Chapitre V :

MÉTHODES NUMÉRIQUES POUR

LES ÉQUATIONS
ALGÉBRIQUES NON LINÉAIRES

Contenu :

1. Généralités page 105

2. Méthode de la bissection page 108
3. Méthode de Descartes (fausse position) page 112
4. Méthode de Newton Raphson page 115
5. Méthode de la Sécante page 117
MNAD/Chap.V : Méthodes numériques… Version 2.0

1. GENERALITES :

Rarement et seulement dans des cas bien particuliers, qu’un problème peut être modélisé par
une ou plusieurs équations linéaires. La linéarité est une exception dans la nature et dans les
mécanismes conçus par l’être humain, et il est beaucoup plus fréquent de rencontrer des
phénomènes non linéaires, et il est donc logique d’aboutir sur des équations non linéaires lors
de la modélisation de ces phénomènes.

Le premier défi que les équations non linéaires représentent c’est d’être capable de les
reconnaître. La façon la plus rigoureuse serait de revenir à la définition mathématique des
relations linéaires qui dit qu’une relation (algébrique ou non) est linéaire si elle possède les
deux propriétés suivantes : l’homogénéité et la superposition.

Homogénéité :

Une relation satisfait la condition d’homogénéité si :

y = f (x ) alors f (k.x ) = k.y .

Superposition :

Une relation satisfait la condition de superposition si :

y1 = f ( x 1 ) et y 2 = f (x 2 ) alors f ( x 1 + x 2 ) = y1 + y 2 .

Revenir à la définition, chaque fois que nous avons à déterminer la linéarité ou non
d’une relation, serait un peu fastidieux et il serait plus efficace de développer, à partir
d’observations, une reconnaissance intuitive de la linéarité. La première observation concerne
les équations différentielles tandis que la deuxième observation concerne les équations
algébriques.

1ère observation :

Une équation différentielle est non linéaire si :

- Un terme faisant intervenir la (ou les) variable(s) dépendante(s) ou ses ou leurs dérivées est
non linéaire.

- Un coefficient d’une variable dépendante ou de ses dérivées, fait intervenir une variable
dépendante ou ses dérivées.

Les termes faisant intervenir la variable indépendante peuvent être non linéaires. A titre
d’exemple si, y = y( t ) , alors les expressions suivantes sont des équations linéaires :

dy dy dy 2
+ y = 0, + 3y = cos( t ) , t + t 3y = cos 2 ( t )
dt dt dt

Nizar B. 2001/2002 106

MNAD/Chap.V : Méthodes numériques… Version 2.0

Alors que les relations suivantes sont non linéaires :

2
dy  dy 
y + αy = 0,   + αy = 0
dt  dt 

2ième observation :

Une équation algébrique est dite linéaire si tous les termes non constants de cette équation
sont linéaires.

Ainsi :

y = 4 x 3 , y = cos( x + 45) , y1 / 2 = x − 2 sont des équations algébriques non linéaires, alors

que :

y = 4 3 x , y = x + cos(45) sont des équations linéaires (ou quasi linéaires).

La deuxième et plus importante difficulté avec les équations non linéaires est leur
résolution. Puisqu’il est impossible de trouver une solution explicite à ces équations, il devient
incontournable alors d’opter pour une des deux suivantes stratégies : ou bien rendre les
équations linéaires et ainsi espérer formuler le problème sous une forme qui permet de lui
trouver une solution analytique ou bien utiliser des méthodes numériques. La première
stratégie a le désavantage que l’équation linéaire qui approche l’équation non linéaire n’est
valable que dans un intervalle réduit autour d’un point particulier. La seconde stratégie
s’impose alors de façon naturelle.

Dans un chapitre précédent, nous avons présenté quelque unes des méthodes numériques
utilisées pour résoudre les équations différentielles ordinaires qu’elles soient linéaires ou non
linéaires. Nous avons en outre vu que certaines de ces méthodes pouvaient aboutir sur des
équations algébriques non linéaires et dans ce chapitre, nous nous intéressons à certaines des
méthodes numériques les plus fréquemment utilisées pour la résolution de ces équations,
qu’elles proviennent directement de la modélisation de phénomènes physiques ou qu’elles
soient le résultat de l’écriture de schémas numériques pour des équations différentielles
ordinaires.

Les méthodes présentées dans ce chapitre sont du nombre de quatre et elles appartiennent à
deux classes de méthodes de résolution des équations algébriques non linéaires : les méthodes
dites de l’intervalle (deux méthodes) et les méthodes dites itératives (deux méthodes). Les
deux méthodes appartenant à la famille des méthodes de l’intervalle sont :

- Méthode de la bissection (de la dichotomie).

- Méthode de la fausse position (de Descartes).

Les deux méthodes appartenant à la famille des méthodes itératives :

- Méthode de Newton-Raphson.
- Méthode de la sécante.

Nizar B. 2001/2002 105

MNAD/Chap.V : Méthodes numériques… Version 2.0

I- Introduction

Soit une fonction f ( x ) non linéaire continue sur un certain intervalle [a,b], souvent alors nous
aurons à résoudre l’équation suivante f ( x ) = 0 sur cet intervalle [a,b]. Résoudre donc cette
équation, et ainsi trouver la ou les racines de f ( x ) sur cet intervalle, revient à trouver tous les
points où f ( x ) coupe l’axe des x sur l’intervalle en question. Une méthode pour déterminer
ces racines consisterait donc à tracer la courbe représentative de f ( x ). À cet égard, il peut y
avoir un point unique (figure 1), deux (figure 2) ou plusieurs points d’intersection (figure 3)
ou même aucun point (figure 4).

f(x) f(x)

x x
a b a b

Figure 1 Figure 2

f(x) f(x)

x x
a b a b

Figure 3 Figure 4

L’idée serait donc, lors de la recherche de la racine qui annule f ( x ) , de choisir l’intervalle
[a,b] de façon à être sûr qu’une seule racine se trouve à l’intérieur de cet intervalle. À cet
égard, le théorème suivant nous est d’une très grande utilité.

Théorème 1

Soit f ( x ) une fonction continue sur un intervalle [a,b], si f (a ).f (b) < 0 et si f ' ( x ) est de signe
constant sur ce même intervalle alors il existe une racine unique ξ ∈ [a , b] , à l’équation
f ( x ) = 0.

Remarque :

Ce théorème est restrictif i.e. il y a des cas où dans un intervalle quelconque [a,b], il y ait une
racine unique bien que le théorème 2 ne soit pas respecté. Un exemple de ce cas serait celui
présenté sur la figure suivante (voir figure 5).

Nizar B. 2001/2002 106

MNAD/Chap.V : Méthodes numériques… Version 2.0

f(x)

a b x

Figure 5

II- Méthodes de l’intervalle

Les méthodes dites de l’intervalle procèdent toutes, du principe suivant. Soit une fonction
continue quelconque f ( x ) et supposons que cette fonction admette en vertu du théorème vu
ci-dessus ou par tâtonnement une racine unique dans un intervalle [a,b]. Il s’agit alors de
réduire l’étendue de l’intervalle [a,b] pour mieux cerner la racine ξ et ce jusqu’à tomber sur
cette racine en dedans d’une certaine marge de tolérance préétablie. Toute la question devient
alors comment réduire l’intervalle [a,b]?. Les divers méthodes dites de l’intervalle différent
entre-elles par la façon dont l’étendue de l’intervalle [a,b] est réduite d’une étape à une autre.
Par les méthodes de l’intervalle, la plus simple et la plus intuitive des méthodes est la méthode
de la bissection, aussi appelée méthode de la dichotomie.

II-1- Méthode de la bissection (ou de la dichotomie)

Dans la méthode de la bissection (ou de la dichotomie), il s’agit de subdiviser l’intervalle de

départ en deux et de continuer ainsi jusqu’à convergence. D’une étape à une autre ce sont les
bornes a et b qui changent. L’algorithme de la méthode de la bissection peut s’écrire sous la
forme suivante :

But : Étant donnée une fonction continue non linéaire f ( x ) , il s’agit de trouver la
solution x 0 à l’équation f ( x ) = 0 dans un intervalle [a,b] pour lequel
f (a ).f (b) < 0 .

Entrées : a et b (les extrémités de l’intervalle initial)

ε (la précision désirée)
N 0 (le nombre maximum d’itérations)
Sortie : une valeur approchée à x 0 ou un message d’échec

1) Si f (a ).f (b) > 0

Alors imprimer (Il n’y a pas de changement de signe entre les bornes de cet intervalle)
Allez à 9.
2) Poser n = 1
3) Tant que n ≤ N 0 faire les étapes 4 à 7
a+b
4) Poser c =
2

Nizar B. 2001/2002 107

MNAD/Chap.V : Méthodes numériques… Version 2.0

b−a
5) Si f (c) = 0 ou =0
2
alors imprimer (c)
Fin
6) n = n +1
7) Si f (a ).f (c) > 0
alors a = c
autrement b = c
8) Imprimer (Après N 0 itérations l’approximation obtenue est x 0 = c et l’erreur maximum
b−a
est )
2
9) Fin

Remarques :

- Dans l’algorithme précédent, en pratique les conditions de convergence de l’algorithme

b − ai
écrites à l’étape (5) ( f (c i ) = 0 ou i = 0 ) sont remplacées respectivement par
2
b − ai
f (c i ) − f (c i −1 ) ≤ δ et i ≤ε .
2

- La méthode de la bissection, dont l’interprétation graphique est montré à la figure 6,

représente deux avantages importants : premièrement, la convergence de la méthode de la
bissection est assurée; il n’y a pas de risque de divergence de cette méthode. En plus la
b − ai
marge de l’erreur est sûre. Une fois c déterminée, on est sûr que e max < i , avec emax
2
l’erreur maximale.

- L’erreur maximale peut aussi être calculée par e max < c i − c i −1 . En effet
c i − c i −1 = b i − c i ou bien c i − c i −1 = c i − a i , ce qui dans les deux cas correspond à la
bi − a i
moitié de l’intervalle [a i +1 , b i +1 ] ou .
2

- Évidemment, la méthode de la bissection comprend aussi des désavantages. Le premier

inconvénient concerne la détermination de l’intervalle initial [a,b] qui doit être déterminé
un peu par tâtonnement. Le deuxième inconvénient est le taux de convergence de la
méthode qui est très lente à converger. On peut même être proche de «la solution» à une
itération donnée, et s’en éloigner à l’itération d’après : c i +1 − x 0 > c i − x 0 .

- L’algorithme de la bissection peut être utilisé pour initier un algorithme plus efficace (plus
rapide à converger théoriquement) mais où la convergence n’est que conditionnellement
assurée.

Nizar B. 2001/2002 108

MNAD/Chap.V : Méthodes numériques… Version 2.0

bi+1
Étape i+1
ai+1

Étape i
ai bi

Étape i-1
ai-1 bi-1

Figure 6 : Interprétation graphique de la méthode de la bissection

Exemple 1 :

Soit la fonction continue suivante f ( x ) = 2 − e 5 x . Trouvez la valeur x 0 qui correspond à

f ( x ) = 0.5 avec la méthode de la bissection.

Solution

f ( x ) = 0.5 ⇒ 2 − e 5 x = 0.5 ⇒ e 5 x − 1.5 = 0 ⇒ g ( x ) = 0 avec g ( x ) = e 5 x − 1.5 .

Il s’agit donc de trouver x 0 tel que e 5 x 0 − 1.5 = 0 .

On remarque d’un coté que g (0) = −0.5 < 0 et que g (1) = 146.91 > 0 et que g (0.1) = 0.148 > 0 .
D’un autre coté, on remarque que : g ' ( x ) = 5 e 5 x qui est strictement positive partout dans
l’ensemble des réels, donc l’intervalle dans lequel on peut chercher la solution x 0 est [0,0.1],
et a = 0, b = 0.1 . Les résultats de l’algorithme de la bissection sont détaillés dans le tableau
suivant :

Numéro de
l’itération ai Signe bi Signe ci Signe c i − c i −1
de f(ai) de f(bi) de f(ci)
1 0 - 0.1 + 0.05 - s.o.
2 0.05 - 0.1 + 0.075 - 0.025
3 0.075 - 0.1 + 0.0875 + 0.0125
4 0.075 - 0.0875 + 0.08125 + 0.00625
5 0.075 - 0.08125 + 0.078125 - 0.003125

Nizar B. 2001/2002 109

MNAD/Chap.V : Méthodes numériques… Version 2.0

6 0.078125 - 0.08125 + 0.0796875 - 0.0015625

7 0.0796875 - 0.08125 + 0.08046875 - 0.00078125

Résultats de la méthode de la bissection.

La solution avec la méthode de la bissection est x 0 = c 7 = 0.08046875 . Ce résultat est

convergé avec la condition c i − c i −1 ≤ 10 −3 .

Exercice 1 :

Une boule sphérique de rayon r et de densité ds, est immergé dans un bain fluide de densité df.
4π 3
Sachant que le volume d’une sphère est donné par r et que le volume d’une calotte
3
π
sphérique de hauteur h est donné par (3h 2 r − h 3 ) :
3
r r
a) En écrivant l’équation d’équilibre statique ∑ F = 0 , obtenez une équation algébrique non
linéaire d’ordre 3, qui gouverne la profondeur d’enfoncement h, avec les densités df et ds
et le rayon r comme paramètres.
h d
b) En posant α = et q = s , obtenez la forme adimensionnelle de l’équation obtenue en
r df
a. Déterminez les limites supérieure et inférieure de α.

c) En utilisant la méthode de la bissection, trouvez la profondeur à laquelle une boule de

densité 0.6 s’enfoncera-t-elle dans un bain d’eau.

d) Recommencez pour les valeurs de q = 0.0001, 0.0002, 0.0003, 0.0004, 0.0005, 0.001,
0.002, 0.003, 0.004, 0.005, 0.01, 0.02, 0.03, 0.04, 0.05, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8,
0.9, 0.95, 0.96, 0.97, 0.98, 0.99, 0.995, 0.996, 0.997, 0.998, 0.999, 0.9995, 0.9996, 0.9997,
0.9998, 0.9999.

e) Tracez donc la courbe α = α (q ) .

Exercice 2 :

Soit la fonction f ( x ) = x 3 + 4 x 2 − 10 .

a) Vérifiez que cette fonction a une racine unique dans l’intervalle [1,2].
b) Par la méthode de la bissection, trouvez cette racine en prenant comme critère de
convergence c i − c i −1 ≤ 3 × 10 −4 .
c) Par la même méthode obtenez cette racine en prenant comme critère de convergence
c i − c i −1 ≤ 10 −9 .
d) Vérifiez donc que la solution à la 9ième itération est meilleure que la solution à la 12ième
itération.

Exercice 3

Nizar B. 2001/2002 110

MNAD/Chap.V : Méthodes numériques… Version 2.0

Démontrez que l’erreur maximale de la méthode de la bissection à l’étape i s’écrit :

i
1
e max =   (b − a )
 2
avec a et b respectivement les bornes inférieure et supérieure de l’intervalle de départ utilisé
[a , b] .
Méthode de la fausse position (ou de Descartes) :

Cette méthode appartenant à la famille des méthodes de l’intervalle, est obtenue grâce à une
petite modification simple de la méthode de la bissection. À l’étape (4) de l’algorithme de la
bissection, au lieu de choisir ci comme le point milieu de l’intervalle [a i , b i ] , on prendra
comme valeur de ci, le point où la droite joignant les points (a i , f (a i )) et (b i , f (b i )) coupe
l’axe des abscisses x. La relation à appliquer d’une étape à une autre est donc la suivante :
f(bi )[bi −ai ]
ci =bi −
f(bi )−f(ai )
Le changement des bornes de l’intervalle [a,b] se fait exactement de la même façon qu’avec
l’algorithme de la bissection. Cela donne lieu à l’algorithme suivant :

Algorithme de la fausse position

But : Étant donnée une fonction continue non linéaire f ( x ) , il s’agit de trouver la
solution x 0 à l’équation f ( x ) = 0 dans un intervalle [a,b] pour lequel
f (a ).f (b) < 0 .
Entrées : a et b (les extrémités de l’intervalle initial)
ε (la précision désirée)
N 0 (le nombre maximum d’itérations)

Sortie : une valeur approchée à x 0 ou un message d’échec

Si f (a ).f (b) > 0

Alors imprimer (Il n’y a pas de changement de signe entre les bornes de cet intervalle)
Allez à 9.
1) Poser n = 1
2) Tant que n ≤ N 0 faire les étapes 3 à 6
f(bi )[bi −ai ]
3) Poser ci =bi −
f(bi )−f(ai )
b−a
4) Si f (c) = 0 ou ≤ ε alors imprimer (c)
2
Fin
5) n = n + 1
6) Si f (a ).f (c) > 0
alors a = c
autrement b = c

Nizar B. 2001/2002 111

MNAD/Chap.V : Méthodes numériques… Version 2.0

7) Imprimer (Après N 0 itérations l’approximation obtenue est x 0 = c et l’erreur maximum

b−a
est )
2
8) Fin

Remarques :

- Si la courbure de la fonction ne change pas dans l’intervalle [a,b], i.e. la courbe reste
convexe dans toute l’intervalle ou reste concave dans tout cet intervalle, alors l’étape 7 de
l’algorithme de la méthode de la fausse position conduira toujours à une borne fixe a ou b
qui ne change pas le long des itérations. Si la fonction est convexe sur [a,b] ( f''(x)<0 ) et si
f(a)<0 , alors a est la borne fixe, et si f(a)>0 , alors b est la borne fixe : la borne fixe sera la
borne ayant un signe négatif.

- Si la fonction est concave ( f''(x)>0) et si f(a)<0 , alors la borne fixe sera b, et si f(a)>0 ,
alors la borne fixe sera a (voir figure 7) : la borne fixe sera la borne ayant un signe positif.
En conclusion si la courbure de f ne change pas de signe sur l’intervalle [a,b] , alors la
borne fixe sera la borne dont l’image a le même signe que la courbure de f sur l’intervalle
[a,b].
Exemple 2 :

Soit la fonction suivante f(x)= x 3 + 4x 2 −1 0 et l’intervalle de départ [1,2]. On vérifie que

f(1)=−5<0 et que f(2)=14>0 et que la dérivée première f'(x)=3x 2 +8x garde un même signe
positif sur l’intervalle [1,2], donc f(x)=0 a une solution unique ζ dans l’intervalle [1,2]. Le
tableau suivant montre les résultats obtenus avec la méthode de la fausse position pour les 7
premières itérations :

Numéro
de ai Signe bi Signe ci Signe c i − c i −1
l’itération de f(ai) de f(bi) de f(ci)
1 1 - 2 + 1.2631578 - s.o.
2 1.2631578 - 2 + 1.3388278 - 0.075
3 1.3388278 - 2 + 1.3585463 - 0.0197185
4 1.3585463 - 2 + 1.3635474 - 0.0050011
5 1.3635474 - 2 + 1.3648070 - 0.0012596
6 1.3648070 - 2 + 1.3651237 - 0.0003167
7 1.3651237 - 2 + 1.3652033 - 0.0000796

Résultats de la méthode de la fausse position.

La 7ième itération est convergée avec la condition ci −ci−1 ≤10−4 .

Si au lieu d’utiliser l’intervalle [1,2] comme intervalle de départ, on aurait utilisé

l’intervalle [1,1.5], on aurait obtenu le tableau suivant :

Nizar B. 2001/2002 112

MNAD/Chap.V : Méthodes numériques… Version 2.0

Numéro
de ai Signe bi Signe ci Signe c i − c i −1
l’itération de f(ai) de f(bi) de f(ci)
1 1 - 1.5 + 1.3389830 - s.o.
2 1.3389830 - 1.5 + 1.3635628 - 0.0245798
3 1.3635628 - 1.5 + 1.3651250 - 0.0015622
4 1.3651250 - 1.5 + 1.3652234 - 0.0000984
5 1.3652234 - 1.5 + 1.3652296 - 0.0000032

La 4ième itération est convergée avec la même condition que pour la 7ième itération pour le
tableau précédent à savoir ci −ci−1 ≤10−4 . On remarque que la borne b ne change pas dans les
deux tableaux. Ceci est dû à la concavité de la fonction, en effet f''(x)=6x +8>0 dans
l’intervalle [1,2].

Exemple 3

Reprenons les données de l’exemple 1, avec g ( x ) = e 5 x − 1.5 et [0,0.1] comme intervalle de

départ et appliquons la méthode de la fausse position. Les résultats convergés avec le critère
c i − c i −1 ≤ 10 −3 sont montrés dans le tableau suivant :

Numéro
de ai Signe bi Signe ci Signe c i − c i −1
l’itération de f(ai) de f(bi) de f(ci)
1 0 - 0.1 + 0.0771 - s.o.
2 0.0771 - 0.1 + 0.0809 - 0.0038
3 0.0809 - 0.1 + 0.0811 - 0.0002

Nous voyons donc que la méthode de la fausse position a eu besoin de moins que la moitié
d’itérations pour atteindre la même convergence que la méthode de la bissection dans
l’exemple 1.

Exercice 3

Une poutre horizontale de longueur L est encastrée à son extrémité x=0 et elle est libre à son
extrémité x=L . Cette poutre est soumise à une charge verticale uniforme. La déflection de
cette poutre varie de δ =0 pour x=0 à δ =δ max pour x=L . La déflection δ pour x =αL est
donnée par :
g(α)=α 4 −4α 3 +6α 2 −3δ /δ max =0
a) Trouvez par la méthode de la fausse position l’abscisse x du point de la poutre où la
déflection atteint 0.75δ max .
b) Tracez donc la courbe qui décrit l’évolution de δ /δ max en fonction de α .

Exercice 4

Reprenez la fonction de l’exemple 1 : g ( x ) = e 5 x − 1.5 .

Nizar B. 2001/2002 113

MNAD/Chap.V : Méthodes numériques… Version 2.0

a) Cherchez la solution x0 tel que g ( x 0 ) = 0 avec la méthode de la fausse position en

utilisant [0,0.1] comme intervalle original de départ et en prenant
c i − c i −1 = 10 −4 comme critère de convergence.

b) Comparez la convergence de la méthode de la bissection avec celle de la méthode de

b − ai
la fausse position, en traçant sur la même figure la norme i relative aux deux
2
méthodes et en prenant 10-3 comme critère de convergence.

Les deux méthodes précédentes bien que représentant des avantages certains, posent le
problème du taux de convergence. En plus les difficultés de trouver l’intervalle [a,b] original
pour commencer la recherche, imposent la nécessité d’opter pour des méthodes plus
performantes et qui ont des taux de convergence plus rapides, ce qui nous amène à la famille
des méthodes itératives.

f(x)

c b
x
a

Figure 7 : Interprétation graphique de la méthode de la fausse position

Méthode de Newton Raphson :

Cette méthode appelée aussi méthode de la tangente consiste à l’itération i, à confondre le

graphe de f(x) avec la tangente à f(x) en un point xi, le point suivant xi+1 sera déterminé par
l’intersection de cette tangente avec l’axe des x (voir figure 8). Notant que la tangente en xi
est égale à la valeur de f'(x) en xi, la relation itérative entre l’itération i et l’itération
i+1 devient alors la suivante :
f(xi )
xi+1= xi −
f'(xi )
Cette méthode a besoin d’une solution initiale x0 pour être amorcée et on procédera ensuite
d’une étape à une autre à l’aide de la relation itérative développée et ce jusqu’à convergence.
Cette convergence est assurée par un test d’arrêt sur f(xi) (en pratique ce test d’arrêt se fait sur
l’inconnue xi). La convergence par la méthode de Newton n’est pas assurée, mais si elle a
lieu, elle se fait d’une façon quadratique (ordre 2).

Nizar B. 2001/2002 114

MNAD/Chap.V : Méthodes numériques… Version 2.0

xi xi+1

Figure 8 : Interprétation graphique de la méthode de Newton

Algorithme de Newton Raphson

But : Étant donnée une fonction continue non linéaire f ( x ) , il s’agit de trouver la
solution à l’équation f ( x ) = 0 .
Entrées : une approximation initiale x0 de la solution.
ε (la précision désirée)
N 0 (le nombre maximum d’itérations)

Sortie : une valeur approchée de la solution ou un message d’échec

1) Poser n = 1
2) Tant que n ≤ N 0 faire les étapes 3 à 6
f (x 0 )
3) Poser x = x 0 −
f ' (x 0 )
4) Si x − x 0 ≤ ε alors imprimer x
Fin
5) Poser n = n + 1
6) Poser x 0 = x
7) Imprimer la méthode de Newton a échoué après N0 itérations.
8) Fin

Exemple 4

Reprenant les données de l’exemple précédent, on détermine la dérivée première de la

fonction, f ' ( x ) = 3x 2 + 8x . La relation itérative de Newton devient alors :
x 3i + 4 x i2 − 10
x i +1 = x i −
3x i2 + 8x i

Nizar B. 2001/2002 115

MNAD/Chap.V : Méthodes numériques… Version 2.0

Les résultats de la méthode de Newton, avec la solution initiale x 0 = 2 , sont présentés dans le
tableau suivant :

itération Approximation xi
0 2
1 1.5
2 1.37333333
3 1.36526201
4 1.36523001

Exemple 5

Reprenant les données de l’exemple 1, on détermine la dérivée première de la fonction,

g ' ( x ) = 5e 5 x . La relation itérative de Newton s’écrit alors :

e 5 x i −1.5
x i +1 = x i −
5e 5 x i

Le tableau suivant montre les résultats avec la solution initiale x 0 = 0 :

itération Approximation xi
0 0
1 0.1
2 0.0820
3 0.0811
4 0.0811

Exercice 4 :

La loi des gaz parfaits, qui relie la pression, la température et le volume spécifique d’un gaz
quelconque, s’écrit sous la forme suivante :
Pv = RT
où P est en Pascals (Pa), v en m3/kg, T en degrés Kelvin (K) et R la constante du gaz en
Joules/kg.K. Cette loi ne tient pas compte des interactions intermoléculaires et de l’espace
moléculaire. Une alternative à la loi des gaz parfaits est la relation de Van der Walls qui
s’écrit :
a
(P + 2 )( v − b) = RT
v
dans laquelle a et b sont les constantes de gaz de Van der Walls.

Déterminez le volume spécifique v du gaz méthane lorsqu’il est à une température de 300 K
et à une pression de 5 Mpa, sachant que les constantes de Van der Walls sont
a = 887 Pa.m 6 / kg 2 , b = 0.00267 m 3 / kg . Utilisez la loi des gaz parfaits pour estimer la
solution initiale v0, sachant que la constante du méthane R = 518 J / kg.K , et prenez un
critère de convergence ε = 0.1.

Exercice 5 :

Nizar B. 2001/2002 116

MNAD/Chap.V : Méthodes numériques… Version 2.0

Voici le graphique d’une situation où la méthode de Newton provoque des oscillations dans le
cas d’une fonction f ( x ) n’a pas de racine réelle :
f(x)

a) Tracez le graphe d’une fonction non linéaire ayant une racine réelle et qui provoque
des oscillations de la méthode de Newton-Raphson.
b) Tracez ensuite le graphe d’une fonction non linéaire ayant deux racines réelles et qui
provoque des oscillations de la méthode de Newton.
c) Tracez ensuite le graphe d’une fonction non linéaire et qui provoque la divergence de
la méthode de Newton.

Exercice 6 :

Reprenez les données de l’exemple 2, f ( x ) = x 3 + 4x 2 − 10 . Définissons l’erreur e n = x n − ξ

où xn est l’approximation à l’itération n de la racine ξ.

a) En prenant ξ = 1.36523001 , Remplissez le tableau suivant dans les cas de la méthode de la

fausse position avec intervalle de départ [1,2], de la méthode de Newton avec 2 comme
solution initiale :

itération en |en/en-1| |en/en-12|

1
2
…

b) Que Pouvez vous en déduire pour les taux de convergence des différentes méthodes (ordre
1, ordre 2).

Méthode de la sécante

La méthode de Newton présente deux désavantages évidents : le premier consiste dans le fait
de l’obligation de calculer la dérivée première de f(x). Le deuxième désavantage tient à la
malchance de choisir une solution initiale dont la dérivée première est nulle. Ce deuxième
désavantage peut être résolu par le choix d’une autre solution initiale. Le premier désavantage
suggère le remplacement dans la méthode de Newton, de la dérivée première de f(x), f'(xi )
par son approximation au premier ordre :
f(x i )−f(x i−1)
f'(x i )≈
xi − xi−1

Nizar B. 2001/2002 117

MNAD/Chap.V : Méthodes numériques… Version 2.0

alors la relation devient :

f(x i )[xi − xi−1]
xi+1= xi −
f(xi )−f(xi−1)

Évidemment, la méthode de la sécante a besoin de deux solutions initiales x0 et x1 pour être

amorcée (voir figure 9). Cette méthode a un taux de convergence supérieur à 1, mais inférieur
à 2, ce qui en fait une méthode qui se situe entre la méthode de Newton et la méthode de la
bissection du point de vue taux de convergence.

Algorithme de la méthode de la sécante

But : Étant donnée une fonction continue non linéaire f ( x ) , il s’agit de trouver la
solution à l’équation f ( x ) = 0 .
Entrées : deux approximations initiales x0 et x1 de la solution.
ε (la précision désirée)
N 0 (le nombre maximum d’itérations)
Sortie : une valeur approchée de la solution ou un message d’échec

1) Poser n=2
2) Tant que n ≤ N 0 faire les étapes 3 à 6
x1 − x 0
3) Poser x = x1 − f(x1 )
f(x1 )−f(x 0)
4) Si x − x1 ≤ε alors imprimer x
Fin
5) Poser n = n + 1
6) Poser x0 = x1 x1 =x f(x 0)=f(x1 ) f(x1 )=f(x)
7) Imprimer la méthode de Newton a échoué après N0 itérations.
8) Fin

Exemple 4

Considérons le problème de l’exemple précédent et appliquons la méthode de la sécante

avec les conditions initiales x0 = 2 et x1 = 1. Nous obtenons le tableau suivant pour les
sept premières itérations :

Itération xn
0 2
1 1
2 1.26315789
3 1.38725595
4 1.36409476
5 1.36521785
6 1.36523002

Nizar B. 2001/2002 118

MNAD/Chap.V : Méthodes numériques… Version 2.0

x2

x0 x1

Figure 9 : Interprétation graphique de la méthode de la sécante

Nizar B. 2001/2002 119