procdure
r
X n +1 = G ( X n )
m

Test d'arrt des itrations

r
r
X n+1 X n soit

g i
max
k 1
1 j m i =1 x j
m

max xi( n +1) xi( n )

1 i m

ANM 4-23

Systmes d'quations non linaires

Mthode de Gauss-Seidel

On amliore gnralement la rapidit de la mthode de Jacobi

r
me
en calculant la i coordonne de X n+1 l'itration n + 1 de
la manire suivante :

( n)
xi( n +1) = gi x1( n+1) ,L , xi(n1+1) , xi( n ) ,L , xm

r
Ainsi les coordonnes de X n+1 se sbstituent progressivement
r
celles de X n .
r
(ncessit d'un seul vecteur X nen mmoire)
ANM 4-24

Systmes d'quations non linaires

Mthode de Newton-Raphson

r r
Soit rsoudre F ( X ) = 0
La mthode de Newton-Raphson gnralise la mthode de
Newton, condition de remplacer :
r r 1 r r
f ( xn )
par [Jac F ( X n )] F ( X n )
f ( xn )
d'o la procdure itrative :

r
r
X 0 pos aussi proche que possible de la solution R
r
r r 1 r r
r
X n+1 = X n [Jac F ( X n )] F ( X n )

ANM 4-25