Vous êtes sur la page 1sur 40

Chapitre 5: Résolution approchée des équations

non linéaires

Chapitre 5: Résolution approchée des équations non linéaires 1 / 40


Résolution approchée des systèmes non linéaires

PLAN
1 Résolution approchée des équations non linéaires à une inconnue
Motivation
Position du problème
Méthode de dichotomie
Méthodes de point fixe
Méthode de Newton-Raphson
Méthode de la sécante
2 Résolution approchée des systèmes d’ équations non linéaires
Motivation
Position du problème
Méthode de Newton-Raphson
Méthodes de point fixe
3 Exercices

Chapitre 5: Résolution approchée des équations non linéaires 2 / 40


Résolution approchée des équations non linéaires à
une inconnue

Motivation
Le client d’une banque dépose au début de chaque année v euros dans un
fonds d’investissement et en retire, à la fin de la n-ème année, un capital
de M euros. Nous voulons calculer le taux d’intérêt annuel moyen T de cet
investissement. Comme M est relié à T par la relation :
n
X 1+T
M=v (1 + T )k = v [(1 + T )n − 1],
T
k=1

nous déduisons que T est racine de l’équation algébrique non linéaire :


1+T
f (T ) = 0 où f (T ) = M − v [(1 + T )n − 1]. (1)
T

Chapitre 5: Résolution approchée des équations non linéaires 3 / 40


Résolution approchée des équations non linéaires à
une inconnue

Position du problème
Soit donné l’équation f (x) = 0 où f (x) est une fonction définie et
continue sur un certain intervalle [a, b]. On admettra que f (x) est de
classe C 2 [a, b] et que f (a) et f (b) sont de signe contraire, i.e.,
0 00
f (a)f (b) < 0 et les deux dérivées f (x) et f (x) garde chacune le même
signe sur [a, b]. Sous ces conditions, l’équation f (x) = 0 possède sur [a, b]
0
une et une seule racine (f (x) garde le signe sur [a, b] implique que la
00
fonction y = f (x) est monotone sur [a, b] ; f (x) garde le même signe sur
[a, b] implique que la courbe y = f (x) a sur [a, b] une convexité soit
orientée vers le haut, soit orientée vers la bas).

Chapitre 5: Résolution approchée des équations non linéaires 4 / 40


Résolution approchée des équations non linéaires à
une inconnue

Principe de résolution
On veut résoudre f (x) = 0, où f est une fonction de R dans R non linéaire
(sinon c’est évident !). On recherche donc un nombre réel x ∗ tel que
f (x ∗ ) = 0. Comme pour toute méthode itérative, on va donc construire
une suite de nombres réels x (0) , x (1) , . . . , x (k) , . . .qui converge vers x ∗ .
Puisqu’ici les termes de la suite sont des nombres réels, on les notera plus
simplement x0 , x1 , . . . , xk , . . .

Chapitre 5: Résolution approchée des équations non linéaires 5 / 40


Résolution approchée des équations non linéaires à
une inconnue

Méthode de dichotomie
Le principe de la méthode de dichotomie est très simple. On suppose que
f : [a, b] → R est continue et que f (a)f (b) < 0, c’est-à-dire qu’il y a au
moins une racine réelle de f dans [a, b].
On prend alors le milieu de l’intervalle c = a+b2 . Si f (c) = 0 (ou
numériquement très proche de 0) on considère que l’on a résolu le
problème. Autrement deux cas peuvent se présenter. Si f (a)f (c) < 0, alors
f a une racine réelle dans [a, c] (au moins une, en tous cas, un nombre
impair de racines), autrement f (a)f (c) > 0 et donc f (a)f (c)f (b)f (c) < 0,
ce qui donne f (b)f (c) < 0 et f a une racine réelle dans [c, b]. On itère
alors le processus avec l’intervalle qui contient au moins une racine.

Chapitre 5: Résolution approchée des équations non linéaires 6 / 40


Résolution approchée des équations non linéaires à
une inconnue

Méthode de dichotomie
La méthode de dichotomie s’écrit :
a+b
a0 = a, b0 = b, x0 = ,
2
si f (xk )f (ak ) < 0 alors ak+1 = ak et bk+1 = xk sinon ak+1 = xk et
bk+1 = bk .
ak+1 + bk+1
xk+1 = ,
2
Il est clair qu’à chaque itération la longueur lk de l’intervalle de
localisation de la racine x ∗ est divisée par 2. On sait de plus que
|xk − x ∗ | ≤ lk , d’où le résultat de convergence de la suite (xk ) vers x ∗ si
on montre que lk tend vers 0.
Chapitre 5: Résolution approchée des équations non linéaires 7 / 40
Résolution approchée des équations non linéaires à
une inconnue
Méthode de dichotomie
Proposition
La suite de segments ([ak , bk ])k≥0 est telle que

b−a
lk = bk − ak = , k ≥ 1.
2k
Cette proposition est utile sur le plan numérique ; en effet elle renseigne sur
le nombre minimal d’itérations nécessaires pour calculer la racine à ε près,
ε > 0 étant une précision fixée à l’avance par l’utilisateur (test d’arrêt). En
effet, on peut montrer (en exercice) que ce nombre n doit vérifier
 
b−a
n ≥ log2
ε
Chapitre 5: Résolution approchée des équations non linéaires 8 / 40
Résolution approchée des équations non linéaires à
une inconnue

Le principe des méthodes de point fixe


Pour résoudre f (x) = 0, on peut se ramener à un problème équivalent de
la forme g (x) = x (par exemple en posant g (x) = f (x) + x). Mais il y a
beaucoup de choix possibles pour définir g ! La résolution de g(x)=x
s’appelle recherche des points fixes de g .
Par exemple, pour calculer la racine carrée d’un nombre réel a > 0, on
résout x 2 = a. Il existe alors différentes manières de se ramener à un
problème de point fixe :
a a
- x = et g1 (x) = .
x x
a a a
- 2x = x = soit x = 2x − et g2 (x) = 2x − .
x x x
x a x a
- x = + , et g3 (x) = +
2 2x 2 2x
Chapitre 5: Résolution approchée des équations non linéaires 9 / 40
Résolution approchée des équations non linéaires à
une inconnue

Le principe des méthodes de point fixe


Pour résoudre g (x) = x, problème équivalent à f (x) = 0, les méthodes
dites de point fixe, consistent à construire la suite x0 , x1 , . . . ., xk , . . . de la
façon suivante : 
x0 donné
xk+1 = g (xk ), k >0
Si la suite (xk ) converge, la continuité de g implique qu’elle converge vers
un point fixe x ∗ de g . En effet

x ∗ = lim xk+1 = g ( lim xk ) = g (x ∗ )


k→∞ k→∞

Chapitre 5: Résolution approchée des équations non linéaires 10 / 40


Résolution approchée des équations non linéaires à
une inconnue

Convergence des méthodes de point fixe

Proposition
Soit une fonction g [a, b] → [a, b] continûment dérivable sur [a, b] et
supposons que
|g 0 (x)| ≤ k < 1, ∀x ∈ [a, b]
Alors g possède un point fixe unique x ∗ ∈ [a, b] et la suite

x0 donné dans [a, b]
xn+1 = g (xn ), n>0

converge vers x ∗

Chapitre 5: Résolution approchée des équations non linéaires 11 / 40


Résolution approchée des équations non linéaires à
une inconnue

Convergence des méthodes de point fixe


De même que pour la dichotomie, on peut estimer le nombre d’itérations
nécessaires pour obtenir une précision donnée. En effet, vous pourrez
montrer en exercice, que
kn
|xn − x ∗ | ≤ |x1 − x0 |.
1−k
Donc, pour une précision ε donnée, le nombre d’itérations n est donné par
(1−k)ε
kn ln |x1 −x0 |
|x1 − x0 | ≤ ε ⇒ n ≤
1−k ln k

Chapitre 5: Résolution approchée des équations non linéaires 12 / 40


Résolution approchée des équations non linéaires à
une inconnue

Convergence des méthodes de point fixe

Proposition
Soit x ∗ un point fixe de g , fonction continûment dérivable, tel que
|g 0 (x ∗ )| < 1, alors la suite (xn ) définie par xn+1 = g (xn ) converge vers x ∗
si x0 est suffisamment proche de x ∗ .

Chapitre 5: Résolution approchée des équations non linéaires 13 / 40


Résolution approchée des équations non linéaires à
une inconnue
La méthode de Newton pour résoudre une équation
La méthode de Newton s’utilise pour calculer une racine de f (x) = 0, où f
est une fonction deux fois continûment dérivable de [a, b] dans R. En voici
le principe : soit x0 donné, on écrit le développement de Taylor en x0 :
f (x) = f (x0 ) + (x − x0 )f 0 (x0 ) + (x − x0 )ε)(x − x0 )
La méthode de Newton consiste à négliger les termes d’ordre supérieur à 1
(ce qui revient à assimiler localement la courbe à sa tangente) et à
considérer alors que x1 est le point qui annule l’approximation de f ainsi
obtenue, c’est-à-dire
0 = f (x0 ) + (x1 − x0 )f 0 (x0 ))
ce qui donne
f (x0 )
x1 = x0 −
f 0 (x0 )
Chapitre 5: Résolution approchée des équations non linéaires 14 / 40
Résolution approchée des équations non linéaires à
une inconnue
La méthode de Newton pour résoudre une équation
L’étape ainsi décrite qui permet de passer de x0 à x1 permet aussi de
passer de xn à xn+1 . L’algorithme de Newton pour résoudre une équation
f (x) = 0 est le suivant

 x0 donné
f (xn )
 xn+1 = xn − 0 , n≥0
f (xn )
Il s’agit donc d’une méthode de point fixe xn+1 = g (xn ) pour laquelle g
est définie par
f (x)
g (x) = x − 0
f (x)
La méthode de Newton est une méthode de point fixe telle que g 0 (x ∗ ) = 0
c’est-à-dire que la dérivée s’annule au point fixe de la fonction g .
Chapitre 5: Résolution approchée des équations non linéaires 15 / 40
Résolution approchée des équations non linéaires à
une inconnue

Convergence de la méthode de Newton pour résoudre une


équation

Proposition
Soit f une fonction deux fois continûment dérivable sur [a, b] et x ∗ ∈ [a, b]
tel que f (x ∗ ) = 0 et f 0 (x ∗ ) 6= 0. Alors il existe α > 0 tel que la suite
générée par la méthode de Newton

f (xn )
xn+1 = xn − ,
f 0 (xn )

converge vers x ∗ pour tout x0 ∈ [x ∗ − α, x ∗ + α].

Chapitre 5: Résolution approchée des équations non linéaires 16 / 40


Résolution approchée des équations non linéaires à
une inconnue

Convergence de la méthode de Newton pour résoudre une


équation

Proposition
Soit g une fonction deux fois continûment dérivable de [a, b] dans [a, b],
soit x ∗ ∈ [a, b] tel que g (x ∗ ) = x ∗ et g 0 (x ∗ ) = 0, soit x0 ∈ [a, b], on définit
xn+1 = g (xn ), alors :

M
|xn+1 − x ∗ | ≤ |xn − x ∗ |2 ,
2
où M = max |g 00 (x)|.
x∈[a,b]

Chapitre 5: Résolution approchée des équations non linéaires 17 / 40


Résolution approchée des équations non linéaires à
une inconnue
La méthode de Newton pour résoudre une équation : Exemple
Calculer par la méthode de Newton la racine sur [1; 1, 7] de l’équation
x 4 − 2x − 4 = 0 avec une précision de l’ordre de 0,01. On a
f 0 (x) = 4x 3 − 2, f 00 (x) = 12x 2 . Puisque f (1, 7)f 00 (1, 7) > 0 (voir l’exemple
précédent), on prend x0 = 1, 7. On trouve tour à tour

f (x0 ) f (1, 7) 0, 952


x1 = x0 − 0
= 1, 7 − 0 = 1, 7 − = 1, 646
f (x0 ) f (1, 7) 17, 652
et f (x0 )f (x1 ) > 0.

f (x1 ) f (1, 646) 0, 048


x2 = x1 − 0
= 1, 646 − 0 = 1, 646 − = 1, 643
f (x1 ) f (1, 646) 15, 838
et f (x1 )f (x2 ) > 0.
Chapitre 5: Résolution approchée des équations non linéaires 18 / 40
Résolution approchée des équations non linéaires à
une inconnue

La méthode de Newton pour résoudre une équation : Exemple

f (x2 ) f (1, 643) 0, 004


x3 = x2 − 0
= 1, 643 − 0 = 1, 643 − = 1, 6427
f (x2 ) f (1, 643) 15, 740

f (x2 )f (x3 ) < 0 et | x2 − x3 |= 0, 0003 < 0, 01.


Par conséquent la racine cherchée est x3 = 1, 6427 avec deux chiffres après
la virgule (car ε = 0, 01 a deux chiffres après la virgule), i.e. x = 1, 64.

Chapitre 5: Résolution approchée des équations non linéaires 19 / 40


Résolution approchée des équations non linéaires à
une inconnue

La méthode de la sécante
Cette méthode peut être vue comme une approximation de la méthode de
Newton, présentée dans le paragraphe référencé. En effet la méthode de
Newton nécessite le calcul de la dérivée de la fonction en un point à
chaque itération. Si le calcul de la dérivée est coûteux en temps ou peu
précis (par exemple c’est le résultat d’une approximation numérique), on
peut approcher la dérivée de la manière suivante

f (xn ) − f (xn−1 )
f 0 (xn ) =
xn − xn−1

Chapitre 5: Résolution approchée des équations non linéaires 20 / 40


Résolution approchée des équations non linéaires à
une inconnue
La méthode de la sécante
On obtient ainsi la méthode de la sécante :


 x0 , x1 donnés tels que f (x0 )f (x1 ) < 0,

f (xn )(xn − xn−1 )
 xn+1 = xn −


f (xn ) − f (xn−1 )
Ceci signifie, graphiquement, que l’on remplace la tangente par la ”corde”.
Il s’agit en effet de l’intersection de la droite passant par les points
(xn , f (xn )) et (xn−1 , f (xn−1 )) avec l’axe Ox.
Remarque
Cette méthode n’est pas une méthode de point fixe puisque chaque point
de la suite est construit à partir des deux précédents.
Chapitre 5: Résolution approchée des équations non linéaires 21 / 40
Résolution d’un système d’équations non-linéaires

Motivation : Etude d’un système de pompage


Théoriquement, on montre que les différentes grandeurs H, Q1 , Q2 et Z
sont liées entre elles par les équations suivantes :

 AQ12 + BQ22 + 1 = Z ,
  
 Q = Q1 + Q2 ,  A = 4854
où , et B = −1576 ,
AQ12 + CQ22 + 40 = H, H = 51cm C = 14279
  

où les valeurs de Z (en m) sont les suivantes :

-0.01 -0.15 -0.2 -0.31 -0.43 -0.58 -0.69 -0.75 -0.86 -0.92 -

On se propose de donner la procédure de calcul permettant de trouver les


débits volumiques Q1 et Q2 dans les deux branches de la jonction.
Chapitre 5: Résolution approchée des équations non linéaires 22 / 40
Résolution d’un système d’équations non-linéaires

La méthode de Newton pour deux équations non-linéaires


On veut maintenant résoudre deux équations à deux inconnues :

f1 (x1 , x2 ) = 0
f2 (x1 , x2 ) = 0

On manipule maintenant des vecteurs de R2 que l’on peut noter


     
x1 f1 (x) f1 (x1 , x2 )
x= f (x) = =
x2 f2 (x) f2 (x1 , x2 )

Comme pour toutes les méthodes itératives que l’on a vues dans ce
chapitre, on va construire une suite de vecteurs censée converger vers une
solution de f (x) = 0, on notera les vecteurs de la suite
x (0 ), x (1) . . . , x (k) , . . .
Chapitre 5: Résolution approchée des équations non linéaires 23 / 40
Résolution d’un système d’équations non-linéaires

La méthode de Newton pour deux équations non-linéaires


L’approximation par un développement de Taylor au premier ordre que
nous avons utilisée pour introduire la méthode de Newton pour une
équation peutêtre étendue à deux équations voire à n équations.
Explicitons-la pour 2 équations :
(0) (0)
Soit x (0) = (x1 , x2 ) un couple donné. écrivons le développement de
Taylor en ce point
∂f ∂f

 f1 (x) = f1 (x (0) ) + 1 (x (0) (x1 − x1(0) ) + 1 (x (0) )(x2 − x2(0) ) + reste

∂x1 ∂x2
∂f ∂f
 f2 (x) = f2 (x (0) ) + 2 (x (0) )(x1 − x1(0) ) + 2 (x (0) (x2 − x2(0) ) + reste

∂x1 ∂x2

Si l’on note Df (x (0) ) la matrice jacobienne de f au point x (0) définie par :

Chapitre 5: Résolution approchée des équations non linéaires 24 / 40


Résolution d’un système d’équations non-linéaires

La méthode de Newton pour deux équations non-linéaires

∂f1 (0) ∂f1 (0)


 
(x (x
 ∂x1 ∂x2 ∇f1 (x (0) )T
  
(0)
Df (x ) =  =
 
 ∂f ∂f2 (0)  ∇f2 (x (0) )T
2
(x (0) (x
∂x1 ∂x2
avec
∂f1 (0) ∂f2 (0)
   
(x (x
∇f1 (x (0) ) =  ∂x 1 et ∇f2 (x (0) ) =  ∂x1
   
∂f1 (0)  ∂f2 (0) 
(x (x
∂x2 ∂x2

Chapitre 5: Résolution approchée des équations non linéaires 25 / 40


Résolution d’un système d’équations non-linéaires
La méthode de Newton pour deux équations non-linéaires
Les relations précédentes peuvent s’écrire :
f (x) = f (x (0) ) + Df (x (0) )(x − x (0) ) + reste
soit encore
∇f1 (x (0) )T (x − x (0) )
 
(0)
f (x) = f (x )+
∇f2 (x (0) )T (x − x (0) )
On néglige le reste, on calcule l’itéré suivant x (1) en annulant
l’approximation de f ainsi obtenue.
0 = f (x (0) ) + Df (x (0) )(x (1) − x (0) ).
Le vecteur x (1) − x (0) se calcule en résolvant un système linéaire :
Df (x (0) )(x (1) − x (0) = −f (x (0) ).
Quand on a obtenu le vecteur h = x (1) − x (0) , on calcule x (1) = h + x (0) .
Chapitre 5: Résolution approchée des équations non linéaires 26 / 40
Résolution d’un système d’équations non-linéaires

La méthode de Newton pour deux équations non-linéaires


On recommence les mêmes étapes pour obtenir le vecteur x (2) à partir du
vecteur x (1) . On s’arrête lorsque la différence de deux itérés successifs,
c’est-à-dire le vecteur h est inférieur en norme à un ε fixé à l’avance.

Chapitre 5: Résolution approchée des équations non linéaires 27 / 40


Résolution d’un système d’équations non-linéaires

La méthode de Newton pour deux équations non-linéaires


La méthode de Newton pour résoudre le système de deux équations
non-linéaires f (x) = 0 est donnée par :
On se donne x (0) dans R2 , puis pour k ≥ 0
On résout le système linéaire Df (x (k) )h = −f (x (k)) .
On pose x (k+1) = x (k) + h.
Lorsqu’il s’agit de deux équations non-linéaires, il est facile d’inverser la
matrice pour résoudre le système. Par contre lorsque l’on a n équations
non-linéaires à résoudre, on utilise une méthode de Gauss pour résoudre le
système linéaire qui permet de calculer la différence entre deux itérés
successifs.

Chapitre 5: Résolution approchée des équations non linéaires 28 / 40


Résolution d’un système d’équations non-linéaires

Les méthodes de point fixe


Les résultats présentés dans ce paragraphe sont une généralisation des
résultats en dimension un présentés dans les paragraphes référencés. g est
une fonction de Rn dans Rn , x et g (x) sont des vecteurs. Comme
précédemment on construit une suite définie par :
 (0)
x donné
x (k+1) = g (x (k) ).

Nous allons donner deux théorèmes principaux.

Chapitre 5: Résolution approchée des équations non linéaires 29 / 40


Résolution d’un système d’équations non-linéaires

Les méthodes de point fixe

Théorème
Soit g une application de Rn dans Rn , et un réel λ, 0 ≤ λ < 1, tels que
pour tout z et tout y dans Rn on ait

kg (z) − g (y )k ≤ λkz − y k.

Alors il existe un x ∗ unique appartenant à Rn tel que x ∗ = g (x ∗ ) et la


suite {xk }k≥0 définie par

x (0) donné


x (k+1) = g (x (k) ).

converge vers x ∗ .

Chapitre 5: Résolution approchée des équations non linéaires 30 / 40


Résolution d’un système d’équations non-linéaires

Les méthodes de point fixe

Définition
Soit g une fonction de Rn dans Rn . On appelle matrice jacobienne de g la
matrice Dg (x) ∈ Mn (R) définie par

∂g1 ∂g1
 
(x) . . . (x)
 ∂x1 ∂xn 
 
 
Dg (x) = 
 .. .. .. 
 . . .


 ∂gn ∂gn 
(x) . . . . (x)
∂x1 ∂xn
où g1 , . . . , gn désignent les composantes de g .

Chapitre 5: Résolution approchée des équations non linéaires 31 / 40


Résolution d’un système d’équations non-linéaires

Les méthodes de point fixe

Définition
La fonction g est différentiable en x si g admet des dérivées partielles en x
et si la matrice jacobienne Dg (x) vérifie

g (y ) = g (x) + Dg (x)(y − x) + ky − xkε(y − x)

où ε(y − x) est un vecteur de Rn qui tend vers 0 quand y tend vers x.

Chapitre 5: Résolution approchée des équations non linéaires 32 / 40


Résolution d’un système d’équations non-linéaires

Les méthodes de point fixe


Le théorème suivant dont la démonstration est délicate relie la convergence
de la méthode de point fixe au rayon spectral de la matrice jacobienne :
Théorème
Soit g une application de Rn dans Rn qui admet un point fixe x ∗ , on
suppose que g est différentiable en x ∗ et que ρ([Dg (x ∗ )]), le rayon
spectral de la matrice jacobienne de g , vérifie ρ[Dg (x ∗ )]) < 1. Alors il
existe η tel que si x0 vérifie kx (0) − x ∗ k < η, la suite définie par

x (k+1) = g (x (k) ),

converge vers x ∗ .

Chapitre 5: Résolution approchée des équations non linéaires 33 / 40


Résolution d’un système d’équations non-linéaires

Les méthodes de point fixe


On pourrait montrer que la convergence obtenue est linéaire, c’est-à-dire
qu’il existe C > 0 tel que

kx (k+1) − x ∗ k ≤ C kx (k) − x ∗ k.
On parle de convergence d’ordre n quand on a la majoration

kx (k+1) − x ∗ k ≤ C kx (k) − x ∗ kn .

Chapitre 5: Résolution approchée des équations non linéaires 34 / 40


Exercices

Exercice
: Considérons l’équation x(1 + e x ) = e x .
1 Montrer que cette équation admet une unique solution réelle ` dans
[0, 1].
2 Écrire la méthode de NEWTON pour approcher la solution `.
3 Proposer une autre itération de point fixe pour approcher `. Montrer
analytiquement que cette itération converge vers ` pour tout
x0 ∈ [0, 1] et faire l’étude graphique de la convergence.

Chapitre 5: Résolution approchée des équations non linéaires 35 / 40


Exercices

Exercice
On cherche les racines réelles de l’équation x 2 = ln(1 + x).
1 Montrer que la fonction f (x) = x 2 − ln(1 + x) = 0 admet deux
racines, l’une évidente qu’on donnera, et l’autre que l’on note x̄ (que
l’on veut approcher dans la suite).
2 Localiser x̄ dans un intervalle de longueur 1/4.
3 Ecrire la méthode de NEWTON-RAPHSON relative à f . Donner un
choix de la condition initiale des itérations de Newton x0 qui assure la
convergence du processus.
4 Ecrire un algorithme qui permet d’approcher la solution x̄.

Chapitre 5: Résolution approchée des équations non linéaires 36 / 40


Exercices
Exercice
Nous voulons déterminer le volume V occupé par un gaz dont la
température est T et dont la pression est p. L’équation d’état (i.e.
l’équation liant p, V et T )!selon le modèle de VAN DER WAALS est
 2
N
donnée par p + a (V − Nb) = kNT , où a et b sont deux
V
coefficients qui dépendent du gaz considéré, N est le nombre de molécules
contenues dans le volume V et k = 1.3806503 × 10−23 JK −1 est la
constante de Boltzmann. Nous devons donc résoudre une équation non
linéaire dont la racine est V .
Pour le dioxyde de carbone CO2, les coefficients a et b prennent les
valeurs a = 0.401Pam3 et b = 42.7 × 10−6 m3 .Trouver le volume occupé
par 1000 molécules de CO2 à la températureT = 300K et la pression
p = 3.5 × 107 Pa par la méthode de dichotomie, avec une tolérance de
10−12 .
Chapitre 5: Résolution approchée des équations non linéaires 37 / 40
Exercices

Exercice
Soit la fonction définie par f (x) = x − 1 − e −x
Etudier cette fonction f et tracer son graphe, en déduire que
l’éequation f (x) = 0 a une solution unique notée α. Trouver un
intervalle I de la forme [n, n + 1], n ∈ N contient α.
On définit la méthode itérative

x0 ∈ I
xn+1 = g (xn ) = 1 + e −xn

cette méthode converge-t-elle vers α ?


Determiner le nombre d’intérations assurant que l’erreur en = xn − α
vérifie |en | ≤ 5 × 10−4 .

Chapitre 5: Résolution approchée des équations non linéaires 38 / 40


Exercices

Etudier la convergence de la méthode définie par



x0 ∈ I
xn+1 = h(xn ) = − ln(xn − 1)

Ecrire la méthode de Newton relative à la fonction f . Quelles sont les


valeurs de x0 qui assurent la convergence de la méthode ?
Effectuer numériquement deux itérations de la méthode définie en 2)
Effectuer les itérations jusqu’à l’obtention d’un resultat voisin à
5 × 10−4 près de celui de NEWTON et conclure.

Chapitre 5: Résolution approchée des équations non linéaires 39 / 40


Exercices

Exercice
1 Donner la suite définissant la méthode de Newton pour la recherche

d’un zéro de fonction. Justifier l’expression de la suite.


2 écrire l’algorithme pour une convergence à 10−6 près.
3 Déterminer l’ordre de convergence minimale de cette suite.

Chapitre 5: Résolution approchée des équations non linéaires 40 / 40

Vous aimerez peut-être aussi