Resolution EqNonLin Part1

A NALYSE NUM ÉRIQUE 2
Chapitre 1 : Résolution numérique des équations non

linéaires
Hatem H AMDA
hatem.hamda@gmail.com
École Nationale d’Ingénieurs de Carthage
A.U. 2023 - 2024
H. Hamda ( École Nationale

Chapitre d’Ingénieurs
1 : Equations nonde Carthage)
linéaires 1 / 68
1 I NTRODUCTION
2 M ÉTHODE DE DICHOTOMIE ( OU DE LA BISSECTION )

Principe et Algorithme
Mesure de l’erreur et application
3 M ÉTHODE DE LA FAUSSE POSITION ( OU DE L AGRANGE )

Convergence
4 M ÉTHODE DU POINT FIXE ( OU DES APPROXIMATIONS SUCC .)

Conditions suffisantes de convergence
Vitesse de convergence
Critères d’arrêt
5 M ÉTHODE DE N EWTON )
Résultats de convergence
6 M ÉTHODE DE LA S ÉCANTE )
Résultat de convergence
H. Hamda ( École
Chapitre 1 : Equations
Nationale nonde
d’Ingénieurs linéaires
Carthage) 2 / 68
I NTRODUCTION
1. I NTRODUCTION

linéaires 3 / 68
I NTRODUCTION
Approximation d’un ou plusieurs zéros d’une fonction réelle d’une variable réelle
Etant donnée f : I = [a, b] → R, trouver α ∈ I tel que
f (α) = 0
Pour la plus part des fonctions il n’est pas possible de calculer α explicitement.
exemple : polynôme de degré 5
⇒ Recourir à des méthodes numériques.

Plusieurs méthodes numériques d’approximation de α existent et elles diffèrent
par leur rapidité de convergence et par leur robustesse.
Ces méthodes sont en général itératives : elles consistent à construire une suite
(xn )n∈N telle que
lim xn = α
n→+∞

linéaires 4 / 68
I NTRODUCTION
Ordre de convergence
La vitesse de convergence d’une méthode itérative est caractérisée par :
Définition
On dit qu’une suite (xn )n∈N construite par une méthode numérique converge vers α
avec un ordre p ≥ 1 (pas nécessairement entier) s’il existe C > 0 et n0 ∈ N tel que
|xn+1 − α|
p
≤ C , ∀n ≥ n0 ou encore |xn+1 − α| = O(|xn − α|p )
|xn − α|
Dans ce cas on dit que la méthode itérative est d’ordre p.

|xn+1 − α|
p = sup{s ∈ R+ ; lim < ∞}
n→+∞ |xn − α|s
• Si p = 1, la convergence de (xn ) vers α est dite linéaire (convergence si C < 1).
• Si p = 2, la convergence est dite quadratique (convergence si C|xn0 − α| < 1).
H. Hamda ( École
Nationale nonde
Carthage) 5 / 68
M ÉTHODE DE DICHOTOMIE ( OU DE LA BISSECTION )
2. M ÉTHODE DE DICHOTOMIE ( OU DE LA BISSECTION )

linéaires 6 / 68
M ÉTHODE DE DICHOTOMIE ( OU DE LA BISSECTION ) Principe et Algorithme
Théorème des valeurs intermédiaires
La méthode de dichotomie est basée sur le théorème des valeurs intermédiaires.

Théorème
Soit f une fonction définie continue sur un segment [a, b] (a < b).
Si f (a)f (b) < 0 alors il existe α ∈]a, b[ tel que
f (α) = 0
Si de plus f est strictement monotone alors α est unique.
! ! ! = "(#)
! = "(#) " ' >&
" ' >&
$ %
' # % $ #
'
" % <&
" % <&
H. Hamda ( École
Nationale nonde
Carthage) 7 / 68
Description de la méthode
Soit f : I = [a, b] → R continue vérifiant f (a)f (b) < 0.

a 0 + b0
Posons [a0 , b0 ] = [a, b] et x0 = .
2
On a nécessairement l’une des trois conditions suivantes :
1 f (x0 ) = 0 et alors α = x0 est la solution cherchée.
2 f (a0 )f (x0 ) < 0, et on posera alors a1 = a0 et b1 = x0 .
3 f (x0 )f (b0 ) < 0, on posera alors a1 = x0 et b1 = b0 .

linéaires 8 / 68
y!
! = "(#)
a! x1! $ x0! b!
x!
I2!
I1!
I0!

linéaires 9 / 68
En répétant le même raisonnement pour [a1 , b1 ] . . . etc, on aura
a m + bm
ou bien il existe m ∈ N tel que f (xm ) = 0 avec xm = , et alors
2
α = xm est la solution cherchée.
ou bien on construit une suite de segments emboı̂tés In = [an , bn ] et une suite
(xn ) vérifiant, pour tout n ∈ N,
In+1 = [an+1 , bn+1 ] ⊂ [an , bn ] = In ,

a n + bn
a n ≤ xn = ≤ bn ,
2
b0 − a 0
bn − a n = ,
2n
et f (an )f (bn ) < 0

linéaires 10 / 68
Par construction
(an ) ր , (bn ) ց , et lim (bn − an ) = 0,

n→+∞
alors les suites (an ) et (bn ) sont adjacentes et donc elles admettent une même limite l.
Le théorème d’encadrement donne : an ≤ x n ≤ bn
lim xn = lim an = lim bn = l

n→+∞ n→+∞ n→+∞
Puisque f est continue, on aura
lim f (an )f (bn ) = (f (l))2 ≤ 0

n→+∞
d’où
f (l) = 0

linéaires 11 / 68
Algorithme
1. • f : [a0 , b0 ] → R donnée telle que f (a0 )f (b0 ) < 0

• ǫ > 0 assez petit (Tolérance ou précision fixée)
• et N nombre maximal d’itérations
a 0 + b0
2. x0 = ; k = 0;
2
3. tant que |bk − ak | > ǫ et |f (xk )| > ǫ et k ≤ N faire
si f (ak )f (xk ) < 0 alors ak+1 = ak ;

bk+1 = xk ;
sinon ak+1 = xk ;
bk+1 = bk ;
fin si
a k + bk
k = k + 1; xk = ;
2
fin tant que

linéaires 12 / 68
Algorithme
Remarques
1 Le critère limitant le nombre total d’itérations agit comme un garde fou visant à
éviter des temps de calcul excessifs et la perte de contrôle probable de
l’évolution des erreurs d’arrondis qui risque d’en découler.
2 ǫ désigne l’erreur absolue tolérée sur la valeur approchée du zéro α.
3 Il est parfois utile d’introduire un critère d’arrêt sur l’erreur relative
|bk − ak |
,
|xk |
mais il faut prendre garde au cas ou α = 0 : risque de division par 0 au cours de

l’évaluation de l’erreur.

linéaires 13 / 68
√
Exemple : Approximation de 10
= x2 − 10, [a, b] = [3, 4].

f (x) √
α = 10 est l’unique zéro de la fonction f dans [3, 4].
(f continue strictement croissante sur [3, 4] et f (3)f (4) < 0).
√
On utilise la méthode de dichotomie pour calculer une approximation de 10 avec
une précision ǫ = 10−2 :
[a0 , b0 ] = [3 , 4] x0 = 3.5
f (3) = −1 , f (4) = 6 , f (3.5) = 2.25 ⇒ [a1 , b1 ] = [3 , 3.5] et x1 = 3.25
f (3.25) = 0.5625 > 0 ⇒ [a2 , b2 ] = [3 , 3.25] , x2 = 3.125
f (3.125) = −0.23.. < 0 ⇒ [a3 , b3 ] = [3.125 , 3.25] , x3 = 3.1875
f (3.1875) > 0 ⇒ [a4 , b4 ] = [3.125 , 3.1875] , x4 = 3.15625
f (3.15625) < 0 ⇒ [a5 , b5 ] = [3.15625 , 3.1875] , x5 = 3.171875
f (3.171875) > 0 ⇒ [a6 , b6 ] = [3.15625 , 3.171875] , x6 = 3.164062
f (3.164062) > 0 ⇒ [a7 , b7 ] = [3.15625 , 3.164062]
|b7 − a7 | = 3.164062 − 3.15625 = 0.0078 ≤ 10−2 ⇒ α ∈ [3.15625 , 3.164062].

linéaires 14 / 68
M ÉTHODE DE DICHOTOMIE ( OU DE LA BISSECTION ) Mesure de l’erreur et application
Formule d’estimation d’erreur
Les itérations s’achèvent à l’étape k quand
|xk − α| ≤ |Ik | ≤ ǫ ou |f (xk )| ≤ ǫ,
avec
|Ik | = bk − ak : longueur de Ik
On a
b−a
∀n ∈ N, n
|In | =
.
2
En notant |en | = |xn − α| l’erreur absolue à l’itération n, on déduit la formule
d’estimation d’erreur suivante :
b−a b−a
∀n ≥ 0, |en | ≤ n . On peut aussi écrire |en | ≤
2 2n+1

linéaires 15 / 68
Formule d’estimation d’erreur
La méthode de dichotomie est donc toujours convergente, à partir du moment où on a

un intervalle avec changement de signe. Mais la convergence n’est pas très rapide.
En effet : Pour avoir |xn − α| ≤ ǫ, le nombre d’itérations nécessaires n vérifie :
b−a ln( b−a

ǫ
)
≤ǫ ou encore n ≥
2n ln(2)
Ainsi, pour améliorer la précision de l’approximation de α d’un ordre de grandeur, c’est à dire trouver
ln(10)
k > j tel que |xk − α| = 10−1 |xj − α|, on doit effectuer k − j ≥ ≃ 3, 32 itérations, soit 4
ln(2)
dichotomies.
Exemple
si [a, b] = [1, 2] et ǫ = 10−2 , on trouve n ≥ 6.64, il faut donc 7 itérations.
Pour ǫ = 10−6 , on trouve n ≥ 19.93, il faut donc 20 itérations.

linéaires 16 / 68
Application
On considère l’équation
10x − 9e−x = 0
La fonction f définie sur [0, 1] par f (x) = 10x − 9e−x est continue, dérivable, et on a
f ′ (x) = 10 + 9e−x > 0
Donc f est strictement croissante sur [0, 1].

De plus f (0) = −9 et f (1) ≃ 6, 69 sont de signes contraires, il existe alors une
solution unique α ∈]0, 1[ tel que
f (α) = 0
Le nombre nécessaire n d’itérations assurant une précision ǫ = 10−6 doit vérifier
1 −6 ln(106 ) ln(106 )
≤ 10 ou encore n≥ , soit n = E( ) + 1 = 20 itérations
2n ln(2) ln(2)

linéaires 17 / 68
Application
Le programme Matlab suivant :
a = 0; b = 1;
f or i = 1 : 20
a+b
m= ;
2
if (f (m) > 0) b = m;
else a = m;
end;
end;
donne le résultat :
a = 0, 52983284 , b = 0, 52983379 et b − a = 0, 95.10−6 ≤ 10−6
La solution obtenue est 0, 529833 à 10−6 près

linéaires 18 / 68
Avantages et Inconvénients
b−a
1 La majoration |xn − α| ≤ n
est parfois assez large.
2
Exemple : f (x) = 10x − 5 et [a, b] = [0, 1], ǫ = 10−10 .

10 ln(10)
On trouve α = 0.5 et f (α) = 0 donc nnum = 1 alors que ntheor = E( ln(2)
) + 1 = 34.
2 La convergence de la méthode de dichotomie, en utilisant le test d’arrêt |bk − ak | ≤ ǫ, est linéaire.
Conclusion
La méthode de dichotomie a l’avantage d’exiger peu d’hypothèses sur la
fonction f et d’assurer la convergence.
L’inconvénient majeur est la lenteur de la convergence de son algorithme.
Généralement cette méthode est utilisée pour obtenir une approximation
raisonnable de α pouvant servir à l’initialisation d’une méthode d’ordre plus
élevé, qui fournira alors une convergence plus rapide.

linéaires 19 / 68
Exercice 1
On considère f (x) = x3 − x − 3.
1 Montrer que f admet un zéro unique α dans ]1, 3[.
2 En utilisant la méthode de dichotomie sur l’intervalle [1, 3], estimer le nombre
des itérations nécessaires pour calculer une valeur approchée de α à 10−1 près.
3 Calculer une valeur approchée de α à 10−1 près, par la méthode de dichotomie
sur [1, 3].

linéaires 20 / 68
M ÉTHODE DE LA FAUSSE POSITION ( OU DE L AGRANGE )
2. M ÉTHODE DE LA FAUSSE POSITION ( OU DE L AGRANGE )

linéaires 21 / 68
M ÉTHODE DE LA FAUSSE POSITION ( OU DE L AGRANGE ) Principe et Algorithme
La méthode de la fausse position ne diffère de celle de dichotomie que par le

choix de xn .
A chaque itération, au lieu de prendre le milieu du segment [an , bn ], on choisit
l’abscisse du point d’intersection avec l’axe des abscisses, de la droite passant
par les points (an , f (an )) et (bn , f (bn )) .
Cette droite a pour équation :
f (bn ) − f (an )
y= (x − an ) + f (an )
bn − a n
pour y = 0, on obtient
bn − a n an f (bn ) − bn f (an )
xn := x = an − f (an ) =
f (bn ) − f (an ) f (bn ) − f (an )

linéaires 22 / 68
y!
! = "(#)
a! x2! x1! x0! b!

$ x!
I1!
I0!
F IGURE : Construction des trois premiers itérés.

linéaires 23 / 68
Algorithme
1. • f : [a0 , b0 ] → R donnée telle que f (a0 )f (b0 ) < 0

a0 f (b0 ) − b0 f (a0 )
2. x0 = ; k = 0;
f (b0 ) − f (a0 )
3. tant que |bk − ak | > ǫ et |f (xk )| > ǫ et k ≤ N faire
si f (ak )f (xk ) < 0 alors ak+1 = ak ;

bk+1 = xk ;
sinon ak+1 = xk ;
bk+1 = bk ;
fin si
ak f (bk ) − bk f (ak )
k = k + 1; xk = ;
f (bk ) − f (ak )
fin tant que

linéaires 24 / 68
M ÉTHODE DE LA FAUSSE POSITION ( OU DE L AGRANGE ) Convergence
Résultat de Convergence
Théorème
Soit f : [a, b] → R continue telle que f (a)f (b) < 0. On suppose que f admet un zéro
unique α ∈ [a, b], alors la suite (xn )n∈N définie par la méthode de la fausse position
converge vers α.
Preuve
Les suites (an ), (bn ) et (xn ) vérifient
an f (bn ) − bn f (an )
[an+1 , bn+1 ] ⊂ [an , bn ] , an ≤ xn = ≤ bn et f (an )f (bn ) < 0
f (bn ) − f (an )
La suite (an ) est croissante et majorée par b0 et la suite (bn ) est décroissante et minorée par a0 , donc
convergent. Posons l1 = lim an et l2 = lim bn .
n→+∞ n→+∞
Puisque f est continue, au aura
lim f (an )f (bn ) = f (l1 )f (l2 ) ≤ 0 (1)

n→+∞

linéaires 25 / 68
Résultat de Convergence
1er cas : f (l1 ) = f (l2 ).

L’inégalité (1) donne dans ce cas f (l1 ) = f (l2 ) = 0. Or f admet un zéro unique α ∈ [a, b], alors
l1 = l2 = α
Le théorème d’encadrement donne : lim xn = α. an ≤ x n ≤ bn

n→+∞
2ème cas : f (l1 ) 6= f (l2 ).
Puisque f est continue alors
l1 f (l2 ) − l2 f (l1 )
lim xn = =l (2)
n→+∞ f (l2 ) − f (l1 )
On a ∀n ∈ N , xn = an+1 ou bien xn = bn+1 .
et donc l = l1 ou l = l2 .
si l = l1 (donc l =
6 l2 ), l’égalité (2) s’écrit
lf (l2 ) − l2 f (l)
=l ou encore lf (l) = l2 f (l)
f (l2 ) − f (l)
comme l 6= l2 alors f (l) = 0 et par suite l = α (d’après l’unicité de α).

De même si l = l2 (donc l 6= l1 ), on obtient l = α.

linéaires 26 / 68
Théorème (O RDRE DE CONVERGENCE)

Soit f : [a, b] → R continue telle que f (a)f (b) < 0. On suppose que f admet un zéro
unique α ∈ [a, b]. Si f est deux fois dérivables sur [a, b] et f ′′ garde un signe
constant sur ]a, b[ alors il existe c ∈ R+ telle que f convexe ou concave
|xn+1 − α|
lim =c
n→+∞ |xn − α|
La méthode est donc à convergence linéaire (d’ordre 1) dans ce cas.
Conclusion
La méthode de la fausse position peut être vue comme une méthode
globalement convergente, tout comme celle de dichotomie.
Il existe des situations où les deux méthodes ne fonctionnent pas
- la courbe de f est tangente à l’axe des abscisses.
- f admet deux zéros (ou un nombre pair de zéros) dans [a, b]. (f (a)f (b) ≥ 0)
- f admet un nombre impair (> 1) de zéros dans [a, b]. (difficulté de choisir le zéro)

linéaires 27 / 68
Cf est tangente à (Ox) f admet deux zéros f admet trois zéros

linéaires 28 / 68
M ÉTHODE DU POINT FIXE ( OU DES APPROXIMATIONS SUCC .)
2. M ÉTHODE DU POINT FIXE

( OU DES APPROXIMATIONS SUCCESSIVES )

linéaires 29 / 68
M ÉTHODE DU POINT FIXE ( OU DES APPROXIMATIONS SUCC .) Principe et Algorithme
Principe de la méthode
Le principe de cette méthode consiste à remplacer l’équation f (x) = 0 par une

équation équivalente x − g(x) = 0, où g est une fonction choisie de manière à ce
que :
g(α) = α ⇔ f (α) = 0
Définition
Soit g : [a, b] → R une fonction continue. On dit que α est un point fixe de g lorsque
g(α) = α
Approcher un zéro de f se ramène donc au problème de la détermination d’un

point fixe de g.
Une méthode courante pour la détermination de point fixe se résume à la
construction d’une suite (xn )n∈N par le procédé itératif suivant :

linéaires 30 / 68
Principe de la méthode

 partant d’un choix initial x0 ∈ [a, b], on pose
xn+1 = g(xn ) , n≥0


La méthode d’approximation résultante est appelée méthode du point fixe ou bien

encore méthode des approximations successives, et g est la fonction d’itération de la
méthode.
Naturellement une telle suite n’est pas forcement convergente. Par contre,
lorsqu’elle est bien définie et convergente, et si g est continue alors sa limite l
vérifie g(l) = l, ou encore f (l) = 0.
Le choix de g n’est pas unique : par exemple toute fonction de la forme
g(x) = x + F (f (x)), où F est une fonction telle que F (0) = 0, est une
fonction d’itération possible. En particulier g(x) = x − f (x) ou plus
généralement g(x) = x − λf (x) , λ ∈ R∗ quelconque.

linéaires 31 / 68
Algorithme
1. • g : [a, b] → R, x0 ∈ R données.
2. x1 = g(x0 ); k = 0;
3. tant que |xk+1 − xk | > ǫ (ou bien |f (xk )| > ǫ) et k ≤ N faire
k = k + 1; xk+1 = g(xk );
fin tant que
Cet algorithme prévoit un nombre maximal d’itérations N , fixé à priori à

l’avance, car, comme nous allons le voir, la convergence de (xn ) n’est pas
toujours assurée.
Une description détaillée sur les critères d’arrêt de cet algorithme sera présentée
à la fin de cette section.

linéaires 32 / 68
Exemple1
On considère l’équation x2 − 2x − 3 = 0. √
On applique l’algorithme du point fixe avec x0 = 4 et g(x) = 2x + 3, on obtient
√
x1 = g(4) = 11 = 3.3166248
x2 = g(x1 ) = 3.1037477
..
.
x10 = g(x9 ) = 3.0000157
L’équation x2 − 2x − 3 = 0 admet deux racines −1 et 3. Si on applique l’algorithme

du point fixe avec x0 = 4 et d’autres fonctions g, on obtient
3
pour g(x) = , la suite (xn ) converge vers −1.
x−2
x2 − 3
pour g(x) = , la suite (xn ) diverge vers +∞.
2
• Cet exemple montre bien que la méthode du point fixe, selon le choix de g,
converge vers l’une ou l’autre et peut même diverger dans certains cas.

linéaires 33 / 68
Exemple2
On considère l’équation x2 − x = 0.
On applique l’algorithme du point fixe avec g(x) = x2 , on obtient

pour x0 = 0, 8, la suite (xn ) converge vers 0.
pour x0 = 1.2, la suite (xn ) diverge vers +∞.
• Cet exemple montre que la méthode du point fixe, selon le choix de x0 ,

peut converger ou diverger.
Il faut donc déterminer dans quelles conditions cette méthode est convergente.

linéaires 34 / 68
M ÉTHODE DU POINT FIXE ( OU DES APPROXIMATIONS SUCC .) Conditions suffisantes de convergence
Définition (F ONCTION CONTRACTANTE)

Soit g une fonction définie sur un intervalle I, non nécessairement borné de R. On dit
que g est contractante sur I s’il existe un réel K ∈ [0, 1[ tel que
∀x, y ∈ I , |g(x) − g(y)| ≤ K|x − y|
On dit aussi que g est lipschitzienne de rapport K < 1.
Remarquons qu’une telle fonction est nécessairement continue sur I.
Théorème
Soit g une fonction définie sur un intervalle I, non nécessairement borné de R.
Supposons que g est dérivable et qu’il existe un réel K ∈ [0, 1[ tel que
|g ′ (x)| ≤ K, ∀x ∈ I.
Alors g est contractante sur I.

linéaires 35 / 68
Preuve
Soit x, y ∈ I et x 6= y. Le théorème des accroissements finis appliqué à g entre x et y montre qu’il existe ξ entre x et y tel que
′
g(x) − g(y) = g (ξ)(x − y)
′
Par suite |g(x) − g(y)| = |g (ξ)||x − y| ≤ K|x − y|.
L’inégalité reste vraie pour x = y, d’où le résultat.
Théorème (CS DE CONVERGENCE GLOBALE)
Soit g une fonction définie sur I = [a, b] (a < b) vérifiant les conditions suivantes :
(H1 ) g(I) ⊂ I (condition de stabilité).
(H2 ) g est contractante sur I (condition de contraction).
Alors g admet un unique point fixe α dans I et la suite (xn ) définie par
xn+1 = g(xn )
converge vers α pour tout choix initial x0 ∈ I.

linéaires 36 / 68
Preuve
1 Existence : considérons la fonction h définie sur [a, b] par h(x) = x − g(x). Elle est continue sur [a, b] et h(a)h(b) ≤ 0,
alors d’après le TVI, ∃α ∈ [a, b] tq h(α) = 0 et donc g(α) = α.
2 Unicité : supposons qu’il existe α, β ∈ [a, b] et α =

6 β tels que g(α) = α et g(β) = β.
Comme g est contractante de rapport K < 1, alors |α − β| = |g(α) − g(β)| ≤ K|α − β| < |α − β|,
ce qui est impossible. Donc nécessairement α = β.
3 Convergence : La stabilité de l’intervalle [a, b] montre que si x0 ∈ [a, b] alors
∀n ∈ N, xn ∈ [a, b], on peut le démontrer, par exemple, par recurrence
et |xn+1 − α| = |g(xn ) − g(α)| ≤ K|xn − α|
Par récurrence, on montre que : ∀n ∈ N, |xn − α| ≤ K n |x0 − α| ≤ K n |b − a|.

n
Ainsi la suite (xn ) converge vers α, puisque 0 ≤ K < 1 et donc lim K = 0.
n→+∞
Remarques
La convergence est d’autant plus rapide que K est proche de 0.

On a le même résultat si l’intervalle I est fermé et non borné.
On commence par montrer que (xn ) est bien définie et est de Cauchy, donc converge, puis on montre que α est un point fixe et enfin l’unicité

linéaires 37 / 68

Resolution EqNonLin Part1

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Resolution EqNonLin Part1

Transféré par

Droits d'auteur :

Formats disponibles

A NALYSE NUM ÉRIQUE 2

Chapitre 1 : Résolution numérique des équations non

École Nationale d’Ingénieurs de Carthage

A.U. 2023 - 2024

H. Hamda ( École Nationale

2 M ÉTHODE DE DICHOTOMIE ( OU DE LA BISSECTION )

3 M ÉTHODE DE LA FAUSSE POSITION ( OU DE L AGRANGE )

4 M ÉTHODE DU POINT FIXE ( OU DES APPROXIMATIONS SUCC .)

H. Hamda ( École Nationale

Etant donnée f : I = [a, b] → R, trouver α ∈ I tel que

⇒ Recourir à des méthodes numériques.

H. Hamda ( École Nationale

La vitesse de convergence d’une méthode itérative est caractérisée par :

Dans ce cas on dit que la méthode itérative est d’ordre p.

• Si p = 1, la convergence de (xn ) vers α est dite linéaire (convergence si C < 1).

• Si p = 2, la convergence est dite quadratique (convergence si C|xn0 − α| < 1).

2. M ÉTHODE DE DICHOTOMIE ( OU DE LA BISSECTION )

H. Hamda ( École Nationale

Théorème des valeurs intermédiaires

La méthode de dichotomie est basée sur le théorème des valeurs intermédiaires.

Si de plus f est strictement monotone alors α est unique.

" ' >&

Soit f : I = [a, b] → R continue vérifiant f (a)f (b) < 0.

On a nécessairement l’une des trois conditions suivantes :

1 f (x0 ) = 0 et alors α = x0 est la solution cherchée.

2 f (a0 )f (x0 ) < 0, et on posera alors a1 = a0 et b1 = x0 .

3 f (x0 )f (b0 ) < 0, on posera alors a1 = x0 et b1 = b0 .

H. Hamda ( École Nationale

H. Hamda ( École Nationale

En répétant le même raisonnement pour [a1 , b1 ] . . . etc, on aura

In+1 = [an+1 , bn+1 ] ⊂ [an , bn ] = In ,

H. Hamda ( École Nationale

(an ) ր , (bn ) ց , et lim (bn − an ) = 0,

lim xn = lim an = lim bn = l

Puisque f est continue, on aura

lim f (an )f (bn ) = (f (l))2 ≤ 0

H. Hamda ( École Nationale

1. • f : [a0 , b0 ] → R donnée telle que f (a0 )f (b0 ) < 0

si f (ak )f (xk ) < 0 alors ak+1 = ak ;

H. Hamda ( École Nationale

mais il faut prendre garde au cas ou α = 0 : risque de division par 0 au cours de

H. Hamda ( École Nationale

= x2 − 10, [a, b] = [3, 4].

|b7 − a7 | = 3.164062 − 3.15625 = 0.0078 ≤ 10−2 ⇒ α ∈ [3.15625 , 3.164062].

H. Hamda ( École Nationale

Formule d’estimation d’erreur

Les itérations s’achèvent à l’étape k quand

|xk − α| ≤ |Ik | ≤ ǫ ou |f (xk )| ≤ ǫ,

H. Hamda ( École Nationale

Formule d’estimation d’erreur

La méthode de dichotomie est donc toujours convergente, à partir du moment où on a

b−a ln( b−a

Pour ǫ = 10−6 , on trouve n ≥ 19.93, il faut donc 20 itérations.

H. Hamda ( École Nationale

f ′ (x) = 10 + 9e−x > 0

Donc f est strictement croissante sur [0, 1].

H. Hamda ( École Nationale

Le programme Matlab suivant :

a = 0, 52983284 , b = 0, 52983379 et b − a = 0, 95.10−6 ≤ 10−6

La solution obtenue est 0, 529833 à 10−6 près

H. Hamda ( École Nationale

Exemple : f (x) = 10x − 5 et [a, b] = [0, 1], ǫ = 10−10 .

2 La convergence de la méthode de dichotomie, en utilisant le test d’arrêt |bk − ak | ≤ ǫ, est linéaire.

H. Hamda ( École Nationale