Amar D JEMA

amar.djema@univ-bejaia.dz

13 février 2022
2
Table des matières

Table des matières 3

1 Équations Non-Linéaires 5
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Méthodes itératives à un pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Méthode des approximations successives ou du point fixe . . . . . . . . . . . . . . . . 8
1.2.2 Méthode de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4
Chapitre 1

Équations Non-Linéaires

1.1 Introduction
Dans ce chapitre, on présente un résumé de cours sur quelques méthodes classiques de résolution
numérique des équations non linéaires dans R. Soit f : I ⊂ R → R une fonction donnée. Nous désirons
trouver une ou plusieurs solutions à l’équation

f (x) = 0. (1.1)

Définition 1. Une valeur x solution de (1.6) est appelée racine ou un zéro de la fonction f et est noté x̄.

Il existe des cas simples pour qui on peut exprimer une solution d’une équation à partir de la fonc-
tion, par exemple les équations algébriques de degré p inférieur ou égale à 4. Dans le cas d’une équation
−a ± a 2 − 4b
du second degré : x 2 + ax + b = 0 la solution est .
2
Le théorème des valeurs intermédiaires nous assure dans la plupart des cas l’existence d’une solu-
tion de (1.6).

Theorem 2. Soit f une fonction réelle définie et continue sur l’intervalle I = [a, b].
1. Si f (a) f (b) < 0, alors il existe x ∈]a, b[ tel que f (x) = 0. (existence)
2. Si de plus f est strictement croissante alors la solution x est unique. (Unicité)

Remarque 3. Le théorème précédent nous permet de localisation (ou séparation) des racines de (1.6).

Exemple 1.1.1. 1. f (x) = x − cos x = 0 admet une unique solution dans [0, π/2].
En effet, f est continue dans [0, π/2] et f (0) f (1) = −(1 − cos(1)) < 0 donc ∃x̄ ∈]0, π/2[ tel que
f (x̄) = 0. De plus f est une fonction strictement croissante, car f ′ (x) = 1 + sin x > 0 ∀ x ∈]0, π/2[,
alors x̄ est unique.
2. f (x) = x − e −x = 0 admet une unique solution dans [0, 1].
En effet, f est continue dans [0, 1] et f (0) f (1) = −(1 − 1/e) < 0 donc ∃x̄ ∈]0, 1[ tel que f (x̄) = 0.
De plus f est une fonction strictement croissante, car f ′ (x) = 1 + e −x > 0 ∀ x ∈]0, 1[, alors x̄ est
unique.
3. f (x) = x 5 + x − 1 = 0 admet une unique solution dans [0, 1].
En effet, f est continue dans [0, 1] et f (0) f (1) = −1 < 0 donc ∃x̄ ∈]0, 1[ tel que f (x̄) = 0. De plus f
est une fonction strictement croissante, car f ′ (x) = x 4 + 1 > 0 ∀ x ∈]0, 1[, alors x̄ est unique.
p
Remarque 4. Soit l’équation f (x) = x2 − sin(x) − π6 + 23 = 0 sur [0, π/2]. Le TVI ne s’applique pas mais
l’équation admet une unique solution x̄ = π/3. On a f (π/3) = f ′ (π/3) = 0.

La méthode de la bissection ou de Dichotomie est basée sur le résultat d’analyse mathématique

précédant. Soit f une fonction continue et strictement monotone sur [a, b]. Puisque le changement
6 Équations Non-Linéaires

de signe assure l’existence d’une unique solution de (1.6) dans [a, b], alors l’idée est de partagé l’inter-
valle en deux sous intervalle et par séquencent la solution est dans l’un des deux sous intervalle dont f
change de signe. refaire la même procédure jusqu’à délimité la solution entre deux borne de distance
quasiment nulle.
Algorithme :
1. Étant donné : [a, b] pour lequel f change de signe ; ε le critère d’arrêt ; N le nombre maximal
d’itérations.
a +b
2. Soit x0 =
2
|b − a|
3. Si alors
2|x0 | < ε
— convergence atteinte
— écrire la racine x0 et écrire f (x0 ).
— arrêt
4. Si non, si f (a) f (b) < 0, alors b = x0 si non a = x0
5. Si le nombre maximal d’itérations N est atteint alors
— convergence non atteinte en N itérations
— arrêt
6. Retour à l’étape 2

Remarque 5. Le nombre d’itération N , nécessaire pour avoir une précision de ε, est donné par la condi-
tion
ln ((b − a)/ε)
N> .
ln 2
Exercice 6. Soit f une fonction définie sur [−1, 0] telle que f (x) = x 4 − 4x − 1.
1. Vérifier les modalités d’application de l’algorithme de dichotomie.
2. Calculer le rang N du quel on peut approximer l’erreur à ǫ = 10−1 près.
3. Calculer x0, x1 , x2 et x3 .

Solution. Soit la fonction f définie par f (x) = x 4 − 4x − 1 sur [a, b] = [−1, 0].
1. L’algorithme de dichotomie est applicable.
En effet : la fonction f est continue sur [−1, 0] (fonction polynomiale)
et on a f (−1). f (0) = −4 < 0 donc il existe un zéro de f dans [−1, 0] et ce zéro est unique car f est
strictement décroissante le fait que f ′ (x) = 4x 3 − 4 < 0 sur [−1, 0].
· ¸
ln(|b − a|/ǫ)
2. N = E + 1 = 3.
ln 2
3. x0 = −0.5, x1 = −0.25, x2 = 0.125 et x3 = 0.1875.

Remarque 7. La méthode de Dichotomie assure la convergence et on a un seul calcul de fonction à

chaque itération. Mais par contre la vitesse de convergence est linéaire, donc lente et ne dépend pas la
nature de fonction en question.

1.2 Méthodes itératives à un pas

Ces méthodes consiste à la construction d’une suite de la forme
½
xn+1 = ϕ(xn ),
(1.2)
x0 , choisi dans [a,b].

dans le but qu’elle tende vers la solution x de (1.6). La limite de cette suite vérifie x = ϕ(x).

Définition 8. Soit ϕ une fonction réelle, un point fixe de ϕ est un réel x solution de l’équation x = ϕ(x).
1.2 Méthodes itératives à un pas 7

Définition 9. Soit ϕ : [a, b] → R une fonction réelle. On dit que ϕ est contractante sur [a, b], s’il existe
k ∈]0, 1[ telle que
|ϕ(x) − ϕ(y)| ≤ k|x − y|, ∀ x, y ∈ [a, b].
Si l’inégalité est stricte, on dit strictement contractante.
Proposition 10. Soit ϕ une fonction dérivable sur [a, b], si la dérivée vérifie

sup |g ′ (x)| = k < 1,

x∈[a,b]

alors ϕ est strictement contractante dans [a, b].

Définition 11. On dit que la fonction ϕ est stable dans [a, b], si ∀ x ∈ [a, b], alors ϕ(x) ∈ [a, b]. C’est-à-
dire ϕ([a, b]) ⊂ [a, b].
Theorem 12. Si la fonction réelle ϕ est strictement contractante et stable dans l’intervalle [a, b], alors
pour tout x0 ∈ [a, b] la suite définie par
½
x0 ∈ [a, b]
(1.3)
xn+1 = ϕ(xn ), n ∈ N
converge vers le point fixe x ∈ [a, b]. De plus la formule suivante donne la majoration de l’erreur com-
mise à la n ème itération :
kn
|xn − x| ≤ |x1 − x0 |.
1−k
Proposition 13. Si ϕ est dérivable au voisinage du point fixe, et si |ϕ′ | < 1, alors il existe un voisinage V x
de x tel que pour tout x0 ∈ V x , la suite xn+1 = ϕ(xn ) converge vers x.
Définition 14. Soit une méthode quelconque, définie par le processus x0 et xn+1 = ϕ(xn ), on dit qu’elle
e n+1 |xn+1 − x|
est d’ordre p si p = admet une limite réelle strictement positive lorsque n tend vers +∞.
en |xn − x|p
Theorem 15. Si la suite (xn ) converge vers x et si ϕ est suffisamment dérivable au voisinage de x alors
la suite est d’ordre p tel que : ϕ′ (x) = ... = ϕ(p−1) (x) = 0 et ϕ(p) (x) 6= 0. De plus on a
e n+1 |xn+1 − x| 1
lim = lim = ϕ(p) (x).
n→+∞ e p n→+∞ |xn − x| p p!
n

Remarque 16. Une méthode est linéaire si p = 1, est quadratique si p = 2.

Remarque 17. La convergence est plus rapide tend que son ordre est grand.
Remarque 18. En pratique, on arrête les opérations par l’une des tests d’arrêt suivantes :
¯ ¯
¯ xn − xn−1 ¯
(i ) |xn − xn−1 | ≤ ǫ (i i ) ¯¯ ¯ ≤ ǫ,
¯
xn
où ǫ désigne la précision à laquelle on souhaite obtenir la solution.
Algorithme .
1. Étant donné ǫ > 0, N et x0 respectivement un critère d’arrêt, le nombre maximal d’itérations et
une valeur estimée initiale du point fixe.
2. Effectuer xn+1 = g (xn )
¯ ¯
¯ xn − xn−1 ¯
3. Si ¯¯ ¯<ǫ
¯
xn
— convergence atteinte
— écrire la solution xn+1
— arrêt
4. Si le n + 1 = N alors
— convergence non atteinte en N itérations
— arrêt
5. retour à l’étape 2
8 Équations Non-Linéaires

y=x
xn = g(xn−1 ) y = g(x)
xn+1 = g(xn )

x̄
xn−1 xn+1 xn

F IGURE 1.1 – La méthode des points fixes

1.2.1 Méthode des approximations successives ou du point fixe

Cette méthode consiste la construction à partir de l’équation (1.6), une suite de la forme (1.3).

Exemple 19. L’équation f (x) = 0 peut s’écrire, sous la forme x = ϕ(x). Par exemple on choisit ϕ(x) =
f (x) + x.

Exemple 20. Soit l’équation f (x) = x − e −x = 0. elle peut s’écrire sous la forme ϕ = e −x

Remarque 21. Il faut choisir l’écriture permettant la convergence du processus (1.2) vers la solution de
(1.6).

Proposition 22. La méthode du point est linéaire.

Démonstration. Soit xn+1 ∈ v(x̄), alors xn+1 − x̄ = g (xn ) − g (x̄) ≤ g ′ (ξn )(xn − x̄), où ξn ∈ [a, b]. Puisque g
est contractante donc
|xn+1 − x̄| ≤ k|xn − x̄|.

Exercice 23. On se propose d’étudier l’équation (1) : x − e −x = 0. Montrer par le critère du point fixe
que l’équation (1) admet une solution dans [0, 2]. Étudier les deux cas possible qui permet d’écrire : (1)
⇐⇒ x = ϕ(x).

Solution. Soit l’équation (1) : x − e −x = 0.

1. 1er Cas. Soit (1)⇐⇒ x = ϕ(x) = e −x .
(a) ϕ est stable dans [0, 2] : On a, ϕ est décroissante car ϕ′ (x) = −e −x < 0 sur R+ donc on peut
écrire ϕ([0, 2]) = [ϕ(2), ϕ(0)] = [e −2 , 1] ⊂ [0, 2]. D’ou [0, 2] est un intervalle de stabilité pour ϕ
et donc l’existence du point fixe.
(b) On a |ϕ′ (x)| < 1 pour tout x ∈ [a, +∞[; a > 0. donc ∀I ⊂]0, +∞[, ϕ est contractante d’ou l’uni-
cité du point fixe. On peut conclure que pour tout x0 ∈ [a, 2], avec 0 < a < 1 la suite (xn )n∈N
telle que xn+1 = ϕ(xn ) converge vers la solution de l’équation (1).
Par exemple :
x0 = 0.35 ∈]0, 2], xn+1 = e −xn , n ≥ 0 la suite converge vers x̄. x1 = 0.70, x2 = 0.49, x3 = 0.61, x4 =
0.54, x5 = 0.58, x6 = 0.57, x7 = 0.56 et x8 = 0.56. Donc x = 0.56 à 10−2 près.
2. Cas :2.
1
(1)⇐⇒ x = ψ(x) = − ln x sur R∗+ . On a |ψ′ (x)| = < 1 pour tout x ∈]1, +∞[. D’après l’exemple
x
x̄ ∈ [0, 1] "]1, +∞[. Donc la méthode du point fixe ne s’applique pas pour cette forme. On peut
vérifier facilement qu’il n’existe aucun intervalle de stabilité.
1.2 Méthodes itératives à un pas 9

3ω
Exercice 24. Soient la fonction f (x) = x 5 −3 et ϕ(xn ) = xn (1− ω5 )+ xn5 (1−ω)+ +3(ω−1), ω ∈ R étant
5xn4
un paramètre réel.
1. Soit x̄ le zéro de la fonction f , donc x̄ 5 − 3 = 0. On vérifie que x̄ est un point fixe pour la fonction
ϕ:
3ω
ϕ(x̄) = x̄(1 − ω5 ) + x̄ 5 (1 − ω) + 4 + 3(ω − 1)
5x̄
3ω ω
= ω(3 − x̄ 5 ) + (x̄ 5 − 3) + x̄ + ( 4 − x̄)
ω 5x̄ 5
= x̄ + 4 (3 − x̄ 5 ) = x̄
5x̄
Donc le zéro x̄ de la fonction f est un point fixe pour tout ∀ω ∈ R.
2. La méthode est d’ordre 2 si ϕ′ (x̄) = 0.
ω 12ω
ϕ′ (x) = 1 − + 5x 4 − 5ωx 4 − 5 = 0.
5 5x
Pour x = x̄ on a
ω 12ω
ϕ′ (x̄) = 1 − + 5x̄ 4 − 5ωx̄ 4 − =0
5 5x̄ 5
comme x̄ 5 = 3 donc
ϕ′ (x̄) = 1 − ω + 5x̄ 4 − 5ωx̄ 4 = 0
d’ou
1 + 5x̄ 4
ω= = 1.
1 + 5x̄ 4
3. Pour avoir un ordre m > 2, il faut que ϕ(i) (x̄) = 0 pour i = 1, .., m. On suppose que ϕ" (x̄) = 0, donc
12ω
ϕ" (x̄) = 20x̄ 3 − 20ωx̄ 3 + = 0.
x̄ 6
Sachant que x̄ 5 = 3, on trouve
5x̄ 4
ω=
5x̄ 4 − 1
On remarque que 5x̄ 4 −1 6= 0 et que ∀x̄, ω 6= 1 et donc ϕ′ (x̄) 6= 0. Alors pour tout ω ∈ R, on ne peut
pas avoir l’ordre supérieur à 2.

Remarque 25. La convergence de la méthode de point fixe est souvent difficile à réaliser en pratique,
de plus elle est lente de type linéaire.

1.2.2 Méthode de Newton

Le processus itératif de Newton pour résoudre f (x) = 0 est :

 x0 donnée dans [a, b]
f (xn ) (1.4)
 xn+1 = xn − ′ ,n ∈N
f (xn )

c’est-à-dire dans ce cas il suffit cherche le point fixe de la fonction ϕ(x) = x − f (x)/ f ′ (x).

Theorem 26. (Théorème de la convergence globale de la méthode de Newton)

Si f ∈ C 2 [a, b] vérifie :
1. f (a) f (b) < 0
2. ∀ x ∈ [a, b] f ′ (x) 6= 0 ( f est strictement monotone)
3. ∀ x ∈ [a, b] f ′′ (x) 6= 0 ( f concave)
Alors en choisissant x0 ∈ [a, b] tel que f (x0 ) f ′′ (x0 ) > 0 le processus de Newton (1.4) converge vers
l’unique solution x de f (x) = 0 dans [a, b].
10 Équations Non-Linéaires

f (xn )

x̄ xn+1 xn

F IGURE 1.2 – Méthode de Newton

De plus, nous avons l’estimation suivante

M
|xn+1 − x̄| ≤ |xn − x̄|2 ,
2m
où m = inf | f ′ (x)| et m = sup | f ′′ (x)|.
[a,b] [a,b]

Theorem 27. Si x est un zéro simple, la méthode de Newton est au moins quadratique.
Exemple 1.2.1. Soit l’équation (1) : f (x) = x 3 + x − 1 = 0 sur le domaine [0, 1].
1. Les conditions d’application de l’algorithme de Newton sont :
— f est une fonction de classe C 2 ([0, 1]), car est une fonction polynomiale.
— f (0) f (1) = −1 < 1.
— f ′ (x) = 3x 2 + 1 6= 0 sur [0, 1].
— f ′′ (x) = 6x ≥ 0, ∀x ∈ [0, 1].
Donc la méthode de Newton converge, ∀x0 ∈ [0, 1], telle que f (x0 ). f ′′ (x0 ) > 0.
2. Pour x0 = 0.8, on a f (0.8) f ′′ (0.8) = 1.4976 > 0, donc la méthode de Newton converge c’est-à-dire

 x0 = 0.8
la suite f (xn ) 2xn3 + 1 est convergente.
 xn+1 = xn − ′ =
f (xn ) 3xn2 + 1
On a x1 = 1.035, x2 = 0.763, x3 = 0.687, x4 = 0.682, x5 = 0.682. Donc x̄ = 0.682 est la racine appro-
ché à 10−3 près.
M
3. On a |xn+1 − x̄| ≤ |xn+1 − xn |2 avec M = sup | f ′′ (x)| = 6 et m = inf | f ′ (x)| = 1
2m [0,1] [0,1]
M
|x4 − x̄| ≤ |x4 − x3 |2 ⇒ |0.682 − x̄| ≤ 3|0.682 − 0.687|2 = 0.000075, d’où x̄ ∈ [0.681925, 0.682075].
2m
Remarque 28. La méthode de Newton possède de grands avantages (converge rapidement quand elle
converge), mais peut diverger si la donnée initiale est mal choisie, de plus elle nécessite le calcul de la
dérivée de f , ce qui est numériquement difficile si on ne la connait pas explicitement.
On contourne cette difficulté en remplaçant le calcul de f ′ (xn ) par l’expression suivante
f (xn ) − f (xn−1 )
f ′ (xn ) ≃ .
xn − xn−1
1.3 Exercices 11

xn−1 xn+1
x̄ xn

F IGURE 1.3 – Méthode de la sécante

Ainsi on définit la méthode de la sécante dont le processus est donné par

(
x0 , x1 donnée dans [a, b]
xn − xn−1 (1.5)
xn+1 = xn − f (xn ) .
f (xn ) − f (xn−1 )

1.3 Exercices

Exercice 29. On considère la fonction f (x) = x 3 − 2x 2 − x + 1.

1. Montrer que la fonction possède un zéro unique dans l’intervalle [2; 2.5].

2. Déterminer le nombre de chiffres significatifs minimum que l’on obtiendrait si 10 itérations de

la méthode de la bissection étaient effectuées à partir de l’intervalle [2 ; 2.5].

3. Faire quatre itérations.

Corrigé

1. La fonction f est continue sur [2, 2.5] et vérifie f (2) f (2.5) = (−1)(1.625) < 0, donc elle admet un
zéro α ∈]2, 2.5[. De plus f est strictement croissante, alors α est unique.
En effet :
On a f ′ (x) = 3x 2 − 4x − 1 et f ′′ (x) = 6x − 4.
On peut vérifier facilement que ∀ x ∈]2, 2.5[, f ′′ (x) > 0 donc f ′ est strictement croissante, on a
alors ∀ x ∈]2, 2.5[, f ′ (x) > f ′ (2) = 3 > 0, d’où f est strictement croissante.

2. L’erreur absolue est ǫ ≥ |b − a|/2n = 0.5 × 2−10 = 0.488 × 10−3 donc 3 chiffres significatifs.
12 Équations Non-Linéaires

k ak xk bk signe de f (ak ) signe de f (xk ) signe de f (b k )

01 2.000 2.250 2.500 - + +
02 2.000 2.125 2.250 - - +
03 2.125 2.187 2.250 - - +
04 2.187 2.218 2.250 - - +
3. 05 2.218 2.234 2.250 - - +
06 2.234 2.242 2.250 - - +
07 2.242 2.246 2.250 - - +
08 2.246 2.248 2.250 - + +
09 2.246 2.247 2.248 - + +
10 2.246 2.246 2.247 - - +
α = 2.246 à 10−3 .

Exercice 30. Soit l’équation suivante : x 3 − a = 0 avec a > 0

p
3
1. Donner la suite définissant la méthode de Newton pour évaluer la racine cubique de a d’un
nombre a. Justifier l’expression de la suite.
2. Vérifier les conditions d’applications de la méthode de Newton.
p3
3. Application numérique : calculer 10 à 10−2 avec x0 = 2.

½ Corrigé : On veut calculer le zéro de la fonction f (x) = x 3 − a dans l’intervalle [0, b] tel que b =
1, si 0 < a ≤ 1
a, si a ≥ 1
f (xn ) xn3 − a 2xn3 + a
1. Le processus de Newton est défini par xn+1 = xn − = x n − =
f ′ (xn ) 3xn2 3xn2
2. Les conditions d’applications de la méthode de Newton sont
(a) f est de classe C 1 (R+ ), car c’est une fonction polynomiale.
½
−a(1 − a), si 0 < a ≤ 1
(b) f (0) f (b) = (−a)(b 3 − a) = >0
−a 2 (a + 1)(a − 1), si a ≥ 1
(c) f ′ (x) = 3x 2 > 0, ∀x > 0.
(d) f "(x) = 6x > 0, ∀x > 0.
(e) Dans le cas 0 < a ≤ 1 on choisit x0 = 1, puisque f (1) f "(1) = 6(1 − a) ≥ 0 évident
Et dans le cas où a > 1 on prend x0 = a, puisque f (a) f "(a) = 6a 2 (a + 1)(a − 1) > 0. évident
3. Pour a = 10 et x0 = 2, le processus de Newton est donné par

 2xn3 + 10
xn+1 = , pour n ≥ 1
 3xn2
x0 = 2.
p3
On a à 10−20 10 = 2.1544346900318837218. En appliquant le processus de Newton, on obtient
la solution à 10−2 à la deuxième itérations.
p
3
k xk f (xk ) |xk − 10|
0 2.00 -2.00 0.15
1 2.16 0.07 0.01
2 2.15 -0.06 0.00
3 2.15 -0.06 0.00

Exercice 31. Soit la fonction f (x) = xe x − 2x, une fonction définie dans R.
1. Montrer que f (x) admet un unique minimum dans [0, 1].
2. Montrer que l’algorithme de Newton permet de déterminer une valeur approchée de ce mini-
mum. Écrire l’algorithmes pour une convergence à 10−6 près.
1.3 Exercices 13

3. Calculer le minimum de la fonction f à 10−6 près.

Corrigé de l’exo 31
1. On pose f (x) = g ′ (x) = (x + 1)e x − 2. L’extremum de g est le zéro de f . On a
• la fonction f est continue sur [0, 1].
• f (0) f (1) = (−1)(2e − 2) < 0,
donc elle admet un zéro α ∈]0, 1[.
• De plus f est strictement croissante ( f ′ (x) = g ′′ (x) = (x+2)e x > 0, ∀ x ∈]0, 1[), alors α est unique.
Le tableau des variations de g nous montre que l’extremum α est un minimum.
x 0 α 1
g′ - 0 +
g 0ց g (α) ր e −2
2. Pour x0 = 1, le processus de Newton converge et défini par

f (xn ) (xn2 + xn − 1)e xn + 2

xn+1 = xn − = .
f ′ (xn ) (xn + 2)e xn

En effet :
• La fonction f est de classe C 2 ([0, 1]),
• f (0) f (1) < 0,
• la premiére dérivée de f ne changent pas de signe, c’est-é-dire

∀ x ∈ [0, 1], f ′ (x) = (x + 2)e x 6= 0,

• la deuxiéme dérivée de f ne changent pas de signe, c’est-é-dire

∀ x ∈ [0, 1], f ′′ (x) = (x + 3)e x 6= 0,

• Pour x0 = 1, f (1) f ′′ (1) = 8e(e − 1) > 0

Dans notre cas l’algorithme est donné par
x0 = 1
k := 0
while |xk+1 − xk | < 10−6 do xk+1 := ((xk2 + xk − 1) ∗ exp(xk ) + 2)/(xk + 2)/ exp(xk )
k := k + 1
end while
3. α = 0.3748225282.

Exercice 32. On veut réoudre l’équation

f (x) = 2xe x − 1 = 0. (1.6)

1. Monter que l’équation (1.6) admet une solution dans l’intervalle [0, 1]
2. (a) Vérifier les conditions d’application de la méthode de Newton.
(b) Écrire l’algorithme de Newton, et calculer x1 , x2 , x3 avec x0 = 1.
3. (a) Vérifier que l’équation (1.6) peut s’écrire sous la forme de point fixe : x = 21 e −x = φ(x)
(b) Écrire l’algorithme de point fixe, et calculer x1 , x2 , x3 avec x0 = 1.
(c) Justifier la convergence de la méthode.

Corrigé
On a f (x) = 2xe x − 1 = 0 (1).
1. f est continue sur [0, 1] et f (0) f (1) = (−1)(2e − 1) = 1 − 2e < 0 alors ∃α ∈]0, 1[ tel que f (α) = 0.
De plus, f est strictement croissante sur ]0, 1[ (car f ′ (x) = 2(x + 1)e x > 0 ,∀ x ∈]0, 1[) donc α est
unique.
14 Équations Non-Linéaires

2. (a) Conditions d’application de la méthode de Newton

i. f ∈ C 2 ([0, 1]).
ii. f (0) f (1) < 0
iii. f ′ (x) = 2(x + 1)e x 6= 0, ∀ x ∈]0, 1[
iv. f ′′ (x) = 2(x + 2)e x 6= 0, ∀ x ∈]0, 1[
v. On pose x0 = 1, on a f (1) f ′′ (1) = 6e(2e − 1) > 0 D’où l’algorithme de Newton est conver-
gente vers α.
(
x0 = 1donn?,
(b) L’algorithme de Newton est donné par la suite suivante : f (x ) 1+2e xn
xn+1 = xn − f ′ (xnn ) = 2(1+x x ,
n )e n
x1 = 0.5919698602, x2 = 0.3938809001, x3 = 0.3532291400.
1 e −x
3. (a) f (x) = 0 ⇔ x = 2e x = φ(x) car e x 6= 0.
= 2
½
x0 = 1, donn?
(b) L’algorithme du point fixe est donn ?par : −xn
xn+1 = φ(xn ) = e 2
x1 = 0.1839397206, x2 = 0.4159929772 et x3 = 0.3298424517.
(c) • Stabilité de Φ sur [0, 1] :
Φ est décroissante sur [0, 1] alors on a φ([0, 1]) ⊂ [φ(1), φ(0)] = [0.18.., 0.5] ⊂ [0, 1],
donc φ est stable dans [0, 1].
• Φ est Contractante sur [0, 1] :
|φ′ (x)| = 2e1x ≤ 12 < 1 donc φ est contractante.