Vous êtes sur la page 1sur 13

Chapitre I Introduction et résolution numérique des Equation non linéaire

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE


SCIENTIFIQUE
UNIVERSITE M’HAMED BOUGARA – BOUMERDES

Faculté des Hydrocarbures et de la Chimie


Filière :

2ème année Licence

Module : Méthode numérique

Note de cours

Par :
Dr. K. Benalia

CHAPITRE I

Introduction et résolution numérique des Equation non linéaire

L’objet de ce chapitre est de visualiser la problématique et l’intérêt de Module


Méthode numérique dans le domaine techniques et physique.

Ainsi dans ce chapitre, nous passons en revue les principales méthodes


numériques qui existent pour trouver une racine d'une équation ou d'un système
non linéaire. Au delà des méthodes elles-mêmes, nous insisterons sur l'étude de
leur comportement. En particulier, une question importante qui sera abordée est la
notion de convergence des méthodes. C'est cette question cruciale qui peut être
déterminante dans le choix d'une méthode par rapport à une autre.

2
Chapitre I Introduction et résolution numérique des Equation non linéaire

I.1. Introduction

Pourquoi un cours d'analyse numérique et à quoi cela sert-il ? Pour résumer, on peut dire
que l'analyse numérique est à la frontière entre les mathématiques et l'informatique. Il s'agit en
quelque sorte d'un interprète qui permettra de transposer la connaissance mathématique
théorique à la pratique d'un ordinateur et de pouvoir ainsi résoudre des problèmes concrets.
Les deux objectifs principaux de l'analyse numérique sont, d'une part, de pouvoir résoudre
numériquement des problèmes concrets dont on connait ou pas la solution analytique et
d'autre part, d'analyser le comportement des méthodes utilisées.

I.2. Problème posé en Méthode numérique

Chaque problème qu’un être humain rencontre ne peut être suffisamment simple pour
être compris sans avoir recours à un concept, idée ou notion. L’idée consiste à remplacer le
phénomène qu’on étudie par un modèle de structure semblable, mais un peu moins complexe.
Par conséquent les modèles sont une nécessité fondamentale de la démarche scientifique.
Cependant dans la pratique trouvée un modèle mathématique qui convienne à un problème
donné n’est pas une tâche des plus faciles. L’idéal est de pouvoir prendre en charge les
contraintes de problème réel et pouvoir les exprimer sous forme mathématique d’une manière
adéquate et simple. Dans la suite de notre travail on s'intéresse à des modèles numériques
qui expriment des problèmes concrets.
I.2.1. Problème posé : La démarche à suivre pour résoudre un problème « plus
particulièrement peut être expliqué par l’organigramme suivant :

Organigramme I.1. Démarche à suivre pour résoudre un problème.

3
Chapitre I Introduction et résolution numérique des Equation non linéaire

D’après l’organigramme I.1 On peut établir une définition générale de la Méthode numérique
comme suite :

I.2.2. Définition

La Méthode numérique est une discipline à l'interface des mathématiques et de


l'informatique. Elle s’intéresse tant aux fondements qu’à la mise en pratique des méthodes
permettant de résoudre, par des calculs purement numériques, des problèmes d’analyse
mathématique.

Plus formellement, l’analyse numérique est l’étude des algorithmes permettant de résoudre
numériquement par discrétisation les problèmes de mathématiques continues (distinguées des
mathématiques discrètes). Cela signifie qu’elle s’occupe principalement de répondre de façon
numérique à des questions à variable réelle ou complexe comme l’algèbre linéaire numérique
sur les champs réels ou complexes, la recherche de solution numérique d’équations
différentielles et d’autres problèmes liés survenant dans les sciences physiques et l’ingénierie.
Branche des mathématiques appliquées, son développement est étroitement lié à celui des
outils informatiques.

I.2.3.Quelques Exemples d’illustration

Problème 1: L’entreprise Cevital a reçu d’un fournisseur 2000 feuilles d’acier de longueur 5
m. Celle-ci doivent être découpées en feuilles de 2 m et 1.5 m désignées respectivement par

A et B. Avec ces dernières feuilles on fabrique un produit dénoté par P. chaque produit P a
besoin de 3 feuilles de A et 2 feuilles de B.

Question : Etablir une Plan numérique (Méthode numérique) découpage optimal afin de
maximiser la production, ensuite préciser la nature de ce modèle.

Problème 2: Le problème consiste en la fermeture au plus vite de tout les puits de pétrole et
de gaz abandonnés en Algérie en raison des nouvelles lois environnementales et sécuritaires
tout en minimisant le coût d’utilisation des machines « Rig» de forage en respectant le temps
de fermeture d’un puits ; nos principaux objectifs sont :

4
Chapitre I Introduction et résolution numérique des Equation non linéaire

➢ La fermeture de tout les puits abandonnés. Minimiser le coût d’affectation des


machines aux puits abandonnés qui revient à minimiser les distances de parcours.
Considérons un exemple de 7 puits connectés par des pipelines de différent diamètre :

Question :-Etablir un plan numérique qui exprime le problème posé.

Problème 3: Considérons un exemple d’un plan de construction d’un gazoduc:

N° Désignation Durée planifiée « mois) Coût planifié (M.DA) Liens (prédécesseur)


1 Terrassement 2 100 /
2 Tranchée 1.5 120 1-50%
3 Soudage des pipes 3 195 1
4 Revêtement 2 85 2+25%
5 Mise en fouille 2.5 110 3
6 Fibre optique 1 135 5
7 Remise en état 1 20 6

Question : Etablir un plan numérique optimal afin de minimiser la durée du projet.

I.3. Introduction au calcul scientifique

On peut définir le CALCUL SCIENTIFIQUE comme la discipline qui permet de reproduire


sur un ordinateur un phénomène ou un processus décrit par un modèle mathématique.

5
Chapitre I Introduction et résolution numérique des Equation non linéaire

Organigramme I.2. Processus de calcul scientifique.

L’ordinateur est aujourd’hui un outil incontournable pour simuler et modéliser des


systèmes complexes, mais il faut encore savoir exprimer nos problèmes (physiques,
économiques, biologiques. . .) en langage formalisé des mathématiques pures sous la forme
d’équations mathématiques (différentielles, intégrales. . .). Nous sommes habitués à résoudre
les problèmes de façon analytique, alors que l’ordinateur ne travaille que sur des suites de
nombres. On verra qu’il existe souvent plusieurs approches pour résoudre un même problème,
ce qui conduit à des algorithmes différents. Un des objectifs de ce cours est de fournir des
bases rigoureuses pour développer quelques algorithmes utiles dans la résolution de
problèmes en mathématique, économie, physique. . .

Un algorithme, pour être utile, doit satisfaire un certain nombre de conditions. Il doit être
:

➢ rapide : le nombre d’opérations de calcul pour arriver au résultat escompté doit être
aussi réduit que possible ;

➢ Précis : l’algorithme doit savoir contenir les effets des erreurs qui sont inhérentes à
tout calcul numérique (ces erreurs peuvent être dues à la modélisation, à la
représentation sur ordinateur ou encore à la troncature) ;

➢ souple : l’algorithme doit être facilement transposable à des problèmes différents.

6
Chapitre I Introduction et résolution numérique des Equation non linéaire

Parie II du ce chapitre :
Résolution numérique d'équations non linéaires
II.1. Introduction et motivation

Un des problèmes classiques en mathématiques appliquées est celui de la recherche des


valeurs pour lesquelles une fonction donnée s’annule. Dans certains cas bien particuliers,
comme pour les fonctions : x → x + 1, x → cos ( 2 x ) ou encore x → x 2 − 2 x + 1, le problème
est simple car il existe pour ces fonctions des formules qui donnent les zéros explicitement.
Toutefois, pour la plupart des fonctions f :  →  il n’est pas possible de résoudre
l’équation f ( x ) = 0 explicitement et il faut recourir à des méthodes numériques. Ainsi par
exemple une brève étude de la fonction f ( x ) = cos ( x ) − x montre qu’elle possède un zéro à
proximité de 0.7 mais ce zéro ne s’exprime pas au moyen de fonctions usuelles et pour en
obtenir une valeur approchée il faut recourir à des méthodes numériques.
Plusieurs méthodes existent et elles différent pas leur vitesse de convergence et par leur
robustesse. Lorsqu’il s’agit de calculer les zéros d’une seule fonction, la vitesse de la méthode
utilisée n’est souvent pas cruciale. Cependant, dans certaines applications il est nécessaire de
calculer les zéros de plusieurs milliers de fonctions et la vitesse devient alors un élément
stratégique. Par exemple, si on veut représenter graphiquement l’ensemble de points (x, y) du
plan pour lequel x2 sin ( y ) + e x+ y − 7 = 0 , on peut procéder comme suit : pour une valeur
donnée de x, on cherche l’ensemble des valeurs de y pour lesquelles x2 sin ( y ) + e x+ y − 7 = 0 ,
i.e. l’ensemble des zéros de la fonction f ( y ) = x2 sin ( y ) + e x+ y − 7 = 0 , et on représente tous
les couples obtenus. On choisit une nouvelle valeur pour x et on répète l’opération. Pour
obtenir une courbe suffisamment précise, il faut procéder à la recherche des zéros d’un très
grand nombre de fonction et il est alors préférable de disposer d’une méthode rapide

Soit f :  →  une fonction continue donnée dont on veut évaluer numériquement un ou


()
plusieurs zéros x , c’est-à-dire qu’on cherche tous les x tels que f x = 0 Les méthodes

numériques pour approcher x consistent à :

➢ localiser grossièrement le (ou les) zéro(s) de f en procédant à l’étude du graphe de f


et/ou à des évaluations qui sont souvent de type graphique; on note x0 cette solution
grossière ;
()
➢ construire, à partir de x0 , une suite x1 , x2 , x3 ,... telle que lim xk = x où f x = 0 . On
k →

dit alors que la méthode est convergente

Objectif pratique

Nous allons à présent illustrer par exemple pratique l’intérêt de la Recherche des solutions de
l’équation non linéaire. f ( x ) = 0 .
Exemple d’illustration II.1. : « Optimisation des déplacements des camions vibrateurs au
niveau d’un chantier sismique». A cet effet, l’étude portera sur l’optimisation du dispositif

7
Chapitre I Introduction et résolution numérique des Equation non linéaire

d’acquisition comprenant à la fois le tracé des lignes de passage des camions vibrateurs et
celles de la pose des récepteurs, dans le but d’avoir de meilleurs résultats lors de l’application
en termes de coûts et de temps de réalisation des projets.

x a = 0, b = 10km f ( x) = 0 Consiste à trouver les positions stationnaires x0 de la machine


qui indiquent l’emplacement de pétrole.

Figure II.1. Exemple d’illustration II.1

Exemple d’illustration II.2. : Fond d’investissement

Le client d’une banque dépose au début d’une année v euros dans un fonds d’investissement
et en retire, à la fin de la n-ème année, un capital de M v euros. Nous voulons calculer le
taux d’intérêt annuel moyen T de cet investissement.
Le capital final M est relié aux taux d’intérêt annuel moyen T par la relation :

(1 + T ) − 1 = v 1 + T 1 + T n − 1 .
(( ) )
n
n
M = v  (1 + T ) = v
k

k =1 (1 + T ) − 1 T

On en déduit que T est racine de l’équation algébrique non linéaire f (T ) = 0 où

f (T ) = v
1+ T
T
( )
(1 + T ) − 1 − M .
n

II.2. Méthodes numériques de résolution

Cas des fonctions d'une variable

II.2.1. Préliminaires : séparation des zéros

Exemple II.3. : Résoudre x − 0.2sin x − 0.5 = 0, x .

Exemple II.4. : Résoudre cos x = e− x , x .

8
Chapitre I Introduction et résolution numérique des Equation non linéaire

Le premier travail consiste en une analyse mathématique minimale pour séparer les zéros,
c'est-à-dire déterminer des intervalles  ai ; bi  dans lesquels l'équation considérée a une
solution et une seule.
La méthode la plus simple est d'utiliser qu'une fonction continue strictement monotone sur un
intervalle  ai ; bi  et telle que f ( ai ) . f ( bi )  0 a un zéro et un seul dans l'intervalle  ai ; bi  .
Par exemple :
f1 ( x ) = x − 0.2sin x − 0.5, x .
f1 ( x ) = 1 − 0.2 cos x  0, x .
Donc f1 est strictement croissante sur  . Comme f1 ( 0) = −0.5 0, f1 ( ) =  − 0.5 0, f1 a
un unique zéro dans [0, π].

Un calcul similaire pour l'exemple II.4 conduit à une impasse si on pose f 2 ( x ) = cos x − e− x ,
puisque la dérivée f 2 ( x ) = sin x + e− x , est du même type. Cette situation est bien sûr
beaucoup plus fréquente. On peut alors :

1- choisir plus judicieusement la fonction auxiliaire f 2 . Ici, on peut par exemple poser
f 2 ( x ) = e x cos x −1, . Les zéros de f 2 sont exactement les solutions de l’exemple II.4. D'autre
 
part : f 2 ( x ) = e x ( cos x − sin x ) = 2e x cos  x −  .
 4
   
Ainsi f 2 est strictement monotone sur les intervalles du type  + k ; + ( k + 1)  , k 
4 2 4 2
 
L'étude des signes successifs de f  + k  permet alors de localiser les zéros éventuels.
4 2

2- On peut procéder par tâtonnements en s'aidant au maximum d'informations


complémentaires disponibles. Ainsi, dans l'exemple II.4, le tracé des représentations
graphiques des fonctions x → cos x et x → e − x est particulièrement suggestif.

Dans la suite, nous nous placerons le plus souvent dans le cas où f : [a, b] → R admet un
unique zéro dans l'intervalle [a, b].

II.2.2. Quelques algorithmes classiques

II.2.2.1 Méthode de dichotomie (ou bissection)

Problème posé :

Reprenons l'exemple II.3. Nous avons vu que f1 est strictement croissante sur  et
comme f1 ( 0) = −0.5 0, f1 ( ) =  − 0.5 0, f1 a un unique zéro dans [0, π]. Si on calcule la
    
valeur de f1   = − 0.7 0, donc ce zéro est en fait dans 0,  . On peut alors calculer
2 2  2
   
f1   = 0.14 0, qui montre qu'il est dans 0,  .
4  4
9
Chapitre I Introduction et résolution numérique des Equation non linéaire

Il est clair qu'une répétition de ce procédé donne un encadrement de plus en plus précis du
zéro cherché et fournit donc un algorithme de calcul de ce zéro.

Algorithme de bissection (ou de dichotomie)

But : Donner une fonction continue f ( x ) et un intervalle  a, b pour lequel f ( a ) et f ( b )


sont de signes contraires. On recherche la racine r avec une précision e (au sens étroit) suivant
l’algorithme suivant :

lire a, b, 
a+b
r
2
a+b
tant que  faire
2
si f ( a ) . f ( b ) 0 alors
br
sinon
a r
fin si
a+b
r
2
fin tant que
afficher r.

Exemple II.5.

Soit f ( x ) = −5x3 + 39x2 − 43x − 39. On cherche à estimer x 1;5 tel que f ( x ) = 0 .

Figure II.2. Exemple de la méthode Dichotomie.

10
Chapitre I Introduction et résolution numérique des Equation non linéaire

II.2.2.2. Méthode de la sécante

Le principe de la méthode

Soit f admettant un zéro dans l’intervalle  x−1 , x0  . Pour obtenir une première approximation
de ce zéro, l'idée est de remplacer f par son interpolé linéaire sur  x−1 , x0  , soit par :
f ( x0 ) − f ( x−1 )
Y ( x ) = f ( x0 ) + ( x − x0 ) ,
x0 − x−1
l'unique fonction linéaire dont les valeurs coïncident avec celles de f en x−1 et x0 .
L'approximation x1 est alors obtenue en résolvant :

Y ( x1 ) = 0,

x0 − x−1
Soit x1 = x0 − f ( x0 ) .
f ( x0 ) − f ( x−1 )
Géométriquement (cf Figure II.3), ceci revient à remplacer la courbe d'équation y

Figure II.3. Méthode de la Sécante.

Algorithme de la méthode :

Lire r0 , r1 , 
r1 − r0
r2  r1 − f ( r1 )
f ( r1 ) − f ( r2 )

Tant que r2 − r1  faire


r0  r1
r1  r2
r1 − r0
r2  r1 − f ( r1 )
f ( r1 ) − f ( r2 )

Fin tant que


Afficher r2 .

11
Chapitre I Introduction et résolution numérique des Equation non linéaire

II.2.2.3. Méthode de Newton

Le principe de la méthode

Ici, au lieu d'assimiler la courbe y = f (x) à une sécante, on l'assimile à la tangente en un


point ( xn ; f ( x0 ) ) soit, la droite d'équation :
Y ( x ) = f ( xn ) + f  ( xn )( x − xn ) .

Son intersection avec l'axe des abscisses fournit une approximation de la solution x .
A nouveau, on renouvelle le procédé jusqu'à obtenir une approximation suffisante, d'où
l'algorithme suivant:

Algorithme de la méthode :

Lire r0 , 
f ( r0 )
r  r0 −
f  ( r0 )

Tant que r − r0  faire


r0  r
f ( r0 )
r  r0 −
f  ( r0 )

Fin tant que


Afficher r.

II.2.2.4. Méthode de point fixe

Le principe de la méthode

Définition II.1. Point fixe :


Soit  ( x ) :  →  une fonction. Si x  est tel que  ( x ) = x, on dit que x est un point
fixe de  (l’image de x par  est lui-même).

On peut se demander comment exploiter cette procédure pour calculer les zéros d’une
fonction donnée.
Remarquons qu’on peut voir l comme un point fixe du cosinus, ou encore comme un zéro de
la fonction f ( x ) = x − cos x . La méthode proposée fournit donc un moyen de calculer les
zéros de f . Précisons ce principe : soit f ( x ) :  →  la fonction dont on cherche le zéro. Il
est toujours possible de transformer le problème “chercher x tel que f ( x ) = 0 ” en un
problème équivalent (i.e. admettant les mêmes solutions) “chercher x tel que x −  ( x ) = 0 ”.

12
Chapitre I Introduction et résolution numérique des Equation non linéaire

Pour que les deux problèmes soient équivalent, la fonction auxiliaire  :  a, b →  doit être
choisie de manière à ce que  ( x ) = x si et seulement si f ( x ) = 0 . Clairement, il existe une
infinité de manières pour opérer cette transformation. Par exemple, on peut poser
 ( x ) = x − f ( x ) ou plus généralement  ( x ) = x +  f ( x ) avec  * quelconque. On peut
même remplacer  par une fonction de x pour autant qu’elle ne s’annule pas.

Algorithme de la méthode :

Lire x0 ,  ,  :  a, b  
k 0

Tant que xk +1 − xk  faire


xk +1   ( xk )
k  k +1

Fin tant que


Afficher xk +1

Convergence de la méthode

Naturellement toute méthode de point fixe n’est pas forcement convergente. Par contre, si
elle converge, c’est-à-dire si la suite xk a une limite que nous notons x , et si  est continue,
alors cette limite est nécessairement un point fixe de  puisque

k → k →
( x →
)
x = lim xk +1 = lim  ( xk ) =  lim xk =  ( x ) .
On a le résultat suivant :

Théorème II.1. [..] Convergence (globale) des itérations de point fixe

Considérons une fonction  :  a, b → . On se donne x0   a, b et on considère la suite


xk +1 =  ( xk ) pour k  0 . Si les deux conditions suivantes sont satisfaites :
1-condition de stabilité :  ( x )  a, b pour tout x  a, b
2-condition de contraction stricte : il existe K 1 tel que  ( x ) −  ( y )  K x − y pour
tout x, y   a, b
alors  est continue, a un et un seul point fixe x dans [a,b] et la suite xk +1 =  ( xk ) converge
vers x pour tout choix de x0 dans [a,b].

13
Chapitre I Introduction et résolution numérique des Equation non linéaire

14