Académique Documents
Professionnel Documents
Culture Documents
INTRODUCTION
1 Introduction
Dans les études scientifiques et d’ingénierie, le problème fréquent est de trouver les racines des équations de
la forme
f (x) = 0. (1)
Si f (x) est une expression quadratique, cubique ou bi-quadratique, alors des formules algébriques sont
disponibles pour exprimer les racines en termes de coefficients. En revanche, lorsque f (x) est un polynôme
de degré supérieur ou une expression faisant intervenir des fonctions transcendantes (non algébrique), les
méthodes algébriques ne sont pas disponibles, et il faut recourir à la recherche des racines par des méthodes
approchées.
Ce chapitre porte sur la description de plusieurs méthodes numériques pour la résolution d’équations de la
forme donnée dans l’Eq (1), où f (x) est algébrique ou transcendante ou une combinaison des deux. Les
fonctions algébriques de la forme
sont appelés polynômes et nous discutons de certaines méthodes pour déterminer leurs racines.
Une fonction non algébrique est appelée une fonction transcendante, par exemple, les fonctions
1
1 − x
f (x) = ln x − , ϕ(x) = e 2 − 5x, ψ(x) = sin2 x − x2 − 2 sont transcendantes.
4
3
Les racines de l’Eq (1) peuvent être réelles ou complexes. Nous discutons des méthodes de recherche d’une
racine réelle d’équations algébriques ou transcendantes ainsi que les méthodes qui permettent de déterminer
toutes les racines réelles des polynômes.
Nous allons voir dans ce chapitre comment évaluer numériquement une solution d’une équation de la forme
f (x) = 0 avec f une application de R dans R, dans des cadres où la théorie nous assure qu’une telle solution
existe, mais sans en fournir d’expression analytique. Les méthodes qui seront exposées sont des méthodes
itératives; le principe est de partir d’une estimation grossière de la solution puis d’en améliorer la précision
par une application itérée d’un algorithme.
Si ∆ < 0, il n’y a pas de solutions dans R (mais il y en a deux dans C, corps dans lequel il existe
des racines carrées de tout nombre).
√
−b ± ∆
Si ∆ > 0, l’équation a deux solutions dans R données par: x = .
2a
−b
Si ∆ = 0, l’équation a deux solutions confondues en une seule: x = .
2a
1
3. Polynôme de degré 3: ax3 + bx2 + cx + d = 0, avec a ̸= 0 : Formules de Tartaglia-Cardan. Où il faut
transformer l’équation en x3 = px + q et la solution sera alors
sr sr
3 q 2 p 3 q 3 q2 p3 q
x= − + − − −
4 27 2 4 27 2
Toute valeur α vérifiant f (α) = 0, s’appelle racine de l’équation f (x) = 0, ou bien zéro de la fonction
f (x).
Pour la recherche des valeurs approchées aux racines des équations de type f (x) = 0, nous allons utiliser les
méthodes itératives suivantes:
1. Méthode de Dichotomie (ou de bissection);
2. Méthode de Newton-Raphson (ou de Newton);
3. Méthode du point fixe (ou des approximations successives).
2
Figure 1: Représentation graphique de la méthode de la bissection.
Si f (a0 ).f (x0 ) < 0, alors I1 = [a1 , b1 ] = [a0 , x0 ], (c’est-à-dire: b1 prend la valeur x0 );
sinon I1 = [a1 , b1 ] = [x0 , b0 ], (c’est-à-dire: a1 prend la valeur x0 ).
Étape 3: On itère le procédé pour obtenir une suite d’intervalles emboités: In = [an , bn ], n = 2, 3, ..., comme
an + bn
suite, on pose n = n + 1 et xn = et on teste,
2
si f (an ).f (xn ) < 0, alors In+1 = [an+1 , bn+1 ] = [an , xn ], (c’est-à-dire: bn+1 prend la valeur xn );
sinon In+1 = [an+1 , bn+1 ] = [xn , bn ], (c’est-à-dire: an+1 prend la valeur xn ) jusqu’à que le critère
d’arrêt est vérifié.
Exemple 3.3.1:
Exemple 3.3.2:
3
3.4 Estimation de l’erreur et nombre d’itérations
Définition 3.4.1: Erreur absolue commise par la méthode de Dichotomie
Exemple 2.4.2:
Soit p un entier positif. On dit qu’une méthode est convergente et d’ordre p s’il existe une constante
C telle que
|α − xn+1 | ≤ C.|α − xn |p
Dans le cas de la méthode de Dichotomie, on peut donner une majoration de l’erreur par:
1
|α − xn+1 | ≤ .|α − xn |
2
1
On a p = 1 et C = < 1. D’où, on peut dire que la convergence de la méthode de Dichotomie est
2
linéaire.
La convergence de la méthode de la bissection n’est pas très rapide, mais elle est sûre à partir du
moment où on a un intervalle avec changement de signe.
4
4 Méthode de Newton-Raphson (ou méthode de la tangente)
4.1 Principe théorique
Cette méthode se base sur les développements de Taylor qui vont nous permettre d’obtenir la formule de
récurrence.
Soit à résoudre l’équation de la forme: f (x) = 0. A partir d’une valeur initiale x0 de la solution, on cherche
une correction ∆x tel que : f (x0 + ∆x) = 0.
Le développement de Taylor au voisinage de x0 est donné par:
f (x0 )
f (x0 + ∆x) = 0 ⇐⇒ f (x0 + ∆x) = f (x0 ) + f ′ (x0 ) ∆x = 0 =⇒ ∆x = −
f ′ (x0 )
La correction ∆x est en principe la quantité que l’on doit ajouter à x0 pour annuler la fonction f (x). Puisque
on a négligé les termes d’ordre supérieur ou égale à 2 dans le développement de Taylor, cette correction n’est
pas parfaite. On pose x1 = x0 + ∆x. On recommence la procédure, en cherchant à corriger x1 d’une nouvelle
quantité ∆x. On obtient la formule de récurrence suivante:
f (xn )
xn+1 = xn − , ∀n ∈ N.
f ′ (xn )
5
f (xn )
Étape 2: Calculer la valeur de x1 en utilisant la suite récurrente xn+1 = xn − .
f ′ (xn )
Étape 3: Si le critère d’arrêt est vérifié, alors on arrête les itérations, et la solution est x∗ = x1 . Sinon, on
incrémente la valeur de n par 1 (n = n + 1) et retourner à l’étape 2.
Exemple 4.4.1:
Exemple 4.4.2:
|α − xn+1 | ≤ C |α − xn |2 .
Remarque 4.6: Si x0 est choisi assez proche de α, la méthode de Newton converge très rapidement vers α
car la convergence est quadratique.
6
5 Méthode de point fixe (ou méthode des approximations successives)
C’est la méthode la plus ancienne pour trouver la racine réelle d’une équation non linéaire f (x) = 0 et
ressemble beaucoup à la méthode de bissection. Dans cette méthode, également appelée regula-falsi ou
méthode des accords, on choisit deux points a et b tels que f (a) et f (b) soient de signes opposés. Par
conséquent, une racine doit se situer entre ces points. Or, l’équation de la tangente joignant les deux points
[a, f (a)] et [b, f (b)] est donnée par
y − f (a) f (b) − f (a)
= (3)
x−a b−a
La méthode consiste à remplacer la partie de la courbe entre les points [a, f (a)] et [b, f (b)] par la tangente
joignant ces points, et à prendre le point d’intersection de la tangente avec l’axe x comme approximation de
la racine. Le point d’intersection dans le cas présent est obtenu en mettant y = 0 dans l’Eq (3). Ainsi, on
obtient
f (a) af (b) − bf (a)
x1 = a − (b − a) = (4)
f (b) − f (a) f (b) − f (a)
qui est la première approximation de la racine de f (x) = 0. Si maintenant f (x1 ) et f (a) sont de signes opposés,
alors la racine se situe entre a et x1 , et on remplace b par x1 dans l’Eq (4), et obtenir l’approximation suivante.
Sinon, nous remplaçons a par x1 et générons l’approximation suivante. La procédure est répétée jusqu’à ce
que la racine soit obtenue avec la précision souhaitée. La figure 3 donne une représentation graphique de la
méthode.
Avant d’aborder la méthode du point fixe (appelée aussi méthode des approximations successives), il est
important de définir ce qu’est un point fixe d’une fonction.
7
Définition 5.1: Point fixe d’une fonction
Soit g : I ⊂ R une fonction continue sur I. Un point fixe d’une fonction g est tout point x ∈ I
vérifiant
x = g(x).
D’un point de vue graphique, les points fixes de g correspondent aux points d’intersection de la courbe
représentative de g et de la droite d’équation y = x.
Exemple 5.a:
Exemple 5.b: La fonction g(x) = x2 +1, n’admet aucun point fixe dans R, car l’équation g(x) = x n’admet
pas de solution dans R. En effet
x2 + 1 = x =⇒ x2 − x + 1 = 0 =⇒ ∆ < 0.
Exemple 5.2.1:
Exemple 5.2.2:
8
Remarque: le Théorème 5.2.1 a été annoncé grâce au Théorème des accroissements finis.
Alors la fonction g admet un point fixe unique α ∈ [a, b] vérifiant α = g(α), et pour tout point
x0 ∈ [a, b], la suite (xn )n∈N définie par
(
x0 ∈ [a, b];
xn+1 = g(xn )
lim xn = α.
n→∞
Exemple 5.2.3:
Étape 5: Si le critère d’arrêt est vérifié, alors l’algorithme s’arrête et la solution est x∗ = xn+1 . Sinon, on
incrémente le n et on retourne à l’étape 4.
Chercher α tel que g(α) = α revient à chercher l’intersection du graphe de f avec la droite y = x,
c’est à dire à trouver le point fixe de g, d’où le nom de la méthode.
9
5.5 Critère d’arrêt
On arrête les calculs pour la méthode de point fixe lorsque |xn+1 − xn | ≤ ε.
Sachant que
|xn − α| ≤ k n |x0 − α| , ∀n ∈ N∗ .
Propriétés 5.7.1
Alors, pour tout x0 ∈ [a, b], la suite xn+1 = g(xn ) converge vers l’unique point fixe α.
10
Définition 5.7.2: Point fixe répulsif
Propriétés 5.7.2
Si α est un point fixe répulsif de g, alors la suite xn+1 = g(xn ) pour x0 ̸= α ne converge pas vers α (en
d’autre terme, diverge).
Remarque 5.7.3
La convergence d’une méthode de point fixe est également assujettie au choix de la valeur initiale x0 . En
effet, un mauvais choix de x0 peut résulter en un algorithme divergent même si la condition |g ′ (x)| < 1 est
respectée. Cela nous amène à définir le bassin d’attraction d’une racine α.
En d’autre termes, le bassin d’attraction de α comprend tous les points x0 pour lesquels la méthode de
point fixe converge vers α. Pour s’assurer de la convergence, il faut choisir x0 dans le bassin d’attraction de
α.
Exemple 5.7:
17 31
Considérons l’équation f (x) = x2 − 2x − 3 = 0 sur , . Résoudre cette équation avec la méthode de
10 10
5
point fixe en démarrant de x0 = avec une précision de 10−2 prés.
2
Solution:
11
17 31
Continuité de f : f continue sur , car c’est un polynôme.
10 10
Existence:
17 31 17 31 17 31
On a f = −3.51 et f = 0.41 et comme f .f < 0 alors ∃ α ∈ , tel que
10 10 10 10 10 10
f (α) = 0.
Unicité:
17 31
On a f ′ (x) = 2x − 2 = 2(x − 1) > 0 sur , . Comme f est strictement croissante alors α est
10 10
unique.
Les transformations possibles de f (x) = 0 en x = g(x) sont:
1 3
f (x) = 0 ⇐⇒ x = x2 − = g1 (x)
2 2
3
f (x) = 0 ⇐⇒ x = 2 + = g2 (x)
√x
f (x) = 0 ⇐⇒ x = − 2x + 3 = g3 (x)
√
f (x) = 0 ⇐⇒ x = 2x + 3 = g4 (x)
1 2 3
Pour la fonction g1 = x − :
2 2
Stabilité de g1 :
17 31
g1 = −0.055 , g1 = 3.305
10 10
17 31
g1′ (x) = x > 0, ∀x ∈ , alors g1 est stritement croissante
10 10
17 31 17 31 17 31
g1 , = g1 , g1 = [−0.055; 3.305] ̸⊂ , .
10 10 10 10 10 10
D’où g1 n’est pas stable.
Par conséquent, la suite récurrente xn+1 = g1 (xn ) ne converge pas vers la solution α.
3
Pour la fonction g2 = 2 + :
x
Stabilité de g2 :
17 31
g2 = 3.76 , g2 = 2.96
10 10
′ 3 17 31
g2 (x) = − 2 < 0, ∀x ∈ , alors g2 est stritement décroissante
x 10 10
17 31 31 17 17 31
g2 , = g2 , g2 = [2.96; 3.76] ̸⊂ , .
10 10 10 10 10 10
D’où g2 n’est pas stable.
Par conséquent, la suite récurrente xn+1 = g2 (xn ) ne converge pas vers la solution α.
√
Pour la fonction g3 = − 2x + 3:
Stabilité de g3 :
17 31
g3 = −2.52 , g3 = −3.03
10 10
−1 17 31
g3′ (x)
=√ < 0, ∀x ∈ , alors g3 est stritement décroissante
2x + 3 10 10
17 31 31 17 17 31
g3 , = g3 , g3 = [−3.03; −2.52] ̸⊂ , .
10 10 10 10 10 10
D’où g3 n’est pas stable.
La suite récurrente xn+1 = g3 (xn ) ne converge pas vers la solution α.
√
Pour la fonction g4 = + 2x + 3:
12
Stabilité de g4 :
17 31
g4 = 2.52 , g4 = 3.03
10 10
1 17 31
g4′ (x) = √ > 0, ∀x ∈ , alors g4 est stritement croissante
2x + 3 10 10
17 31 17 31 17 31
g4 , = g4 , g4 = [2.52; 3.03] ⊂ , .
10 10 10 10 10 10
D’où g4 est stable.
Contraction de g4 :
17 31
g4 est contractante sur , si |g4′ (x)| ≤ k < 1, k = max |g4′ (x)|.
10 10 x∈[ 17 , 31
10 10 ]
1 1
g4′ (x) = √ =⇒ |g4′ (x)| = g4′ (x) = √
2x + 3 2x + 3
′
1 −1 17 31
=⇒ √ = √ < 0, ∀x ∈ ,
2x + 3 (2x + 3) 2x + 3 10 10
17 31
Alors g4′ (x) est strictement décroissante ∀x ∈ , .
10 10
17
max |g4′ (x)| = g4′ = 0.39 < 1. Donc g4 est contractante
10
Les suites xn+1 = g1 (xn ) ; xn+1 = g2 (xn ) et xn+1 = g3 (xn ) sont divergentes, par contre xn+1 = g4 (xn )
converge vers la racine de f (x).
5
Résolution de l’équation avec x0 = et ε = 10−2 :
2
√
xn+1 = g4 (xn ) = 2xn + 3, ∆n = |xn+1 − xn |
√
n xn+1 = 2xn + 3 ∆n ∆n ≤ 10−2
p
0 x1 = 2(2.5) + 3 = 2.82 |2.82 − 2.5| = 0.32 Non
p
1 x2 = 2(2.82) + 3 = 2.93 |2.93 − 2.82| = 0.11 Non
p
2 x3 = 2(2.93) + 3 = 2.97 |2.97 − 2.93| = 0.04 Non
p
3 x4 = 2(2.97) + 3 = 2.98 |2.98 − 2.97| = 0.01 Oui
La solution approchée de la racine à 10−2 près par la méthode de point fixe est x∗ = x4 = 2.98 avec
f (x∗ ) = −0.00796
13