RESOLUTIONS D’EQUATIONS

NON LINEAIRES

Chapitre 1

Chap 1 1
 1.Introduction
• L’objectif des méthodes présentées dans ce chapitre est:

Trouver x tel que f(x)=0

• Résoudre numériquement l’équation f(x) = 0, revient à

chercher x∗ tel que |f(x∗)|≤ε, avec ε très petit.
• La première étape avant de résoudre cette équation
numériquement est de vérifier que la solution existe et elle
est unique.

Chap 1 2
 1. Introduction
• Théorème des valeurs Intermédiaires:
Si f est une fonction numérique continue sur un
intervalle I; s’il existe a et b dans I tel que
f(a)*f(b)<0 alors il existe au moins une solution
de f(x)=0 dans [a,b]. De plus si f est strictement
monotone sur [a,b] cette solution est unique.

Chap 1 3
 1.2 Localisation des racines
• Il faut trouver les racines de f(x)=0
– Méthode de Balayage.
– Tracer la Fonction sur un Graphe.
• Exemple:
𝒇 𝒙 = 𝒙𝟐 + 𝟑𝒆𝒙 − 𝟏𝟐

Chap 1 4
 1.2 Localisation des racines
x f(x) x f(x)
0 -9 0 -9
1 -2.84515 0.5 -6.80384
2 14.16717 1 -2.84515
3 57.25661 1.1 -1.7775
4 167.7945 1.2 -0.59965
5 458.2395 1.3 0.69789
10 66167.4 1.4 2.1256
1.5 3.695067

f(x)
f(x) 4
200
2
150 0
0 0.5 1 1.5
-2
100
f(x)
f(x) -4
50
-6

0 -8
0 1 2 3 4 5
-10
-50

Chap 1 5
 2 Méthode de dichotomie (bissection)
La méthode de dichotomie ou méthode de la bissection est, en mathématiques , un
algorithme de recherche d’un zéro d’une fonction qui consiste à répéter des partages
d’un intervalle en deux parties puis à sélectionner le sous-intervalle dans lequel existe
un zéro de la fonction.

Algorithme de la dichotomie:

 Initialisation: a0=a, b0=b avec f(a) f(b)<0

 Itérations: Pour k=0,1,2,3….
 ck=(ak+bk)/2,
 Si f(ak)f(ck)<0
Alors ak+1=ak et bk+1=ck
Sinon ak+1=ck et bk+1=bk
 Fin du Si
 Fin du Pour

Chap 1 6
Chap 1 7
2 Méthode de dichotomie (bissection)
Pour appliquer cette méthode , il est nécessaire
de trouver les valeurs initiales a et b. Ces valeurs
initiales peuvent être obtenus a partir d’un
graphe, la méthode de balayage ou utiliser un
programme sur ordinateur.

Chap 1 8
 2.1 Exemple
Considérant la fonction suivante:

𝑓 𝑥 = 𝑥 3 + 𝑥 2 − 3𝑥 − 3

x y y
100
0 -3 80

1 -4 60

40 y
2 3
20
3 24 0
0 1 2 3 4 5 6
4 65 -20

5 132

Chap 1 9
 2.1 Exemple 1
Iteration a b c f(a) f(b) f(c) erreur max c Erreur Actuelle
1 1 2 1.5 -4 3 -1.875 0.5 0.232056
2 1.5 2 1.75 -1.875 3 0.171875 0.25 -0.017944
3 1.5 1.75 1.625 -1.875 0.171875 -0.94336 0.125 0.107056

4 1.625 1.75 1.6875 -0.94336 0.171875 -0.40942 0.0625 0.044556

5 1.6875 1.75 1.71875 -0.40942 0.171875 -0.12479 0.03125 0.013306

6 1.71875 1.75 1.734375 -0.12479 0.171875 0.02203 0.015625 -0.002319

7 1.71875 1.734375 1.726563 -0.12479 0.02203 -0.05176 0.0078125 0.0054935

8 1.726563 1.734375 1.730469 -0.05176 0.02203 -0.01496 0.00390625 0.00158725

9 1.730469 1.734375 1.732422 -0.01496 0.02203 0.003513 0.00195313 -0.000365875

10 1.730469 1.732422 1.731445 -0.01496 0.003513 -0.00573 0.00097656 0.000610688

11 1.731445 1.732422 1.731934 -0.00573 0.003513 -0.00111 0.00048828 0.000122406

12 1.731934 1.732422 1.732178 -0.00111 0.003513 0.001201 0.00024414 -0.000121734

13 1.731934 1.732178 1.732056 -0.00111 0.001201 4.6E-05 0.00012207 3.35938E-07

Chap 1 10
 2.2 Critère d’arrêt des calculs
• On arrête les calculs lorsque on atteint la
solution avec une précision acceptable.
• La précision est donne par:
𝑐𝑘+1 −𝑐𝑘
𝜀= ∗ 100
𝑐𝑘+1

Chap 1 11
 2.2 Critère de Convergence
Apres la première itération l’erreur est égale a:

1
𝜀1 = ∗ |𝑏0 − 𝑎0 |
2
A la deuxième itération:

1
𝜀2 = ∗ |𝑏1 − 𝑎0 | avec b1=(b0+a0)/2
2

1
Donc; 𝜀2 = ∗ |𝑏0 − 𝑎0 |
22

L’ erreur a l’itération n est donnée par:

𝜀𝑛 = (1/2)𝑛+1 |𝑏0 − 𝑎0 |

Chap 1 12
 2.2 Critère de Convergence
A l’itération n, la distance entre la racine calculée xn et la racine
recherchée x* est:
∗
𝑏𝑛 − 𝑎𝑛
𝑥𝑛 − 𝑥 = = (1/2)𝑛+1 |𝑏0 − 𝑎0 |
2
L’ erreur a l’itération n est donnée par:

𝜀𝑛 = (1/2)𝑛+1 |𝑏0 − 𝑎0 |
Après n étapes car l'erreur est diminuée de moitié à chaque étape.
Ainsi, la méthode converge linéairement, ce qui est très lent .
Le nombre d’itérations nécessaires pour la convergence est donne
par:
log 𝑏0 − 𝑎0 − log⁡(𝜀)
𝑛≥
log⁡(2)

Chap 1 13
3.Méthode des approximations successives (méthode
du point fixe)
• Définition du point fixe.
Considérons une fonction g(x) définie et continue sur R. Si le point a, a ϵ R, vérifie
g(a)=a; alors a est dit point fixe de la fonction g.
• Algorithme de la méthode des approximations successives (méthode du point
fixe)
• Cette méthode consiste a:
• Réécrire l’ équation f(x)=0 sous une forme équivalente g(x)=x.
• Chercher les zéros de la fonction f(x), ce qui revient a trouver les points fixes de la
fonction g(x).
• Pour trouver ces points on fait appel au théorème du point fixe.
– Si la fonction choisit est contractante, |g’(x)|<1 au voisinage de la solution xr ,
alors la suite itérative xn+1=gn, converge vers le point fixe de la fonction g(x).
x0 donné
xn+1=g(xn)

Chap 1 14
 3.2 Exemple
𝑓 𝑥 = 𝑥 2 − 2𝑥 − 3 = 0
x f(x)
-5 32 f(x)
35
-4 21
30
-3 12 25

-2 5 20

-1 0 15
f(x)
0 -3 10

5
1 -4
0
2 -3 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
-5
3 0
-10
4 5
5 12

Chap 1 15
 3.2 Exemple
• On a trois possibilités pour g(x)
𝑥 2 −3 3
• 𝑔 𝑥 = 2𝑥 + 3 ; g(𝑥) = ; 𝑔 𝑥 =
2 𝑥−2
Si on considère la premiere 𝑔 𝑥 = 2𝑥 + 3⁡et⁡on⁡choisit⁡x0=4

x g(x)

4 3.317
3.317 3.104

3.104 3.034

3.034 3.011
3.011 3.004

3.004 3.001

Chap 1 16
 3.2 Convergence de la méthode et choix de g(x)
• Il est possible de trouver une multitude de fonctions g(x), mais il faut
choisir g dont la convergence est certaine et rapide.

• Le concept de convergence ou divergence est représenté graphiquement

dans la figure suivante.

Chap 1 17
 3.2 Convergence de la méthode et choix de g(x)

• De ces graphe on déduit que la converge existe si la pente de la courbe

g(x) est inferieure a la pente de la droite y=x. Donc on a convergence si
|g’(x)|<1 autour de x0. Si |g’(x)|>1 on a divergence.
• Si 0<g’(x)<1 la convergence est monotone.
• si -1<g’(x)<0 la convergence est oscillante

Chap 1 18
 Exemple
• 𝑔 𝑥 = 2𝑥 + 3; 3
• 𝑔 𝑥 =
1 𝑥−2
• 𝑔′ 𝑥 = 2 <1 3
2𝑥+3 • 𝑔′ 𝑥 = − donc -1<g’(x)<0
(𝑥−2)2
• x0=4 • x0=4
x g(x)
x g(x)
4 1.5
4 3.317
1.5 -6
3.317 3.104
-6.000 -0.375
3.104 3.034
-0.375 -1.263
3.034 3.011 -1.263 -0.919
3.011 3.004 -0.919 -1.028

3.004 3.001 -1.028 -0.991

-0.991 -1.003
-1.003 -0.999
Convergence Monotone
Convergence oscillatoire

Chap 1 19
 Exemple
𝑥 2 −3
• 𝑔(𝑥) = ; 𝑔′ 𝑥 = 𝑥 > 1
2
x g(x)

4 6.500

6.500 19.625

19.625 191.070

191.070 18252.432

Divergence

Chap 1 20
 4 Méthode de Newton (Newton Raphson)
• Une des méthode les plus utilisé est la méthode de Newton.
• Principe de la méthode de Newton:
• Soit f une fonction dérivable sur [a,b] et nous supposons que f admet une
racine dans [a,b].
• A partir d’un point initial (x0, f(x0)), nous traçons la tangente a la courbe.
• L’intersection de cette droite avec l axe des abscisses, y=0, nous fournira cette
première approximation x1 de la racine x*.
• On continue ce processus jusqu’à ce que les valeurs successive de x sont très
proches, ou la valeur de la fonction f(x) est très proche de zéro.
• L’algorithme est le suivant:

𝒇 𝒙𝒏
𝒙𝒏+𝟏 = 𝒙𝒏 − ′ ⁡⁡𝒏 = 𝟏, 𝟐, 𝟑 … … .
𝒇 𝒙𝒏

Chap 1 21
4 Méthode de Newton (Newton Raphson)

Chap 1 22
 4.1 Exemple
Trouver la racine de l’équation suivante en utilisant la méthode de
newton.
𝒇 𝒙 = 𝟑𝒙 + sin 𝒙 − 𝒆𝒙
Solution:
𝒇′ 𝒙 = 𝟑 + cos 𝒙 − 𝒆𝒙
On choisit x1=0.0
−1.0
𝑥2 = 0.0 − = 0.33333
3.0

−0.068418
𝑥3 = 0.33333 − = 0.36017
2.54934

−6.279 ∗ 10−4
𝑥3 = 0.36017 − = 0.3604217
2.50226

Chap 1 23
 4.2 Convergence de la méthode de newton
En utilisant le développement de Taylor et en s’arrêtant a l’ordre 2, alors:
𝒇′′ 𝜺
′
𝒇 𝒙𝒊+𝟏 = 𝒇 𝒙𝒊 + 𝒇 𝒙𝒊 𝒙𝒊+𝟏 − 𝒙𝒊 + (𝒙𝒊+𝟏 − 𝒙𝒊 ) 𝟐
𝟐!
Si xr est la racine.. Donc
𝒇′′ 𝜺
0= 𝒇′ 𝒙𝒊 𝒙𝒓 − 𝒙𝒊+𝟏 + 𝟐!
(𝒙𝒓 − 𝒙𝒊 ) 𝟐

Comme l’erreur 𝐄 = 𝒙𝒓 − 𝒙𝒊+𝟏

𝑓′′ 𝜀
Donc 0= 𝑓′ 𝑥𝑖 𝐸𝑖,𝑗+1 + 𝐸𝑖,𝑗 2
2!

𝒇′′(𝒙 )
On obtient: 𝑬𝒊;𝒋+𝟏 = − 𝟐𝒇′(𝒙𝒓 ) (𝑬𝒊𝒋 )𝟐
𝒓

On constate que lorsque la racine recherchée s’agit d’une racine simple, la méthode de
Newton converge d’une manière quadratique.

Chap 1 24
 5 Erreurs
Tout calcul numérique est entache d erreurs dans la source peut être une ou
la combinaison des facteurs ci-dessous.
• Erreurs Logiques:
Ce sont les erreurs de frappes, par exemple 3𝑥 + 𝑠𝑖𝑛 𝑥 − 𝒆𝟐𝒙 au lieu de
3𝑥 + 𝑠𝑖𝑛 𝑥 − 𝒆𝒙 . Il faut tester le code numérique avec un résultat que l on
connait.
• Erreurs d’approximations:
Lorsque on introduit dans un programme des fonctions prédéfinies, en réalité
on fait appel a une partie d’un programme qui utilise un certain algorithme
de calcul. Si une fonction est calculée avec un développent de Taylor, le
résultat dépendra des termes tronqués a l’ordre n. Le résultat est toujours
approximatif.
• Erreurs d’arrondies: Elle sont inévitables, elles dépendent du format
choisit. Choisir un format et considérer la valeur afficher comme résultats
induit des erreurs associés a la troncature. Les erreurs d arrondies
constitue la principale source de la propagation d’erreur.

Chap 1 25
 Index 1: Solution graphique

%programme de la solution graphique

%Intervalle d‘étude
x=-1:1:10;
a=x
% définir la fonction d‘étude
f=x.^2-2*x-3
plot(x,f,'linewidth',2)
grid on;box on;
title(' Détermination graphique de la racine x*');

Chap 1 26
 Index 2: Méthode Point fixe

% méthode point fixe

x0=4
for n=1:10
x(n)=3/(x0-2);
x0=x(n);
end
format long
x'
Chap 1 27
 Méthode de Dichotomie
%methode dichotomie.m
a=1; fa=-4;
b=2; fb=3;
eps=1.0e-3;
while (b-a) >eps
x=(a+b)/2
fx=x^3+x^2-3*x-3
if (sign(fx) == sign(fa))
a=x; fa=fx;
else
b=x; fb=fx;
end
end;
x

Chap 1 28