Académique Documents
Professionnel Documents
Culture Documents
linéaires
AJDOUR Mounia
Faculté des Sciences et Techniques de Tanger
Licence Energies Renouvelables
20 octobre 2021
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
1 Introduction
2 Méthode de la bissection
4 Méthode de Newton-Raphson
2 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Introduction 3 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Calculer les zéros d’une fonction réelle f (de façon équivalente, les racines
de la l’équation f (x) = 0) est un problème que l’on rencontre assez souvent en
calcul scientifique.
Introduction 4 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Méthode de la bissection
Méthode de la bissection 5 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Méthode de la bissection 6 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Exemple
Soit :
f (x) = x3 + x2 − 3x − 3
On sait que dans l’intervalle [x1 = 1, x2 = 2] il y a une racine car
Méthode de la bissection 7 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Et ainsi de suite...
On voit clairement que l’intervalle devient de plus en plus petit et que l’on se
dirige vers 1.732050 (la racine de 3).
Méthode de la bissection 8 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Méthode de la bissection 9 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Erreurs d’approximation
Soit [a, b] l’intervalle de départ de longueur L.
Soit [x1 , x2 ] l’intervalle à l’étape n et xn = x1 +x
2
2
l’approximation de la racine
pour cette étape.
Puisque r ∈ [x1 , x2 ] on a :
x2 − x1
∆r = |r − xn | <
2
La longueur étant coupée par deux à chaque étape, on a donc à l’étape n
L L
x2 − x1 = ⇒ |r − xn | < n+1
2n 2
Plus le nombre d’étape est grand, plus l’approximation de r est précise. En
langage mathématique on dit que la suite {xn } “converge” vers r (on note
xn → r).
Méthode de la bissection 10 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Méthode de la bissection 11 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Vocabulaire
Une méthode itérative est une méthode qui applique de manière
successive un procédé P (P est un algorithme quelconque).
Pour la méthode de la bissection, P consiste à déterminer le
sous-intervalle et fixer la valeur de l’approximation de la racine.
Méthode de la bissection 12 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Quand s’arrêter
Une méthode itérative donne à chaque itération une approximation d’une ra-
cine. La question est de savoir quand s’arrêter. Dans un monde idéal on arrête-
rait lorsque
|xn − r| = 0
Mais,il est plus que probable que cette condition ne sera jamais atteinte. Et le
calcul ne s’arrêtera jamais......
On devra se contenter d’une précision fixée a priori en fonction de nos besoin.
Méthode de la bissection 13 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Définition 1.2
Dans une méthode itérative une condition permettant l’arrêt de la méthode
s’appelle un critère d’arrêt. Deux types de critères d’arrêt
critère de convergence, on vérifie si l’approximation satisfait une
précision exigée (succès),
critère de divergence, on vérifie une condition indiquant l’impossibilité
d’atteindre la précision demandée (échec).
Méthode de la bissection 14 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
|r − xn | < Tolabs
Tolabs est la tolérance sur l’erreur absolue : on tolère une erreur absolue si
elle est inférieure à Tolabs .
Tolrel est la tolérance sur l’erreur relative : on tolère une erreur relative
inférieure à Tolrel . Mais si |xn | = 0 ?
Méthode de la bissection 15 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Méthode de la bissection 16 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
f (x) = 0
Definition 1.3
Une racine de
x − g(x) = 0
porte le nom de point fixe. On le nomme ainsi car il reste invariant pour la
fonction g (x est inchangé par la transformation g).
Remarque g(x) = x − f (x) n’est pas la seule manière de réécrire f (x) = 0 sous
forme d’équation de point fixe.
Méthodes des points fixes 18 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
f (x) = x3 + 4x2 − 10 = 0
Substituer la recherche des racines de f à celle des points fixes de g est intéres-
sant car il existe un algorithme très simple permettant de déterminer des points
fixes. Il suffit en effet d’effectuer, à partir d’une valeur estimée initiale x0 , les
itérations de la façon suivante :
x0 donné
xn+1 = g(xn )
1
√
Méthode des points-fixes : g(x) = 2
10 − x3
|xn −xn−1 |
n xn g(xn ) |xn |
0 1.5000000000E + 00 1.2869537676E + 00 − − − − −−
1 1.2869537676E + 00 1.4025408035E + 00 1.6554303483E − 01
2 1.4025408035E + 00 1.3454583740E + 00 8.2412601205E − 02
3 1.3454583740E + 00 1.3751702528E + 00 4.2426009320E − 02
4 1.3751702528E + 00 1.3600941928E + 00 2.1605963867E − 02
5 1.3600941928E + 00 1.3678469676E + 00 1.1084570565E − 02
6 1.3678469676E + 00 1.3638870039E + 00 5.6678671036E − 03
7 1.3638870039E + 00 1.3659167334E + 00 2.9034397255E − 03
8 1.3659167334E + 00 1.3648782172E + 00 1.4859833373E − 03
9 1.3648782172E + 00 1.3654100612E + 00 7.6088561110E − 04
10 1.3654100612E + 00 1.3651378207E + 00 3.8951227284E − 04
L’algorithme converge !
q
10
Méthode des points-fixes : g(x) = 4+x
|xn −xn−1 |
n xn g(xn ) |xn |
0 1.5000000000E + 00 1.3483997249E + 00 − − − − −−
1 1.3483997249E + 00 1.3673763720E + 00 1.1242977306E − 01
2 1.3673763720E + 00 1.3649570154E + 00 1.3878144638E − 02
3 1.3649570154E + 00 1.3652647481E + 00 1.7724782257E − 03
4 1.3652647481E + 00 1.3652255942E + 00 2.2540149182E − 04
L’algorithme diverge !
Comme on pouvait le prévoir, le comportement de l’algorithme dépend de la
fonction g.
Sous quelles conditions l’algorithme de point fixe converge vers r qui est si-
multanément un point fixe de g et une racine de f ?
en = xn − r
g00 (r)e2n
g(xn ) − g(r) = g0 (r)en + + ....
2!
Mais en utilisant la propriété de point fixe de r et la définition de xn+1 on a
g00 (r)e2n
en+1 = xn+1 − r = g(xn ) − g(r) = g0 (r)en + + ....
2!
g00 (r)e2n
en+1 = g0 (r)en + + ....
2!
En supposant e2n négligeable devant en , on écrit
en+1 ≈ g0 (r)en
Taux de convergence
Le taux de convergence d’une méthode est donné par |g0 (r)|.
g00 (r) 2
en+1 ≈ en
2
Ordre de convergence
On dit qu’une méthode des points fixes converge à l’ordre p si :
Exemple
Retour aux fonctions g1 et g2 déja vues :
r
1p 10
g1 (x) = 10 − x3 g2 (x) =
2 4+x
Ces fonctions ont un point fixe dans [1, 2], alors
−3 x2 −3 x2 −3x2
g01 (x) = √ = =
4 10 − x3 4 2g1 (x) 8g1 (x)
r
1 4 + x −10 1 1 −(g2 (x))4 −(g2 (x))3
g02 (x) = = =
2 10 (4 + x)2 2 g2 (x) 10 20
On va évaluer ces expressions au point fixe (en se servant de gi (r) = r pour
i = 1, 2)
−6 −3
−1 < ≤ g01 (r) ≤ <0
8 8
−8 −1
≤ g02 (r) ≤
−1 < <0
20 20
Pour les deux fonctions la méthode des points fixes est d’ordre 1.
Definition 1.4
Le bassin d’attraction d’un point fixe r est l’ensemble des valeurs x0 pour
lesquelles la méthode des points fixes converge vers r lorsque la valeur intiale
est x0 .
Definition 1.5
Le point fixe r de g est attractif si |g0 (r)| < 1.
Le point fixe r de g est répulsif si |g0 (r)| > 1.
Le point fixe r de g est indéterminé si |g0 (r)| = 1.
Théorème 1.1
Soit g une fonction continue et dérivable sur [a, b]. Si pour tout x ∈ [a, b] on
a:
g[a, b] ∈ [a, b]
| g0 (x) |< 1
alors :
g possède un unique point fixe r dans [a, b]
[a, b] est contenu dans le bassin d’attraction de r
L’algorithme des points fixes xn+1 = g(xn ) converge vers r et ce, quelle
que soit la valeur de x0 dans [a, b].
Estimation de l’erreur
Une des difficulté rencontrée pour évaluer le taux de convergence était que
l’on pouvait difficilement évaluer en puisqu’en général on ne connaît pas r. Ce
e
qui posait des problèmes pour l’évaluation de n+1 en . Cependant, on peut
montrer que :
en+1 xn+1 − r xn+1 − xn+2 En+1
= ≈ = avec En = xn − xn+1
en xn − r xn − xn+1 En
Méthode de Newton-Raphson
Méthode de Newton-Raphson 36 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
f (xn )
1 Effectuer : xn+1 = xn −
f 0 (xn )
|xn+1 − xn |
2 Si < a :
|xn+1 |
I convergence atteinte
I écrire la solution xn+1 : arrêt
3 Si le nombre maximal d’itérations N est atteint :
I convergence non atteinte en N itérations : arrêt
4 retour à l’étape 1
Méthode de Newton-Raphson 37 / 40
Introduction Méthode de la bissection Méthodes des points fixes Méthode de Newton-Raphson
Analyse de convergence
f (x)
g(x) = x −
f 0 (x)
Il n’est donc pas nécessaire de reprendre l’analyse de la concergence à zéro.
En effet, on sait que la convergence dépend de g0 (r)
g0 (r) = 0
f (xn ) e−xn − xn
xn+1 = xn − = xn −
f 0 (xn ) −e−xn − 1
Méthode de Newton-Raphson 40 / 40