Chapitre 2 .................................................................................................................... 37 1 Introduction ......................................................................................................... 41 2 Résolution d’une équation non linéaire. ............................................................ 41 2.1 Méthodes de résolution d’une équation non linéaire. ................................................ 42 2.1.1 Méthode de dichotomie ou de bissection............................................................ 42 2.1.2 Méthode de Newton-Raphson............................................................................. 43 3 Résolution d’un système d’équations non linéaire. .......................................... 44 3.1.1 Généralisation de la Méthode de Newton-Raphson ........................................... 45 3.1.2 Ecriture matricielle de la Méthode de Newton-Raphson pour 2 équations et 2 inconnues. ......................................................................................................................... 47 Exercices : .................................................................................................................... 48 TP Résolution de systèmes non linéaires .................................................................. 50 1 Résolution d’une équation non linéaire. ............................................................ 50 2 Résolution d’un système d’équations non linéaires.......................................... 50
Moctar MOUHAMADOU 39 3IL-I2, Année 2021-2022
Analyse Numérique Table des Matières
Moctar MOUHAMADOU 40 3IL-I2, Année 2021-2022
Analyse Numérique CHAPITRE 2. Systèmes non Linéaires
1 Introduction Dans ce chapitre, on se propose d’approcher numériquement les racines réelles d’une équation, et en particulier celles d’une équation non linéaire. Ensuite, nous envisagerons de résoudre des systèmes non linéaires.
2 Résolution d’une équation non linéaire.
On se propose tout d’abord d’approcher les racines de l’équation f ( x ) = 0 .
Avec f : ℝ → ℝ supposée suffisamment régulière sur l’intervalle [a,b], domaine des racines.
Toutes les méthodes que nous allons aborder nécessitent la séparation des racines.
Plus précisément, il s’agit de déterminer des intervalles [ai,bi] à l’intérieure desquelles la
fonction f(x) admet une racine et une seule.
Cette séparation s’effectue généralement en observant le graphe de l’équation à résoudre.
Par exemple :
Soit l’équation tg ( x) − x = 0 pour 0 ≤ x ≤ 2π
100
80 y(x) = tan(x) - x y(x) = tan(x) y(x) = x 60
40 y(x)
20
-20
-40 0 1 2 3 4 5 6 7 x
En observant le graphe on s’aperçoit que dans l’intervalle donné, il y a deux racines : Une racine évidente en x = 0 et une autre proche de 3π / 2 .
Moctar MOUHAMADOU 41 3IL-I2, Année 2021-2022
Analyse Numérique CHAPITRE 2. Systèmes non Linéaires
2.1 Méthodes de résolution d’une équation non linéaire.
2.1.1 Méthode de dichotomie ou de bissection.
2.1.1.1 Principe Considérons un intervalle [ a, b] et une fonction f continue de [ a, b] dans ℝ . On suppose que l’équation f ( x ) = 0 admet une unique racine α sur l’intervalle ]a, b[ et que f (a ) f (b) < 0 . On note :
a +b x0 = , le milieu de l’intervalle [ a, b] 2
La racine α dont on suppose l’existence se trouve alors dans l’un des deux intervalles ]a, x0 [ ou ] x0 , b[ . Pour savoir lequel, il suffit d’utiliser les conditions suivantes :
Si f (a ) f ( x0 ) < 0 , alors α ∈ ]a, x0 [ . On pose a1 = a, b1 = x0
Si f (a ) f ( x0 ) = 0 , alors α = x0 (c’est la racine de f et le problème est résolu)
Si f (a ) f ( x0 ) > 0 , alors α ∈ ] x0 , b[ . On pose a1 = x0 , b1 = b
a1 + b1 ⇔ On prend alors pour x1 = le milieu de [ a1 , b1 ] 2
En itérant ce procédé un certain nombre de fois (dépendant de la précision recherchée), on
obtient une suite de valeurs :
a2 + b2 a +b x2 = , …., xn = n n avec n ≥ 0 2 2
Telle que :
b−a α − xn ≤ 2n+1 Par conséquent, la suite ( xn ) converge vers α .
Cette dernière formule permet donc d’estimer à l’avance le nombre d’itérations nécessaires pour approcher α avec une précision ε donnée.
Moctar MOUHAMADOU 42 3IL-I2, Année 2021-2022
Analyse Numérique CHAPITRE 2. Systèmes non Linéaires
2.1.1.2 Test d’arrêt
Pour que la valeur de ( xn ) à la n-ième itération soit une valeur approchée de α avec une précision ε > 0 , il suffit que n vérifie :
b−a b−a ln(b − a) − ln(ε )
α − xn ≤ ≤ε ⇔ ≤ε ⇔ n = 2n+1 2n+1 ln(2)
L’algorithme de dichotomie :
2.1.2 Méthode de Newton-Raphson
Cette méthode s’applique à des équations du type f ( x ) = 0 , pour lesquelles on peut calculer la dérivée de f : f’(x). Soit x1 une valeur approchée de la racine α inconnue. Posons : x2 = x1 + ∆x , et cherchons l’accroissement qu’il faut donner à x1 , de façon à ce que :
f ( x2 ) = f ( x1 + ∆x ) = 0
Après développement en série de Taylor à l’ordre 2, on obtient :
∆x ∆x 2 f ( x2 ) = f ( x1 + ∆x ) = f ( x1 ) + f ' ( x1 ) + f " ( x1 ) + O (h3 ) 1! 2!
ou approximativement :
f ( x2 ) = f ( x1 + ∆x ) = f ( x1 ) + ∆x ⋅ f ' ( x1 ) = 0 ⇔ ∆x ⋅ f ' ( x1 ) = − f ( x1 )
Moctar MOUHAMADOU 43 3IL-I2, Année 2021-2022
Analyse Numérique CHAPITRE 2. Systèmes non Linéaires
c’est à dire :
f ( x1 ) ( x2 − x1 ) ⋅ f ' ( x1 ) = − f ( x1 ) ⇔ x2 = x1 − f ' ( x1 )
En itérant la solution, on obtient la méthode de Newton-Raphson :
f ( xk ) xk +1 = xk − , ∀k ≥ 0 , où f est une fonction dérivable sur [ a, b] f ' ( xk )
Le principe de la méthode de Newton-Raphson consiste à construire une suite ( xk )k , telle
que xk +1 soit l’intersection de la tangente à la courbe de f au point ( xk , f ( xk ) ) avec l’axe horizontal ox.
2.1.2.1 Interprétation géométrique :
La valeur x2 est l’abscisse du point d’intersection avec l’axe ox de la tangente au graphe
y = f (x) en x1 .
3 Résolution d’un système d’équations non linéaire.
Nous considérons le problème suivant :
ℝn → ℝn f: ( ) ( ( ) ( ) ) T = → = T x x1 , ⋯ , xn f ( x ) f1 x1 , ⋯ , xn , ⋯ , f n x1 , ⋯ , xn
Moctar MOUHAMADOU 44 3IL-I2, Année 2021-2022
Analyse Numérique CHAPITRE 2. Systèmes non Linéaires
Notre problème consiste à trouver le vecteur x = ( x1 , x2 ,⋯ , xn ) ∈ ℝ tel que :
n
f1 ( x1 , x2 ,⋯ , xn ) = 0 f ( x , x ,⋯ , xn ) = 0 f ( x) = 0 ⇔ 2 1 2 ⋮ f n ( x1 , x2 ,⋯ , xn ) = 0
3.1.1 Généralisation de la Méthode de Newton-Raphson
La méthode de Newton-Raphson vu précédemment se généralise :
x ( k +1) = x ( k ) + M −1 ⋅ f ( x ( k ) ) , où M est une certaine matrice.
Développement en série de Taylor à n dimensions au voisinage de x (0) ∈ ℝ n , on obtient :
∂f i ( x (0) ) fi ( x ) = fi ( x ) + n (0) ⋅ ∆x j = 0, i = 1,⋯ , n j =1 ∂ x j
Sous la forme matricielle, on aura :
f1 ( x (0) ) ∂f1 ( x ) ∂f1 ( x (0) ) ∂f1 ( x (0) )
(0)
f1 ( x ) ∂x ⋯ ∆x1 ∂x2 ∂xn 1 f 2 ( x ) f 2 ( x (0) ) ∂f 2 ( x ) ∂f 2 ( x (0) ) ∂f 2 ( x (0) ) ∆x (0) = ⋯ 2 =0 + ∂x1 ∂x2 ∂xn ⋅ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ∂f ( x (0) ) ∂f n ( x (0) ) ∂f n ( x (0) ) f n ( x ) f x (0) n n( ) ∂x1 ⋯ ∆xn ∂x2 ∂xn
Moctar MOUHAMADOU 45 3IL-I2, Année 2021-2022
Analyse Numérique CHAPITRE 2. Systèmes non Linéaires
∂f1 ( x ) ∂f1 ( x ) ∂f1 ( x ) ⋯ ∂x1 ∂x2 ∂xn ∂f ( x ) ∂f 2 ( x ) ∂f 2 ( x ) 2 ⋯ où J f ( x ) = ∂x1 ∂xn , ∀ x = ( x1 ,⋯ , xn ) ∈ ℝ n est la matrice T ∂x2 ⋮ ⋮ ⋱ ⋮ ∂f n ( x ) ∂f n ( x ) ∂f n ( x ) ⋯ ∂x1 ∂x2 ∂xn Jacobienne de la fonction f : ℝ n → ℝ n
On obtient la formulation compacte ci-dessous :
f ( x (0) ) + J f ( x (0) ) ⋅ ∆x = 0 , avec ∆x = x (1) − x (0)
= x (0) − J f ( x (0) ) ⋅ f ( x (0) )
(1) −1 Ou encore : x
En itérant, la méthode de Newton-Raphson se généralise :
x ( k +1) = x ( k ) − J f ( x ( k ) ) ⋅ f ( x ( k ) ) , −1 et x (0) ∈ ℝ n
où J f ( x ( k ) ) −1 désigne l'inverse de la matrice jacobienne de f évaluée en x ( k ) .
Pour éviter le calcul de l’inverse de la matrice jacobienne, on peut écrire :
J f ( x ( k ) ) ⋅ ( x ( k +1) − x ( k ) ) = − f ( x ( k ) )
Donc à chaque itération le calcul de l’inverse est remplacé par la résolution d’un système d’équations linéaire.
Moctar MOUHAMADOU 46 3IL-I2, Année 2021-2022
Analyse Numérique CHAPITRE 2. Systèmes non Linéaires
3.1.2 Ecriture matricielle de la Méthode de Newton-Raphson pour 2
équations et 2 inconnues.
Moctar MOUHAMADOU 47 3IL-I2, Année 2021-2022
Analyse Numérique CHAPITRE 2. Systèmes non Linéaires
Exercices :
1. Résoudre l’équation e x = 2 cos ( x ) par la méthode de Newton-Raphson sur l’intervalle
]0,1].
2. Soit f ( x, y ) = x3 + y 2 + 2 xy − x pour x et y sur l’intervalle ]0,1].
a) Déterminez analytiquement les extrema de f(x,y) et décider s’il s’agit de maxima ou minima.
b) Appliquer la méthode de Newton-Raphson pour 2 inconnues et faire 2
itérations en partant de la solution approchée (x0,y0) = (1.2,0.9), pour déterminer un extrema de f(x,y).
Moctar MOUHAMADOU 48 3IL-I2, Année 2021-2022
Analyse Numérique CHAPITRE 2. Systèmes non Linéaires
Moctar MOUHAMADOU 49 3IL-I2, Année 2021-2022
Analyse Numérique CHAPITRE 2. Systèmes non Linéaires
TP Résolution de systèmes non linéaires
1 Résolution d’une équation non linéaire.
Soit l’équation e x = 2 cos ( x ) définie sur l’intervalle ]0,1].
• Déterminer graphiquement la valeur approchée de la racine ( x0 ) de de cette équation.
Choisir un pas numérique p = 1/1000.
• Ecrire un programme permettant de résoudre l’équation e x = 2 cos ( x ) par la méthode
de dichotomie.
• En utilisant la dérivée exacte (calculée analytiquement) de f ( x ) = e x − 2 cos ( x ) ,
écrire le programme permettant de résoudre l’équation e x = 2 cos ( x ) par la méthode de Newton-Raphson sur l’intervalle ]0,1].
2 Résolution d’un système d’équations non linéaires.
Soit f ( x, y ) = x3 + y 2 + 2 xy − x pour x et y sur l’intervalle ]0,1].
• Déterminez analytiquement les extrema de f et décider s’il s’agit de maxima ou
minima.
• Appliquer la méthode de Newton-Raphson pour 2 inconnues et faire 10 itérations en
partant de la solution approchée ( x0 , y0 ) = (1.2, 0.9 ) .
• Trouvez et programmez une méthode par minimisation de fonction permettant de
