USTHB - Faculté de Mathématiques - 2 Lic TELECOM - Section A - MATH4 - 2020/2021

Préambule

Le module s’intitule Méthodes Numériques Apliquées (MNA). Il est question de donner à l’étu-
diant un apeçu de quelques méthodes d’analyse numérique (dit aussi calcul numérique ou scienti…que).
Qu’est ce que l’analyse numérique et que sait-on sur cette discipline ?
Des réponses ont été glanées ici et là :
Source Wikipedia :
L’analyse numérique est une discipline à l’interface des mathématiques et de l’informatique. Elle s’in-
téresse tant aux fondements qu’à la mise en pratique des méthodes permettant de résoudre, par des calculs
purement numériques, des problèmes d’analyse mathématique.
Source : http ://math.univ-lyon1.fr/~pujo/intronum.pdf
L’analyse numérique a commencé bien avant la conception des ordinateurs et leur utilisation quoti-
dienne que nous connaissons aujourd’hui. Les premières méthodes ont été développées pour essayer de
trouver des moyens rapides et e¢ caces de s’attaquer à des problèmes soit fastidieux à résoudre à cause de
leur grande dimension (systèmes à plusieurs dizaines d’équations par exemple), soit parce qu’il n’existe pas
solutions explicites connues même pour certaines équations assez simples en apparence.
Dès que les premiers ordinateurs sont apparus, ce domaine des mathématiques a pris son envol et continue
encore à se développer de façon très soutenue.
Les applications extraordinairement nombreuses sont entrées dans notre vie quotidienne directement ou
indirectement. Nous les utilisons désormais sans nous en rendre compte mais surtout en ignorant la plu-
part du temps toute la théorie, l’expertise, le développement des compétences et l’ingéniosité des chercheurs
pour en arriver là.
Nous pouvons téléphoner, communiquer par satellite, faire des recherches sur internet, regarder des …lms
où plus rien n’est réel sur l’écran, améliorer la sécurité des voitures, des trains, des avions, connaître le
temps qu’il fera une semaine à l’avance,...et ce n’est qu’une in…me partie de ce que l’on peut faire.

Voici le Programme o¢ ciel du module :

Chapitre 1. Résolution des équations non linéaires f(x)=0
Chapitre 2. Interpolation polynomiale
Chapitre 3. Approximation de fonction
Chapitre 4. Intégration numérique
Chapitre 5. Résolution des équations di¤érentielles ordinaires
Chapitre 6. Méthode de résolution directe des systèmes d’équations linéaires
Chapitre 7. Méthode de résolution approximative des systèmes d’équations linéaires

Place au chapitre 1....

 Chapitre 1 :Résolution numérique d’équations non linéaires1

Introduction : Dans ce chapitre on cherche à approcher les racines de l’équation

f (x) = 0 (1)

où f est une fonction donnée. Ces racines sont aussi appelées les zéros de la fonction f:
La première étape est cruciale, celle de la séparation des racines de (1) :

1. Séparation des racines :

Il s’agit de trouver le nombre de racines éventuelles de l’équation (1) et d’isoler chacune d’elles, i:e:
Mettre chacune des racines dans un petit intervalle qui ne contiendrait pas les autres .
Ceci peut se faire de manière graphique et/ou algébrique.
Exemple 1 : Séparons les racines de l’équation f (x) = 0= f (x) = x3 3x + 1
Pour cela, faisons une petite étude des variations de f :
On a lim f (x) = 1 et f 0 (x) = 3x2 3 = 3 (x2 1) ; d’où le tableau de variations :
x! 1

x 1 1 1 +1
0
f (x) + 0 0 +
3 +1
f (x) % & %
1 1

Comme on a f ( 2) = 1; f ( 1) = 3 ; f (0) = 1; f (1) = 1; f (2) = 3 alors

f ( 2) f ( 1) < 0 ; f (0) f (1) < 0; f (1) f (2) < 0

Ce qui assure l’existence de trois racines : x1 2 [ 2; 1] ; x2 2 [0; 1] et x3 2 [1; 2] :

On peut aussi déduire le même résultat en traçant les graphes des fonctions f1 (x) = x3 et f2 (x) =
3x 1; les racines correspondent aux abscisses des points d"intersection des deux graphes.
Voir lien : https ://www.desmos.com/calculator/u2myzdhivl Une fois l’étape de séparation de racines faite,

on se concentre sur l’une des racines en se mettant dans l’intervalle la contenant et on essaie de l’approcher.
Exercice 1 : Séparer les racines de l’équation f (x) = 0= f (x) = x3 x2 x 1:
Dans la suite, on suppose que dans un intervalle [a; b] donné, f admet un unique zéro qu’on notrera x .
Cela sera assuré si les conditions suivantes sont véri…ées (cf . théorème des valeurs intermédiaires) :

f continue, monotone dans [a; b] et f (a) f (b) < 0 (2)

1
Pour toute remarque, prière de me contacter à l’adresse : "nzaidi:usthb@gmail:com"
En pratique, on cherche à approcher la racine x avec un seuil d’erreur que nous nous …xons au préalable
.
Pour cela, il existe plusieurs méthodes numériques Elles consistent en la recherche de manière itérative
d’une valeur approchée xn telle que

jxn xj > 0 étant donné (3)

ceci peut s’obtenir en construisant une suite numérique (xn )n qui convergerait vers x :Le terme xn est
alors considéré comme étant l’approximation de x avec une précision :
On présentera trois méthodes (parmi les plus utilisées) : la méthode de dichotomie (ou de bissection),
la méthode du point …xe, et la méthode de Newton- Raphson.
1. Méthode de dichotomie (ou de bissection)
C’est une méthode d’encadrement, elle est simple, sûre et robuste mais relativement lente.
Elle consiste à diviser l’intervalle [a; b] en deux parties égales et réitérer le processus plusieurs fois de suite
b a
jusqu’à ce que x soit mis dans un sous-intervalle [an ; bn ] [a; b] qui serait de longueur
2n

Plus précisément, supposons que les conditions données dans (2) sont véri…ées.
a0 + b0
i = 1 : On pose a0 = a; b0 = b; x0 = m = (x0 est le milieu de [a; b])
2
Si f (a0 ) :f (x0 ) = 0 alors x = x0 ;
Si f (a0 ) :f (x0 ) < 0 alors poser a1 = a0 ; b1 = x0 ;
Si f (a0 ) :f (x0 ) > 0 alors poser a1 = x0 ; b1 = b0 ;
b a
x est donc dans [a1 ; b1 ] qui est de longueur :
2
a1 + b 1
i = 2 : On caclule x1 = (x1 est le milieu de [a1 ; b1 ])
2
Si f (a1 ) :f (x1 ) = 0 alors x = x1 :
Si f (a1 ) :f (x1 ) < 0 alors poser a2 = a1 ; b2 = x1 ;
Si f (a1 ) :f (x1 ) > 0 alors poser a2 = x1 ; b2 = b1 ;
b a
b1 a1 2 b a
x est donc dans [a2 ; b2 ] qui est de longueur = = :
2 2 22
On réitère le processus dans [a2 ; b2 ] ; :::;
 an 1 + bn 1
Etape n : A ce niveau, on aurait déja calculé an 1 ; bn 1 ;et xn 1 = .
2
Si f (an 1 ) :f (xn 1 ) = 0 alors x = x0 :
Si f (an 1 ) :f (xn 1 ) < 0 alors poser an = an 1 ; bn = xn 1 ;
Si f (an 1 ) :f (xn 1 ) > 0 alors poser an = xn 1 ; bn = bn 1 ;
b a an + b n
x est donc dans [an ; bn ] qui est de longueur n
On calcule xn = :
2 2
On montre par récurrence qu’on a
Théorème 1 : Si la fonction f véri…e les conditions (2) ; la suite (xn )n construite par le processus de
la dichotomie converge vers l’unique racine x ; de plus, on a
b a
jxn xj (4)
2n+1
b n an b n 1 an 1 b n 2 an 2 b 0 a0 b a
En e¤et ; x 2 [an ; bn ] donc jxn x j 2 3
::: n+1
2 2 2 2 2n+1
b a
Or n+1 ! 0; d’où jxn x j ! 0 et donc( xn )n converge vers x :
2 n!1 n!1
Test d’arrêt : Quand s’arrêter ? On se …xe > 0 et on arrête le processus dés que l’inégalité (3) est
véri…ée.
Pour cela, il su¢ t que l’on ait
b a
(5)
2n+1
Ce qui équivaut à avoir
b a
ln
b a
n 1 i:e: n log2 1 (6)
ln 2
xn est donc une approximation de x avec une précision et on aOn a

xn x xn + (7)

Remarque 1 : Il va de soi qu’on peut avoir (3) sans que (4) ne soit véri…é, car on a (4) =) (3) ;
mais on n’a pas (3) =) (4) :
Exemple 2 : On reprend l’équation f (x) = 0= f (x) = x3 3x+1 dans l’intervalle [a; b] = [ 2; 1] ; on
s’intéresse donc à la racine x1 :
Combien d’intérations devrait-on faire pour obtenir une approximation 0
de x1 avec
1
une précision = 10 3 :
1+2
ln@ A
10 3
On cherche donc N 2 N / n N =) jxn x j : On a N ln 2
1 8: 965 8: On prend
N = 9:
Il su¢ t donc de faire 9 itérations pour approcher x1 avec une précision de 10 3 ; i:e: On a jx9 x1 j 10 3 :
Exemple 3 : Faire quatre itérations pour approcher et déduire un encadrement de x1 :

n an bn xn = an +b
2
n
f (an ) f (xn ) f (an ):f (xn )
0 2 1 1:5000 1 0:375 <0
1 2 1:5 1:7500 1 0:125 <0
2 2 1:75 1:8750 1 0:0320 <0
3 2 1:875 1:9375 1 0:4607 >0
4 1:9375 1:875 1:9063 0:208 56

On a donc x1 ' 1:9063:

b a 1+2
Erreur commise: On a jx4 x1 j ; i:e: jx4 x1 j 0:031 25:
24+1 25
Encadrement de : On a x4 x1 x4 + = = 0:031 25

x4 0:031 25 x1 x4 + 0:031 25 i:e: 1:9063 0:031 25 x1 1:9063 + 0:031 25

1: 937 6 x1 1: 875 1
Exercice 2 : Reprendre les exemples 2 et 3 en remplaçant la racine x1 par x2 puis par x3 :
3. Méthode du point …xe (ou des approximations successives) :
L’équation (1) peut être réécrite sous la forme

f (x) = 0 , x = g (x) (8)

g étant une fonction (g n’est pas unique).

Exemple 4 : On a

x3 3x + 1 = 0 , x3 3x + 1 + x = x , x = x3 2x + 1
1 3
x3 3x + 1 = 0 , 3x = x3 + 1 , x = x +1
3
1
x3 3x + 1 = 0 , x x2 3 = 1 , x =
p 3 x2
x3 3x + 1 = 0 , x3 = 3x 1 , x = 3 3x 1

Dé…nition 1 : On appelle point …xe de la fonction g toute solution de l’équation (8) :

Chercher les zéros de la fonction f se ramène à chercher les points …xes de la fonction g.
La méthode du point …xe consiste en la construction de la suite récurrente (xn )n dé…nie par

xn+1 = g (xn )
(9)
x0 2 [a; b]

Remarquons que la suite ainsi construite ne converge pas forcément, cela dépend du comportement de
la fonction g au voisinage de la racine x ainsi que du point x0 :
On va voir sous quelles conditions on assure la convergence de notre schéma vers la racine x :
Dé…nition 2 : On dira que la fonction g est stable dans [a; b] si on a

g ([a; b]) [a; b] ; i:e: g (x) 2 [a; b] 8x 2 [a; b] (10)

Remarque 2 : On n’a pas g ([a; b]) = [g (a) ; g (b)] ; on a g ([a; b]) = min g (x) ; max g (x) :
x2[a;b] x2[a;b]

Dé…nition 3 : On dira que la fonction g est contractante dans [a; b] ; s’il existe une constante K; 0 <
K < 1 telle que
jg (x) g (y)j K jx yj 8x; y 2 [a; b] (11)
et si g est dérivable cela revient à avoir
0
max g (x) = K 0<K<1 (12)
x2[a;b]

K est appelée constante de contraction de g dans [a; b] :

 On montre alors le théorème suivant.
Théorème 2 : Si la fonction g est contractante et stable dans [a; b] alors pour tout x0 dans [a; b] ; la
suite (xn )n dé…nie par (8) converge vers l’unique point …xe x de g dans [a; b] : De plus, on a
Kn
a) jxn x j jx1 x0 j (Estimation à priori).
1 K
K
b) jxn x j jxn xn 1 j (Estimation pas à pas).
1 K
K étant la constante de contraction de g dans [a; b] :
0
Tout le travail revient donc à trouver une fonction g et un intervalle [a; b] tels que x 2 [a; b] ; max g (x) <
x2[a;b]
1 et g ([a; b]) [a; b] :
Exemple 5 : (Exercice 5 de la série de TD)
On considère l’équation algébrique

f (x) = x4 + x3 1=0 x 2 [0; 1] (13)

f (x) = x4 + x3 1=0 x 2 [0; 1] (14)

1. Montrer qu’elle admet une unique racine x dans l’intervalle [0; 1] :
2. L’équation (13) est équivalente à l’équation suivante
1 1=3
x = g(x) = g(x) = p
3
= (1 + x)
1+x
a) Montrer que la fonction g et l’intervalle [0; 1] véri…ent les hypothèses du théorème du point …xe ; que
peut-on en déduire ?
b) On considère le processus itératif (xn )n =

xn+1 = g(xn )
x0 = 1

calculer x2 , estimer l’erreur d’approximation jx x2 j et donner un encadrement judicieux de x :

Réponses :
1. Montrons qu’elle admet une unique racine x dans l’intervalle [0; 1] :
On a
i) f continue (Fonction polynômiale).
ii) f (0) f (1) < 0; car f (0) = 1 < 0 et f (1) = 1 > 0:
0
iii) f montone car : f (x) = 4x3 + 3x2 > 0 dans [0; 1] :
Les trois conditions étant véri…ées, on a bien l’existence et l’unicité de la racine dans [0; 1] :
2 a) Montrons que la fonction g et l’intervalle [0; 1] véri…ent les hypothèses du théorème du point
…xe :Pour cela, la fonction g doit être contractante et stable. Etudions de près les fonctions g et g 0 :
i) Est elle-contractante ? i:e: A-t-on max jg 0 (x)j < 1? On a
[0;1]

1 1
g 0 (x) = 4=3
< 0 ) jg 0 (x)j = g 0 (x) =
3 (x + 1) 3 (x + 1)4=3
!0
1 4
On a 4=3
= < 0 et donc jg 0 (x)j est décroissante, d’où
3 (x + 1) 9 (x + 1)8=3

1
max jg 0 (x)j = jg 0 (0)j = <1
[0;1] 3
La fonction g est donc contractante.
ii) Stabilité : A-t-on g ([0; 1]) [0; 1]?
On a g 0 (x) < 0 i:e: la fonction g est décroissante, alors

1
g ([0; 1]) = [g (1) ; g (0)] = p
3
;1 [0; 1]
2
Conclusion : Les conditions du théorème du point …xe sont véri…ées, la suite va donc converger quelle que
soit la valeur de x0 dans [0; 1] :
2-b) On considère le processus itératif : (xn )n = x0 = 1 xn+1 = g(xn ):
Calculons x2 ; estimer l’erreur d’approximation jx x2 j et donnons un encadrement judicieux de x .
Calcul de x2 :
En prenant x0 = 1; on a
1
x1 = g(x0 ) = p
3
= 0:793 7; x2 = g(x1 ) = 0:823 03
2
K
i) Estimation de l’erreur : On a jx x2 j jx2 x1 j où K = max jg 0 (x)j : D’où
1 K [0;1]

1
3
jx x2 j 1 j0:823 03 0:793 7j 0:01466 6
1 3

Comme on a jx x2 j 0:05 0:5 10 1 on peut dire qu’on garantit au moins une décimale exacte.
ii) Encadrement de la racine : Comme on a g 0 négative, la suite n’est pas monotone, elle est alternée
autour de la racine. On a

x2 0:01466 6 x x2 + 0:01466 6 i:e: 0:808 36 x 0:837 70

p
Exercice 3 : Faire de même avec f (x) = x3 1)1=3 :
3x + 1; [a; b] = [1; 2] ; g(x) = 3 3x 1 = (3x
Proposition 1 :
# Si on a g (x ) < 1 alors il existe un voisinage V de x tel que la suite dé…nie par xn+1 =
0

g (xn ) converge 8 x0 dans V: on dira que dans ce cas x est un point attractif.
# Si on a g (x ) > 1; la suite diverge on dira que dans ce cas x est un point répulsif.
0

# Si g (x ) = 1 on ne peut rien conclure.

0

Cas de …gure :
 Théorème 3 : Sous les hypothèses
i) g de classe C 1 ([a; b]) ii) g admet un point …xe x iii) g contractante dans [a; b] :
On a :
Cas 1 : 0 g 0 (x) < 1
alors tout sous-intervalle de [a; b] est stable et la suite (xn )n converge en escalier (monotonie) vers x et
ce 8x0 2 [a; b] :
Cas 2 : 1 < g 0 (x) < 0
Soit I = [max (a; g(b)) ; min(b; g(a)] ; alors I est stable et la suite (xn )n converge en spirale vers x et
ce 8x0 2 [a; b] : (xn )n n’est pas monotone, elle est alternée autour de x :
 4. Méthode de Newton-Raphson :
Elle consiste à construire la suite (xn )n dé…nie par
8
< f (xn )
xn+1 = xn
f 0 (xn ) (15)
:
x0 2 [a; b]
0
Pour que la suite soit bien dé…nie il faudra imposer que f (xn ) 6= 0 pour tout n:
Remarque 3 : On voit que c’est une méthode de point …xe particulière, il su¢ ra en e¤et de poser g (x) =
f (x)
x :
f 0 (x)
Interprétation graphique de la méthode de Newton-Raphson : Géometriquement, le point (xn+1 ; 0)
correspond à l’intersection de la tangente de f au point (xn ; f (xn )) avec l’axe des abscisses. En e¤et,
l’éqaution de la tangente en xn est
0 0 0
y = f (xn ) (x xn ) + f (xn ) = xf (xn ) xn f (xn ) + f (xn )

En prenant y = 0; on aura
0 0
xf (xn ) = xn f (xn ) f (xn )
en divisant par on obtient
0
xn f (xn ) f (xn ) f (xn )
x= = xn
f 0 (xn ) f 0 (xn )
qui est bien xn+1 :

Question : La suite ainsi générée est-elle convergente ? Si oui, converge-t-elle vers la racine x ?
La réponse est oui si x0 est choisi assez près de la racine recherchée.
On va voir deux théorèmes qui assurent la convergence de la suite.
Théorème 5 (Théorème de la convergence locale) : Sous les hypothèses :
H 1 : f est de classe C 2 ([a; b]) ;
H 2 : f (a) f (b) < 0;
H 3 : La dérivée ne s’annule pas ;
H 4 : La dérivée seconde garde un signe constant (Pas de changement de courbure) ;
H 5 : f (x0 ) f " (x0 ) > 0 (Condition de Fourier) ;
alors la suite (xn )n cv vers la racine x : De plus la suite est montone (croissante si x1 > x0 et décroissante
si x1 < x0 ).
Remarque 4 : Remarquons que comme f " garde un signe constant (Hypothese H 3 ) et que f change
de signe de part et d’autre de la racine, l’hypothèse H 5 ne peut être véri…ée dans tout [a; b], on parle alors
de région de Fourier : partie de [a; b] où H 5 est véri…ée, elle sera à droite ou gauche de la racine selon le
cas de …gure.

Le théorème qui va suivre assure la convergence sans imposer de condition sur x0 :

 Théorème 6 (Théorème de la convergence globale) : Sous les hypothèses :
H1 : f est de classe C 2 ([a; b]) ;
H2 : f (a) f (b) < 0;
H3 : La dérivée ne s’annule pas ;
H4 : La dérivée seconde garde un signe constant ;
a si f (a)f " (a) < 0 f (c)
H 05 : Soit c = tel que 0 b a;
b sinon f (c)
alors la suite (xn )n cv vers la racine quelle que soit la valeur de x0 dans [a; b] :
De plus, la suite est montone à partir de x1 (croissante si x2 > x1 et décroissante si x2 < x1 ).
Au …nal, selon qu’on ait
0
f > 0 (f croissante) f 0 < 0 (f décroissante) f" 0 (f convexe) f" 0 (f concave)

on aura quatre cas de …gure possibles :

f croissante et convexe ; ou f croissante et concave, ou f décroissante et convexe, ou f décroissante et
concave.

Estimation de l’erreur d’approximation : Posons

0 "
m = min f (x) et M = max f (x)
x2[a;b] x2[a;b]

Proposition 2 : Sous les hypothèses précédentes, on a

M
i) jxn xj jxn xn 1 j2 (Estimation pas à pas)
2m
2n
2m M
ii) jxn xj (b a) (Estimation à priori)
M 2m
La méthode de Newton est puissante, le nombre de décimales exactes double à chaque itération.
Exemple 6 (Exercice 5 TD) : On considère le processus itératif de Newton appliqué à l’équation

f (x) = x4 + x3 1=0 x 2 [0; 1] (16)

a) Les hypothèses du théorème de la convergence globale de Newton sont-elles véri…ées dans [0; 1] ? Dans
1
[0; ]?
2
On a
H 1 : f 2 C 2 ([0; 1]) car fonction polynômiale.
H 2 : f (0) f (1) < 0:
0
H 3 : f (x) = 4x3 + 3x2 = x2 (4x + 3)
1
La dérivée s’annule en x = 0 et donc H3 n’est pas véri…ée dans [0; 1] mais elle est véri…ée dans ;1 :
2
"
H 4 : f (x) = 12x2 + 6x = 6x (2x + 1) 0 dans [0; 1]
1
La dérivée seconde ne change pas de signe dans [0; 1] et donc dans ;1 :
( 1 2
si f 12 f " 12 < 0 1
H 5 : Soit c = 2 On a c = :
1 sinon 2
 1
f 2 1
A-t-on 0 1
1 ?
f 2
2
1 13
f 2 16
1
= 5 = 0:65 > 0:5:
f0 2 4
1
Cette condition n’est donc pas véri…ée dans ;1 :
2
1
Les conditions du théorème de cv globale ne sont donc véri…ées ni dans [0; 1] ; ni dans ;1 :
2
Conclusion : On ne sait pas si la suite (xn )n cv ou pas, en prenant un y0 donné dans [0; 1] ou dans
1
;1 :
2
3
b) Pour x0 = , calculer x1 , estimer l’erreur d’approximation jx1 x j et en déduire un encadrement
4
judicieux de la racine.
On se pose d’abord la question si la suite converge. Pour le savoir vu que x0 est donné, on véri…e les
conditions du théorème de convergence locale.
3 1
Vu que 2 ; 1 ; et que les quatre premières hypothèses du théorème de convergence locale sont véri…ées,
4 2
3 3
voyons si la condition de Fourier (H 5 ) est véri…ée : a-t-on f f" > 0?
4 4
4 3
3 3 3 67 3
On a f = + 1= < 0; et f " > 0 et donc la condition de Fourier n’est pas
4 4 4 256 4
véri…ée. Rien à conclure donc pour le moment sur la nature de la suite.
3
Il nous reste à chercher s’il existe un sous-intervalle contenant dans lequel les conditions du théorème
4
de convergence gloable sont véri…ées.
1 1 + 1=2 3
Le milieu de l’intervalle ; 1 est = :
2 2 4
1 3 3
La racine est-elle dans ; ou dans ;1 ?
2 4 4
4 3
1 13 3 3 3 67 1 3 3
On a f = ; f = + 1= i:e: f f > 0 d’où x 2 ;1
2 16 4 4 4 256 2 4 4
Voyons si(la condition H5 est véri…ée.
3
si f 34 f " 34 < 0 3
Soit c = 4 On a f 34 f " 34 < 0 i:e: c = :
1 sinon 4
3 3 2
f 4 3 3 0 3 3 3 27
A-ton 0 3
1 ? On a 1 = 0:25 et f =4 +3 = ;
f 4
4 4 4 4 4 8
f 43 67
256
= 27 = 7: 754 6 10 2 < 0:25: :
f 0 34 8
Cette condition est donc bien véri…ée.
On en conclut la convergence de notre suite (xn )n vers notre racine x .
3 2
3 3 3 27
i) Calcul de x1 : x0 = ; On a f 0 (x0 ) = 4 +3 = et
4 4 4 8
67
f (x0 ) 3 256 715
x1 = x0 0
= 27 = = 0:827 55
f (x0 ) 4 8
864

ii) Estimation de l’erreur : Utilisons l’estimation pas à pas

M 0 "
jx1 xj jx1 x0 j2 où m = min f (x) ; M = max f (x)
2m x2[ 34 ;1] x2[ 34 ;1]
 0 0 0
m =? On a f (x) > 0 donc f (x) = f (x) et f " (x) > 0 donc f 0 est croissante. d’où

0 0 3 27
m = min f (x) = f =
x2[ 43 ;1] 4 8
000
M =? On a f " (x) > 0; et croissante ( car f (x) = 24x + 6 > 0) donc
" "
M = max f (x) = f (1) = 18
x2[ 34 ;1]

On aura donc
2
18 715 3 2
jx1 xj 27 1: 603 6 10
2 8
864 4
Comme on a jx1 x j 0:5 10 1 ; alors on a au moins une décimale exacte.
iii) Encadrement de la racine : Comme la suite est montone à partir de x1 ; on calcule x2 pour connaitre
le sens des variations de la suite :
f (x1 ) 715 f ( 715
864
)
x2 = x 1 0
= 0 715
= 0:819 28
f (x1 ) 864 f 864

On a donc x2 < x1 i:e: (xn )n 1 est décroissante et donc x x1 < 0:

On aura
jx x1 j 1: 603 6 10 2
i:e: 1: 603 6 10 2 x x1 0
) x1 1: 603 6 10 2 x x1
715 2
) 864 1: 603 6 10 x 0:827 55
) 0:811 51 x 0:827 55
Remarque 5 : Pour …nir, un mot sur d’autres tests d’arrêt utilisés en pratique :
Soit > 0 un seuil donné, on pourrait s’arrêter dès que l’une des conditions suivantes est véri…ée

jxn xn 1 j ou jf (xn )j