Chapitre III

Résolution numérique des équations non linéaires

3. 1 Introduction
Soit f une fonction continue sur R. Nous désirons trouver une ou plusieurs solutions à
l’équation 𝒇(𝒙) = 𝟎. En général x ne peut pas être calculé explicitement. On cherche donc à
calculer x de façon approchée.

La valeur de la variable 𝒙 qui vérifie cette égalité est appelée solution (ou racine) de l'équation,
elle est notée 𝑥0 tel que 𝒇(𝑥0 ) = 𝟎. Lorsque la fonction 𝑓(𝑥) est simple on peut dans certains
cas trouver analytiquement ces racines, mais dans la plupart des cas il est impossible de trouver
les solutions de l’équation de façon analytique. La résolution numérique est nécessaire lorsque
la solution analytique est difficile ou impossible.

Les méthodes numériques de résolution d’équations sont des méthodes itératives. Elles reposent
sur le calcul d’une récurrence qui part d’un point 𝑥0 (a priori différent de la racine que l’on
cherche), et qui, de proche en proche, tend vers la racine 𝑥0 . Elles permettent donc d’obtenir
une valeur approchée de la racine.

Il existe plusieurs techniques numériques permettant de résoudre l'équation non linéaire, ces
méthodes se distinguent par leurs principes et leurs vitesses de convergence. Nous introduisons
dans cette section la méthode de bissection (ou de dichotomie).

3.2 Méthode de la Bissection (ou dichotomie) :

On considère une fonction réelle 𝑓définie sur un intervalle [𝑎, 𝑏],avec 𝑎 < 𝑏, et continue sur
cet intervalle et on suppose que 𝒇(𝒂)𝒇(𝒃) < 𝟎 et que l’équation 𝒇(𝒙) = 𝟎 admet une unique
racine sur l’intervalle [𝒂, 𝒃], c’est-à-dire qu’il existe une unique 𝒙𝟎 tel que 𝒇(𝑥0 ) = 𝟎.

La méthode de la bissection est une méthode de recherche des racines qui divise plusieurs fois
un intervalle puis sélectionne un sous -intervalle dans lequel la racine doit se trouver pour un
traitement plus poussé. Pour trouver la racine de l’équation avec une précision souhaitée on suit
les étapes suivantes :

1
1. Tout d’abord en identifie un intervalle 𝑰𝟏 = [𝒂, 𝒃] qui contient la racine 𝒙𝟎 pour l’équation
𝒇(𝒙) = 𝟎, c’est-à-dire de façon que 𝒂 < 𝒙𝟎 < 𝒃 dans le quelle la fonction 𝑓(𝑥). Ceci est
réalisé en vérifiant que la fonction est continue et change de signe c’est-à-dire 𝑓(𝑎)𝑓(𝑏) < 0.
𝒂+𝒃
2. Calculer la première estimation 𝒙𝟏 = , l’erreur estimé de la première itération est
𝟐
𝒃−𝒂
|𝒙𝟏 − 𝒙𝟎 | < 𝑬𝟏 = avec: 𝒙𝟏 − 𝑬𝟏 < 𝒙𝟎 < 𝒙𝟏 + 𝑬𝟏
𝟐

3. Etape 1 – Si 𝒇(𝒙𝟏 ) = 𝟎 ⇒ 𝒙𝟎 = 𝒙𝟏 (la racine𝒙𝟎 est égale 𝑥1 ), alors arrêter la recherche.

4. Etape 2 – Si 𝒇(𝒙𝟏 ) ≠ 𝟎 , La racine se trouve alors dans l’un des deux intervalles [𝒂, 𝒙𝟏 ]
ou [𝒙𝟏 , 𝒃]
 Si 𝑓(𝒂)𝑓(𝒙𝟏 ) < 0 alors la solution 𝒙𝟎 est dans l’intervalle [ 𝒂, 𝒙𝟏 ] .
𝒂𝟐 +𝒃𝟐
Nous posons alors 𝒂𝟐 = 𝒂 , 𝒃𝟐 = 𝒙𝟏 , 𝒙𝟐 = .
𝟐

 Sinon 𝑓(𝒂)(𝒙𝟏 ) > 0 alors la solution 𝒙𝟎 est dans l’intervalle [𝒙𝟏 , 𝒃𝟏 ] .

𝒂𝟐 +𝒃𝟐
Nous posons alors 𝒂𝟐 = 𝒙𝟏 , 𝒃𝟐 = 𝒃, 𝒙𝟐 = 𝟐

5. Nous sommes donc certains que dans les deux cas que 𝒇(𝒂𝟐 )𝒇(𝒃𝟐 ) < 𝟎 et que la solution
exacte est 𝒙𝟎 ∈ 𝑰𝟐 avec 𝑰𝟐 = [𝒂𝟐 , 𝒃𝟐 ].
𝒂𝟐 +𝒃𝟐
6. L’estimation à la deuxième itération de la racine de l’équation est 𝒙𝟐 = est l’erreur
𝟐
𝒃𝟐 −𝒂𝟐
estimée est |𝒙𝟐 − 𝒙𝟎 | < 𝑬𝟐 = de façon que 𝒙𝟐 − 𝑬𝟐 < 𝒙𝟎 < 𝒙𝟐 + 𝑬𝟐
𝟐

7. Si la précision de la solution est suffisante en s’arrête à la première itération sinon on passe

à l’itération suivante en répétant les étapes 3-6 jusqu’à ce que la précision souhaitée est
𝒃𝒏 −𝒂𝒏
atteinte |𝒙𝒏 − 𝒙𝟎 | < 𝑬𝒏 = < 𝜺.
𝟐

Cas général :
A n-1, nous faisons les testes :
𝒂𝒏−𝟏 +𝒃𝒏−𝟏
1. On calcule 𝒙𝒏−𝟏 par l’expression : 𝒙𝒏−𝟏 = 𝟐

2. Etape 1 – Si 𝒇(𝒙𝒏−𝟏 ) = 𝟎 ⇒ 𝒙𝟎 = 𝒙𝒏−𝟏, alors arrêter la recherche.

3. Etape 2 – Si 𝒇(𝒙𝒏−𝟏 ) ≠ 𝟎 , la racine se trouve alors dans l’un des deux intervalles
[𝒂𝒏−𝟏 , 𝒙𝒏−𝟏 ] ou [𝒙𝒏−𝟏 , 𝒃𝒏−𝟏 ]
 Si 𝑓(𝒂𝒏−𝟏 )𝑓(𝒙𝒏−𝟏 ) < 0 alors 𝒙𝟎 ∈ [𝒂𝒏−𝟏 , 𝒙𝒏−𝟏 ] .
𝒂𝒏 +𝒃𝒏
Nous posons alors 𝒂𝒏 = 𝒂𝒏−𝟏 , 𝒃𝒏 = 𝒙𝒏−𝟏 , 𝒙𝒏 = 𝟐

 Sinon 𝑓(𝒂𝒏−𝟏 )𝑓(𝒙𝒏−𝟏 ) > 0 alors 𝒙𝟎 ∈ [𝒙𝒏−𝟏 , 𝒃𝒏−𝟏 ] . On définit un deuxième

𝒂𝒏 +𝒃𝒏
sous-intervalle 𝐼𝑛 = [𝒂𝒏 = 𝒙𝒏−𝟏 , 𝒃𝒏 = 𝒃𝒏−𝟏 ] ; on pose ensuite 𝒙𝒏 = 𝟐

2
4. Nous sommes donc certains que dans les deux cas que 𝒇(𝒂𝒏 )𝒇(𝒃𝒏 ) < 𝟎 et que la solution
exacte est 𝒙𝟎 ∈ 𝑰𝒏 avec 𝑰𝒏 = [𝒂𝒏 , 𝒃𝒏 ].
5. L’estimation à la deuxième itération de la racine de l’équation est 𝒙𝒏 = 𝒂𝒏+𝒃
𝟐
𝒏
est l’erreur
𝒃𝒏 −𝒂𝒏
estimée est |𝒙𝒏 − 𝒙𝟎 | < 𝑬𝒏 = de façon que 𝒙𝒏 − 𝑬𝒏 < 𝒙𝟎 < 𝒙𝒏 + 𝑬𝒏
𝟐

La figure ci-dessous illustré le principe de la méthode de Bissection

3.3 La condition d’arrêt :

𝒃𝒏 −𝒂𝒏
L’erreur absolue sur la racine d’ordre n est alors |𝒙𝒏 − 𝒙𝟎 | < 𝑬𝒏 = ≤𝜺
𝟐

𝑏𝑛 − 𝑎𝑛 𝑏𝑛−1 − 𝑎𝑛−1 𝑏1 − 𝑎1
|𝑥𝑛 − 𝑥0 | < = 2
=⋯=
2 2 2𝑛
𝑏−𝑎
𝑏1 − 𝑎1 𝑏1 − 𝑎1 𝑙𝑛 ( 𝜀 )
|𝒙𝒏 − 𝒙𝟎 | < ≤𝜀 ⇒ ≤ 2𝑛 D’où 𝑛 ≥
2𝑛 𝜀 𝑙𝑛(2)
-Pour calculer le nombre d’itérations nécessaire pour avoir la solution avec une précision ε
donnée, nous utilisons la formule :
𝑏−𝑎
𝑙𝑛 ( 𝜀 )
𝑛≥ ; 𝑛≥1
𝑙𝑛(2)
3.4 Exemple :

En utilisant la méthode de bissection trouver la racine de l’équation suivantes dans l’intervalle

[0,1] :

𝑓(𝑥) = 𝑥 2 𝑒 𝑥 − 1 = 0

3
1. Après avoir vérifié l’application de la méthode de bissection sur cet intervalle, calculer les
cinq premiers itérés.
2. Calculer le nombre d’itération qu’il faut pour avoir la solution avec une précision 𝜀 = 10−4

1.a- Vérifiant l’existence de la racine dans l’intervalle [𝟎, 𝟏] :

𝑓(0) = −1 𝑓(1) = 1.7183 la fonction est une fonction continue et change de signe dans
l’intervalle [0,1] il existe donc au moins une valeur pour laquelle elle s’annule. Nous pouvons
appliquer la méthode de la bissection sur cet intervalle.

1.b- Application de la méthode de bissection :

Utiliser la technique de bissection en utilisant 𝑁 = 5 itérations.

𝑎1 = 𝑎 = 0
𝑏1 = 𝑏 = 1
𝑓(0) 𝑓(1) < 0
Première itération 𝑛 = 1
𝐼1 = [𝑎1 = 𝑎, 𝑏1 = 𝑏]
𝑎1 + 𝑏1 0 + 1 𝑏1 − 𝑎1
𝑥1 = = = 0.5 𝐸1 = = 0.5
2 2 2
Deuxième itération 𝑛 = 2
𝑎2 = 𝑥1 = 0.5
𝑓( 𝑥1 = 0.5) = −0.5878 ⇒ 𝑓(𝑎1 ) 𝑓( 𝑥1 ) > 0 ⇒ {
𝑏2 = 𝑏1 = 1
𝑎2 + 𝑏2 0.5 + 1 𝑏2 − 𝑎2 1 − 0.5
𝑥2 = = = 0.75 𝐸2 = = = 0.25
2 2 2 2
Troisième itération 𝑛 = 3
𝑎3 = 𝑎2 = 0.5
𝑓( 𝑥2 = 0.75) = 0.1908 ⇒ 𝑓(𝑎2 ) 𝑓( 𝑥2 ) < 0 ⇒ {
𝑏3 = 𝑥2 = 0.75
𝑎3 +𝑏3 0.5+0.75 𝑏3 −𝑎3 0.75−0.5
𝑥3 = = = 0.625 𝐸3 = = = 0.125
2 2 2 2

Quatrième itération 𝑛 =4
𝑎4 = 𝑥3 = 0.625
𝑓( 𝑥3 = 0.625) = −0.2702 ⇒ 𝑓(𝑎3 ) 𝑓( 𝑥3 ) > 0 ⇒ {
𝑏4 = 𝑏3 = 0.75
𝑎4 + 𝑏4 0.625 + 0.75 𝑏4 − 𝑎4 0.75 − 0.625
𝑥4 = = = 0.6875 𝐸4 = = = 0.0625
2 2 2 2
Cinquième itération 𝑛 =5
𝑎5 = 𝑥4 = 0.6875
𝑓( 𝑥4 = 0.6875) = −0.0600 ⇒ 𝑓(𝑎4 ) 𝑓( 𝑥4 ) = 𝑓(0.625) 𝑓(0.6875) > 0 ⇒ {
𝑏5 = 𝑏4 = 0.75

4
 𝑎5 +𝑏5 0.6875+0.75 𝑏5 −𝑎5 0.75−0.6875
𝑥5 = = = 0.71875 𝐸5 = = = 0.03125
2 2 2 2

On s’arrête à la 5ème itération 𝑥 = 0.71875 ± 0.03125

Résumé Méthode de Bissection

𝑎𝑛−1 +𝑏𝑛−1 𝑎𝑛 = 𝑎𝑛−1 𝑎𝑛 = 𝑥𝑛−1 𝑎 +𝑏 𝑏 −𝑎
𝑥𝑛−1 = ; 𝑆𝑖 𝑓(𝑎𝑛−1 ) × 𝑓(𝑥𝑛−1 ) < 0 𝑎𝑙𝑜𝑟𝑠 { 𝑏 = 𝑥 𝑠𝑖𝑛𝑜𝑛 { 𝑏 = 𝑏 ; 𝑥𝑛 = 𝑛 𝑛 ; 𝐸𝑛 = 𝑛 𝑛 ;
2 𝑛 𝑛−1 𝑛 𝑛−1 2 2

𝑛 𝑎𝑛 𝑏𝑛 𝑥𝑛 𝑓(𝑎𝑛 )𝑓( 𝑥𝑛 ) 𝐸𝑛
1 0.0000 1.0000 0.5000 + 0.5000
2 0.5000 1.0000 0.7500 - 0.2500
3 0.5000 0.7500 0.625 + 0.1250
4 0.625 0.7500 0.6875 + 0.0625
5 0.6875 0.7500 0.71875 - 0.0312

2-Pour calculer le nombre d’itérations nécessaire pour avoir la solution avec une précision ε
donnée, nous utilisons la formule :
𝑏−𝑎
𝑙𝑛 ( 𝜀 )
𝑛≥ , 𝑛≥1
𝑙𝑛(2)

Dans le cas de cet exemple. Si nous fixons 𝜀 = 10−4 , nous obtenons

1−0
𝑙𝑛 ( −4 )
𝑛≥ 10 ≈ 13.2877 𝑛 = 14
𝑙𝑛(2)

Il faut effectuer 14 itérations en utilisant la méthode de Dichotomie pour avoir la racine avec
une précision.

5
3. 4 Méthode de Newton-Raphson :
La méthode de Newton-Raphson est une méthode très efficace dans la recherche du zéro d’une
fonction réelle, sa convergence est généralement bien plus rapide que celle de la méthode
dichotomique.

Soit 𝑓 une fonction continue et dérivable sur[𝑎, 𝑏], nous supposons que 𝑓 a un seul zéro
dans [𝑎, 𝑏] tel que𝑓 ′ (𝑥) ≠ 0. La méthode consiste à introduire une suite (𝑥𝑛 ) d’approximation
successives de l’équation 𝑓(𝑥) = 0.
 On commence par choisir une première estimation de
la solution 𝑥1 .
 A partir de 𝑥1 , on calcule un nouveau terme 𝑥2 de la
manière suivante : on trace la tangente à la courbe de
𝑓(𝑥) au point(𝑥1 , 𝑓(𝑥1 )). Cette tangente coupe l’axe
𝑂𝑥 en 𝑥2 comme indiqué sur la figure.
 On réitère ce procédé en calculant 𝑥3 en remplaçant
𝑥1 par 𝑥2 , puis 𝑥4 en remplaçant 𝑥2 par 𝑥3 et ainsi de
suite jusqu’à atteindre la précision 𝜀 souhaitée

L’équation de la tangente à la courbe au point 𝑥1 s’écrit : 𝑦 = 𝑎𝑥 + 𝑏 avec 𝑎 = 𝑓 ′ (𝑥)

Comme cette droite passe par le point (𝑥1 , 𝑓(𝑥1 )) nous avons 𝑓(𝑥1 ) = 𝑎 𝑥1 + 𝑏 nous avons
donc 𝑏 = 𝑓(𝑥1 ) − 𝑎 𝑥1 = 𝑓(𝑥1 ) − 𝑓 ′ (𝑥1 ) 𝑥1

L’équation de cette droite est donc

𝑦 = 𝑓 ′ (𝑥1 )𝑥 + 𝑓(𝑥1 ) − 𝑓 ′ (𝑥1 ) 𝑥1

Son intersection avec l’axe 𝑂𝑥 au point (𝑥2 , 0)

0 = 𝑓 ′ (𝑥1 )𝑥2 + 𝑓(𝑥1 ) − 𝑓 ′ (𝑥1 ) 𝑥1

On obtient alors la formule de Newton

𝑓(𝑥1 )
𝑥2 = 𝑥1 −
𝑓 ′ (𝑥1 )

D’autre part la tangent passe par les deux points suivant (𝑥1 , 𝑓(𝑥1 )) et (𝑥2 , 0) la pente de
cette droit est donc

6
 𝑓(𝑥1 ) − 0
𝑓 ′ (𝑥1 ) =
𝑥1 − 𝑥2
On trouve aussi
𝑓(𝑥1 )
𝑥2 = 𝑥1 −
𝑓 ′ (𝑥1 )
En répétant le processus plusieurs fois on obtient l’équation de la tangente en 𝑥𝑛 :
𝑓(𝑥𝑛−1 )
𝑥𝑛 = 𝑥𝑛−1 −
𝑓 ′ (𝑥𝑛−1 )

Critère d'arrêt
- L’erreur absolue |𝒙𝒏 − 𝒙𝒏−𝟏 | ≤ 𝜺
𝒙𝒏 −𝒙𝒏−𝟏
- Erreur relative estimée |
𝒙𝒏
| ≤𝜺

Où 𝜀 est la précision souhaitée

- Tolérance 𝛿 de la fonction |𝑓(𝒙𝒏 )| ≤ 𝜹

Dans toutes les méthodes itératives, il est nécessaire pour éviter une divergence de la solution,
de bien choisir la valeur initiale 𝑥1 . Celle-ci peut être obtenue graphiquement.
2
Exemple 2 : En utilisant la méthode de Newton trouver la racine de 𝑓(𝑥) = 𝑥 + 𝑒 −𝑥 dans
l’intervalle [0,1] avec une précision de ε = 10−4.
𝑓(𝑥) = 𝑥 2 𝑒 𝑥 − 1 = 0
𝑓 ′ (𝑥) = 𝑥 2 𝑒 𝑥 + 2𝑥 𝑒 𝑥
Appliquons la méthode de Newton-Raphson sur 𝐼 = [0,1]. La suite de Newton- Raphson est
𝒇(𝒙𝒏−𝟏 )
𝒙𝒏 = 𝒙𝒏−𝟏 − ′
𝒇 (𝒙𝒏−𝟏 )
𝑓(𝑥1 ) −0.5878
𝑥2 = 𝑥1 − ′
= 0.5 − = 0.7852
𝑓 (𝑥1 ) 2.0609
𝑓(𝑥2 ) 0.3520
𝑥3 = 𝑥2 − = 0.7852 − = 0.7118
𝑓 ′ (𝑥2 ) 4.7956
𝒏 𝒙𝒏 𝒇(𝒙𝒏 ) 𝒇′ (𝒙𝒏 ) |𝒙𝒏+𝟏 − 𝒙𝒏 |
1 0.5000 -0.5878 2.0609 --------------
2 0.7852 0.3520 4.7956 0.2852
3 0.7118 0.0324 3.9332 0.0734
4 0.7036 5.0960e-04 3.8445 0.0082
5 0.7035 1.2520e-04 3.8434 1.0000e-04
6 0.7035 1.2520e-04 3.8434 0.0000

La solution est : 𝑥𝑠𝑜𝑙 = 0.7035

7
 𝑥2
Exemple 3 : On considère l’équation non linéaire 𝑓(𝑥) = 𝑒 𝑥 + 2
+ 𝑥 − 1 dans [−1,1]

1- Montrer que f admet un zéro 𝑥0 dans l’intervalle[−1,1] .

2- Donner avec une précision 10−4 la solution 𝑥0 avec la méthode de Newton, en
commençant par la valeur initiale 𝑥1 = −1.

Solution :
𝑥2
1- La fonction 𝑓(𝑥) = 𝑒 𝑥 + + 𝑥 − 1 est continue sur R, donc en particulier
2
1 3 1
sur]−1,1[ de plus 𝑓(−1) ∗ 𝑓(1) = (𝑒 − 2) ∗ (𝑒 + 2) < 0 donc d’après le théorème

de la valeur intermédiaire, ∃ 𝑥0 𝜖]−1,1[ tel que 𝑓(𝑥0 ) = 0 .

Résultats numériques avec une précision de 𝟏𝟎−𝟒
𝑥2
𝑥
𝑓(𝑥) = 𝑒 + + 𝑥 − 1
2
𝑓 ′(𝑥) = 𝑒 𝑥 + 𝑥 + 1
De Newton avec la valeur initiale 𝒙𝟏 = −𝟏 la suite (𝑥𝑛 ) est calculée à partir de la formule
itérative
𝒇(𝒙𝒏−𝟏 )
𝒙𝒏 = 𝒙𝒏−𝟏 −
𝒇′ (𝒙𝒏−𝟏 )

𝑓(𝑥1 ) −1.1321206
𝑥2 = 𝑥1 − ′
= −1 − = 2.0774227
𝑓 (𝑥1 ) 0.3678794
𝑓(𝑥2 ) 11.2191313
𝑥3 = 𝑥2 − = 2.0774227 − = 1.0631529
𝑓 ′ (𝑥2 ) 11.061289
𝑓(𝑥3 ) 3.5237858
𝑥4 = 𝑥3 − ′
= 1.0631529 − = 0.3525172
𝑓 (𝑥3 ) 4.958639
𝑓(𝑥4 ) 0.8372955
𝑥5 = 𝑥4 − = 0.3525172 − = 0.0508066
𝑓 ′ (𝑥4 ) 2.775161

𝒏 𝒙𝒏 𝒇(𝒙𝒏 ) 𝒇′ (𝒙𝒏 ) |𝒙𝒏+𝟏 − 𝒙𝒏 |

1 -1 -1.1321206 0.3678794 --------------
2 2.0774227 11.2191313 11.061289 3.0774227
3 1.0631529 3.5237858 4.958639 1.0142698
4 0.3525172 0.8372955 2.775161 0.7106357
5 0.0508066 0.1042167 2.102926 0.3017106
6 0.0012487 0.0024989 2.002498 5.6817 E-02
7 0.0000008 0.0000016 2.000002 1.2479 E-03
8 0.0000000 0.0000000 2.000000 8.0000 E-07