Méthodes numériques Cours 2eme année licence

Chapitre 2
Résolution des équations non-linéaires
1. Introduction :
Dans la pratique, la plupart des problèmes se ramenant a la résolution d’une équation
de la forme f ( x)  0

La résolution de cette équation dépend de la classe à laquelle appartient la fonction f

( f est un polynôme de degré n  3 ou l’expression f est complexe).

Les méthodes classiques de résolution ne permettent pas de résoudre de tels

problèmes, on fait donc appel aux techniques des méthodes numériques. Les méthodes
proposées sont : la méthode de la bissection, approximations successives et de
Newton-Raphson.

2. Localisation des racines :

La plupart des méthodes numériques nécessite la détermination d’un intervalle  a, b

contenant une seule racine dite racine séparée  de f ( x)  0

 Méthode de séparation :
 L’étude de variation de f , puis l’utilisation du théorème de la valeur
intermédiaire.
 La réécriture de f sous forme f1 ( x)  f 2 ( x) puis la recherche des points
d’intersection entre f1 et f 2
Exemple :
f ( x)  e x sin x  1
Remarque :
On suppose que f est continue et que la racine  est localisée (séparée) dans
un intervalle  a, b
3. Les méthodes utilisées :
3.1. Méthode de dichotomie (bissection) :
Le but de cette méthode est de construire une suite d’intervalle de plus en plus petites
contenants une racine séparée de f ( x)  0 .

4
Méthodes numériques Cours 2eme année licence

 Principe de la méthode :

La méthode de dichotomie est basée sur le théorème de la valeur intermédiaire

Soit f ( x)  0 ,  une racines séparée de f ( x) dans  a, b .

a0  b0
1) On pose  a, b   a0 , b0  , on divise  a0 , b0  en deux on obtient c0 
2

Si f (a0 ). f (c0 ) 0 Alors I1   a1 , b1    a0 , c0  si non I1  c0 , b0 

an  bn
et ainsi de suite on construit la suite d’intervalles I n   an , bn  et donc cn 
2

Si f (an ). f (cn ) 0 Alors I n1   an , cn  Sinon I n1  cn , bn 

On prend comme approximation de  la valeur cn en utilisant n itérations. Plus loin,

on verra comment déterminer le nombre d’itération nécessaire n en se donnant une
erreur d’approximation  telle que cn    

 Test d’arrêt :
bn  an b0  a0
bn1  an1   n1
2 2

b0  a0
D’où  est racine de f ( x)  0 cn   
2n1

Remarque :

Si on désire de calculer le nombre d’itération suffisante n pour approcher  à  , on

procède comme suit :

b a 
ln  0 0 
b0  a0 2 
cn      n 
2n1 ln 2

5
Méthodes numériques Cours 2eme année licence

b a 
ln  0 0 
2 
Il suffit de prendre n  1
ln 2

Exemple :

Soit la fonction f ( x)  x  0, 2sin x  0,5

Calculer la valeur approchée par la méthode de bissection avec   0,5.101 dans  0, 2

Solution :

On calcule le nombre d’itérations suffisants

b a   20 
ln  0 0  ln 
2  2.0,5.101 
n   n   n  4,32  n=5
ln 2 ln 2

n an bn cn f (an ) f (cn )
0 0 2 1 - +
1 0 1 0 ,5 - -
2 0 ,5 1 0,75 - +
3 0,5 0,75 0,625 - +
4 0,5 0,625 0 ,5625 - -
5 0 ,5625 0,625 0,59375 - -

3.2. Méthode du point fixe (approximations successives).

Soit g une fonction définie et continue sur un intervalle  a, b , le point qui vérifie
X  g ( X ) est dit point fixe de la fonction g avec X   a, b .

 Principe de la méthode :

Le principe de cette méthode consiste à transformer l’équation f ( x)  0 sous la forme

X  g ( X ) , pour chercher le point fixe X de la fonction g (x) on crée la suite

xn1  g ( xn )  n  0,1, 2,... avec une valeur initiale x0 donnée

La Méthode des approximations successives utilise une procédure itérative simple

On démarre de x0 , on calcule x1  g ( x0 ) ensuite x2  g ( x1 ) ,……, xn1  g ( xn )

6
Méthodes numériques Cours 2eme année licence

Le problème principal est de savoir si la suite des mesures x1 , x2 ,...., xn1 converge
vers la solution X de g ( X )

Exemple : Ecrire l’équation f ( x)  0 sous la forme x  g ( x) si f ( x)  ln x  x2  2

On peut écrire x  g1 ( x)  ln x  x2  2  x

2
x  g 2 ( x)  e x
2

x  g3 ( x)  ln x  2

Pour pouvoir choisir la forme de g adéquate pour le calcul, un critère de convergence

de cette méthode doit être vérifié.

 Critère de convergence

Soit g une fonction dérivable définie sur l’intervalle  a, b tel que

g '( x)  k  1 x   a, b

Le processus itératif xn1  g ( xn )  n  0,1, 2,... converge indépendamment de la

valeur de x0 vers l’unique point fixe X de g ( X )

Si plusieurs formes de g vérifient cette condition, on aura plusieurs valeurs de k .

On choisit celle avec la valeur minimale de k . En pratique, la valeur de k est :

k  max xa,b g '( x)

 Critère d’arrêt

On peut arrêter les calcules lorsque la différence absolue entre deux itérations
successives est inférieure à une certaine précision  donnée.

xn1  xn  

Ou bien on calcule le nombre d’itérations n suffisantes pour avoir une valeur

approchée de  a  prés avec même principe que la dichotomie

kn
D’où si  est racine de f ( x)  0 xn    x1  x0  
1 k

7
Méthodes numériques Cours 2eme année licence

  1  k  
ln  
 1  k   x1  x0 
k 
n
n
x1  x0 ln k

On obtient :

  1  k  
ln  
 x1  x0 
n 1
ln k

Exemple : trouver la première racine de l’équation f ( x)  x2  3e x  12 qui appartient

a 1, 2 avec une précision   0, 01

On écrit cette fonction sous la forme x  g ( x) . On peut écrire :

x  x2  3e x  12  x  g1 ( x)

x  12  3e x  g2 ( x)

 12  x 2 
x  ln    g3 ( x)
 3 

Vérifions la condition de convergence pour la fonction g3 ( x)

k  max xa,b g '( x)

2 x
k3  max x1,2 g3 '( x)  max x1,2 On a g3 '(1)  0,181 et g3 '(2)  0,5
12  x 2

Donc k3  max x1,2 g3 '( x)  0,5  1 cette forme converge.

 12  x 2 
Donc on écrit : xn1  g3 ( xn )  ln   (n  0,1, 2,....)
 3 

La valeur initiale x0  1,5 (le milieu de l’intervalle donné)

 12  x0 2 
n0 x1  g3 ( x0 )  ln    1,179
 3 

8
Méthodes numériques Cours 2eme année licence

On calcule x1  x0  0,321  0,01

 12  x12 
n 1 x2  g3 ( x1 )  ln    1, 263
 3 

On calcule x2  x1  0,084  0,01

 12  x2 2 
n2 x3  g3 ( x2 )  ln    1, 244
 3 

On calcule x3  x2  0,019  0,01

 12  x32 
n3 x4  g3 ( x3 )  ln    1, 248
 3 

On calcule x4  x3  0,009  0,01 , la solution est x3  1, 244

3.3. Méthode de Newton-Raphson :

On s’interesse à trouver la racine  de l’équation non-linéaire f ( x)  0 sur  a, b ou

f est deux fois dérivable sur  a, b .

Soit  racine exacte de l’équation f ( x)  0 . si est continue et dérivable au voisinage

de  alors le développement en série de Taylor autour de x0 s’écrit :

f ' ( x0 ) f '' ( x0 )
f ( x)  f ( x0 )  ( x  x0 )  ( x  x0 ) 2  .........
1! 2!

Donc on peut écrire f ( x)  f ( x0 )  f ' ( x0 )( x  x0 )  R

On pose x  

f ( )  f ( x0 )  f ' ( x0 )(  x0 )  R  0

f ( x0 )
  x0   R1
f ' ( x0 )

En ignorant R1 on obtient

9
Méthodes numériques Cours 2eme année licence

f ( x0 )
x1  x0 
f ' ( x0 )

De la même manière on trouve une nouvelle valeur x2

f ( x1 )
x2  x1 
f ' ( x1 )

Ainsi on obtient la relation suivante :

 x0 donné

 f (x )
 xk  xk 1  ' k 1
 f ( xk 1 )

 Interprétation géométrique

D’après l’équation de la tangente à la courbe de f au point ( x0 , f ( x0 ) ) donnée par

y  f ' ( x0 )( x  x0 )  f ( x0 )

Dans la figure 1 et 2 on prend x0  b . le point x1 constitue une première

approximation de  alors

f ( xk 1 )
xk  xk 1  k  1, n
f ' ( xk 1 )

Remarque : on constate que le choix de la condition initial x0 peut influencer sur la

convergence de la méthode.

10
Méthodes numériques Cours 2eme année licence

Figure 2 : Schéma convergente Figure 3 : Schéma divergente

 Les conditions convergence de la méthode de Newton :

Soit  a, b un intervalle telle que :

1) f (a). f (b) 0    a, b

2) f ' ( x)  0
3) f '' ( x)  0 et gardent des signes constants

D’après 1,2 et 3 la méthode de Newton-Raphson est applicable

Le choix de x0

Si f ( x0 ). f '' ( x0 ) 0 alors x0  b sinon x0  a

Donc la suit xk définie par
f ( xk 1 )
xk  xk 1  k  1, n Converge vers l’unique solution de f ( x)  0
f ' ( xk 1 )

 Evaluation de l’erreur :

Supposons que la méthode converge vers l’unique solution de f ( x)  0

On a l’estimation d’erreurs suivant :

M
xn    xn  xn1  
2

2m
Ou M  supa,b f '' ( x) et m  infa ,b f ' ( x)

11