Chapitre2 PDF

Introduction Séparation des racines Méthode de bissection Méthode de point fixe Méthode de Newton-Raphson Mét
Chapitre 2
Résolution numérique
des équations
M. Lahlou1
1
Département de Mathématiques
Faculté des Sciences Semlalia
Marrakech
13/02/2023
1 / 67
Plan
1. Introduction
2. Séparation des racines
3. Méthode de bissection
4. Méthode de point fixe

4.1 Généralités
4.2 Etude de la convergence
4.3 Ordre de Convergence
5. Méthode de Newton-Raphson
6. Méthode de la sécante
2 / 67
1. Introduction
3 / 67
Introduction
Soit f : IR → IR une fonction donnée.

On veut trouver une ou plusieurs solutions de l’équation (si
elle(s) existe(ent))
f (x) = 0 (1)
Exprimer les solutions exactes de manière analytique peut être
difficile ou même impossible.
Essayer par exemple de trouver la(ou les) solution(s) exactes de
l’équation
cos(x) − xex = 0
.
4 / 67
Introduction
L’étude de la résolution numérique de (1) passe par 2 étapes
importantes :
Mathématique
Existence et (ou) unicité de solutions
Séparation ou localisation des racines, :
chercher les intervalles (a, b) (ouverts ou fermés)
dans lesquels il y a une solution unique r de (1).
Numérique
Construire par une certaine méthode une suite de
valeurs xn dans (a, b) qui approche r. Tout terme
xn est considéré comme une approximation de r.
Etudier la convergence de (xn )n vers r.
Estimer l’erreur commise d’approximation
en = xn − r.
Etudier l’ordre de convergence : vitesse de la
convergence (temps de calcul).
5 / 67
1. Introduction
6 / 67
Séparation des racines
l’équation f (x) = 0 peut avoir plusieurs racines.

Séparer les racines de f :
trouver les intervalles [ai , bi ] qui contiennent une seule des racines
de f .
On peut utiliser le théorème des valeurs intermédiaires (TVI) et
la monotonie.
Théorème 1
Si f est continue sur [α, β] vérifiant f (α)f (β) < 0, alors il existe au
moins une racine r ∈]α, β[.
Si en plus f est monotone sur [α, β], alors r est unique.
Exemple.
25 2 9
Séparer les racines de l’équation f (x) = x4 − 5x3 + x − = 0 sur
4 4
[−1, 2].
7 / 67
On a f continue et dérivable partout avec

f 0 (x) = 4x3 − 15x2 + 25/2x ⇒
f 0 (x) = x(4x − 5)(x − 5/2)
.
Donc f 0 s’annule aux points x = 0, 5/2, 5/4.
on en déduit :
x −1 0 5/4 2
f 0 (x) − 0 + 0 −
10 49/256
f (x) @
R
@ @
R
@
−9/4 −5/4
8 / 67

Le graphe de f est :
10
-1 -0.5 0.5 1 1.5 2

-2
Figure – Séparation des racines
Il est clair que f admet 3 racines séparées par les intervalles

[−1, 0], [0., 1.25], [1.25, 2].
9 / 67
1. Introduction
10 / 67
Bissection
Cette méthode est une application directe du théorème des valeurs

intermédiaires (T.V.I.)
On suppose que f (x) = 0 admet une solution unique séparée r ∈ [a, b].
Principe :
a+b
calculer le milieu c =
2
ou bien r ∈ [a, c], ou bien r ∈ [c, b]
on recommence sur [a, c] ou [c, b].
. . . etc.
arrêter calculs selon un critère.
11 / 67
Exemple.
Soit la fonction f (x) = 2x cos(2x) − (x + 1)2 définie sur [−3, 0].
On vérifie à titre d’exercice que f (x) a deux racines dans [−3, −2] et
[−1, 0].
f(x)
0.5
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
0.5
1.0
12 / 67
Bissection
Algorithme 1 : Algorithme de bissection

Données : a b, (petit nombre)
Résultat : valeur approchée de r
On pose a0 = a, b0 = b, I0 = [a0 , b0 ] et n = 0
tant que |bn − an | ≥ faire
an + bn
calculer cn =
2
si f (cn ) = 0 alors
r = cn
arrêt
si f (cn )f (an ) < 0 alors
poser an+1 = an ; bn+1 = cn
sinon
poser an+1 = cn ; bn+1 = bn
incrémenter n = n + 1
On construit une suite d’intervalles In , n ≥ 0 emboîtés ( In+1 ⊂ In ) et

r ∈ In , ∀n ≥ 0.
Bissection
Remarque 2
Le critère d’arrêt de l’algorithme peut être l’un des suivants :
|bn − an | <
|f (cn )| <
|bn − an |
< si bn 6= 0
2|bn |
14 / 67
Bissection
Théorème 3
Soit f une fonction continue sur [a, b] telle que f (a)f (b) < 0,
La suite (cn )n , n ≥ 0 générée par l’algorithme de bissection est telle
que
b−a
|cn − r| ≤ n+1 , n ≥ 0 (2)
2
et par conséquent lim cn = r.
n→+∞
15 / 67
Bissection
Démonstration.
b−a
Montrons par récurrence que bn − an = , n ≥ 0.
2n
On a c0 est le milieu de [a0 , b0 ] = [a, b] et r ∈ [a0 , c0 ] ou r ∈ [c0 , b0 ]. En
b−a
notant [a1 , b1 ] = [a0 , c0 ] ou = [c0 , b0 ], alors b1 − a1 = .
2
b−a
Supposons que bn−1 − an−1 = n−1 . On a [an , bn ] = [an−1 , cn−1 ] ou
2
= [cn−1 , bn−1 ], où cn−1 est le milieu de [an−1 , bn−1 ]. Donc
bn−1 − an−1 b−a
bn − a n = = n . Mantenant cn est le milieu de
2 2
bn − an
[an , bn ]. Donc |r − cn | ≤ . D’où l’inégalité (2).
2
16 / 67
Bissection
Corollaire 4
Si > 0 un petit nombre donné, pour garantir que l’erreur en = cn − r
vérifie |en | < , il suffit d’avoir la condition :
ln ((b − a)/)
n+1>
ln 2
Démonstration.
Au tableau en Amphi
17 / 67
Bissection
Exemple.
Soit à approcher une racine de f (x) = x3 + 2x2 − 3x − 1 = 0 dans
[1, 2].
On a effet f (1) = −1, f (2) = 9. et f continue et dérivable partout
.
De plus, f strictement croissante sur [1, 2] ⇒ unicité de la racine dans
[1, 2].
Déterminons le nombre d’itérations minimal qui assure
l’approximation de r à 10−5 près.
5 ln 10
Pour approcher r à 10−5 près, il suffit que n + 1 > ≈ 16.6.
ln 2
Quand on calcule cn on effectué n + 1 itérations.
Donc il suffit de faire 17 itérations pour avoir une valeur approché de
r à 10−5 près.
Remarque 5
La méthode de bissection converge toujours vers la solution. Mais la
convergence pourrait être lente.
18 / 67
Introduction Séparation des racines Méthode de bissection Généralités
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
1. Introduction

4.1 Généralités
19 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
1. Introduction

4.1 Généralités
20 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Point Fixe
Définition 6
Soit une fonction g à valeurs réelles, on dit que g admet un point fixe
x lorsque g(x) = x.
Exemple et Interprétation géométrique :

2
y=x
1
-4 -3 -2 -1 1 2 3
-1
-2 g(x) = 0.5(3 − x 2 )
-3
point fixe -4
-5
-6
21 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Point Fixe
Principe :
Ramener l’équation
f (x) = 0
à une équation de type
x = g(x)
avec g continue.
Par exemple f (x) = 0 ⇔ x = x − f (x) ou x = x + 4f (x).
But : étudier les itérations suivantes :
(
x0 donné
xn+1 = g(xn )
(g continue)
Si xn converge vers α ⇒ α = g(α)
Définition 7
g est appelée fonction itérante. Et on dit qu’une équation de point
fixe x = g(x) est consistante avec f (x) = 0 si x = g(x) ⇐⇒ f (x) = 0.
22 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Point Fixe
Exercice.
Soit l’équation x2 − 2x − 3 = 0, dont les solutions sont −1 et 3.
Calculer quelques itérations de point fixe associées respectivement aux
fonctions itérantes suivantes en partant de x0 = 4 :
√
1 x = g1 (x) = 2x + 3
3
2 x = g2 (x) =
x−2
x2 − 3
3 x = g3 (x) =
2
23 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Point Fixe
Solution. : En partant de x0 = 4, calculons xn pour n = 1, · · · 10 pour
chacune des gi
n xn
1 3.316248
2 3.103748
Pour g1 : 3 3.034385
..
.
10 3.000016
La suite semble converger vers la racine 3.
n xn
1 1.5
2 −6.0
Pour g2 : 3 −0.375
..
.
10 −1.0003387
La suite semble converger vers l’autre racine −1.
24 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Point Fixe
n xn
1 6.5
Pour g3 : 2 19.625
3 192.0703
.. ..
. .
La suite semble diverger et ne s’approche d’aucune des deux racines.

Conclusion :
Nous n’avons pas toujours la convergence de toute itération de point
fixe vers la solution souhaitée de l’équation initiale. Elle peut même
être divergente.
La convergence dépend du choix de g et du point initial x0 .
25 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Point Fixe
Critères d’arrêt : quand faut-il arrêter de calculer les xn ?

Ceci dépend de l’équation étudiée. On choisit une précision (dite aussi
tolérance) > 0. Parmi les critères possibles :
|xn+1 − xn |
En général, on utilise |xn+1 − xn | < ou < . Mais
|xn+1 |
pas toujours satisfaisant pour les méthodes qui convergent
lentement.
On pourrait avoir avoir par ex. |xn+1 − xn | → 0 mais xn ne
converge pas vers la racine r.
On peut aussi utiliser |f (xn )| < : plus adapté pour certaines
situations.
26 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Algorithme 2 : Algorithme de point fixe

Données : x0 : donnée initiale, > 0 : petit nombre
N max : nombre maximal d’itérations
Résultat : valeur approchée de r
pour n = 0, · · · N max − 1 faire
calculer xn+1 g(xn )
si |xn+1 − xn | < alors
arrêt
si n < N max alors
convergence atteinte en n + 1 itérations
la solution approchée est xn+1
sinon
convergence non atteinte
27 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
1. Introduction

4.1 Généralités
28 / 67
Convergence
On commence par définir :

Définition 8
Soit [a, b] ⊂ IR et g : [a, b] −→ IR. On dit que g est une application
strictement contractante ssi il existe une constante L telle que
0 < L < 1 tel que :
|g(x) − g(y)| ≤ L|x − y|, ∀x, y ∈ [a, b]
Existence et unicité de point fixe :

Proposition 9
Si une fonction g est continue sur [a, b] telle que g([a, b]) ⊂ [a, b], alors
g admet au moins un point fixe dans [a, b].
Si en plus g est strictement contractante dans [a, b], alors g a un point
fixe et un seul dans [a, b].
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Convergence
Démonstration.
Existence : Posons f (x) = g(x) − x. On a alors f (a) = g(a) − a ≥ 0
et f (b) = g(b) − b ≤ 0 (car g([a, b]) ⊂ [a, b]).
Il s’ensuit que f est continue sur [a, b] avec f (a)f (b) ≤ 0.
Par le théorème T.V.I, il existe r ∈ [a, b] tel que f (r) = g(r) − r = 0.
Unicité : Supposons que g est strictement contractante dans
[a, b] et que s ∈ [a, b] est un autre point fixe de g
distinct de r.
Alors
|r − s| = |g(r) − g(s)| ≤ L|r − s|
Donc L ≥ 1. Ce qui est absurde
30 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Convergence
Le résultat qui suit énonce les conditions suffisantes pour la

convergence globale et des majorations d’erreur :
Théorème 10 (théorème fondamental (Convergence globale))

Soit g une application de [a, b] dans IR, telle que :
i) g([a, b]) ⊂ [a, b],
ii) g est strictement contractante sur [a, b] de constante de
contraction L.
L’itération définie par xn+1 = g(xn ) converge vers l’unique point fixe
r ∈ [a, b] de g pour toute initialisation x0 ∈ [a, b]. Nous avons en plus
les estimations d’erreur suivantes :
|xn − r| ≤ Ln |x0 − r|, n ≥ 0 (3)

Ln
|xn − r| ≤ |x1 − x0 |, n ≥ 0 (4)
1−L
31 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Démonstration.
En Amphi
32 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Convergence
On a :
Corollaire 11
Pour avoir une approximation de r avec une précision > 0 près
donnée, il suffit de calculer xn tel que :
ln ((1 − L)) − ln (|x1 − x0 |)

n> (5)
ln(L)
33 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Convergence
Lorsque les fonctions itérantes sont assez différentiables, Il est souvent

plus pratique d’utiliser une autre version du théorème du point fixe :
Proposition 12
Soit g ∈ C 1 ([a, b]) et g([a, b] ⊂ [a, b], et il existe une constante positive
k < 1 telle que :
∀x ∈ [a, b], |g 0 (x)| ≤ k
alors g admet un point fixe unique r dans [a, b] et l’itération
xn+1 = g(xn ) converge vers r pour tout point x0 ∈ [a, b].
34 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Démonstration.
Comme g([a, b] ⊂ [a, b],
il suffit de montrer que g est strictement contractante sur [a, b] et
appliquer le Th. fondamental.
En effet,
g est continue sur [a, b] et dérivable de dérivée continue sur [a, b],
par le théorème des accroissements (T.A.F.),
∀x, y ∈ [a, b], ∃ξ ∈]a, b[, tel que g(x) − g(y) = g 0 (ξ)(x − y).
Donc |g(x) − g(y)| = |g 0 (ξ)|.|x − y| ≤ k|x − y| avec 0 < k < 1
35 / 67
Exemple.
Soit l’équation f (x) = ex − 2x − 1 = 0 sur l’intervalle [1, 2].
Il est clair que f est continue et f (1)f (2) < 0, donc l’équation a
au moins une solution r dans [1, 2].
f (x) = 0 peut se mettre sous la forme x = ln(2x + 1) = g(x)
Puisque x ∈ [1, 2], alors ln(3) ≤ g(x) ≤ ln(5) (car ln est
croissante). Mais ln(3) ' 1.0986, ln(5) ' 1.609 ⇒ g([1, 2]) ⊂ [1, 2]
2 2 2
g ∈ C 1 [1, 2] et g 0 (x) = ⇒ ≤ g 0 (x) ≤ pour tout
2x + 1 5 3
x ∈ [1, 2]. Donc ∀x ∈ [1, 2], |g 0 (x)| ≤ k = 2/3
Donc d’après la proposition ∀x0 ∈ [1, 2], la suite
xn+1 = ln(1 + 2xn ) converge vers un point fixe unique r ∈ [1, 2]
qui est la solution de f (x) = 0.
On cherche par exemple le nombre d’itérations suffisant pour
avoir une approximation de r à = 10−6 près lorsqu’on démarre
les itérations à x0 = 2.
Il suffit d’appliquer l’inégalite (5) :
x1 = ln(5) et L = 2/3 ⇒ n > 34.46
c.a.d. si théoriquement on effectue 35 itérations on obtient
l’approximation à la précision voulue.
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Convergence
1
Vérifier l’hypothèse g([a, b]) ⊂ [a, b] de la convergence globale n’est
pas toujours facile.
Pour savoir si une itération converge au moins localement, on a
l’énoncé suivant :
Théorème 13 (Convergence locale d’Ostrowski)
Soit g une fonction qui admet un point fixe r et qu’elle de classe C 1

dans un voisinage Vr de r. Si |g 0 (r)| < 1, alors il existe δ > 0 tel que :
J = [r − δ, r + δ] ⊂ Vr , et si x0 ∈ J, alors xn ∈ J, ∀n ≥ 0 et converge
vers r. De plus
xn+1 − r
lim = g 0 (r)
n→+∞ xn − r
Démonstration.
En Amphi
1. 20/02/2023
37 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Convergence
Le théorème précédent permet de classer les méthodes du point fixe

en 3 catégories de convergence :
1 Si |g 0 (r)| > 1, alors (xn ) ne converge pas vers r sauf pour
x0 = r.
On dit que :
le point r est répulsif
0
2 Si |g (r)| < 1,
alors (xn ) converge vers r dans un voisinage de r.
On dit que :
le point r est attractif
Attention : Même si |g 0 (r)| < 1, la convergence n’est pas
assurée si on fait un mauvais choix de x0 (pas assez proche
de r).
3 Si |g 0 (r)| = 1, alors on ne peut conclure.
38 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Convergence
Exemple.
Soit l’équation x + ln(x) = 0, x > 0
Localisation :
f (x) = x + ln(x), f 0 (x) = 1 + 1/x > 0

. Donc f strictement croissante sur ]0, +∞[ de −∞ à +∞.
En particulier : f (1) = 1 > 0, f (a) < 0 pour a > 0 petit.
Donc il existe une et une seule racine r ∈]0, 1[.
39 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Convergence
On considère x0 ∈]0, 1[, xn+1 = − ln(xn ).
Ici g(x) = − ln(x), g 0 (x) = −1/x ⇒ |g 0 (r)| = 1/r > 1.
Donc cette suite diverge ∀x0 6= r.

x = − ln(x) ⇔ x = exp(−x).
On prend maintenant g(x) = exp(−x).
On a g 0 (x) = −exp(−x). Donc |g 0 (r)| = exp(−r) < 1, car r ∈]0, 1[.
Cette méthode converge vers r pour x0 assez proche de r.
Illustrations animées en Amphi
40 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Convergence
Exemple. (voir TP)

1 Soit g(x) = x − x3 a 0 pour point fixe. On a g 0 (0) = 1.
Si 0 < x0 < 1, alors xn+1 = g(xn ) converge vers 0 (vérifier que xn
est décroissante minorée par 0).
2 Soit g(x) = x + x3 qui a aussi 0 comme point fixe et g 0 (0) = 1.
Mais xn+1 = g(xn ) diverge ∀x0 6= 0 (suite croissante vers +∞ si
par ex. x0 > 0).
41 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
1. Introduction

4.1 Généralités
42 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Ordre de Convergence
Définition 14
On suppose qu’une suite itérative (xn )n est convergente vers r.
Elle est d’ordre de convergence au moins p s’il existe une
constante M telle que
|xn+1 − r| ≤ M |xn − r|p
Elle est en plus d’ordre de convergence exactement p ≥ 1 si
|xn+1 − r|
lim =C>0
n→+∞ |xn − r|p
La constante C est appelée facteur de convergence asymptotique.

Si p = 1 et 0 < C < 1 alors l’ordre de convergence est dit
linéaire.
Si p = 2 l’ordre de convergence est dit quadratique.
43 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Remarque 15
Sous les hypothèses du th. d’Ostrowski, si 0 < |g 0 (r)| < 1, la

convergence est linéaire.
De plus, la convergence est plus rapide si g 0 (r) est proche de 0.
44 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Le théorème suivant est un moyen pratique pour connaitre l’ordre
d’une méthode :
Théorème 16
Soit g ∈ C p ([a, b]) p ≥ 2, de point fixe r ∈ [a, b] et telle que
g 0 (r) = g 00 (r) = · · · = g (p−1) (r) = 0 ; et g (p) (r) 6= 0
Alors il existe un voisinage Vr de r tel que si x0 ∈ Vr , alors l’itération

de point fixe xn+1 = g(xn ) converge vers r, avec
xn+1 − r g (p) (r)

lim =
n→+∞ (xn − r)p p!
(p)
g (r)
La méthode est d’ordre p et est le facteur de convergence
p!
asymptotique.
45 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
On peut affirmer que :

Si g 0 (r) = 0, alors l’ordre de la méthode est au moins quadratique
et exactement 2 si g 00 (r) 6= 0.
Si g 0 (r) = g 00 (r) = 0, alors l’ordre est au moins 3 et exactement 3
si g (3) (r) 6= 0.
et ainsi de suite . . .
46 / 67
Démonstration du Th. 16
Puisque |g 0 (r)| = 0 < 1, (xn ) est bien convergente vers r dans un
voisinage Vr de r (th. d’Ostrowski).
Par hypothèse de différentiabilité de g dans [a, b], faisons le
développement de Taylor de g à l’ordre p au point r :
g 00 (r)
xn+1 = g(xn ) = g(r) + g 0 (r)(xn − r) + (xn − r)2
2
g (p−1) (r) (p)
+··· + (xn − r)p−1 + g p!(ξn ) (xn − r)p
(p − 1)!
où ξn strictement compris entre r et xn
g (p) (ξn ) p
Donc en+1 = 0 × en + · · · + 0 × ep−1
n + en
p!
en+1 g (p) (ξn )
p =
en p!
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Quand n → +∞, xn → r, ξn compris entre r et xn converge aussi vers

r.
Par continuité de g (p) , g (p) (ξn ) → g (p) (r).
en+1 g (p) (r)
Donc p → 6= 0. La méthode est bien d’ordre p de
en p! (p)
g (r)
constante asymptotique .
p!
48 / 67
Méthode de Etude
point fixe
de laMéthode
convergence
de Newton-Raphson
Ordre de Convergen
Mét
Exemple.
Revenons à l’équation f (x) = x + ln(x) = 0 qui admet une seule
racine r ∈]0.1[. Considérons l’équation de point fixe
x − x ln(x)
x = g(x) = . Il est clair que g est au moins C 2 sur ]0, +∞[
x+1
et que x = g(x) est consistante avec f (x) = 0 (car pour
x − x ln(x)
x > 0, x = ⇐⇒ x2 + x = x − ln(x) ⇐⇒ x + ln(x) = 0) .
x+1
x + ln(x)
On a g 0 (x) = − . Puisque r est racine de f , alors g 0 (r) = 0.
(x + 1)2
Donc L’itération xn+1 = g(xn ) est localement convergente vers r
d’ordre au moins 2. Maintenant, après calcul on peut vérifier que
x2 − 2x − 1 + 2x ln(x) 1
g 00 (x) = ⇒ g 00 (r) = − 6= 0
x(x + 1)3 r(r + 1)
On peut donc conclure d’après le Th. 16 que xn converge
quadratiquement vers r.
49 / 67
1. Introduction
50 / 67
Newton
Principe : On suppose que f ∈ C 2 [a, b] et que r est une racine de f
dans [a, b].
Soit x0 ∈ [a, b] et écrivons le développement de Taylor de f à l’ordre 2
au point x0 :
(x0 − r)2 00
f (r) = 0 = f (x0 ) + (r − x0 )f 0 (x0 ) + f (ξ), ξ ∈ (x0 , r) (6)
2
Si on suppose que x0 est proche de r, x0 − r est petit.

Donc (x0 − r)2 est encore plus petit.
L’idée consiste à négliger le reste de Taylor et on aurait :
f (x0 )
0 ≈ f (x0 ) + (r − x0 )f 0 (x0 ) ⇒ r ≈ x0 −
f 0 (x0 )
f (x0 )
On pose x1 = x0 − et on recommence.
f 0 (x0 )
51 / 67
Newton
Pour une fonction f au moins dérivavle sur [a, b],

On appelle itération de Newton-Raphson la méthode qui définit la
suite suivante :
f (xn )
x0 ∈ [a, b], xn+1 = xn − ,n≥0 (7)
f 0 (xn )
52 / 67
Interprétation géométrique
le début du développement dans (6) est en fait l’équation de la
tangente (T0 ) à f au point (x0 , f (x0 ))
−→
x1 le point de rencontre entre (T0 ) et Ox.
Prenons par ex. f (x) = 4x3 − x + 3 où −1 est une racine. On a la
figure :
f(x) = 4x 3 − x + 3
2
x0 x1 x2 0
-1.4 -1.2 -1 -0.8 -0.6
-2
-4
-6
-8
53 / 67
Newton
Remarque 17
La méthode de Newton-Raphson est une méthode de point fixe avec
f (x)
la fonction itérante g(x) = x − 0
f (x)
On commence à enoncer pour la convergence locale
Théorème 18 (Convergence locale)

0
Soit f est de classe C 2 dans un voisinage de r avec f (r) 6= 0 (c’est à
dire r racine simple). Alors g 0 (r) = 0 et donc l’itération de Newton
converge vers r au moins quadratiquement pour x0 assez proche de r.
54 / 67
Newton
Démonstration.
f (x)
La méthode de Newton étant un point fixe avec g(x) = x − .
f 0 (x)
Puisque f est C 2 dans un voisinage de r et que f 0 (r) 6= 0,
alors f 0 (x) 6= 0 sur un voisinage V de r, et donc g dérivable sur V
avec : 0 2
(x)f 00 (x)
g 0 (x) = 1 − (f (x))(f−f
0 (x))2
f (x)f 00 (x)
= (f 0 (x))2
∀x ∈ V
Mais f (r) = 0 et f 0 (r) 6= 0 ⇒ g 0 (r) = 0. D’après le théorème 13 de

convergence locale d’Ostrowski de point fixe , il existe un voisinage
J ⊂ V de r tel que la méthode de Newton converge vers r si x0 ∈ J.
De plus, d’après le théorème (16 ) l’ordre de convergence est
au moins 2.
55 / 67
Newton
On peut montrer à titre d’exercice :

Corollaire 19
Si r est un zéro simple de f et f est assez différentiable au voisinage
f 00 (r)
de r alors g 00 (r) = 0 .
f (r)
On en déduit que la méthode de Newton est en général d’ordre 2 (si

|f 00 (r)|
f 00 (r) 6= 0) et le facteur de convergence asymptotique est .
2 |f 0 (r)|
56 / 67
Newton
2
Résultat de convergence globale
Théorème 20 (Convergence globale de Newton)

Soit f ∈ C 2 ([a, b]) telle que :
f (a)f (b) < 0
f 0 (x) 6= 0, ∀x ∈ [a, b] : strictement monotone
f 00 (x) 6= 0, ∀x ∈ [a, b] : strictement convexe ou concave
Alors pour toute initialisation x0 ∈ [a, b] telle que f (x0 ) et f 00 (x0 )
sont de même signe, la méthode de Newton converge vers l’unique
racine r de f dans [a, b] avec une convergence d’ordre 2.
Par exemple si f strictement croissante et convexe, pour le x0 tel que

f (x0 ) > 0, la suite xn est décroissante minorée par r et converge
vers r.
2. 27/02/2023
57 / 67
Démonstration.
en Amphi
58 / 67
Newton
Exemple.
√
Soit à rechercher 2 en appliquant Newton sur f (x) = x2 − 2 = 0.
L’itération est
x2 − 2

1 2
x0 donné xn+1 = xn − n xn +
=
2xn 2 xn
√
On se place dans un intervalle contenant la racine r = 2, par ex.
I = [1, 2].
On a :
f (1)f (2) < 0
f 0 (x) = 2x 6= 0 pour tout x ∈ I
f 00 (x) = 2 > 0 00
Si on prend x0 = 2, alors f (2) = 2 > 0, de même signe que
f 00 (2) = 2.
Toutes
√ les hypothèses du Th. sont vérifiées et donc (xn ) converge
vers 2.
59 / 67
Newton
Problème de la racine multiple

Si la racine r est de muliplicité m > 1 :
f (r) = f 0 (r) = f 00 (r) = · · · = 0 . Donc on ne peut pas calculer
(r)f 00 (r)
g 0 (r) directement par la formule g 0 (r) = f(f 0 (r))2 (voir
démonstration du corollaire 19).
Mais on peut démontrer (à titre d’exercice) que
1
g 0 (r) = 1 − 6= 0
m
Donc Newton est seulement d’ordre 1.
Plus m est grand plus la convergence est lente. Car
0 < 1 − 1/m < 1 et la quantité 1 − 1/m serait plus proche de 1
que de 0.
60 / 67
Newton
Exemple.
Soit f (x) = x3 − 5x2 + 7x − 3. Il est facile de vérifier que
f (1) = f 0 (1) = 0, f 00 (1) = −4 6= 0.
Donc 1 est racine double de f . En partant de x0 = 0, notons en = |xn − 1|.

On obtient le tableau :
en en
n xn en
en−1 e2n−1
1 0.429 0.571 0.571 0.571
2 0.686 0.314 0.55 0.963
3 0.833 0.167 0.532 1.693
4 0.913 0.087 0.518 3.102
5 0.956 0.044 0.510 5.886
6 0.978 0.022 0.504 11.429
.. .. .. .. ..
. . . . .
20 0.999 10−6 0.500 181290.103
61 / 67
Newton
Remarque 21
En pratique dans une autre équation où on ne connait pas r,
au lieu de calculer la vraie erreur en = |xn − r|, on l’estime en posant
en ' |xn − xn−1 | (voir TP).
en
Commentaire. : On voit que le rapport se stabilise vers une constante
en−1
non nulle.
en
Alors que 2 a tendance à augmenter indéfiniment.
en−1
Ce qui prouve la convergence vers 1 est lente et d’ordre 1 et non 2.
62 / 67
1. Introduction
63 / 67
Sécante
Principe : La méthode de la sécante est une variante de la méthode

de Newton.
Lorsque la dérivée f 0 (xn ) :
Impossible à calculer : non définie.
Compliquée : trop coûteuse en calculs
f (xn ) − f (xn−1 )
On la remplace par l’accroissement .
xn − xn−1
D’où la méthode :
(
x0 , x1 donnés
(8)
xn+1 = xn−1f f(x(xnn)−f
)−xn f (xn−1 )
(xn−1 )
C’est une méthode à 2 pas : xn+1 dépend de xn et de xn−1 .
64 / 67
Interprétation géométrique
5
4 f(x) = e x − 4x
x0 x2 x3 x5 x4 x1
0
1 1.5 2 2.5
-1
Illustration animée en Amphi
65 / 67
Sécante
Théorème 22
On a le résultat de convergence locale suivant : Si f est de classe C 2
dans un voisinage V d’une racine simple r de f . Alors pour x0 6= x1

choisis dans V , la suite définie√par (8) converge vers r et l’ordre de
1+ 5
convergence est au moins ≈ 1.618.
2
Pour illustrer ce théorème, comparons pour l’équation ex − x − 2 = 0

les méthodes de Newton et de sécantes. Cette équation a une solution
unique r ∈ [1, 3]
66 / 67
Pour celà, on démarre Newton à x0 = 1 et sécantes à x0 = 1, x1 = 3.

Les résultats sont dressés dans le tableau suivant pour une précision
10−12 :
iteration Sécante Erreur Newton Erreur

1 1.036665 1.963335E + 00 1.163953 1.639534E − 01
2 1.064489 2.782471E − 02 1.146421 1.753223E − 02
3 1.153299 8.880916E − 02 1.146193 2.279263E − 04
4 1.145755 7.543861E − 03 1.146193 3.808392E − 08
5 1.146191 4.362024E − 04 1.146193 8.881784E − 16
6 1.146193 2.278279E − 06
7 1.146193 7.321177E − 10
8 1.146193 1.110223E − 15
On remarque que la méthode des sécantes atteint la solution plus
lentement que la méthode de Newton pour la précision voulue.
Conclusion : On peut dire que la méthode de la sécante
est moins
√ performante que la méthode de Newton car
1+ 5
' 1.618 < 2
2
mais plus rapide qu’une méthode d’ordre 1.
67 / 67

Chapitre2 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre2 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Introduction Séparation des racines Méthode de bissection Méthode de point fixe Méthode de Newton-Raphson Mét

2. Séparation des racines

4. Méthode de point fixe

2. Séparation des racines

4. Méthode de point fixe

Soit f : IR → IR une fonction donnée.

2. Séparation des racines

4. Méthode de point fixe

Séparation des racines

l’équation f (x) = 0 peut avoir plusieurs racines.

Si en plus f est monotone sur [α, β], alors r est unique.

Séparation des racines

On a f continue et dérivable partout avec

Séparation des racines

-1 -0.5 0.5 1 1.5 2

Figure – Séparation des racines

Il est clair que f admet 3 racines séparées par les intervalles

2. Séparation des racines

4. Méthode de point fixe

Cette méthode est une application directe du théorème des valeurs

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8

Algorithme 1 : Algorithme de bissection

On construit une suite d’intervalles In , n ≥ 0 emboîtés ( In+1 ⊂ In ) et

2. Séparation des racines

4. Méthode de point fixe

2. Séparation des racines

4. Méthode de point fixe

Exemple et Interprétation géométrique :

La suite semble diverger et ne s’approche d’aucune des deux racines.

Critères d’arrêt : quand faut-il arrêter de calculer les xn ?

Algorithme 2 : Algorithme de point fixe

2. Séparation des racines

4. Méthode de point fixe

On commence par définir :

|g(x) − g(y)| ≤ L|x − y|, ∀x, y ∈ [a, b]

Existence et unicité de point fixe :

Le résultat qui suit énonce les conditions suffisantes pour la

Théorème 10 (théorème fondamental (Convergence globale))

|xn − r| ≤ Ln |x0 − r|, n ≥ 0 (3)

ln ((1 − L)) − ln (|x1 − x0 |)

Lorsque les fonctions itérantes sont assez différentiables, Il est souvent

Soit g une fonction qui admet un point fixe r et qu’elle de classe C 1

Le théorème précédent permet de classer les méthodes du point fixe

f (x) = x + ln(x), f 0 (x) = 1 + 1/x > 0

On considère x0 ∈]0, 1[, xn+1 = − ln(xn ).

Ici g(x) = − ln(x), g 0 (x) = −1/x ⇒ |g 0 (r)| = 1/r > 1.

Donc cette suite diverge ∀x0 6= r.

Illustrations animées en Amphi

Exemple. (voir TP)

2. Séparation des racines

4. Méthode de point fixe

|xn+1 − r| ≤ M |xn − r|p

Elle est en plus d’ordre de convergence exactement p ≥ 1 si

La constante C est appelée facteur de convergence asymptotique.

Sous les hypothèses du th. d’Ostrowski, si 0 < |g 0 (r)| < 1, la

g 0 (r) = g 00 (r) = · · · = g (p−1) (r) = 0 ; et g (p) (r) 6= 0

Alors il existe un voisinage Vr de r tel que si x0 ∈ Vr , alors l’itération

xn+1 − r g (p) (r)

On peut affirmer que :

Quand n → +∞, xn → r, ξn compris entre r et xn converge aussi vers

2. Séparation des racines

4. Méthode de point fixe

Si on suppose que x0 est proche de r, x0 − r est petit.

ln ((1 − L)) − ln (|x1 − x0 |)