C HAPITRE 2
ÉQUATIONS NON LINÉAIRES hm@mat.ulaval.ca
T
ABLE DES MATIÈRES1 Introduction 2
2 Méthode de la bissection 3
2.1 Algorithme . . . . 3 2.2 Convergence . . . . 3
3 Méthode du point fixe 5
3.1 Algorithme . . . . 5 3.2 Convergence . . . . 5
4 Méthode de Newton 10
4.1 Racines multiples d’ordre m . . . . 11
5 Méthode de la sécante 12
5.1 Convergence . . . . 12
6 Accélération de la convergence 14
6.1 Procédé d’Aitken . . . . 14 6.2 Méthode de Steffensen . . . . 15
1 I
NTRODUCTIONDans ce chapitre nous nous intéressons à la recherche de racines d’une fonc- tion d’une seule variable :
f :R−→R f(x) =0
En général les solutions explicites sontdifficiles, voirimpossible, à obtenir analytiquement.
Donc nous devons trouver desméthodes numériquesqui conduisent à des solutions approchées.
Exemple 1.1 — ex−1=0 une solution
— ex +1=0 pas de solutions
— x2−4 sin(x) =0 deux solutions
— x3+5x2−1=0 trois solutions
— cos(x) =0 une infinité de solutions
2 M
ÉTHODE DE LA BISSECTIONThéorème 2.1 Soit f :[a,b]−→R une fonction continue.
Si f(a)f(b)<0, alors il éxiste au moins un x∗∈[a,b]tel que f(x∗) =0. Si de plus f est strictement monotone dans[a,b], alors cette racine est unique.
2.1 ALGORITHME On pose x1= a+2b.
Si f(x1) =0, alors x1 est un zéro de f et on s’arrête. Sinon, on construira x2 à partir dex1 de la manière suivante :
— Si f(x1)f(a)>0 alors f change de signe entre x1 et bet on changea para:=x1. On pose ensuite x2= a+b2 .
— Si f(x1)f(a)<0 alors f change de signe entre x1 eta et on changeb parb:=x1. On pose ensuite x2= a+2b.
En répétant indéfiniment cette procédure, on construit ainsi une suite(xn)∞n=1 qui converge versx∗telle que f(x∗) =0.
2.2 CONVERGENCE
Soit[a0,b0] = [a,b]avec f(a)f(b)<0.
Soit xn= 1
2(bn−1+an−1), n=0, 1,· · ·.
— Il exitex∗∈[a,b]tel que :
|x∗−xn|≤ b−a 2n
De plus, pour atteindre la précision|x∗−xn|≤εil suffit de choisir n≥ ln(b−a)−ln(ε)
ln(2)
— Le dernier résultat permet de fixer a priori le nombre d’itérations nen le reliant à la précision désiréeε.
Exemple 2.1 On cherche une racine de la fonction f(x) = x2+x −6= 0sur [1, 2]
Intervalle initial : [a,b] = [1, 2]
k x f(x)
1 1.7500e+000 -1.1875e+000 2 1.8750e+000 -6.0938e-001 3 1.9375e+000 -3.0859e-001 4 1.9688e+000 -1.5527e-001 5 1.9844e+000 -7.7881e-002 9 1.9990e+000 -4.8819e-003
10 1.9995e+000 -2.4412e-003 11 1.9998e+000 -1.2206e-003 12 1.9999e+000 -6.1034e-004 13 1.9999e+000 -3.0517e-004 14 2.0000e+000 -1.5259e-004 17 2.0000e+000 -1.9073e-005 18 2.0000e+000 -9.5367e-006 19 2.0000e+000 -4.7684e-006 20 2.0000e+000 -2.3842e-006
3 M
ÉTHODE DU POINT FIXEDéfinition 3.1 Soit g une fonction continue sur[a,b]. On appelle point fixe de la fonction g tout point x∈[a,b]vérifiant g(x) =x.
— Soit g : [a,b] −→ [a,b] une fonction continue. Alors la fonction g(x) admet au moins un point fixe dans[a,b].
— Pour approcher les racines de f(x) =0 par la méthode du point fixe on cherche donc une fonction g telle que
f(x) =0⇐⇒g(x) =x Exemple 3.1
f(x) =x2−x−2 g(x) =x2−2, g(x) =p
x+2, g(x) =1+ 2 x g(x) = x2+2
2x−1 3.1 ALGORITHME
La méthode du point fixe consiste à construire à partir d’une approximation initiale x0 la suite des nombresxntel que :
xn+1= g(xn), n=0, 1,· · · x0∈[a,b]
— Choix de la fonctiong?
— La suite(xn)converge-t-elle ?
— Si la suite converge, sa limite x∗vérifie-t-ellex∗=g(x∗)?
— Comment estimer l’évolution de l’erreur en = xn−x∗ au cours des itérations ?
3.2 CONVERGENCE
— Si dans[a,b], gvérifie
(i)x ∈[a,b] =⇒g(x)∈[a,b] (ii) gune fonction continue, alors
1. gpossède au moins un point fixe x∗∈[a,b].
2. Sigest strictement contractante, c’est à dire qu’il éxistek, 0≤k<1 tel que
∀x ∈[a,b],∀y ∈[a,b]| g(x)−g(y)|≤k|x−y | alors :
(a) x∗est unique.
(b) ∀x0∈[a,b], la suite(xn)définie parxn+1=g(xn)convergex∗ Si g est dérivable, il est souvent plus commode d’exprimer une condition suffisante sur la dérivéeg0que de vérifier directement quegest une application contractante.
— Soit g une fonction dérivable sur[a,b]. Si g0 vérifie | g0(x) |< 1,∀x ∈ [a,b], alors g est strictement contractante dans[a,b].
— Soit g:[a,b]−→Rune fonction donnée tels que : a) g est une contraction stricte sur[a,b].
b) g([a,b])⊂[a,b], c’est à dire∀x∈[a,b],g(x)∈[a,b]. Alors
1. La fonction g(x)admet un unique point fixe x∗dans[a,b].
2. Pour tout x0∈[a,b], la suite(xn)n∈Ndéfinie par : xn+1=g(xn), (n≥ 0)converge vers x∗lorsque n−→ ∞.
Vitesse de convergence
On cherche à quantifier la vitesse de convergence de la suite xn en compa- rant la valeur absolue de l’erreuren= xn−x∗entre deux itérations successives.
— La méthode du point fixexn+1=g(xn)est dite d’ordrersi |en+1|
|en|r a une limite finie quandntend vers+∞.
— On dit que la suite(en)converge avec unordre de convergenceégal à r s’il existe une constanteC >0 telle que :
|en+1|
|en|r ≈C, pour nassez grand
•r =1 l’ ordre de convergence est dit linéaire ou géométrique
•r >1 superlinéaire
•r =2 quadratique
Il est souvent délicat de déterminer un intervalle[a,b]dans lequel les hy- pothèses (a) et (b) du théorème du point fixe sont vérifiées.
— Soit g:R−→Rune fonction de classeC1 et soit x∗un point fixe de g tel que|g0(x∗)|<1. Alors, il existe un voisinageI dex∗tel que la suite (xn)n∈N définie parxn+1=g(xn)avec x0∈I, converge versx∗.
De plus
1. Si g0(x∗)6=0, la convergence est géométrique
2. S’il existe un entierr≥2 tel que gsoit de classeCr au voisinage dex∗ et si
g0(x∗) =· · ·=g(r−1)(x∗) =0, g(r)(x∗)6=0 alors, la convergence est d’ordrer.
Interprétation géométrique
Exemple 3.2 :
f(x) =x2+x−6=0 1.
x =g(x) = 6
x+1 ; x0=5 2.
x =g(x) =p
6−x ; x0=5 3.
x=g(x) =6−x2 ; x0=5 Exemple:
--- y= 6/(x+1);
x_0 =5.000000E+00
>>
k x eabsolue erelative
0 5.0000e+000 1.0000e+000 1.0000e+000 1 1.0000e+000 4.0000e+000 4.0000e+000 2 3.0000e+000 2.0000e+000 6.6667e-001 3 1.5000e+000 1.5000e+000 1.0000e+000 4 2.4000e+000 9.0000e-001 3.7500e-001 5 1.7647e+000 6.3529e-001 3.6000e-001 6 2.1702e+000 4.0551e-001 1.8685e-001 7 1.8926e+000 2.7760e-001 1.4667e-001 8 2.0742e+000 1.8163e-001 8.7564e-002 9 1.9517e+000 1.2255e-001 6.2790e-002 10 2.0327e+000 8.1030e-002 3.9863e-002 11 1.9784e+000 5.4312e-002 2.7452e-002 12 2.0145e+000 3.6077e-002 1.7908e-002 13 1.9904e+000 2.4109e-002 1.2113e-002 14 2.0064e+000 1.6047e-002 7.9976e-003 15 1.9957e+000 1.0709e-002 5.3661e-003 16 2.0029e+000 7.1344e-003 3.5621e-003 17 1.9981e+000 4.7585e-003 2.3815e-003 18 2.0013e+000 3.1713e-003 1.5847e-003 19 1.9992e+000 2.1147e-003 1.0578e-003
20 2.0006e+000 1.4096e-003 7.0459e-004 21 1.9996e+000 9.3981e-004 4.6999e-004 22 2.0003e+000 6.2650e-004 3.1321e-004 23 1.9998e+000 4.1769e-004 2.0886e-004 24 2.0001e+000 2.7845e-004 1.3922e-004 25 1.9999e+000 1.8564e-004 9.2822e-005 29 2.0000e+000 3.6669e-005 1.8334e-005 30 2.0000e+000 2.4446e-005 1.2223e-005
Fonction : --- y= sqrt(6-x);
x_0 =5.000000E+00
>>
k x eabsolue erelative
0 5.0000e+000 1.0000e+000 1.0000e+000 1 1.0000e+000 4.0000e+000 4.0000e+000 2 2.2361e+000 1.2361e+000 5.5279e-001 3 1.9401e+000 2.9598e-001 1.5256e-001 4 2.0149e+000 7.4837e-002 3.7142e-002 5 1.9963e+000 1.8657e-002 9.3460e-003 6 2.0009e+000 4.6676e-003 2.3327e-003 7 1.9998e+000 1.1667e-003 5.8341e-004 8 2.0001e+000 2.9168e-004 1.4584e-004 9 2.0000e+000 7.2920e-005 3.6460e-005
Fonction : --- y= 6-x^2;
x_0 =5.000000E+00
>>
k x eabsolue erelative
0 5.0000e+000 1.0000e+000 1.0000e+000
1 -1.9000e+001 2.4000e+001 1.2632e+000 2 -3.5500e+002 3.3600e+002 9.4648e-001 3 -1.2602e+005 1.2566e+005 9.9718e-001 4 -1.5881e+010 1.5881e+010 9.9999e-001 5 -2.5220e+020 2.5220e+020 1.0000e+000 6 -6.3605e+040 6.3605e+040 1.0000e+000 7 -4.0455e+081 4.0455e+081 1.0000e+000 8 -1.6366e+163 1.6366e+163 1.0000e+000
9 -Inf Inf NaN
10 -Inf NaN NaN
11 -Inf NaN NaN
12 -Inf NaN NaN
13 -Inf NaN NaN
4 M
ÉTHODE DEN
EWTON Soitf :[a,b]−→R continue et dérivable On cherche toujours à résoudre f(x) =0.
Il est évident que sih(x)est une fonction non nulle, alorsx est une solution de f(x) =0 si et seulement six est un point fixe de
g(x) =x+h(x)f(x)
La méthode de Newton consiste alors à choisir la fonctionh(x)de telle sorte que la méthode des approximations successives appliquée à la fonctiong(x)soit d’ordre deux. C’est à dire tel que g0(x∗) =0.
Ceci serait le cas si on choisit par exempleh(x) =−f01(x)
On a alors l’ algorithme de Newton suivant : x0 donné xn+1=xn− ff0(x(xnn))
Exemple 4.1 f(x) =x2−a=0 xn+1= 1
2(xn+ a xn) Convergence On a le résultat de convergence suivant :
Théorème 4.1 Soit f :[a,b]−→Rune fonction de classe C3 et soit x∗∈]a,b[
un zéro de f(x).
a) Si f0(x∗)6=0, alors il existe un voisinage I de x∗telle que la suite(xn)n∈N
définie par :
x0∈I, ∀n∈N, xn+1= xn− f(xn) f0(xn)
existe et converge vers x∗de manière quadratique avec un taux de conver- gence égal à| 2ff000(x(x∗∗))|lorsque f0(x∗)6=0.
b) Si f0(x∗) =0et f00(x∗)6=0, la suite(xn)n∈Npeut encore être définie dans un voisinage de x∗: si elle prend la valeur x∗, alors la construction s’arrête, sinon elle converge vers x∗géomètriquement.
4.1 RACINES MULTIPLES D’ORDRE M
Si x∗est une racine de multiplicitémde f(x) =0, c’est à dire si f(x∗) =0,· · ·,f(m−1)(x∗) =0,f(m)(x∗)6=0 alors on a :
Théorème 4.2 Soit x∗une racine de multiplicité m. Alors :
1. La convergence de la méthode de Newton classique appliquée à f(x) xn+1=xn− f(xn)
f0(xn) est d’ ordre 1.
2. La méthode de Newton modifiée
xn+1=xn−m f(xn) f0(xn) converge quadratiquement.
Methode de Newton --- Fonctions :
--- y= x^2 +x -6;
y= 2*x +1;
Estimation initiale : x_0 = 5.000000E+00
Iter. x_i f(x_i)
0 5.0000000000E+00 2.400000E+01
1 2.8181818182E+00 4.760331E+00
2 2.1008717310E+00 5.145338E-01
3 2.0019560953E+00 9.784303E-03
4 2.0000007647E+00 3.823318E-06
5 2.0000000000E+00 5.844214E-13
6 2.0000000000E+00 0.000000E+00
•Interprétation géométrique:
f(x) =x2+x−6=0 ; x0=5
Convergence atteinte enn=5 :x5=2.000000000,ε=5.844214E−13.
5 M
ÉTHODE DE LA SÉCANTEf :[a,b]−→R, continue
La méthode de la sécante est une variante de la méthode de Newton.
En effet, la dérivée f0(xn)est remplacée par la pente f(xn)−f(xn−1)
xn−xn−1
On obtient la méthode itérative suivante :
x0,x1∈[a,b],x16=x0 donnés xn+1= xn− ff(x(xnn)(x)−nf−(xxnn−1)
−1), n=1, 2,· · · 5.1 CONVERGENCE
Théorème 5.1 Soit f :R−→Rune fonction de classe C2 et x∗un zéro de f(x) tel que f0(x∗) 6= 0. Alors il existe un voisinage I de x∗ tel que la suite (xn)n∈N
définie par
x0,x1∈I,x16= x0 ∀n≥1 xn+1=xn− f(xn)(xn−xn−1)
f(xn)− f(xn−1) existe et converge vers x∗.
De plus, si f00(x∗)6=0, alors
n−→∞lim
x∗−xn+1 (x∗−xn)p =
1 2
f00(x∗) f0(x∗)
p−1
où p=12(1+p 5).
Methode de la secante --- Fonction :
--- y= x^2 +x -6;
Estimations initiales : x_0 = 1.000000E+00 x_1 = 5.000000E+00
Iter. x_i f(x_i)
0 1.0000000000E+00 -4.000000E+00
1 5.0000000000E+00 2.400000E+01
2 1.5714285714E+00 -1.959184E+00 3 1.8301886792E+00 -8.202207E-01
4 2.0165339865E+00 8.294331E-02
5 1.9994207100E+00 -2.896115E-03 6 1.9999980905E+00 -9.547504E-06
7 2.0000000002E+00 1.106284E-09
8 2.0000000000E+00 0.000000E+00
9 2.0000000000E+00 0.000000E+00
Interprétation géométrique:
f(x) =x2+x−6=0 ; x0=1,x1=5
Convergence atteinte enn=7 :x7=2.0000000002E+00,ε=1.106284E− 09.
6 A
CCÉLÉRATION DE LA CONVERGENCE Il y a deux façons pour accélélerer la convergence :— (Procédé d’Aitken).
On peut transformer la suite(xn)en une suite(yn)qui converge vers la même limite et cela plus vite que la suite(xn).
— (Méthode de Steffenson).
On transforme la fonctiong(x)de façon à obtenir une méthode d’ ordre plus élevée.
6.1 PROCÉDÉ D’AITKEN
∆xn=xn+1−xn, n=0, 1,· · ·
Théorème 6.1 Soit x∗ ∈ R et (xn)n∈N une suite réelle dont les termes ne sont jamais égaux à x∗.
Alors la suite((yn)n∈N telle que yn=xn−(∆xn)2
∆2xn =xn− x2n+1−2xn+1xn+x2n xn+2−2xn+1+xn est bien définie pour n assez grand et vérifie
n−→∞lim
yn−x∗ xn−x∗ =0
Il faut remarquer içi que si la suite(yn)converge bien plus vite que la suite (xn), elle demande un calcul plus avancé puisque yn nécessite la connaissance dexn+2.
Exemple 6.1 f(x) =x2+x−6=0
−→(1). x=g(x) = x+61 ; x0=5
Convergence atteinte en n=5 :x5=2.000000000,ε=1.905675617e−10.
−→(2). x= g(x) =p
6−x ; x0=5
Convergence atteinte en n=4 :x4=2.000000000,ε=4.141911258e−10 g1(x) = 6/(x+1)
i y_i e/e0
0 5.00000000000000 1.00000000000000 1 1.00000000000000 0.50000000000000 2 2.33333333333333 0.13333333333333 3 2.14285714285714 0.05844155844156 4 2.06250000000000 0.02582908163265 5 2.02758620689655 0.01145236038017 6 2.01222307104660 0.00508467975759 7 2.00542510807833 0.00225882955096 8 2.00240970659940 0.00100372208166 9 2.00107069403768 0.00044605885033 10 2.00047580741184 0.00019824051289 20 2.00000014307531 0.00000005961471 21 2.00000006358903 0.00000002649543 22 2.00000002826179 0.00000001177575 23 2.00000001256080 0.00000000523366 24 2.00000000558258 0.00000000232607 32 2.00000000000850 0.00000000000354 33 2.00000000000378 0.00000000000157 g2(x) = sqrt(6-x)
i y_i e/e0
0 5.00000000000000 1.00000000000000 1 1.00000000000000 0.30901699437495 2 1.94427190999916 0.01740298057530 3 1.99726749255733 0.00085387941940 4 1.99981955650392 0.00005638846534 5 1.99998887978199 0.00000347506764 6 1.99999930255217 0.00000021795244 7 1.99999995644765 0.00000001361011 8 1.99999999727738 0.00000000085082 9 1.99999999982985 0.00000000005317 10 1.99999999998937 0.00000000000332 11 1.99999999999934 0.00000000000021 6.2 MÉTHODE DESTEFFENSEN
Le procédé d’Aitken peut être appliqué à la méthode du point fixe. On ob- tient alors l’algorithme suivant
xn+1 =xn−(g◦g)(x(g(xn)−2g(xn)−xn)2n)+xn
= (gxn◦(gg)(◦xg)(xn)−g(xn)2
n)−2g(xn)+xn
C’est laMéthode de Steffensen.
>>
i x_i e/e0
0 5.00000000000000 1.00000000000000 1 4.31428571428571 0.70530612244898 2 3.67686294830865 0.46650767037307 3 3.10416547311735 0.28083369823380 4 2.62095321268231 0.14543120648967 5 2.26231599868931 0.05751623652562 6 2.06240501480147 0.01316331082832 7 2.00433937112438 0.00090482024015 8 2.00002247588397 0.00000468249688 9 2.00000000060618 0.00000000012629
10 2.00000000000000 0