MATHÉMATIQUES I :

Algèbre linéaire et calcul

MAT102

VIRGINIE CHARETTE
DÉPARTEMENT DE MATHÉMATIQUES
UNIVERSITÉ DE SHERBROOKE

Hiver 2009
Remarques sur le texte.
1- Les définitions principales et les théorèmes sont encadrés. Certaines définitions ne
sont pas encadrées; mais en principe, quand un nouveau terme est introduit, il est en
caractères gras et italiques.
2- La fin d'un exemple est indiqué par le symbole ♦.

1
 9. RÉSOLUTION D’ÉQUATIONS
NON LINÉAIRES

Les sections précédentes ont présenté des méthodes analytiques et numériques pour
résoudre des équations linéaires. Ces équations linéaires sont souvent des simplifications
des principes de génie chimique ou biotechnologiques qui sont en général non linéaires.
Cette section présente quelques méthodes pour résoudre une équation non linéaire.

Comme exemple d’équation non linéaire, on peut citer la relation de Van der Waal qui
relie la pression P, le volume V et la température T d’un gaz à faible pression. Cette
relation contient deux coefficients a et b (qui dépendent du gaz) et la constante des gaz
parfaits r ; elle a la forme suivante :
2
(P + a/V )(V - b) = r T.

Cette relation est non linéaire par rapport à la variable V. Si P, T, a, b et r sont connus, la
relation est un polynôme de degré 3 en V. C’est une équation non-linéaire.

De même la perte de pression λ (perte de charge) par un fluide dans une conduite
cylindrique est donnée par la relation suivante de Coolebrook:

& $ 2,51 )
"#1/ 2 = #2log10 ( + +,
' 3,71% D Re% "1/ 2 *

où D est le diamètre de la conduite, ε la rugosité et Re le nombre de Reynolds qui dépend

de la vitesse du fluide dans la conduite. Si la géométrie de la conduite est connue et si la
! est connue, cette équation est une équation non-linéaire (et compliquée)
vitesse du fluide
en λ .

Même si le problème de génie se ramène à une équation non linéaire à une équation, la
solution de cette équation est généralement difficile. Dans la plupart des cas, il n’existe
pas de solutions analytiques qui conduisent à coup sûr à la solution. On utilisera plutôt
des méthodes numériques qui correspondent alors à des outils logiciels.

9.1 Méthodes analytiques à une variable

Le problème général a la forme suivante :

f(x) = 0,

où f(x) est une fonction non linéaire par rapport à la variable x. Une solution x* du
problème précédent est telle que f(x*) = 0. De manière générale, on n’est pas sûr qu’il

2
existe une solution ou que cette solution soit unique. De plus, on ne sait pas s’il existe une
relation explicite qui donne la solution en fonction des coefficients de l’équation. Dans
des cas très simples (mais utiles) on peut répondre à ces questions.

9.1.1 Équations quadratiques

Si f est un polynôme de degré 2 en x, l’équation f(x) = 0 a deux solutions (racines) réelles

ou complexes. Comme f(x) a la forme générale suivante :
2
f(x) = a x + b x + c

les solutions ont la forme suivante :

2 0.5
x1 = [- b + (b – 4 a c ) ] / (2a)
2 0.5
x2 = [- b - (b – 4 a c ) ] / (2a) .

Dans ce cas, on sait qu’il existe des solutions, qu’elles sont au nombre de 2 et on connaît
la relation explicite donnant la solution.

9.1.2 Équations cubiques

Si f est un polynôme de degré 3 en y, l’équation f(y) = 0 a trois solutions (racines) réelles

ou complexes. Comme f(y) a la forme générale suivante :

f(x) = y3 - by2 + cy - d = 0

et en posant y = x + b/3

x3 + m x = n où m = c - b2/3, n = d – bc/3 + 2b3/27 .

Cette équation a 3 solutions fournies par les formules explicites de Cardan. Dans ce cas,
on sait qu’il existe des solutions, qu’elles sont au nombre de 3 et on connaît la relation
explicite donnant la solution.

9.1.3 Équations polynomiales

Si f est un polynôme de degré n en x, l’équation f(x) = 0 a n solutions (racines) réelles ou

complexes. f(x) a la forme générale suivante :
n n-1
f(x) = anx + an-1x + ... + a1x + a0

Dans ce cas, on sait qu’il existe des solutions, qu’elles sont au nombre de n et mais on ne
connaît pas de relation explicite donnant ces solutions.

3
9.2 Méthodes itératives

9.2.1 Méthode du point fixe

Cette méthode très simple à implanter repose sur la transformation suivante. On

transforme l’équation f(x) = 0 en l’équation x + f(x) = x et en nommant g(x) = x + f(x), le
problème f(x) = 0 revient à x = g(x).

La méthode repose sur les étapes suivantes.

On se donne x0 (proche de la solution si possible)

On calcule x1 = g(x0).
Puis x2 = g(x1).
Puis x3 = g(x2).
.
.
.
xk = g(xk).

Et on espère qu'au bout de k itérations, où k est éventuellement très grand, xk converge

vers une valeur x*. S’il y a convergence, on a la relation :

x* = g(x*).

D’après la définition de la fonction g, il s’ensuit que :

g(x*) = x* + f(x*)
et
x* = x* + f(x*)
0 = f(x*).

Il s’ensuit que si les itérations sur la fonction g convergent, la valeur obtenue par
convergence correspond à une solution de l’équation f(x) = 0.

Définition (point fixe d'une fonction).

On dit que x* est un point fixe de la fonction g si x* = g(x*).

S’il y a convergence, le point fixe de g est une solution de f(x) = 0.

2
Exemple. Trouver un zéro de f(x) = x – 3 x + 2 :
2
On construit g(x) = x + f(x) = x – 2 x + 2.
On choisit un estimé de départ, disons x0 = 1.9.
La méthode du point fixe donne les itérations suivantes :
x1 = g(1.9) = 1.81

4
 x2 = g(1.81) = 1.6561
x3 = g(1.6561) = 1.430
x4 = g(1.430) = 1.185
x5 = g(1.185) = 1.034
x6 = g(1.034) = 1.001 .

Si on continue les itérations, on note que xk → 1 lorsque k → ∞. Il s’ensuit que x* = 1 et

on peut vérifier que f(x*) = f(1) = 0.
♦

La convergence (succès) de la méthode du point fixe dépend de la forme de f et de

l’estimé de départ x0 .

Théorème.
Étant donnée une fonction f(x), soit g(x) = x + f(x), et supposons que |g’(x)| < 1 pour
tous les points x.
Alors la méthode du point fixe converge vers le point fixe x* avec f(x*) = 0.

Ce théorème est une condition suffisante pour assurer le succès (convergence) de la

méthode du point fixe. Elle n’est pas nécessaire (indispensable) pour assurer le succès.

Exemple. Résoudre l’équation f(x) = cos(x) – x = 0:

On construit g(x) = x + f(x) = x + cos(x) – x = cos(x).
Comme la dérivée est g’(x) = -sin(x), il s’ensuit que |g’(x)| < 1 pour toutes les valeurs de
x, différentes de multiples impaires de π/2.
En prenant x0 = 0.5, on obtient après 10 itérations, x10 = 0.739 qui est une bonne
approximation de la solution de cos(x)-x = 0.
Dans cet exemple, on peut choisir n’importe quel estimé de départ, la méthode du point
fixe va converger vers une solution de l’équation. Dans le premier exemple, d’autres
estimés de départ n’auraient pas permis d’obtenir la solution.
♦

9.2.2 Méthode de Newton-Raphson

La méthode du point fixe n’est pas très rapide et demande plusieurs itérations avant
d’obtenir une bonne approximation de la solution. Il existe donc des méthodes plus
efficaces comme la méthode de Newton-Raphson pour résoudre l’équation f(x) = 0.

La formule de la méthode de Newton-Raphson est la suivante :

xk+1 = xk – f(xk)/f ’(xk).

5
C’est une méthode itérative qui fait intervenir la fonction f(x), la dérivée f ’ de la fonction
f(x) et un estimé de départ. Cette méthode a la forme générale :

xk+1 = g(xk) où

g(xk) = xk – f(xk)/f ’(xk) .

C’est donc une méthode de type point fixe. Lorsque cette méthode converge vers le point
fixe x*, x* = g(x*) ce qui signifie que f(x*)/f ’(x*) = 0 et donc que f(x*) = 0 (en
supposant que f ’(x*) ≠0) . Il s’ensuit que si la méthode converge, elle converge vers la
solution de l’équation f(x) = 0.

Pour que cette méthode fonctionne bien, il faut que la fonction f ait une dérivée f ’ et que
cette dérivée ne soit pas nulle à la solution x* car la méthode fait une division par f ’(x).

Exemple. Résoudre l’équation f(x) = x2 – 3x + 2 = 0 :

Nous avons :
f’(x)= 2x - 3.
xk+1 = xk – f(xk)/f ’(xk) = xk+1 = xk – (xk2 – 3 xk + 2 )/(2 xk -3).
Les premières itérations donnent :
x0 = 1.9
x1 = 2.0125
x2 = 2.0001
x3 = 2.0000.
Cette méthode converge vers une solution de l’équation f(x) = 0. Même avec le même
estimé de départ que la méthode du point fixe, elle n’a pas conduit à la même solution
que la méthode du point fixe. On peut noter qu’en trois itérations, on obtient une très
bonne approximation de la solution. Cette méthode est en général plus rapide que la
méthode du point fixe, mais elle est très sensible à l’estimé de départ.
♦
Théorème.
2
Si la fonction f(x) est telle que | f(x) f ’’(x)/ (f ‘(x) ) | < 1 pour tous les x, la méthode de
Newton Raphson converge.

Démonstration :
On a vu que cette méthode est une méthode du point fixe avec g(x) = x – f(x)/f ’(x). Si on
calcule la dérivée g’(x), on obtient :
2
G’(x) = 1 – f ’ (x)/ f ’ (x) + f(x) f ’’(x)/ (f ’ (x) )
2
= f(x) f ’’(x)/ (f ’ (x) ).

D’après le théorème de la section précédente, il suffit que | g’(x) | < 1; il s’ensuit que :
2
|f(x) f ’’(x)/ (f ‘(x) ) | < 1.

Il n’est pas toujours facile d’utiliser ce théorème dans la pratique car l’inégalité
précédente n’est pas facile à traiter.

6
 10. RÉSOLUTION DES SYSTÈMES
NON LINÉAIRES

La section précédente a présenté des méthodes pour résoudre une équation non linéaire à
une variable. Dans de nombreux problèmes de génie chimique, on a affaire à plusieurs
équations non linéaires contenant plusieurs inconnues. Le problème général a la forme
suivante :

F(x) = 0 ,

où F(x) est un vecteur de la forme F(x) = [F1(x), F2(x),…, Fi(x),…,Fn(x)]. Chaque

fonction Fi(x) est une fonction non linéaire par rapport à n variables xi , x est un vecteur
formé de n composantes xi . Une solution x* du problème est telle que F(x*) = 0. De
manière générale, on n’est pas sûr qu’il existe une solution ou que cette solution soit
unique. De plus, on ne sait pas s’il existe une relation explicite qui donne la solution en
fonction des coefficients du système d’équations non linéaires.

10.1 Méthode du point fixe

Pour illustrer cette méthode, on suppose que l’on doit résoudre 2 équations non linéaires
F1(x1 , x2) et F2(x1 , x2) à deux inconnues x1 et x2. On cherche donc x* = [x1*, x2*] tel
que :

F1 (x1*, x2*) = 0
F2 (x1*, x2*) = 0 .

La méthode du point fixe à plusieurs variables est une extension de la méthode du point
fixe à une variable. On transforme l’équation :
F1(x1 , x2) = 0
en l’équation :
x1 + F1(x1 , x2) = x1
et en nommant :
G1(x1 , x2) = x1 + F1(x1 , x2) .

Le problème F1(x1 , x2) = 0 revient à G1(x1 , x2) = x1.

De même, on pose :
G2(x1 , x2) = x2 + F2(x1 , x2) .
Le problème F2(x1 , x2) = 0 revient à G2(x1 , x2) = x2.

La méthode repose sur les étapes suivantes.

(0) (0) (0)
On se donne x = [x1 , x2 ] (proche de la solution si possible).

7
On calcule :
(1) (0) (0)
x1 = G1(x1 , x2 )
(1) (0) (0)
x2 = G2(x1 , x2 ) .

Puis :
(2) (1) (1)
x1 = G1(x1 , x2 )
(2) (1) (1)
x2 = G2(x1 , x2 ) .

Puis :
(3) (2) (2)
x1 = G1(x1 , x2 )
(3) (2) (2)
x2 = G2(x1 , x2 ) .
(k)
Et on espère que, au bout de k itérations, avec k éventuellement très grand, x converge
vers une valeur x*. S’il y a convergence, on a la relation :
x* = G(x*).

D’après la définition de la fonction g, il s’ensuit que :

G(x*) = x* + F(x*)
et
x* = x* + F(x*)
0 = F(x*).

Dans ce cas, x* est un point fixe de l’application G.

Exemple.
Soient les équations suivantes :
2 2
F1 (x1, x2) = -( x1 + x2 - 2 x1 x2 -1)/10
2 2
F2 (x1, x2) = -( x1 + x2 + 2 x1 x2 - 9)/10 .
(0)
En prenant x = [2.5 , 1.5] , on obtient les itérés suivants :
(1)
x1 = 2.5
(1)
x2 = 0.8
(2)
x1 = 2.311
(2)
x2 = 0.611
(3)
x1 = 2.1220
(3)
x2 = 0.6572
(4)
x1 = 2.0074
(4)
x2 = 0.7848

8
 (5)
x1 = 1.9580
(5)
x2 = 0.9051.

En fait la solution exacte est x* = [2, 1].

♦

La convergence (succès) de la méthode du point fixe dépend de la forme de F et de

l’estimé de départ x0 .

10.2 Méthode de Newton-Raphson

Comme dans le cas d’une équation non linéaire à une inconnue, la méthode du point fixe
n’est pas très rapide et demande plusieurs itérations avant d’obtenir une bonne
approximation de la solution. On peut donc proposer une méthode plus efficace comme la
méthode de Newton-Raphson pour résoudre l’équation F(x) = 0.

On rappelle que la formule de la méthode de Newton-Raphson pour une équation non

linéaire à une inconnue est la suivante :

xk+1 = xk – f(xk)/f ’(xk).

Cette équation peut se mettre sous la forme

xk+1 - xk = – f(xk)/f ’(xk)

f ’(xk) (xk+1 - xk )= – f(xk).

Pour un système de 2 équations non linéaire à 2 inconnues,

F1 (x1, x2) = 0
F2 (x1, x2) = 0 .

La méthode de Newton repose sur une formule analogue à l’équation précédente :

(k) (k+1) (k) (k)
J(x ) (x -x )= – F(x ),

où J est la matrice jacobienne formée des dérivées partielles de F par rapport à x. Dans le
cas de 2 équations à 2 inconnues, la matrice jacobienne est une matrice carrée de
dimension 2 dont les éléments sont les suivants :
(k) (k) (k)
J(x ) = ∂ F1 (x )/ ∂ x1 ∂ F1 (x )/ ∂ x2
(k) (k)
∂ F2 (x )/ ∂ x1 ∂ F2 (x )/ ∂ x2.

L’équation de la méthode de Newton conduit alors à :

9
 (k) (k+1) (k) (k)
J(x ) (x -x )= – F(x )
(k+1) (k) (k) -1 (k)
(x -x )= – J(x ) F(x )
(k+1) (k) (k) -1 (k)
x =x – J(x ) F(x ).
(k+1) (k) (k) (k)
Il est à noter que x , x et F(x ) sont des vecteurs et que J(x ) est une matrice. La
méthode de Newton fonctionne si la matrice J est inversible puisque la formule utilise
l’inverse de la matrice J.

Exemple. Résoudre le système

2 2
F1 (x1, x2) = -( x1 + x2 - 2 x1 x2 -1)/10
2 2
F2 (x1, x2) = -( x1 + x2 + 2 x1 x2 - 9)/10 :

La matrice Jacobienne a comme terme général :

∂ F1(x1, x2) / ∂x1 = -(2x1 - 2x2 )/10

∂ F1(x1, x2) / ∂x2 = -(2x2 - 2x1)/10
∂ F2(x1, x2) / ∂x1 = -(2x1 + 2x2)/10
∂ F2(x1, x2) / ∂x2 = -(2x2 + 2x1 )/10
(0)
En prenant x = [2.5 , 1.5] , on obtient les itérés suivants
(1)
x1 = 2.0625
(1)
x2 = 1.0625
(2)
x1 = 2.00125
(2)
x2 = 1.00125
(3)
x1 = 2.00000
(3)
x2 = 1.00000

Dans ce cas la méthode de Newton converge.

10