Chapitre 1

Résolution des équations non

linéaires dans R:

1.1 Introduction
On présente ici quelques méthodes de résolution numérique de l’équation suivante :

f (x) = 0; (1.1)

où f : R ! R est une fonction réelle non linéaire.

On se propose de déterminer la ou les solutions de l’équation (1:1) ;où f est un poly-
nôme de degré 3 ou l’expression de f est complexe.
Les méthodes classiques de résolution ne permettent pas de résoudre de tels problèmes.
On fait donc appel aux techniques des méthodes numériques.

Dé…nition 1 On appelle une solution ou une racine exacte de l’équation (1.1) tout réel
2 Df tel que f ( ) = 0; Df désigne le domaine de dé…nition de la fonction f: Géomé-
triquement : est l’abscisse de l’intersection entre la courbe de f et l’axe x0 ox:

Dé…nition 2 On appelle une solution approchée de l’équation (1:1) tout réel 2 Df tel
que jf ( )j "; Df , où " est un réel positif assez petit qui représente la précision ou bien

5
l’erreur permise pour l’approximation.

1.2 Etude de l’équation (1:1)

Cette étude doit aborder les points suivants :

1.2.1 Existence et unicité des racines

L’existence et l’unicité des racine de l’équation (1:1) dépend totalement des propriétés
de la fonction f à savoir : la continuité et la dérivabilité, comme le montre le théorème
des valeurs intermédiaires dont on rappelle ici le contenu :

Théorème 1 Soit f une fonction dé…nie et continue sur [a; b]

Si f (a)f (b) < 0, alors l’équation (1:1) admet au moins une racine 2 ]a; b[.
Si de plus, f est strictement monotone sur ]a; b[, alors la racine est unique.

1.2.2 Calcul des racines

Les méthodes de résolution qui existent peuvent se classi…er en deux types di¤érents :
1) Méthodes directes : Elles nous permettent de déterminer toutes les racines
exactes en même temps après un nombre …ni d’opérations arithmétiques.
Exemple
La méthode de discriminant (4) pour résoudre l’équation polynômiale suivante :

f (x) = ax2 + bx + c = 0; x 2 R:
p p
b 4 b+ 4
Si 4 > 0; alors les racines sont : x1 = 2a
ou x2 = 2a
:
2) Méthodes itératives : Les racines obtenues par ces méthodes sont des racines
approchées, et cela s’e¤ectue comme suit :
On démarre par une valeur initiale, ensuite on construit une suite (xk )k2N de valeurs
approchées de la racine exacte telle que :

6
 lim xk = :
k!+1

Toutes les méthodes itératives exigent avant tout une étape essentielle qui est la
séparation (ou localisation) des racines.

1.2.3 Séparation des racines

On dit que la racine exacte de l’équation (1:1) est séparée dans l’intervalle [a; b] si
cet intervalle ne contient pas d’autres racines.
Pour séparer les racines de cette dernière, on peut utiliser les deux méthodes suivantes :
Méthode graphique
- Soit on trace le graphe de la fonction f et on cherche les abscisses des points de
0
l’intersection de ce graphe avec l’axe (x ox).
- Soit on décompose f en deux fonctions simples à étudier telles que :

f = f1 f2 ;

et on cherche les points d’intersection des deux graphes de f1 et f2 . Ainsi, les abscisses
de ces points sont exactement les racines de l’équation (1:1).

Remarque 1 On choisit souvent f1 et f2 de façon à ce que leurs courbes soient des

courbes connues.

Méthode analytique
Cette méthode se base sur l’application du théorème des valeurs intermédiaires.
Exemples
Séparer graphiquement les racines des équations suivantes :
1. f (x) = x2 ex :
2. f (x) = x3 3x + 1 = 0:
3. f (x) = 2x ln x 4 = 0:

7
 Corrigé
1. La courbe représentative de la fonction f (x) = x2 ex est donnée par le graphe
suivant :

Figure1.1-Graphe de la fonction f (x) = x2 ex :

0
On voit que l’intersection du graphe de la fonction f (x) = x2 ex avec l’axe (x ox)
permet de localiser les racines de l’équation f (x) = 0: Par conséquent, l’équation admet
une racine unique 2 [ 1; 0] :

8
 2. Pour le deuxième exemple, on peut décomposer la fonction f en deux fonctions
usuelles de la manière suivante :

f (x) = x3 3x + 1 = 0 , '1 (x) = '2 (x):

avec '1 (x) = x3 + 1 et '2 (x) = 3x; en traçant leurs graphes on obtient :

Figure1.2-Graphes des fonctions '1 (x) = x3 + 1 et '2 (x) = 3x:

On remarque que cette équation possède trois racines 1 2 [ 2; 1]; 2 2 [0; 1] et

3 2 [1; 2].
3. Pour séparer les racines de la dernière équation, on va envisager la méthode ana-
lytique :
Df = ]0; +1[

9
 0 1
En e¤et : Df = ]0; +1[ et f (x) = 2 x
.
0
Donc, : f (x) = 0 , x = 21 :
Alors, le tableau de variations de f est donné comme suit :

10
 Table1.1- Tableau de variations de f (x) = 2x ln x 4:

En appliquant le Théorème 1 sur les deux intervalles ]0; 21 ] et [ 12 ; +1[, on remarque

que toutes les conditions de ce théorème sont veri…ées, donc il existe une racine unique
1 2 0; 21 et respectivement 2 2 1
2
; +1 . On peut réduire la longueur de deuxième
intervalle, en utilisant la condition du théorème 1 ; (f (a)f (b) < 0, on prend par exemple
2 2 [2; 3].

1.3 Les méthodes de résolution utilisées :

Dans ce qui suit, on suppose que f est continue et que la racine de l’équation (1:1)
est séparée dans un intervalle [a; b] :

1.3.1 Méthode de dichotomie :

L’idée est de construire une suite d’intervalles, de plus en plus petits contenants une
racine séparée de l’équation (1:1) ; dont l’outil utilisé est la deuxième condition du
théorème des valeurs intermédiaires.
En e¤et, on pose I0 = [a0 ; b0 ] = [a; b]
a0 +b0
On divise I0 en deux x0 = 2
: Si f (a0 ) f (x0 ) < 0, alors 2 ]a0 ; x0 [ et on pose
I1 = [a1 ; b1 ] = [a0 ; x0 ] :
b0 a0
Sinon I1 = [a1 ; b1 ] = [x0 ; b0 ] et on a : j x0 j 2
.

11
 a1 +b1
On répéte cette opération sur le nouvel intervalle I1 avec x1 = 2
:

Si f (a1 ) f (x1 ) < 0, alors 2 ]a1 ; x1[ et on pose I2 = [a2 ; b2 ] = [a1 ; x1 ] :

b1 a1
Sinon I2 = [a2 ; b2 ] = [x1 ; b2 ] et on a : j x1 j 2
.

De cette manière, on continue pour construire la suite de valeurs approchées x0 ; x1 ;

x2 ; : : : ; x k :

Critère d’arrêt : On a pour k 0:

bk ak bk 1 ak 1 b 0 a0 b a
j xk j = = ::: = = k+1 : (1.2)
2 22 2k+1 2
Alors, l’erreur de la méthode est la longueur de l’intervalle initial après (k + 1) itér-
rations.

Evaluation de la méthode

– L’inégalité (1:2) nous permet d’estimer à l’avance le nombre d’itération nécessaire

pour approcher la solution exacte avec une précision donnée ":
Par exemple pour avoir une erreur ne depassant pas "; il su¢ t que :

b a ln (b a) ln (")
" =) k 1:
2k+1 ln (2)
– La convergence de la méthode est garantie dés qu’on détermine l’intervalle conte-
nant la racine exacte.

– Cette méthode est considérée comme étant la méthode la plus facile en program-
mation, elle nécessite seulement le calcul de f en plusieurs points.

– L’inconvénient majeur de cette méthode est sa lente convergence.

12
 Figure 1.3.

Figure 1.3- Construction des premiers itérés de la méthode de dichotomie.

13
Exemple 1 Soit l’équation suivante :

1
f (x) = x sin x 1 = 0:
2

1- Véri…er que cette équation admet une racine unique 2 0; 2

:

2- Déterminer le nombre minimal d’itérations nécessaires pour calculer une racine ap-
1
prochée avec une précision " = 10 en utilisant la méthode de dichotomie, ensuite
calculer cette racine approchée.

Solution
1 3
1- f (x) = x 2
sin x 1 est continue sur 0; 2
et f (0) f 2
= ( 1) 2 2
< 0:
Donc d’après le Théorème 1; il existe au moins une racine 2 0; 2
de l0 équation
0 1
f (x)=0: Puisque f est une fonction croissante sur 0; 2
f (x) = 1 2
cos x > 0 sur 0; 2
,

alors est unique.

2- Calcul du nombre minimal d’itérations nécessaires à e¤ectuer

ln(b a) ln(") ln( 2 0) ln(10 1

)
k ln(2)
1 () k ln(2)
1

() k 2:97 ) k = 3:
Alors, on doit faire au moins 3 itérations.

ak +bk
k ak bk xk = 2
f (ak ) f (xk ) k
+ 1
0 0 2
0:7854 >0 0:785 > " = 10
+ 1
1 0:7854 2
1:1781 >0 0:39 > " = 10
+ 1
2 1:1781 2
1:3744 >0 0:195 > " = 10
+ 1
3 1:3744 2
1:4726 >0 0:0975 < " = 10

La racine approchée est x3 = 1:4726 10 1 :

14
1.3.2 Méthode de Newton-Raphson :

Soit f une fonction continue et deux fois dérivables sur l’intervalle [a; b]. Supposons
que :
1. f (a) f (b) <0:
0 00
2. f (x) 6= 0 sur [a; b] et f (x) 6= 0 garde le même signe sur cet intervalle.
Alors la procédure de la méthode de Newton pour approcher la racine est donnée
par : 8
< x0 2 [a; b] tel que f (x0 ) :f 00 (x0 ) > 0
(1:3)
: xk+1 = xk f (xk )
0 ; k = 1; 2; :::
f (xk )

Géométriquement, le point xk+1 dans la formule (1:3) est l’abcisse du point d’inter-
0
section entre la tangente de la courbe de f au point (xk ; f (xk )) et l’axe x ox (Figure
1.4):

Si les conditions (1) et (2) sont satisfaites alors la suite générée par l’algorithme de
Newton converge vers l’unique solution de l’équation f (x) = 0.
De plus, on a l’estimation d’erreur suivante :

M2
k+1 = jxk+1 j (xk )2
2m2
00 0
où M2 = max f (x) et m1 = min f (x) :
x2[a;b] x2[a;b]
Critère d’arrêt : En général, le calcul de M2 et m1 sont très couteux, alors on peut
utiliser d’autres critères d’arrêt comme :

k+1 = jxk+1 xk j < "

(1:4)
ou jf (xk+1 )j <

où " est la précision permise pour calculer la racine de l’équation (1:1) :

15
 Figure1.4 - Illustration de la méthode de Newton-Raphson.

Exemple 2 Soit l’équation suivante :

f (x) = ex + x = 0:

1- Démontrer que cette équation admet une racine unique 2 [ 1; 0] :

2- En appliquant l’algorithme de Newton-Raphson, calculer une valeur approchée de
avec une précision " = 10 2 :

Solution
1- f (x) = ex + x est continue sur [ 1; 0] et f ( 1) f (0) = (e 1
1) < 0:
Donc d’après le Théorème 1; il existe au moins une racine 2 ] 1; 0[ de l0 équation
f (x)=0:
0
Puisque f est une fonction strictement croissante sur [ 1; 0], f (x) = 1 + ex > 0 sur ] 1; 0[ ,
alors est unique.

16
 2- Choix du point initial :
0 00 00
f (x) = 1 + ex ; f (x) = ex ; on remarque que f (0) f (0) = 1 2 = 2 > 0; donc, on
peut prendre x0 = 0:
On utilise le schéma itératif de la méthode de Newton-Raphson, on trouve

x1 = 0:5, 1 = jx1 x0 j = :j0 0:5j = 0:5 > " = 10 2 :

x2 = 0:5663, 2 = jx2 x1 j =j0:5663 0:5j = 0:0:063 > " = 10 2 :

x3 = 0:5693, 3 = jx3 x2 j = j0:5693 0:5663j = 0:003 < " = 10 2 :

Alors = 0:5693 10 2 :

1.3.3 Méthode de Lagrange :

Soit f une fonction continue et deux fois dérivable sur l’intervalle [a; b]. On Suppose
que :
1. f (a) f (b) <0:
0 00
2. f (x) 6= 0 sur [a; b] et f (x) 6= 0 garde le même signe sur cet intervalle.
Alors la procédure de la méthode de Lagrange pour approcher la racine de l’équation
(1:1) est donnée par :
8
< x = a si f 00 (a):f (a) < 0
0
(1:5)
: x f (xk )
k+1 = xk f (xk ) f (b)
(xk b) ; k = 1; 2; :::

ou bien
8
< x = b si f 00 (b):f (b) < 0
0
(1:6)
: x f (xk )
k+1 = xk f (xk ) f (a)
(xk a) ; k = 1; 2; :::

Gométriquement, on remplace le graphe de f restreint à l’intervalle [a; b] par le seg-

ment de droite joignant les points (a; f (a)) et (b; f (b)), ce segment coupe l’axe (OX) en
un point d’abscisse x1 . Soit le point de coordonnées (x1 ; f (x1 )), on réitère alors le même

17
procédé qu’auparavant en joignant ce point et l’extrémité …xe, (a; f (a)) ou (b; f (b)),
00
l’extrémité …xe est celle qui satisfait f (x).f (x) 0.

Alors, dans ce cas, on obtient l’une des deux formules itératives précédentes ((1:5) ou (1:6))
pour cette méthode selon la condition du point initial.

Figure1.5 -Illustration de la méthode de Lagrange

Suivant les hypothèses (1) et (2), la suite générée par l’algorithme de Lagrange, dans
les deux alternatives, converge vers la seule racine de l’équation .(1:1) dans [a; b]:

18
 De plus, on a l’estimation d’erreur suivante :

M1 m 1
k+1 = jxk+1 j jxk+1 xk j
m1

0 0
où M1 = max f (x) et m1 = min f (x)
x2[a;b] x2[a;b]
Critère d’arrêt : On peut envisager aussi le même critère d’arrêt que celui de la
méthode de Newton cité dans la formule (1:4).

Exemple 3 On considère l’équation :

f (x) = ln (x) x + 2:

1- Montrer que l’equation f (x) = 0 admet une solution unique appartenant à

l’intervalle [3; 4] :
2- Calculer jusqu’a l’itération k = 2 une valeur approchée de ; en utilisant la mé-
thode de Lagrange et évaluer l’erreur commise 2:

Solution
1- f (x) = ln (x) x + 2 est continue sur [3; 4] et f (3) f (4) < 0 (f (3) = 0:0986;
f (4) = 0:6937): Donc d’après le Théorème 1; il existe au moins une racine 2 ]3; 4[
de l0 équation f (x) = 0:
0
Puisque f est une fonction strictement décroissante sur [3; 4] ; f (x) = 1 + ex > 0 sur ]3; 4[ ,
alors est unique.
00
2- Pour la méthode de Lagrange, le point initial sera x0 = 3, car f (3):f (3) < 0:
0
f (xk )
Alors : xk+1 = xk f (xk ) f (4)
(xk 4)
On calcule les itérations
x1 = 3:1384; 1 = jx1 x0 j = 0:1384:,
x2 = 3:1458; 2 = jx2 x1 j = 0:0074:
L’erreur commise est 2 = 0:0074:

19