Résolution Des Équations Non Linéaires
Résolution Des Équations Non Linéaires
Résolution Des Équations Non Linéaires
Chapitre II
Résolution des équations
non linéaires
1. Introduction
Il est possible de résoudre analytiquement des équations du second, troisième voire
quatrième ordre, avec des difficultés relativement différentes. Cependant, il n'existe pas
de formule permettant de trouver les racines des polynômes de degré plus grand ou égal
à 5. II faudra donc recourir aux méthodes numériques. Dans ce qui suit, nous présentons
plusieurs techniques de résolution, notamment : la méthode de la bissection (appelée
aussi méthode de dichotomie), méthodes des points fixes (ou encore méthode des
approximations successives) et méthode de Newton.
2. Méthode de la bissection
D’une manière générale une équation non linéaire peut être écrite sous la forme :
𝐹 (𝑥 ) = 0 (2.1)
Une valeur de 𝑥 solution de 𝑓(𝑥) = 0 est appelée une racine ou un zéro de la fonction
𝑓(𝑥) et elle est notée « r ».
Si la fonction 𝑓(𝑥) est continue, elle change de signe et passe du positif au négatif
ou vice versa, de part et d'autre de la solution de l'équation 2.1 (Figure 2.1).
On pose alors:
𝑥1 +𝑥2
𝑥𝑚 = (2.3)
2
qui est le point milieu de l'intervalle. II suffit alors de déterminer, entre les intervalles
[x1, xm] et [xm, x2], celui qui possède un changement de signe.
La racine se trouvera dans cet intervalle. Reprendre cette procédure pour chaque
intervalle où f(x) change de signe nous amène à l'algorithme suivant :
Algorithme de la bissection
1- Déterminer un intervalle initial [x1, x2] pour lequel f(x) possède un
changement de signe.
|𝑥2 −𝑥1 |
L’expression de l'étape 3 de l'algorithme( ) represente une approximation de
2|𝑥𝑚 |
Le terme (½) dans l’expression (2.4) est dû au fait que la racine recherchée est soit dans
l'intervalle [x1, xm] ou dans l'intervalle [xm, x2], qui sont tous deux de longueur: ½ (x1,
x2).
Exemple :
La fonction 𝑓 (𝑥 ) = 𝑥 3 + 𝑥² − 3𝑥 − 3 possède un zéro dans l'intervalle [1, 2]. En
effet:
𝑓 (1) ∙ 𝑓 (2) = −12 < 0
Ainsi, pour obtenir un résultat dont l’erreur absolue est inferieure ou égale à un critère
de précision donné (ε), la longueur de l’intervalle à l’itération n (expression (2.5)) doit
vérifier la condition suivante :
𝐿/2𝑛 < 𝜀 (2.6)
On obtient donc :
𝐿
ln( )
𝑛> ∆𝑟
(2.7)
ln 2
|𝑥𝑛+1 − 𝑥𝑛 |
Dans l'algorithme ci-dessus exposé, l’expression |𝑥𝑛+1 |
représente une
Exemple :
Soit l’équation 𝐹 (𝑥 ) = 2𝑥 3 − 𝑥 − 2 = 0
D’après le théorème du point fixe, la suite
𝑥0 ∈ [1,2]
{
𝑥𝑛+1 = 𝑔3 (𝑥𝑛 )
−𝑔(𝑟) (2.13)
Et par conséquent :
𝑔′′ (𝑟)𝑒𝑛 2 𝑔′′′ (𝑟)𝑒𝑛 3
𝑒𝑛+1 = 𝑔′ (𝑟)𝑒𝑛 + + +⋯ (2.14)
2! 3!
La relation (2.14) fait apparaitre qu’au voisinage de la racine r, le premier terme non nul
de l'expression de droite sera déterminant pour la convergence. Si 𝑔′(𝑟) ≠ 0 et si on
néglige les termes d'ordre supérieur ou égal à 2, on a:
𝑒𝑛+1 ≃ 𝑔′(𝑟)𝑒𝑛 (2.15)
On voit que l'erreur à l'étape (n+1) est directement proportionnelle à l'erreur à l'étape n.
L'erreur ne pourra donc diminuer que si:
|𝑔′(𝑟)| < 1 (2.16)
3.2.Bassin d’attraction
La convergence de la méthode des points fixes dépend également du choix de la
solution initiale x0. Un mauvais choix de cette dernière peut donner un algorithme
divergent même si la condition (2.16) est satisfaite. On définit donc le bassin
d'attraction qui représente l'ensemble des valeurs initiales x 0 pour lesquelles la méthode
des points fixes converge.
Soit g(x), une fonction continue dans l'intervalle I = [a, b] et telle que g(x)ϵI pour
tout x dans I. Si de plus g'(x) existe et si:
𝑔′(𝑥) ≤ 𝑘 < 1 (2.17)
pour tout x0 dans l'intervalle ouvert (a, b), tous les points x0 de l'intervalle I
appartiennent au bassin d'attraction de l'unique point fixe r de I.
Il est possible que la méthode des points fixes converge dans le cas où:
|𝑔′(𝑟)| = 1 (2.18)
Il s'agit d'un cas limite intéressant. Nous verrons plus loin un exemple de cette situation.
La convergence dans ce cas est au mieux extrêmement lente, car le taux de convergence
est près de 1.
Exemple :
Etudier la convergence de la méthode des points fixes dans les deux cas suivants :
𝑎) 𝑥 = 2𝑥 3 − 2 𝑒𝑡 𝑥 ∈ [1,2]
3 𝑥
𝑏) 𝑥 = √1 + 𝑒𝑡 𝑥 ∈ [1,2]
2
a) La dérivée de g(x) s’exprime par : 𝑔́ (𝑥 ) = 6𝑥 2 > 0 ce qui ne verifie pas la
condition (2.16). Donc l’intervalle [1, 2] n’est pas un bassin d’attraction et la suite
xn+1=g(xn) diverge.
1
b) On a : 0 < 𝑔′(𝑥 ) = 3 𝑥
<1
6 √(1+ )²
2
3.3.Interprétation géométrique
La figure 2.2 présente les différents cas possibles:
0 < g'(r) < 1,
—1 < g'(r) < 0,
g'(r) > 1
Les points fixes se trouvent aux niveaux des intersections entre les courbes y = x et
y=g(x). On remarque la différence de comportement entre les cas convergents :
0 < g'(r) < 1 (Voir figure 2.2a) et - 1 < g'(r) < 0 (Voir figure 2.2b)
qui correspondent aux figures 2.2a et 2.2b, respectivement. Bien que les itérations
oscillent de part et d'autre de la racine lorsque la pente est négative, la convergence n'en
est pas moins assurée.
(a) (b)
(c)
Figure 2.2: Interprétation géométrique de la méthode des points fixes
Par contre, lorsque la pente est supérieure à 1 (Figure 2.2c), les itérations s'éloignent
de la racine recherchée. On obtiendrait un résultat similaire dans le cas où g'(r) < - 1 ;
les itérations s'éloigneraient de la racine en oscillant de part et d'autre de la racine.
L'intérêt de cet algorithme réside dans sa généralité et dans le faite qu’il facilite
relativement l'analyse de convergence.
4. Méthode de Newton
La méthode de Newton est l'une des méthodes les plus utilisées pour la résolution
des équations non linéaires. La détermination de son algorithme est basée sur
l'utilisation du développement de Taylor.
Soit de nouveau l’équation (2.1). A partir d'une valeur initiale de la solution (x0), on
cherche une correction (δx) telle que:
0 = 𝑓(𝑥0 + 𝛿𝑥) (2.19)
La correction δx est la quantité que l'on doit ajouter à x 0 pour annuler la fonction
f(x). Puisque nous avons négligé les termes d'ordre supérieur ou égal à 2 dans le
développement de Taylor, cette correction n'est pas parfaite, nous avons donc :
𝑥1 = 𝑥0 + δ𝑥 (2.23)
|𝑥𝑛+1 − 𝑥𝑛 |
4- Si : |𝑥𝑛+1 |
<𝜀
Exemple :
On cherche à résoudre l’équation 𝑓 (𝑥 ) = 𝑒 −𝑥 − 𝑥 = 0. Pour utiliser la méthode de
Newton, il faut obtenir la dérivée de cette fonction, qui est 𝑓 ′(𝑥 ) = −𝑒 −𝑥 − 1 .
L’algorithme se résume à :
𝑓(𝑥𝑛 ) 𝑒 −𝑥𝑛 − 𝑥𝑛
𝑥𝑛+1 = 𝑥𝑛 − = 𝑥𝑛 −
𝑓 ′(𝑥𝑛 ) −𝑒 −𝑥𝑛 − 1