Vous êtes sur la page 1sur 67

Chapitre 3 : Équations algébriques

Bassem Ben Hamed

Institut Polytechnique Privé des Sciences Avancées de Sfax


Auditoire : Formation d’ingénieur en Génie Électromécanique et Industriel

Novembre 2020

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 1 / 67
Introduction

Plan

1 Introduction

2 Méthode de la bissection

3 Méthode des points fixes


Convergence de la méthode des points fixes
Extrapolation d’Aitken

4 Méthode de Newton
Interprétation graphique
Analyse de convergence
Cas des racines multiples

5 Méthode de la sécante

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 2 / 67
Introduction

Le numéricien est souvent confronté à la résolution d’équations algébriques


de la forme
f (x) = 0. (1)

Définition
Une valeur de x solution de f (x) = 0 est appelée une racine ou un zéro de
la fonction f et sera notée r .

L’équation du second degré f (x) = ax 2 + bx + c = 0, a, b, c ∈ R


avec b 2 − 4ac ≥ 0 possède les racinces

−b ± b 2 − 4ac
.
2a

On peut aussi obtenir des formules générales pour les équations du


troisième et quatrième degré.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 3 / 67
Introduction

Le mathématicien Évariste Galois (1811-1832) a démontré qu’il


n’existe aucune formule permettant de trouver les racines des
polynômes de degré n ≥ 5.
⇒ Il est peu probable que l’on puisse résoudre analytiquement l’équation
(1). Il faudra donc recourir aux méthodes numériques.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 4 / 67
Méthode de la bissection

Plan

1 Introduction

2 Méthode de la bissection

3 Méthode des points fixes


Convergence de la méthode des points fixes
Extrapolation d’Aitken

4 Méthode de Newton
Interprétation graphique
Analyse de convergence
Cas des racines multiples

5 Méthode de la sécante

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 5 / 67
Méthode de la bissection

La méthode de bissection repose sur une idée toute simple, à savoir qu’en
général, de part et d’autre d’une solution de l’équation (1) une fonction
continue f change de signe.
Supposons qu’il y ait un changement de signe autour d’une racine r de f .
Soit [x1 , x2 ] un intervalle tel que

f (x1 ) f (x2 ) < 0. (2)


x1 + x2
On pose alors xm = qui est le point milieu de l’intervalle.
2
Il suffit alors de déterminer, entre les intervalles [x1 , xm ] et [xm , x2 ], celui
qui possède encore un changement de signe. Cela nous amène à
l’algorithme suivant.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 6 / 67
Méthode de la bissection

Algorithme de bissection

Étape 1 : Étant donné un intervalle [x1 , x2 ] pour lequel f possède un


changement de signe.
Étape 2 : Étant donné , le critère d’arrêt, et N, le nombre maximal
d’itérations.
x1 + x2
Étape 3 : Poser xm = .
2
|x2 − x1 |
Étape 4 : Si <
2
convergence atteinte.
écrire la racine est xm .
arrêt.
Étape 5 : Écrire x1 , x2 , xm , f (x1 ), f (x2 ) et f (xm ).
Étape 6 : Si f (x1 ) f (xm ) < 0 alors x2 = xm .
Si f (xm ) f (x2 ) < 0 alors x1 = xm .

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 7 / 67
Méthode de la bissection

Étape 7 : Si le nombre maximal d’itérations N est atteint


convergence non atteinte en N itérations.
arrêt.
Étape 8 : Retour à l’étape 3.
|x2 − x1 |
L’expression est une approximation de l’erreur absolue. En effet,
2
à l’étape 3 de l’algorithme de la bissection, la racine recherchée est soit
dans l’intervalle [x1 , xm ] ou dans l’intervalle [xm , x2 ], qui sont tous deux de
|x2 − x1 |
longueur ce qui constitue une borne supérieur de l’erreur absolue.
2
En divisant par |xm | , on obtient une approximation assez fiable de l’erreur
relative.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 8 / 67
Méthode de la bissection

Remarque
Dans l’algorithme précédent, il faut prendre garde au cas où la racine
recherchée est zéro. Il y a alors un risque de division par zéro au cours de
l’évaluation de l’erreur relative.

Remarque
Il est parfois utile d’introduire un test d’arrêt sur la valeur de f (xm ), qui
doit tendre également vers zéro.

Exemple La fonction f (x) = x 3 + x 2 − 3x − 3 possède un zéro dans


l’intervalle [1, 2]. En effet f (1)f (2) = −12 < 0. On alors xm = 1.5 et
f (1.5) = −1.875. L’intervalle [1.5, 2] possède encore un changement de
signe, ce qui n’est pas le cas de l’intervalle [1, 1.5]. Le nouvel intervalle de
travail est donc [1.5, 2], dont le point milieu est xm = 1.75. Puisque
f (1.75) = 0.17187, on prendra l’intervalle [1.5, 1.75] et ainsi de suite.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 9 / 67
Méthode de la bissection

Erreur
x1 xm x2 f (x1 ) f (xm ) f (x2 ) absolue
liée à xm
1 1.5 2 -4 -1.875 3 0.5
1.5 1.75 2 -1.875 0.17187 3 0.25
1.5 1.625 1.75 -1.875 -0.94335 0.17187 0.125
1.625 1.6875 1.75 -0.94335 -0.40942 0.17187 0.0625
1.6875 1.71875 1.75 -0.40942 -0.12478 0.17187 0.03125
On remarque que la longueur de l’intervalle entourant la racine est divisée
par deux à chaque itération. Ceci permet de déterminer à l’avance le
nombre d’itérations nécessaires pour obtenir une certaine erreur absolue
Ea (xm ) sur la racine r .

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 10 / 67
Méthode de la bissection

Soit L = x2 − x1 , la longueur de l’intervalle de départ. Après une itération,


L
le nouveau intervalle est de longueur et après n itérations la longueur
2
L
est n .
2
L
Si on veut connaı̂tre la valeur de n nécessaire pour avoir n < , il suffit
2
de résoudre cette équation en fontion de n et on trouve la condition
 
L
ln

n> . (3)
ln(2)

Exemple Dans l’exemple précédent, L = 2 − 1 = 1. Si on veut une erreur


absolue plus petite que 0.5 × 10−2 , il faut effectuer au moins
 
1
ln
0.5 × 10−2
= 7.64 itérations.
ln(2)
Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 11 / 67
Méthode de la bissection

On fera donc 8 itérations pour assurer cette précision. On peut vérifier


qu’après 8 itérations l’erreur absolue liée à xm est 0.00390625.

Exemple On souhaite calculer 2 avec une calculatrice dotée de 4
opérations élémentaires. Cela revient à résoudre f (x) = x 2 − 2 = 0. Cette
fonction présente un changement de signe dans l’intervalle [1, 2].
L’algorithme de bissection donne les résultats suivants avec  = 10−3 .

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 12 / 67
Méthode de la bissection

n x1 xm x2 f (x1 ) f (xm ) f (x2 )


1 1 1.5 2 -1 0.25 2
2 1 1.25 1.5 -1 -0.4375 0.25
3 1.25 1.375 1.5 -0.4375 -0.1094 0.25
4 1.375 1.4375 1.5 -0.1094 0.06641 0.25
.. .. .. .. .. .. ..
. . . . . . .
11 1.4141 1.4146 1.4150 -0.00043 0.00095 0.00233
12 1.4141 1.4143 1.4146 -0.00043 0.00026 0.00095
.. .. .. .. .. .. ..
. . . . . . .
Si on passe à 8 chiffres après la virgule, on trouve une racine approchée de
l’ordre de 1.41418457, ce qui se rapproche de la valeur exacte (à 10−3
près) 1.41421356.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 13 / 67
Méthode de la bissection

Remarque
La convergence de la méthode de bissection n’est pas très rapide, mais elle
est sûre à partir du moment où on a un intervalle avec changement de
signe. On parle alors de méthode fermée, car on travaille dans un
intervalle fermé. Les méthodes des sections qui suivent sont dites ouvertes
dans le sens où il n’y a pas d’intervalle à déterminer ayant un changement
de signe. Contrairement aux méthodes fermées, les méthodes ouvertes ne
garantissent pas toujours la convergence, mais elles possèdent d’autres
avantages.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 14 / 67
Méthode de la bissection

Remarque
Il existe des cas où la méthode de la bissection achoppe.
1 Lorsque la courbe représentative de fonction f est tangente à l’axe
des abscisses et ne présente donc pas de changement de signe.
2 Lorsque deux racines (ou un nombre paire de racines) sont prśentées
dans l’intervalle de départ; dans ce cas, il n’y a toujours pas de
changement de signe.
3 Lorsque l’intervalle de départ contient un nombre impair de racines, f
change de signe mais l’algorithme peut avoir des difficultés à choisir
parmi ces racines.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 15 / 67
Méthode de la bissection

Figure: Premier cas critique de la méthode de la bissection.

Figure: Deuxième cas critique de la méthode de la bissection.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 16 / 67
Méthode de la bissection

Figure: Troisième cas critique de la méthode de la bissection.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 17 / 67
Méthode des points fixes

Plan

1 Introduction

2 Méthode de la bissection

3 Méthode des points fixes


Convergence de la méthode des points fixes
Extrapolation d’Aitken

4 Méthode de Newton
Interprétation graphique
Analyse de convergence
Cas des racines multiples

5 Méthode de la sécante

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 18 / 67
Méthode des points fixes

Définition
Un point fixe d’une fonction g est une valeur de x qui reste invariante
pour cette fonction; c’est-à-dire toute solution de

x = g (x) (4)

est un point fixe de la fonction g .

Il existe un algorithme très simple permettant de déterminer des points


fixes. Il suffit en effet d’effectuer les itérations de la façon suivante

x0 donné
(5)
xn+1 = g (xn ) , ∀ n ∈ N

à partir d’une valeur estimée initiale x0 .

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 19 / 67
Méthode des points fixes

Algorithme des points fixes

Étape 1 : Étant donné x0 une valeur estimée initiale du point fixe.


Étape 2 : Étant donné , le critère d’arrêt, et N, le nombre maximal
d’itérations.
Étape 3 : Effectuer xn+1 = g (xn ).
|xn+1 − xn |
Étape 4 : Si <
|xn+1 |
convergence atteinte.
écrire la racine est xn+1 .
arrêt.
Étape 5 : Si le nombre maximal d’itérations N est atteint
convergence non atteinte en N itérations.
arrêt.
Étape 6 : Retour à l’étape 3.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 20 / 67
Méthode des points fixes

Remarque
On peut résoudre des équations non linéaires de la forme f (x) = 0 en
utilisant l’algorithme des points fixes, il suffit de transformer l’équation
précédente en un problème équivalent de la forme x = g (x). Il existe
plusieurs façons de le faire. Nous verrons que certains choix donnent lieu à
des algorithmes convergents et d’autres pas.

Exemple On cherche à résoudre l’équation f (x) = x 2 − 2x − 3 = 0. Il


n’est pas nécessaire de recourir aux méthodes numériques pour résoudre ce
problème, dont les racines sont r1 = 3 et r2 = −1. cet exemple permet
cependant de comprendre ce qui se passe lorsqu’on utilise l’algorithme des
points fixes. On transforme l’équation f (x) = 0 sous la forme x = g (x)
comme suit :

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 21 / 67
Méthode des points fixes


x = 2x + 3 = g1 (x)
3
x = = g2 (x) (6)
x −2
x2 − 3
x = = g3 (x).
2
Si on applique l’algorithme des points fixes à chacune des fonctions gi en
partant de x0 = 4, on obtient pour g1 :

x1 = g1 (x0 ) = 3.3166248
x2 = g1 (x1 ) = 3.1037477
x3 = g1 (x2 ) = 3.0343855
..
.
x10 = g1 (x9 ) = 3.0000157.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 22 / 67
Méthode des points fixes

L’algorithme semble donc converger vers la racine r1 = 3. Reprenons


l’exercice avec g2 , toujours en partant de x0 = 4 :

x1 = g2 (x0 ) = 1.5
x2 = g2 (x1 ) = −6
x3 = g2 (x2 ) = −0.375
x4 = g2 (x3 ) = −1.2631579
..
.
x10 = g2 (x9 ) = −1.0003387.

On remarque que contrairement au cas précédent, les itérations convergent


vers la racine r2 = −1 en ignorant la racine r1 = 3. En dernier lieu,
essayons l’algorithme avec la fonction g3 :

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 23 / 67
Méthode des points fixes

x1 = g3 (x0 ) = 6.5
x2 = g3 (x1 ) = 19.625
x3 = g3 (x2 ) = 191.0703
x4 = g3 (x3 ) = 18252.43
..
.

Visiblement, les itérations tendent vers l’infini et aucune des deux solutions
possibles ne sera atteinte.
Cet exemple montre clairement que l’algorithme des points fixes, selon le
choix de la fonction itérative g , converge vers l’une des racines et peut
même diverger dans certains cas. Il faut donc une analyse plus fine afin de
déterminer sous quelles conditions la méthode des points fixes est
convergente.
Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 24 / 67
Méthode des points fixes Convergence de la méthode des points fixes

Soit r une valeur qui est à la fois une racine de f et un point fixe de g ;
c’est-à-dire qui vérifie f (r ) = 0 et

r = g (r ). (7)

On définit l’erreur à l’étape n comme suit : en = xn − r .


On cherche à déterminer sous quelles conditions l’algorithme des points
fixes converge vers r . Dans ce cas, on a lim en = 0.
n→+∞

D’après les relations (5) et (7), on a

en+1 = xn+1 − r = g (xn ) − g (r ) = g (r + en ) − g (r ). (8)

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 25 / 67
Méthode des points fixes Convergence de la méthode des points fixes

En utilisant le développement de Taylor de la fonction g au voisinage de r ,


on obtient
g 00 (r ) 2 g (3) (r ) 3
en+1 = g 0 (r )en + e + en + . . . (9)
2 n 6
L’étude de la relation (9) est fondamentale pour la compréhension des
méthodes de points fixes. Au voisinage de la racine r , le premier terme
non nul sera déterminant pour la convergence.
Si g 0 (r ) 6= 0 et si on néglige les termes d’ordre supérieur ou égal à 2 en en ,
on a
en+1 ≈ g 0 (r )en . (10)

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 26 / 67
Méthode des points fixes Convergence de la méthode des points fixes

On voit que l’erreur à l’étape (n + 1) est directement proportionnelle à


l’erreur à l’étape n. L’erreur ne pourra donc diminuer que si
0
g (r ) < 1. (11)

La condition (11) est nécessaire pour la convergence de la méthode. On


remarque également que le signe de g 0 (r ) a une influence sur la
convergence. En effet si −1 < g 0 (r ) < 0 alors l’erreur change de signe à
chaque itération et les valeurs de xn oscillent de part et d’autre de r . La
convergence est toujours assurée dans ce cas.
L’algorithme des points fixes possède une interprétation géométrique qui
permet d’illustrer la convergence ou la divergence. Les figures suivantes
présentent les différents cas possibles.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 27 / 67
Méthode des points fixes Convergence de la méthode des points fixes

Figure: Cas 0 < g 0 (r ) < 1.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 28 / 67
Méthode des points fixes Convergence de la méthode des points fixes

Figure: Cas −1 < g 0 (r ) < 0.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 29 / 67
Méthode des points fixes Convergence de la méthode des points fixes

Figure: Cas g 0 (r ) > 1.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 30 / 67
Méthode des points fixes Convergence de la méthode des points fixes

Exemple Revenons aux trois fonctions gi de l’exemple précédent. On veut


s’assurer que le condition (11) est vérifiée à l’une ou l’autre des racines
r1 = 3 et r2 = −1.
Calculons les dérivées
1 −3
g10 (x) = √ , g20 (x) = 2
, g30 (x) = x.
2x + 3 (x − 2)

Les résultats sont compilés dans le tableau suivant

r1 = 3 r2 = −1
g10 (r ) 0.3333 1
g20 (r ) -3 -0.3333
g30 (r ) 3 -1

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 31 / 67
Méthode des points fixes Convergence de la méthode des points fixes

La méthode de points fixes appliquée à g1 a convergé vers r1 = 3, puisque


g10 (r1 ) < 1. De même, avec g2 , la méthode de points fixes ne peut pas
converger vers r1 , car la dérivée de g2 en ce point est plus grande que 1.
Les itérations ignorent r1 et converge vers r2 , où la dérivée est inférieure à
1.
La fonction g3 a également une dérivée plus grande que 1 en r1 . L’analyse
de la convergence autour de r2 = −1 est plus délicate. En effet, puisque
g30 (x) = x, on constate que la valeur absolue de la dérivée est inférieur à 1
à droite de r2 et supérieur à 1 à gauche de r2 . De plus, cette dérivée est
négative, ce qui signifie que la méthode oscillera de part et d’autre de la
racine. On conclut que l’algorithme s’approchera légèrement de r2 à une
itération et s’en éloignera à la suivante. On dit que l’algorithme piétintera.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 32 / 67
Méthode des points fixes Convergence de la méthode des points fixes

La relation (10) donne de plus la vitesse à laquelle l’erreur diminue. En


effet, plus g 0 (r ) est petit, plus l’erreur diminue vite et donc plus la
convergence est rapide. Cela nous amène à la définition suivante.

Définition
Le taux de convergence d’une méthode de points fixes est donné par
|g 0 (r )|.

Plus le taux de convergence est petit, plus la convergence est rapide. Le


cas limite est celui où g 0 (r ) = 0. Dans ce cas, on déduit de l’équation (9)
que l’erreur en+1 est proportionnelle à en2 . Cela nous amène à une autre
définition.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 33 / 67
Méthode des points fixes Convergence de la méthode des points fixes

Définition
On dit qu’une méthode de points fixes converge à l’ordre p si

|en+1 | ≈ C |en |p (12)

où C est une constante. La convergence d’ordre 1 est également dite


linéaire, tandis que celle d’ordre 2 est dite quadratique.

Si |g 0 (r )| < 1 et g 0 (r ) 6= 0 alors la méthode de points fixes converge à


l’ordre 1.
Si g 0 (r ) = 0 et |g 00 (r )| =
6 0 alors la méthode de points fixes converge
à l’ordre 2.
Si g 0 (r ) = g 00 (r ) = 0 et g (3) (r ) 6= 0 alors la méthode de points fixes

converge à l’ordre 3; et ainsi de suite.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 34 / 67
Méthode des points fixes Convergence de la méthode des points fixes

Exemple On considère la résolution de f (x) = exp(−x) − x = 0 que l’on


transforme en un problème de points fixes x = g (x) = exp(−x). En
partant de x0 = 0 et en posant en = xn − r , l’erreur à l’étape n, on obtient
le tableau suivant.

en
n xn |en |
en−1

1 1 0.4328 —
2 0.3678794 0.1992 0.4603
3 0.6922006 0.1250 0.6276
4 0.5004735 0.6667×10−1 0.5331
5 0.6062435 0.3910×10−1 0.5864
6 0.5453957 0.2174×10−1 0.5562
7 0.5796123 0.1246×10−1 0.5733
.. .. .. ..
. . . .

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 35 / 67
Méthode des points fixes Convergence de la méthode des points fixes

14 0.5669089 0.2344×10−3 0.5670


15 0.5672762 0.1329×10−3 0.5672
.. .. .. ..
. . . .
35 0.5671433 ≈0 0.5671

On constate la convergence vers la racine r = 0.56714329 puisque l’erreur


en tend vers 0. La quatrième colonne converge vers environ 0.5671. Ce
nombre n’est pas arbitraire. En fait, en vertu de la relation (10), ce ratio
doit converger vers |g 0 (r )|, qui vaut dans cet exemple 0.56714.
Remarque
La convergence d’une méthode de points fixes est également assujettie au
choix de la valeur initiale x0 .

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 36 / 67
Méthode des points fixes Convergence de la méthode des points fixes

En effet, un mauvais choix de x0 peut résulter en un algorithme divergent


même si la condition (11) est respectée. Cela nous amène à définir la
région d’attraction d’une racine r .
Définition
La région d’attraction de la racine r pour la méthode de points fixes
xn+1 = g (xn ) est l’ensemble des valeurs initiales x0 pour lesquelles xn tend
vers r lorsque n → +∞.

Il faut donc choisir x0 dans la région d’attraction de r . Intuitivement, on


choisit x0 aussi près que possible de r en utilisant par exemple une
méthode graphique.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 37 / 67
Méthode des points fixes Convergence de la méthode des points fixes

Définition
Un point fixe r de la fonction g est dit attractif si |g 0 (r )| < 1, et répulsif si
|g 0 (r )| > 1. Le cas où |g 0 (r )| = 1 est indéterminé.

Exemple Considérons la fonction g (x) = x 2 qui possède les points fixes


r1 = 0 et r2 = 1. Ce dernier est répulsif car g 0 (r2 ) = 2. Le seul point fixe
intéressant est r1 = 0. La méthode des points fixes engendre, à partir de la
valeur initiale x0 , la suite :

x0 , x02 , x04 , x08 , x016 , x032 , . . .

Cette suite convergera vers 0 si et seulement si x0 ∈ ]−1, 1[. ce dernier


intervalle constitue donc la région d’attraction de ce point fixe. Toute
valeur de x0 choisie à l’extérieur de cet intervalle résultera en un
algorithme divergent.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 38 / 67
Méthode des points fixes Convergence de la méthode des points fixes

Remarque
Dans le cas d’un point fixe répulsif, la région d’attraction se réduit à peu
de choses, le plus souvent au singleton {r }.

Théorème
Soit g une fonction continue et stable dans l’intervalle [a, b] telle que
0
g (x) ≤ κ < 1, ∀ x ∈ ]a, b[ .

Alors tous les points x0 de l’intervalle [a, b] appartiennent au région


d’attraction de l’unique point fixe r de [a, b].

Remarque
Il est possible que la méthode des points fixes converge dans la cas où
|g 0 (r )| = 1. la convergence dans ce cas est au mieux extrêmement lente.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 39 / 67
Méthode des points fixes Extrapolation d’Aitken

À partir d’une méthode de points fixes convergeant à l’ordre 1, on peut


obtenir une méthode convergeant à l’ordre 2. Il suffit de remarquer qu’on a

e2 ≈ g 0 (r )e1

e2 e1 x2 − r x1 − r
0 ⇒ ≈ ⇒ ≈ .
e1 ≈ g (r )e0 e1 e0 x1 − r x0 − r

En isolant r , on trouve que

(x1 − x0 )2
r ≈ x0 − . (13)
x2 − 2x1 + x0
La relation (13) est dite formule d’extrapolation d’Aitken et permet
d’obtenir à partir de x0 , x1 et x2 une meilleure approximation du point fixe
r . Cela peut résulter en un algorithme qui accélère grandement la
convergence d’une méthode de points fixes. C’est l’algorithme de
Steffenson.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 40 / 67
Méthode des points fixes Extrapolation d’Aitken

Algorithme de Steffenson

Étape 1 : Étant donné x0 une valeur estimée initiale du point fixe.


Étape 2 : Étant donné , le critère d’arrêt, et N, le nombre maximal
d’itérations.
Étape 3 : Effectuer
x1 = g (x0 ).
x2 = g (x1 ).
(x1 − x0 )2
xe = x0 − .
x2 − 2x1 + x0
|xe − x0 |
Étape 4 : Si <
|xe |
convergence atteinte.
écrire la racine est xe .
arrêt.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 41 / 67
Méthode des points fixes Extrapolation d’Aitken

Étape 5 : Si le nombre maximal d’itérations N est atteint


convergence non atteinte en N itérations.
arrêt.
Étape 6 : x0 = xe et retour à l’étape 3.
Exemple Reprenons l’exemple précédent de la méthode de points fixes
xn+1 = g (xn ) = exp (−xn ) en partant de x0 = 0.
La première itération de l’algorithme de Steffenson donne

x1 = 1,
x2 = 0.3678794,
xe = 0.6126998.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 42 / 67
Méthode des points fixes Extrapolation d’Aitken

La deuxième itération donne

x1 = 0.5418859,
x2 = 0.5816503,
xe = 0.5673509.

En continuant ainsi, on obtient


n x0 x1 x2 xe
3 0.5673509 0.5670256 0.5672101 0.5671433
4 0.5671433 0.5671433 0.5671433 0.5671433

La convergence est plus rapide avec l’algorithme de Steffenson qu’avec la


méthode de points fixes dont elle est issue. Quatre itérations suffisent
pour obtenir la même précision.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 43 / 67
Méthode de Newton

Plan

1 Introduction

2 Méthode de la bissection

3 Méthode des points fixes


Convergence de la méthode des points fixes
Extrapolation d’Aitken

4 Méthode de Newton
Interprétation graphique
Analyse de convergence
Cas des racines multiples

5 Méthode de la sécante

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 44 / 67
Méthode de Newton

La méthode de Newton est l’une des méthodes les plus utilisées pour la
résolution des équations non linéaires. On commence par donner une
première façon d’en obtenir l’algorithme, basée sur l’utilisation du
développement de Taylor.
Soit une équation à résoudre de la forme f (x) = 0. À partir d’une valeur
initiale x0 de la solution, on cherche une correction δx telle que
0 = f (x0 + δx).
En faisant un développement de Taylor au voisinage de x = x0 , on trouve

f 00 (x0 ) (δx)2 f (3) (x0 ) (δx)3


0 = f (x0 ) + f 0 (x0 ) δx + + + ...
2! 3!

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 45 / 67
Méthode de Newton

Il suffit alors de négliger les termes d’ordre supérieur ou égal à 2 en δx


pour obtenir

f (x0 )
0 ≈ f (x0 ) + f 0 (x0 ) δx ⇔ δx = − .
f 0 (x0 )

La correction δx est en principe la quantité que l’on doit ajouter à x0 pour


annuler la fonction f . Puisqu’on a négligé les termes d’ordre supérieur ou
égal à 2 dans le développement de Taylor, cette correction n’est pas
parfaite et on pose

f (x0 )
x1 = x0 + δx = x0 − .
f 0 (x0 )

On recommence le processus en cherchant à corriger x1 d’une nouvelle


quantité δx. On obtient alors l’algorithme suivant.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 46 / 67
Méthode de Newton

Algorithme de la méthode Newton

Étape 1 : Étant donné x0 une valeur estimée initiale de la solution.


Étape 2 : Étant donné , le critère d’arrêt, et N, le nombre maximal
d’itérations.
f (xn )
Étape 3 : Effectuer xn+1 = xn − 0 .
f (xn )
|xn+1 − xn |
Étape 4 : Si <
|xn+1 |
convergence atteinte.
écrire la racine est xn+1 .
arrêt.
Étape 5 : Si le nombre maximal d’itérations N est atteint
convergence non atteinte en N itérations.
arrêt.
Étape 6 : Retour à l’étape 3.
Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 47 / 67
Méthode de Newton

Remarque
L’algorithme de la méthode de Newton est un cas particulier de celui de la
méthode des points fixes avec

f (x)
g (x) = x − .
f 0 (x)

Exemple On cherche à résoudre l’équation f (x) = exp(−x) − x = 0.


L’algorithme de la méthode de Newton se résume à

f (xn ) exp (−xn ) − xn


xn+1 = xn − 0
= xn − .
f (xn ) − exp (−xn ) − 1

Les résultats sont compilés dans le tableau suivant à partir de x0 = 0.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 48 / 67
Méthode de Newton


en
n xn |en |
en−1
0 0.0000000 0.5671×10+0 —
1 0.5000000 0.6714×10−1 0.1183×10+0
2 0.5663110 0.8323×10−3 0.1239×10−1
3 0.5671432 0.1250×10−6 0.1501×10−3
4 0.5671433 0.4097×10−9 ≈0

On remarque que la convergence est très rapide à comparer de la méthode


des points fixes. On note également que le nombre de chiffre significatifs
double à chaque itération. La dernière colonne converge vers 0. Cette
colonne est censée converger vers |g 0 (r )|, ce qui indique que la
convergence est au moins quadratique.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 49 / 67
Méthode de Newton Interprétation graphique

La figure suivante donne une interprétation graphique assez simple de la


méthode de Newton. Sur cette figure, on a représenté la courbe de f , la
valeur initiale x0 et la tangente à la courbe au point (x0 , f (x0 )) qui a pour
équation
y = f (x0 ) + f 0 (x0 ) (x − x0 ) .
Cette tangente coupe l’axe des x en y = 0, c’est-à-dire en

f (x0 )
x1 = x0 − ,
f 0 (x0 )

qui devient la nouvelle valeur estimée de la solution. On prend ensuite le


même raisonnement à partir du point (x1 , f (x1 )).

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 50 / 67
Méthode de Newton Interprétation graphique

Figure: Interprétation géométrique de la méthode de Newton.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 51 / 67
Méthode de Newton Analyse de convergence

La méthode de Newton est un cas particulier de la méthode des points


f (x)
fixes avec g (x) = x − 0 .
f (x)
On sait que la convergence dépend de g 0 (r ) et on a dans ce cas

(f 0 (x))2 − f (x)f 00 (x) f (x)f 00 (x)


g 0 (x) = 1 − = . (14)
(f 0 (x))2 (f 0 (x))2

Puisque f (r ) = 0, on a immédiatement g 0 (r ) = 0 et donc une convergence


au moins quadratique.
Remarque
Il faut noter que dans le cas où f 0 (r ) = 0, le résultat précédent n’est plus
vrai.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 52 / 67
Méthode de Newton Analyse de convergence

Pour s’assurer que la convergence de la méthode de Newton est


quadratique, il suffit de calculer g 00 (r ). D’après (14), on a

f (x)f 00 (x) + f (x)f (3) (x) (f 0 (x))2 − 2f (x)f 0 (x) (f 00 (x))2


 0 
00
g (x) = . (15)
(f 0 (x))4

f 00 (r )
Comme f (r ) = 0 alors g 00 (r ) = . Ainsi, et d’après la relation (9), on
f 0 (r )
déduit que
g 00 (r ) 2 f 00 (r )
en+1 ≈ en = 0 en2 , (16)
2 2f (r )
qui démontre bien la convergence quadratique (si f 0 (r ) 6= 0).

Exemple Reprenons l’exemple√où on doit
√ calculer 2 en résolvant
f (x) = x 2 − 2 = 0. On a f 0 2 = 2 2 6= 0. On doit donc s’attendre à
une convergence quadratique.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 53 / 67
Méthode de Newton Analyse de convergence

Les résultats obtenus donnent



en e
n
n xn |en |
en−1 2
en−1
0 2.0000000 0.5858×10+0 — —
1 1.5000000 0.8578×10−1
0.1464×10 +0 0.0868
2 1.4166666 0.2453×10−2
0.2860×10−1 0.3333
3 1.4142157 0.2124×10−5
0.8658×10−3 0.3529
4 1.4142136 0.1594×10−11
0.7508×10−6 0.3535

en
On remarque que en tend vers 0 et que le ratio tend aussi vers 0
en−1

e
n
(c’est-à-dire g 0 (r ) = 0. De plus le ratio 2 tend vers à peu près
en−1
0.3535. Ce nombre n’est pas arbitraire et correspond à
√ 
f 00 (r ) f 00 2 1
0
= √  = √ ≈ 0.353553.
2f (r ) 2f 0 2 2 2
Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 54 / 67
Méthode de Newton Cas des racines multiples

Il arrive parfois que la méthode de Newton ne converge pas aussi vite que
l’on s’y attendait. Cela est souvent le signe d’une racine multiple.
Définition
Une racine r de la fonction f est dite de multiplicité m si la fonction f
peut s’écrire sous la forme

f (x) = (x − r )m h(x), (17)

et ce pour une fonction h qui vérifie h(r ) 6= 0.

Il est facile de démontrer, en utilisant un développement de Taylor autour


de r , que le résultat suivant est vrai.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 55 / 67
Méthode de Newton Cas des racines multiples

Théorème
Une racine r est de multiplicité m (où m est un entier) si et seulement si

f (r ) = f 0 (r ) = f 00 (r ) = . . . = f (m−1) (r ) = 0, f (m) (r ) 6= 0. (18)

Exemple La fonction f (x) = x sin(x) possède une racine de multiplicité


m = 2 en r = 0. En effet

f 0 (x) = sin(x) + x cos(x),


f 00 (x) = 2 cos(x) − x sin(x),

et en conclut que f (0) = f 0 (0) = 0 et f 00 (0) 6= 0.


Qu’arrive-t-il si on applique la méthode de Newton à ce cas ? Rappelons
que
f (x)f 00 (x)
g 0 (x) = .
(f 0 (x))2

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 56 / 67
Méthode de Newton Cas des racines multiples

En présence d’une racine de multiplicité m, on a f (x) = (x − r )m h(x). En


remplaçant et en simplifiant le facteur (x − r )2m−2 , on trouve

h(x) m(m − 1)h(x) + 2m(x − r )h0 (x) + (x − r )2 h00 (x)


 
0
g (x) = .
[mh(x) + (x − r )h0 (x)]2

Puisque h(r ) 6= 0, cela entraı̂ne que

1
g 0 (r ) = 1 − .
m
On constate que g 0 (r ) = 0 si et seulement si m = 1, c’est-à-dire si on a
une racine simple (de multiplicité 1). La convergence donc ne sera
quadratique que pour les racines simples. Si m 6= 1, la méthode de
Newton converge linéairement avec un taux de convergence de 1 − 1/m.
On remarque aussi que plus m est grand, plus la convergence est lente, car
g 0 (r ) est de plus en plus proche de 1.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 57 / 67
Méthode de Newton Cas des racines multiples

Exemple On considère la résolution de

f (x) = x 3 − 5x 2 + 7x − 3 = 0.

En partant de x0 = 0, on obtient le tableau suivant.



en en
n xn |en |
en−1 e 2
n−1
0 0.0000000 1.0000 — —
1 0.4285714 0.5714 0.5714 0.5714
2 0.6857143 0.3142 0.5499 0.9625
3 0.8328654 0.1671 0.5318 1.6926
4 0.9133299 0.0866 0.5185 3.1017
5 0.9557833 0.0442 0.5102 5.8864
6 0.9776551 0.0223 0.5045 11.429

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 58 / 67
Méthode de Newton Cas des racines multiples

On voit tout de suite que la convergence vers la racine r = 1 est lente. On


vérifie aisément que f (1) = f 0 (1) = 0 et donc r = 1 est une racine double
(de multiplicité m = 2). Cela est confirmé par la quatrième colonne du
tableau, qui doit normalement converger vers 1 − 1/m = 0.5. On note
enfin que les valeurs de la dernière colonne semblent augmenter sans cesse
et tendre vers l’infini. Cela indique une fois de plus que la convergence est
linéaire et non quadratique.

Remarque
Les racines multiples ne sont pas la seule source de difficultés que l’on
peut rencontrer avec la méthode de Newton. Quelques cas pathologiques,
comme celui qu’illustre la figure suivante, aboutissent à la divergence de
l’algorithme. Le choix de la valeur initiale x0 est primordial, car la
convergence de l’algorithme en dépend fortement.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 59 / 67
Méthode de Newton Cas des racines multiples

Figure: Cas pathologique de la méthode de Newton.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 60 / 67
Méthode de la sécante

Plan

1 Introduction

2 Méthode de la bissection

3 Méthode des points fixes


Convergence de la méthode des points fixes
Extrapolation d’Aitken

4 Méthode de Newton
Interprétation graphique
Analyse de convergence
Cas des racines multiples

5 Méthode de la sécante

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 61 / 67
Méthode de la sécante

La méthode de Newton possède de grands avantages, mais elle nécessite le


calcul de la dérivée de f . Si la fonction f est complexe, cette dérivée peut
être difficile à évaluer et peut résulter en une expression complexe. On
contourne cette difficulté en replaçant le calcul de la pente f 0 (xn ) de la
tangente à la courbe par l’expression suivante

f (xn ) − f (xn−1 )
f 0 (xn ) ≈ .
xn − xn−1

Cela revient à utiliser la droite sécante passant par les points (xn , f (xn )) et
(xn−1 , f (xn−1 )) au lieu de la droite tangente passant par (xn , f (xn )). Ce
choix est représenté dans la figure suivante.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 62 / 67
Méthode de la sécante

Figure: Interprétation graphique de la méthode de la sécante.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 63 / 67
Méthode de la sécante

Algorithme de la méthode la sécante

Étape 1 : Étant donné x0 et x1 deux valeurs initiales de la solution.


Étape 2 : Étant donné , le critère d’arrêt, et N, le nombre maximal
d’itérations.
f (xn ) (xn − xn−1 )
Étape 3 : Effectuer xn+1 = xn − .
f (xn ) − f (xn−1 )
|xn+1 − xn |
Étape 4 : Si <
|xn+1 |
convergence atteinte.
écrire la racine est xn+1 .
arrêt.
Étape 5 : Si le nombre maximal d’itérations N est atteint
convergence non atteinte en N itérations.
arrêt.
Étape 6 : Retour à l’étape 3.
Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 64 / 67
Méthode de la sécante

Exemple On cherche à résoudre f (x) = exp(−x) − x = 0 qu’on a déjà


abordé par d’autres méthodes. En prenant x0 = 0 et x1 = 1, on trouve les
résultats suivants.

en e e
n n
n xn |en |
en−1 1.618 2
en−1 en−1
0 0.0000000 0.5671×10+0 — — —
1 1.0000000 0.4328×10+0 0.7672×10+0 1.0835 1.342
2 0.6126998 0.4555×10−1 0.1052×10+0 0.1766 0.243
3 0.5638384 0.3305×10−2 0.7254×10−1 0.4894 1.592
4 0.5671704 0.2707×10−4 0.8190×10−2 0.2796 2.478
5 0.5671433 0.1660×10−7 0.6134×10−3 0.4078 22.66
6 0.5671433 ≈0 ≈0

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 65 / 67
Méthode de la sécante


en
La chose la plus importante à remarquer est que le ration tend vers
en−1
e
n
0 et que le ratio 2 tend vers l’infini. Ainsi, la convergence
en−1
quadratique est perdue et elle est plus que linéaire. Ce qui prouve que
l’ordre de convergence
se trouve quelque part entre 1 et 2. On remarque
e
n
que le quotient 1.618 semble se stabiliser autour de 0.4 bien que la
en−1
précision soit insuffisante pour être plus affirmatif. Il semble bien que cette
suite ne tend ni vers 0 ni vers l’infini, ce qui confirme que l’ordre de
convergence se situe autour de 1.618.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 66 / 67
Méthode de la sécante

Remarque
Plusieurs remarques s’imposent au sujet de cet algorithme.
1 La dérivée de f n’apparaı̂t plus dans l’algorithme.
2 Il faut fournir au départ 2 valeurs initiales. C’est ce qu’on appelle un
algorithme à deux pas.
3 Il n’est pas nécessaire qu’il y ait un changement de signe dans
l’intervalle [x0 , x1 ], comme c’est le cas avec la méthode la bissection.
4 L’analyse de convergence de cet algorithme est plus délicate que celle
de la méthode de Newton. On est cependant en mesure d’avancer
que la convergence quadratique est perdu, mais que la convergence
est plus que linéaire. Cet ordre de convergence quelque peu étonnant
vient justement du fait que la méthode est à deux pas.

Bassem Ben Hamed (Université de Sfax) Chapitre 3 : Équations algébriques Novembre 2020 67 / 67