Académique Documents
Professionnel Documents
Culture Documents
II.1 Introduction :
Dans ce chapitre, nous discuterons de la résolution d’équations non linéaires à une
seule variable :
Les méthodes analytiques de résolution des équations algébriques polynomiales sont limitées
à certaines formes de faible degré, telles que les équations quadratiques, cubiques et
quartiques et à des formes particulières du type :
Pour les équations polynomiales entières de degré supérieur à quatre, il n’existe guère de
méthode exacte de résolution et l’on doit employer des méthodes numériques pour trouver les
racines.
De plus, les méthodes analytiques limitées aux formes polynomiales simples sont inutilisables
pour les équations transcendantes telles que :
En étudiant les méthodes de résolution de f(x)=0, nous nous poserons deux questions :
- La méthode converge-t-elle vers la solution cherchée x ?
- Dans l’affirmative, avec quelle rapidité ?
Explication : La racine étant à priori inconnue, on conçoit qu’il est difficile de savoir si
l’estimé x* est proche de x, de plus l’étude des variations de f(x), par f ’(x), est souvent un
problème plus complexe que celui de résoudre f(x)=0.
5
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
Les méthodes dont nous discuterons (Dichotomie, Point fixe, Newton, …) permettent
généralement de trouver une racine de f(x)=0. Pour trouver les autres, il existe plusieurs voies.
Remarque : Si f(x) est strictement monotone dans [a , b] alors l’existence d’une racine
implique son unicité.
6
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
Exemple :
x ∞
-∞ -1 0 1 ∞
+∞
f ‘(x) ∞
-∞ 0 0 0 ∞
+∞
f (x) ∞
+∞ -4 -3 -4 ∞+
+∞
Existence
Des racines
b) Méthode graphique :
Etant donné que les racines de f(x) sont les points d’intersection du graphe de
f(x) avec l’axe xox. On peut localiser les racines de f(x) en traçant le graphe de f(x) et
ressortir les intervalles [ai,ai+1] tel que x*∈[ai,ai+1] ou x une racine de f(x)=0.
Remarque : Dans certain cas le graphe de f(x) est difficile à tracer, si f(x) peut s’écrire
sous la forme f(x)=g(x)-h(x) et si les graphes de g et h sont faciles à tracer, les racines
de f(x)=0 sont les points d’intersection des graphes de g et h.
Exemple :
f(x)=0 ; f(x)=cos(x)-x = g(x)-h(x)
7
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
-
-
Application :
f(x*)=0 et
E=| b – a |
-
-
Donc :
Remarque : Cette méthode opère sur un intervalle qui entoure toujours la solution. Cet
intervalle étant réduit à chaque étape, la convergence est donc assurée.
Algorithme :
1) Soit : f(x)=0, et a, b les bornes d’un intervalle qui contient une solution, ε (La
précision).
2)
3)
8
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
f = x - cos(x) ;
return
Precision = 10^-12;
n = 0 ;
9
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
b = (a+b)/2 ;
else
a = (a+b)/2 ;
end ;
end ;
Alpha = (a+b)/2 ;
return
Execution :
Remarque : Si on veut d’avance savoir le nombre n, où on peut s’arrêter pour avoir la valeur
approchée de la racine exacte x* avec une exactitude e, on utilise la formule suivante :
Ce point est donné par l'équation suivante qui se vérifie très simplement :
a. f (b) − b. f (a )
x (0) =
f (b) − f (a )
La figure 2 montre l'évolution des points au cours des itérations. On démontre que si f ′(x )
10
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
Principe : Une équation du type f(x)=0 peut toujours s’écrire sous la forme équivalente :
x = g(x) (1)
f ( x) = x 2 + 3e x − 12 Peut s’écrire :
x = g1 ( x) = x 2 + 3e x − 12 + x
x = g 2 ( x) = 12 − 3e x
(12 − x 2 )
x = g 3 ( x) = ln
3
( 0) *
La méthode propose de choisir un estimé x de la solution exacte x qui vérifie
11
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
x (1) = g ( x ( 0 ) )
(1) ( 2) (n )
De même on calcule : x , x , …, x
x ( 2 ) = g ( x (1) )
x ( 3) = g ( x ( 2 ) )
M
x ( n ) = g ( x ( n−1) )
Donc la méthode se résume à générer la suite suivante :
x ( 0 ) estimé (choisi)
(n) ( n −1)
x = g (x )
Le problème principal étant de savoir si la suite générée x { ( 0)
, x (1) , x ( 2 ) ,L, x ( n ) ,L}
*
converge vers la solution x de l’équation (1).
12
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
- Dans les cas représentés par les figures (3.2) et (3.4), le procédé itératif génère une
*
suite convergente vers x quand n tend vers l’infini.
- Dans les cas (3.1) et (3.3) le procédé génère une suite divergente telle que
Soient deux points a et b d’une courbe y=f(x) où f(x) est une fonction continue sur [a,b], on
peut écrire :
g (b) − g (a )
= g ′(e) Où e ∈ ]a, b[
b−a
x (1) = g ( x ( 0 ) )
f ( x * ) = 0 ⇔ x* = g ( x * )
g ( x* ) − g ( x ( 0) )
*
x −x ( 0)
= g ′(e0 ) , e0 ∈ x * , x ( 0 ) ] [
⇒ g ( x * ) − g ( x ( 0 ) ) = ( x * − x ( 0 ) ).g ′(e0 )
]
x * − x ( 1 ) = ( x * − x ( 0 ) ).g ′( e0 ) , e0 ∈ x * , x ( 0 ) [
x −x* (2) *
=(x −x (1)
).g ′( e1 ) , e ∈ ]x , x [
1
* (1)
x * − x ( 3 ) = ( x * − x ( 2 ) ).g ′( e 2 ) , e ∈ ]x , x [
2
* (2)
M
]
x * − x ( n ) = ( x * − x ( n −1 ) ).g ′( e n −1 ) , e n −1 ∈ x * , x ( n −1 ) [
__________ __________ __________ _________
x * − x ( n ) = ( x * − x ( 0 ) ).g ′( e0 ).g ′( e1 ).g ′( e 2 )L g ′( e n −1 )
(2)
* (n) x ( n) → x *
x −x → 0
n →∞ n → ∞
13
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
Nous mettons :
x * − x ( n ) ≤ x * − x ( 0 ) .M n
lim x * − x ( n ) = lim x * − x ( 0 ) .M n = x * − x ( 0 ) . lim M n
n →∞ n →∞ n →∞
lim x * − x ( n ) → 0 si M <1
n→∞
⇒ lim x * − x ( n ) → 0 si g ′( x ) < 1
n→∞
Condition d’arrêt : Théoriquement la solution n’est atteinte qu’après une infinité d’itérations
(si le processus converge).
x ( 0 ) : éstimé
(n) ( n −1)
x = g ( x )
En pratique, on arrête les opérations par l’un des tests suivants :
Il faut choisir ε (Précision voulue)
1) x ( i ) − x ( i −1) ≤ ε 1
2) f ( x (i ) ) ≤ ε 2
x ( i ) − x ( i −1)
3) < ε3
x (i )
Algorithme :
1- Etant donné ε , un critère d’arrêt ;
2- Etant donné N, le nombre maximal d’itération ;
3- Etant donné x0 , une valeur estimée initiale du point fixe ;
4- Effectuer xn +1 = g ( xn ) ;
14
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
5- Si xn+1 − xn ≤ ε :
- convergence atteinte ;
- écrire la solution x n+1 ;
- arrêt.
6- Si le nombre maximal d’itération N est atteint :
- convergence non atteinte en N itérations ;
- arrêt.
7- Retour à l’étape 4.
Remarque : On peut résoudre des équations non linéaires de la forme f(x)=0 en utilisant
l’algorithme des points fixes. Il suffit pour ce faire de transformer l’équation f(x)=0 en un
problème équivalent de la forme x=g(x). L’ennui, c’est qu’il y a une infinité de façons
différentes de le faire. Nous verrons que certains choix donnent lieu à des algorithmes
convergents et d’autres pas.
x = 2 x + 3 = g1 ( x )
3
x= = g 2 ( x)
x−2
x2 − 3
x= = g 3 ( x)
2
Si on applique l’algorithme des points fixes à chacune des fonctions g i (x ) en partant de
x0 = 4 , on obtient :
15
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
x10=g1(3,0000470)=3,0000157
L’algorithme semble donc converger vers la racine r1=3. Reprenons l’exercice avec g 2 ( x ) ,
Toujours en partant de x0 = 4 :
x1=g2 (4)=3/ (4-2) = 1,5
x2=g2 (1,5)=3/ (1,5-2) = -6,0
x3=g2 (-6,0)=3/ (-6,0-2) = -0,375
x4=g2 (-0,375)=3/ (-3,375-2) = -1,2631579
M
X10=g2 (-0,9989841)=3/ (-0,9989841-2) = -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
g 3 ( x) :
x1=g3 (4)=(4)2 - 3/2 = 6,5
x2=g3 (6,5)=(6,5)2 - 3/2 = 19,625
x3=g3 (19,625)=(19,625)2 - 3/2 = 191,0703
x4=g3 (191,0703)=(191,0703)2 - 3/2 = 18252,43
M
M
Visiblement, les itérations tendent vers l’infini et aucune des deux solutions possibles ne sera
atteinte.
Remarque : Cet exemple montre clairement que l’algorithme des points fixes, selon le choix
de la fonction itérative g(x), converge vers l’une ou l’autre des racines et peut même diverger
complètement dans certains cas.
f ( xn ) f ′′( xn ) *
x * = xn − − ( x − xn ) 2
f ′( xn ) 2 f ′( xn )
f ′′( xn ) * f ( xn )
En négligeant le reste R = − ( x − xn ) 2 , la quantité xn − qu’on notera
2 f ′( xn ) f ′( xn )
xn+1.
constitue alors une valeur approchée de x*. Et la formule de récurrence de Newton est donnée
f ( xn )
par : x n+1 = xn − , n = 0,1,2,.... (Son ordre de convergence est 2.)
f ′( xn )
Interprétation géométrique de la méthode de Newton : Soit f(x) une fonction de classe C2
([a, b]). Considérons le cas où : f ′′ ≥ 0 et f (b ) > 0 ,
f ( a ). f ( b ) < 0 .
y = f ′( x0 ).( x − x0 ) + f ( x0 )
• On prend x0 = b.
Le point d’intersection de cette tangente avec l’axe x’ox a pour abscisse (fig.4.1) :
f ( xn )
xn+1 = xn − , n = 0,1,2,...
f ′( xn )
D’après le graphe cette suite converge vers x*. Dans ce cas x0 = b vérifie la condition
17
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
f ′′( x0 ). f ( x0 ) > 0.
Remarque : Une méthode itérative n’est importante que si elle est convergente.
b) f ′( xn ) ≠ 0 sur [ a, b] ;
c) f ′′( x n ) garde un signe constant sur [a,b].
Remarque :
- Les conditions a) et b) assurent l’existence et l’unicité de la solution ;
- La condition c) montre que la fonction considérée ne change pas de concavité sur
[a,b] ;
- Ce théorème assure la convergence dans un voisinage de x0 .
3
Application : Soit la fonction : f ( x ) = x + x − 1
1
a) Cette fonction admet une racine séparée sur [ , 1] car :
2
1
f ( ) = −0,375 1
2 x * ∈ [ , 1]
f (1) = 1 2
18
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
1
Et f ′( x) > 0 sur [ , 1].
2
Vérifions maintenant les conditions du théorème de Newton :
La condition a) est vérifiée.
1
b) f ′( x) = 3x 2 + 1 ≠ 0 sur [ , 1]
2
1
c) f ′′( x ) = 6 x > 0 sur [ , 1] .
2
f ( x0 )
Partant du choix de x0 = 1, on a : x1 = x0 − = 0,75
f ′( x0 )
M 2 6× 4 2
x1 − x * ≤ x0 − x1 = x0 − x1 ≈ 0,11 > ε
2m 2×7
On calcule alors x 2 .
f ( x1 )
x2 = x1 − = 0,68
f ′( x1 )
2
x2 − x * ≤ 1,71 x1 − x2 ≈ 0,008 ≤ 0,5 × 10 −1 = ε
*
x2 est la valeur approchée de x à 0,5. 10-1.
Estimation :
m − n + 1 = −1
⇒ n =1
m = −1
n=1, Le nombre a un chiffre significatif exact. x = 0,7 ± 0,1
Remarque: Bien que plus rapide, la méthode de Newton échoue dans plusieurs cas. Quelques
exemples sont rassemblés sur la figure ci-dessous
Discussion :
La méthode de Newton offre une convergence nettement plus rapide que la méthode
de dichotomie. Cependant, cette dernière offre une garantie de convergence que n’offre pas la
méthode de Newton, qui ne converge que localement. De fait, la méthode de dichotomie est
parfois utilisée pour calibrer la valeur d’initialisation à fournir à une méthode d’ordre de
convergence plus élevée mais de convergence seulement locale comme la méthode de
Newton.
( k +1) (k ) x ( k ) − x ( k −1)
(k )
x =x −y (k = 1,2,.....)
y ( k ) − y ( k −1)
1+ 5
L'ordre de convergence vaut p = = 1.618 (nombre d’Or).
2
La figure 5 montre l'évolution des points en prenant comme intervalle initial, l'intervalle [0 ;
0.5] qui ne contient pas la racine.
20
UHBC, Département de mécanique 2ème LMD (S4) Cours d’analyse numérique
Remarque : L’avantage de cette méthode est donc qu’elle évite le calcul de f’(x), son
inconvénient est qu’elle « moins bonne », dans le sens où son ordre de convergence est
compris strictement entre 1 et 2.
Conclusion :
• L’avantage de la méthode du point fixe est que si elle converge, elle converge quelle
que soit la valeur initiale choisie dans l’intervalle de convergence. Son inconvénient
principal est sa lenteur de convergence, on peut néanmoins l’accélérer.
21