Université Mohamed Khider-Biskra

Faculté des Sciences et de la Technologie

Département de Génie Electrique

signe

1 :jpg

Cours en:

Méthodes numériques
Conforme au programme de 2èm e année LMD

Enseignante: Dr:Benelmir Imane

1
 CHAPITRE I
Résolution numérique des équations non linéaires de la forme f (x ) = 0

1 Introduction
Soit f une fonction continue sur R. On cherche à localiser les zéros de f , c’est-à-
dire les valeurs de x telles que f (x) = 0. En général x ne peut pas être calculée
explicitement (penser à exp(xtgx) 4 = 0!). On cherche donc à calculer x de
façon approchée.

Théorème des valeurs intermédiaires (TVI)

On considère une fonction réelle continue f dé…nie sur un intervalle [a; b] avec
a < b.

- Si f (a) f (b) < 0 alors il existe au moins un réel 2 I = ]a; b[, tel que
f ( ) = 0:
- Si de plus f 0 (x) 6= 0, quel que soit x 2 I alors la solution est unique.

On suppose que f admet une unique racine sur I, c’est-‘a-dire qu’il existe un
unique 2 I tel que f ( ) = 0.

2 Méthode de dichotomie (bissection)

On considère un intervalle [a; b] et une fonction f continue de [a; b] dans R.
On suppose que f (a) f (b) < 0 et que l’équation f (x) = 0 admet une unique
solution sur l’intervalle I.

2.1 Principe
La méthode de dichotomie consiste à construire une suite fxn gn2N qui converge
vers de la manière suivante:
a+b
1. On pose x0 le milieu de [a; b] i.e x0 = . La racine se trouve alors
2
dans l’un des deux intervalles ]a; x0 [ ou ]x0 ; b[ ou bien elle est égale à x0 .

- Si f (a) f (x0 ) < 0, alors 2 ]a; x0 [. On pose a1 = a; b1 = x0 .

- Si f (a) f (x0 ) = 0, alors = x0 .
- Si f (a) f (x0 ) > 0, alors 2 ]x0 ; b[. On pose a1 = x0 ; b1 = b:

2
 a1 + b1
2. On pose alors x1 le milieu de [a1 ; b1 ] i.e. x1 = .
2
En itérant, on obtient une suite de segment emboîtés ]an ; bn [ dont la
b a
longueur est , qui converge donc vers le point tel que f ( ) = 0.
2n
Pratiquement ce processus
doit avoir une …n.
On suppose vouloir connaître avec une précision absolue de ".
an + bn
3. A l’étape n, on choisit comme approximation de la valeur .
2

2.2 Etude de la convergence

Soit fxn gn2N la suite générée par l’algorithme de recherche par dichotomie. Soit
la solution du problème f (x) = 0. Si l’algorithme de dichotomie arrive jusqu’à
l’étape n alors on a l’estimation
b a
jxn j :
2n+1
Par conséquent, la suite fxn gn2N converge vers .

2.3 Critère d’arrêt de calcul (test d’arrêt)

Pour que la valeur de xn de la suite à la n-ième itération soit une valeur ap-
prochée de à " > 0 près, il su¢ t que n véri…e
b a
":
2n+1
On a alors
b a
jxn j ":
2n+1
Ce qui permet de calculer à l’avance le nombre maximal n 2 N d’itérations
assurant la précision ".

b a
log
"
n 1:
log 2

Remarques
La méthode de dichotomie converge toujours, mais la convergence est linéaire.
L’inconvénient de cette méthode est qu’elle est lente, c’est pourquoi on va in-
troduire une autre méthode plus rapide.

3
3 Méthode de point …xe (approximations suc-
cessives)
Cette méthode consiste à transformer l’équation f (x) = 0 en une équation
équivalente g(x) = x où g est une fonction auxiliaire "bien" choisie. Le point
est alors un point …xe de g si g( ) = . Approcher les zéros de f revient à
approcher les points …xes de g.

3.1 Principe
La méthode de point …xe consiste à construire une suite fxn gn2N qui converge
vers de la manière suivante:
Si g est une application dé…nie sur l’intervalle [a; b] à valeurs dans [a; b], alors
la suite fxn gn2N dé…nie par

x0 2 [a; b]
8n 0 : xn+1 = g(xn )

converge vers l’unique solution de l’équation g(x) = x avec 2 [a; b]:

Remarques

- On note que x0 est une valeur de départ donnée (par dichotomie par exemple).
- On démarre par x0 , on calcul d’abord x1 = g(x0 ) pour n = 0, ensuite on
calcule x2 = g(x1 ) pour n = 1; :::; jusqu’a xn+1 = g(xn ):
- Le choix de la fonction g est motivé par les exigences du théorème de point
…xe.
- Il ne reste plus qu’à appliquer localement le théorème de point …xe pour
démontrer que
lim xn = :
n !+1

3.2 Critère de convergence (théorème de point …xe)

Soit g : [a; b] ! [a; b], on a

Existence d’un point …xe:

- Continuité: g(x) 2 C 1 [a; b] :

- Stabilité: g ([a; b]) [a; b] :

Unicité du point …xe:

- g est dérivable.
- g est contractante: max jg 0 (x)j k < 1:
x2I

4
On peut ainsi dire que la suite fxn gn2N dé…nie par xn+1 = g(xn ) converge vers
:

De…nition 1 Soit g : [a; b] ! [a; b] de classe C 1 pour laquelle est un point

…xe:

- Attractif si jg 0 ( )j < 1:
- Répulsif si jg 0 ( )j > 1:
- Douteux si jg 0 ( )j = 1:

3.3 Ordre de convergence

Soit g : I ! I de classe C m ; avec m 2 N. On suppose que g admet un unique
point …xe 2 I véri…ant jg 0 ( )j < 1:
Alors la suite itérée fxn gn2N dé…nie par

x0 2 [a; b]
8n 0 : xn+1 = g(xn )
converge vers :
De plus, si

g 0 ( ) = g 00 ( ) = ::: = g (m 1)
( ) = 0 et g (m) ( ) 6= 0

alors l’ordre de convergence de fxn gn2N est égal à m.

Remarques
On dit que la convergence est quadratique si jg 0 ( )j = 0 et jg"( )j =
6 0:

3.4 Critère d’arrêt de calcul (test d’arrêt)

On arrête les calculs pour cette méthode lorsque

jxn+1 xn j ";

où " est une précision donnée.

5
4 Méthode de Newton-Raphson
C’est la méthode la plus e¢ cace et la plus utilisée, elle repose sur le développe-
ment de Taylor. Si f (x) est continûment dérivable dans le voisinage de solution
de f (x) = 0, alors le développement en série de Taylor autour d’un estimé xn
proche de s’écrit
2
( xn ) 0 ( xn ) 00
f ( ) = f (xn ) + f (xn ) + f (xn ) + :
1! 2!
Si xn est un estimé proche de , alors le carré de l’erreur "n = xn et les
termes de degrés supérieurs sont négligeable. Sachant que f ( ) = 0 on obtient
la relation approximative

f (xn ) + ( xn ) f 0 (xn ) 0:

Donc
f (xn )
= xn :
f 0 (xn )
On peut écrire la (n + 1)ieme itération approximant comme suit

f (xn )
8n 0 : xn+1 = xn :
f 0 (xn )

Cette suite, si elle converge, elle doit converger vers la solution de f (x) = 0.
On remarque que f 0 (x) doit être non nulle.
Remarque
La méthode de Newton est une méthode de point …xe associée à la fonction

f (x)
g(x) = x :
f 0 (x)

4.1 Principe
Soit f une fonction dé…nie sur un intervalle [a; b], continûment dérivable sur
[a; b] i.e. de classe C 1 sur [a; b]. On suppose que f a un seul zéro dans [a; b] noté
tel que f 0 ( ) 6= 0.
Pour cela, on donne un point initial x0 , et on trace à partir du point (x0 ; f (x0 ))
la tangente à la courbe. Elle coupe l’axe des x en x1 (si f 0 (x0 ) 6= 0), et on itère.

4.2 Critère de convergence (théorème de convergence glob-

ale)
Soit f : [a; b] ! R une fonction de classe C 2 et que f 0 et f 00 ne s’annulent pas
sur I. Soit x0 2 I tel que f (x0 ) soit du même signe que f 00 (on suppose qu’il
existe au moins un tel x0 ).

6
La suite fxn gn2N dé…nie par
8
< x0 2 [a; b] tel que f (x0 ) f 00 (x0 ) > 0
f (xn )
: 8n 0 : xn+1 = xn = g(xn ):
f 0 (xn )

converge vers unique zéro de f sur I.

Theorem 2 Soit f : [a; b] ! R de classe C 2 sur [a; b] véri…ant:

f (a) f (b) < 0:

8x 2 [a; b] : f 0 (x) 6= 0; f 00 (x) 6= 0 et gardent un signe constant sur
l’intervalle donné.
La suite fxn gn2N dé…nie par
8
< x0 2 [a; b]
f (xn )
: 8n 0 : xn+1 = xn :
f 0 (xn )

converge vers . De plus, la convergence est quadratique.

4.3 Critère d’arrêt de calcul (test d’arrêt)

Si la condition de convergence est véri…ée, le procédé itératif doit converger.
Cela veut dire que chaque nouvelle itération est meilleure que la précédente, de
ce fait on peut dire que si on a une précision ", on arrête le calcul lorsque la
di¤érence absolue entre deux approximations successives est inférieure ou égale
à la précision donnée. C’est-à-dire

jxn+1 xn j ":

Si cette condition est véri…ée on prend xn+1 comme solution de f (x) = 0.

Remarques

1. La méthode de bissection est inconditionnellement convergente, son incon-

vénient est sa lenteur pour obtenir la solution avec une grande précision.
Elle peut servir pour démarrer d’autres méthodes plus performantes.
2. La méthode de point …xe est plus rapide que celle de bissection à condition
qu’elle converge.

3. La méthode de Newton-Raphson est la plus rapide, elle permet d’obtenir

des solutions très précises en un nombre réduit d’itérations.