Résolution D'eqs F (X) 0

Chapitre 1 : Résolution d’équations de type f (x ) = 0
Génie Civil
Naima SOUKHER
Ecole Supérieure de Technologie Fkih Ben Salah
Décembre 2020
Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 1 / 58

Le but
Le but de ce chapitre est d’aborder la résolution numériques d’équations
ou de systèmes d’équations du genre f (x ) = 0
Ce problème est très fortement lié à des problèmes connexes très communs
en physique. Ainsi :
Minimiser une fonction F est équivalent à trouver les zéro de sa dérivée :

F 0(x ) = f (x ) = 0.
Trouver un point …xe x tel que g (x ) = x est équivalent à trouver les

zéros de f (x ) = g (x ) x.

Les motivations
On sait résoudre ce type de problèmes analytiquement (à la main) lorsque
la fonction f est un polynôme d’ordre inférieur ou égal à 4. Cependant, dès
que la situation devient plus compliquée, la résolution numérique devient
indispensable. En particulier quand :
la fonction f est fortement non-linéaire
il n’existe pas de solution analytique explicite (par exp

x = e x , x = cosx...)
! !
le problème implique un système linéaire d’ordre élevé : M X = Y
! !
le problème implique un système non-linéaire : F ( X ) = 0
Ce chapitre est principalement dédié à la résolution d’équations de faible

dimension.

Sommaire
1. Méthode de dichotomie
1.1. Principe
1.2. Etude de la convergence
1.3. Test d’arrêt
1.4. Vitesse de convergence
2. Méthode de point …xe

2.1. Principe
2.2. Etude de la convergence
3. Méthode de Newton
3.1. Principe et convergence
3.2. Technique à répéter

4. Méthode de la sécante
4.1. Principe et convergence
4.2. Technique à répéter
5. Comparaison des algorithmes

1. MÉTHODE DE DICHOTOMIE
1.1. Principe.
Considérons une fonction f continue sur un intervalle [a, b ]. On suppose
que f admet une et une seule racine α dans ]a, b [ et que f (a).f (b ) < 0.
On note c = a +2 b le milieu de l’intervalle.

(1) Si f (c ) = 0, c’est la racine de f et le problème est résolu.
(2) Si f (c ) 6= 0, nous regardons le signe de f (a).f (c ).

(a) Si f (a).f (c ) < 0, alors α 2]a, c [
(b) Si f (c ).f (b ) < 0, alors α 2]c, b [

On recommence le processus en prenant l’intervalle [a, c ] au lieu de [a, b ]
dans le premier cas, et l’intervalle [c, b ] au lieu de [a, b ] dans le second cas.
De cette manière, on construit par récurrence sur n trois suites (an ), (bn )
et (cn ) telles que a0 = a, b0 = b
et telles que pour tout n 0,

(1) cn = an +2 bn
(2) Si f (cn ).f (bn ) < 0 alors an +1 = cn et bn +1 = bn .
(3) Si f (cn ).f (an ) < 0 alors an +1 = an et bn +1 = cn .
L’algorithme ci-dessus s’appelle l’algorithme de dichotomie.

1.2. Etude de la convergence.
Théorème 1.
Soit f une fonction continue sur [a, b ], véri…ant f (a).f (b ) < 0 et soit
α 2 [a, b ] l’unique solution de l’équation f (x ) = 0. Si l’algorithme de
dichotomie arrive jusqu’à l’étape n alors on a
l’estimation :
b a
jα cn j 2 n +1
Par conséquent, la suite (cn ) converge vers α.
Démonstration. Il su¢ t de remarquer qu’à chaque itération, on divise

l’intervalle par deux.

1.3. Test d’arrêt.
Condition d’arrêt
Plusieurs conditions peuvent justi…er l’arrêt des itérations décrites
précédemment :
lorsque la taille de notre intervalle de travail est « su¢ samment petite »
,! l’écart entre le milieu de cet intervalle et xsol est encore plus petit
lorsqu’on estime que le nombre d’itérations est su¢ sant.
Le dernier milieu calculé sera alors considéré comme une approximation de

xsol .

Estimation du nombre d’itérations
Pour que la valeur de cn de la suite à la n i ème itération soit une valeur

approchée de α à ε > 0 près, il su¢ t que n véri…e :
b a
2 n +1
ε
On a alors :
b a
jα cn j 2 n +1
ε
ce qui permet de calculer à l’avance le nombre maximal N 2 N

d’itérations assurant la précision ε.
b a b a log ( b ε a )
2 n +1
ε, ε 2n +1 , n log (2 )
1

Exemple 1.
p
On considère la fonction f dé…nie par f (x ) = e x + 3 x 2 sur l’intervalle
[0, 1].
calculons le nombre maximal N 2 N d’itérations assurant la précision

ε = 10 10

La …gure montre que f admet un unique zéro α 2 [0, 1].

Si on veut utiliser la méthode de dichotomie pour estimer α à une
tolérance ε = 10 10 près, il nous faut au plus 33 itérations.
En e¤et, la suite (cn ) qui approche α véri…e
1
jα cn j 2 n +1
et
1 10 log (10 )
2 n +1
10 =) n 10 log (2 )
1 33

Exemple 2.
Si nous reprenons l’exemple précédent avec la fonction f (x ) = 30x 15,

nous obtenons les résultats suivants :
α = 0.5
f (α) = 0
nnumerique = 0
log (10 )
ntheorique = 10 log (2 ) 1 33
On voit alors qu’on atteint la racine α sans aucune itération, ce qui montre
contrairement à l’exemple précédent que la majoration du théorème
ci-dessus est parfois assez large.

1.4 Vitesse de convergence
Comme, à chaque étape, la taille de l’intervalle de travail est divisée par 2,
l’intervalle de recherche à la n-ième étape est de longueur b2na : le milieu
de cet intervalle est alors distant de xsol d’au plus b2na

Exercice 1.
On considère l’équation f (x ) = 3x 5 5x 3 + 1 = 0.
1. Etudier les variations de f et en déduire le nombre de solutions de
cette équation et leurs localisations dans des intervalles ouverts bornés.
2. Rechercher par dichotomie la solution de l’équation f (x ) = 0 située
dans l’intervalle ]0, 1[ à 214 prés.

2. MÉTHODE DE POINT FIXE
2.1. Principe.
Le principe de cette méthode consiste à transformer l’équation f (x ) = 0
en une équation équivalente g (x ) = x où g est une fonction auxiliaire
"bien" choisie.
Le point α est alors un point …xe de g .
Approcher les zéros de f revient à approcher les points …xes de g .
Le choix de la fonction g est motivé par les exigences du théorème de

point …xe.

En e¤et, elle doit être contractante dans un voisinage I de α, ce qui
revient à véri…er que jg 0(x )j < 1 sur ce voisinage. Dans ce cas, on
construit une suite (xn )n
dé…nie par :
x0 dans un voisinage I de α
8n 0, xn +1 = g (xn )
Il ne reste plus qu’à appliquer localement le théorème de point …xe pour

démontrer que
α = lim xn
n !+∞
C’est l’objet de la partie suivante.

2.2. Etude de la convergence.
2.2.1 Point attractif
Théorème de convergence.
Théorème 2.
Soit g : I = [a, b ] ! [a, b ] de classe C 1 . On suppose que g admet un

point …xe α 2 [a, b ] véri…ant jg 0(α)j < 1. Alors il existe un voisinage Vα
de α dans I tel que la suite (xn ) dé…nie par :
x0 2 Vα
8n 0, xn +1 = g (xn )
converge vers α.

Rappels d’analyse.
Dé…nition 1. Un réel l 2 [a, b ] est dit point …xe d’une fonction

g : [a, b ] ! R si g (l ) = l
Dé…nition 2. Soit k 2]0, 1[. Une fonction g : [a, b ] ! R est dite fonction
contractante de rapport k si
8x, y 2 [a, b ], jg (x ) g (y )j k jx yj
Remarque 1.
(1) Soit g 2 C 1 ([a, b ]). Si jg 0(x )j < 1, 8x 2 [a, b ], alors g est

contractante sur [a, b ].
(2) Une fonction contractante est continue.

Démonstration. Comme jg 0 (α)j < 1, il existe k 6= 0 tel que
jg 0(α)j k < 1.
De plus, g 0 est continue sur I donc il existe un voisinage

Vα = [α h, α + h] I (h > 0)
tel que
8x 2 Vα , jg 0 (x )j k < 1.
Donc g est k-contractante sur Vα .
En particulier, g (x ) 2 Vα . Le théorème de point …xe appliqué localement

à g dans le voisinage Vα
implique que
8x 2 Vα , lim xn = α
n !+∞

Dé…nition 3.
Le réel α véri…ant les hypothèses du théorème précédent est appelé point

…xe attractif de g et le voisinage Vα correspondant est dit intervalle de
convergence de la méthode d’approximation.

Illustration graphique.

Intervalle de convergence.
Proposition 3. En pratique, un intervalle de convergence Vα peut être
calculé comme suit :
(1) Si 0 g 0 (α) < 1, prendre comme intervalle de convergence

Vα = [ β, γ] contenant α tel que
0 g 0 (x ) < 1, 8x 2 [ β, γ].
(2) Si 1 < g 0(x ) < 0, prendre comme intervalle de convergence

Vα = [ β, g ( β)] tel que
1 < g 0 (x ) < 0, 8x 2 [ β, g ( β)].

2.2.2. Point répulsif
Théorème de non-convergence.
Théorème 3. Soit g : I = [a, b ] ! [a, b ] de classe C 1 . On suppose que g
admet un point …xe α 2 [a, b ] véri…ant jg 0 (α)j > 1. Alors il existe un
voisinage Vα de α dans I tel que la suite (xn ) dé…nie par :
x0 2 Vα nfαg
8n 0, xn +1 = g (xn )
ne converge pas vers α.
Dé…nition 4. Le réel α véri…ant les hypothèses du théorème précédent est

appelé point …xe répulsif de g .


2.2.3. Point douteux
Dé…nition 5. g : I = [a, b ] ! [a, b ] de classe C 1 pour laquelle α est un
unique point …xe véri…ant
jg 0 (α)j = 1. Alors α est appelé point douteux de g , car il peut être

attractif ou répulsif.

2.3. Test d’arrêt.
La suite (xn ) converge vers un réel α véri…ant g (α) = α. En …xant la
tolérance ε on estime qu’on atteint la précision ε dès qu’il existe
n0 2 N tel que :
jxn0 +1 xn0 j < ε

on remplace l’équation f (x ) = 0 par g (x ) = x
on commence à x0 , puis on itère xn +1 = g (xn )
critère d’arrêt : jxn +1 xn j < ε
très simple à implémenter, mais pas d’unicité de l’itération
Exemple 3. f (x ) = x 3 3x 2 3x 35
35
(1). g1 (x ) = x 2 3x 3
x 3x 2 35
3
(2). g2 (x ) =
p
3
3
(3). g3 (x ) = 3x 2 + 3x + 35

Valeur initiale x0 = 0
Fonction g1
- trop d’itérations
x = 0.333333, f (x ) = 36.2963
Fonction g2
- divergence à l’in…ni
Fonction g3
- convergence après 35 itérations
x = 5, f (x ) = 2.35687e 11

3. MÉTHODE DE NEWTON
3.1. Principe et convergence.
La méthode de Newton est une méthode particulière de point …xe. Elle est
basée sur l’idée de construction d’une suite (xn ) qui converge vers α d’une
manière quadratique.
f est dérivable sur [a, b ]
On suppose que :
f ’ne s’annule pas sur [a, b ]
On va considérer que la représentation graphique Cf de f est « proche »
de sa tangente en un point : l’intersection de cette tangente avec (Ox )
doit nous « rapprocher » de xsol = α


3.2.Technique à répéter
i. On considère un réel x0 dans I
ii. ,!On considère alors la tangente à Cf au point d’abscisse x0 ,

qui a pour équation cartésienne y = f 0 (x0 )(x x0 ) + f (x0 ).
,!Le point d’intersection de cette droite et de l’axe des abscisses

permet d’approcher α :
on note ainsi x1 le réel véri…ant 0 = f 0 (x0 )(x1 x0 ) + f (x0 ),
f (x 0 )
c’est-à-dire que l’on pose x1 = x0 f 0 (x 0 )
.
iii. Puis on recommence : le réel xn étant construit, on pose

f (x )
xn +1 = xn f 0 (xnn ) .

3.3. Condition d’arrêt
Plusieurs conditions peuvent justi…er l’arrêt des itérations décrites
précédemment :
lorsque l’écart entre deux termes consécutifs est « su¢ samment petit »
lorsqu’on estime que le nombre d’itérations est su¢ sant.
Le dernier terme xn calculé sera alors considéré comme une approximation

de α.

Sous certaines hypothèses concernant f (que nous supposerons véri…ées),
on montre qu’il existe une constante positive C telle que,
pour tout n 2 N, jxn +1 xsol j C j xn xsol j2

n
On en déduit que, pour tout n 2 N, jxn +1 xsol j 1
C (C jx0 xsol j)2
1
Il « su¢ t » alors que jx0 xsol j C
pour être en mesure de garantir la convergence de (xn ) vers xsol et de

majorer la distance de xn à xsol .

convergence rapide si convergence,
risque de divergence au voisinage d’un extremum
risque de situations cycliques
Exemple 4
résolution de f (x ) = x 3 5x = 0
xn3 5xn
xn +1 = xn 3xn2 5
valeur initiale x0 = 1
x1 = 1
x2 = 1
x3 = 1
...

4. MÉTHODE DE LA SÉCANTE
3.1. Principe et convergence.
Cette méthode est également appelée méthode de Lagrange ou méthode

des parties proportionnelles.
On considère un intervalle [a, b ] et une fonction f de classe C 2 de [a, b ]
dans R. On suppose que f (a)f (b ) < 0 et que f ’ne s’annule pas sur [a, b ],
alors l’équation f (x ) = 0 admet une unique solution sur l’intervalle [a, b ].

La méthode de la sécante consiste à construire une suite (xn ) qui converge
vers α de la manière suivante : soit ∆0 la droite passant par (a, f (a)) et
(b, f (b )), elle coupe l’axe Ox en un point d’abscisse x0 2]a, b [. On
approche donc la fonction f par un polynôme P de degré 1 et on résout
P (x ) = 0.

Ensuite, suivant la position de α par rapport à x0 , on considère la droite
passant par (a, f (a)) et (x0 , f (x0 )) si f (x0 )f (a) < 0 ou celle passant par
(x0 , f (x0 )) et (b, f (b )) si f (x0 )f (b ) < 0. On appelle x1 l’abscisse du
point d’intersection de cette droite avec l’axe Ox.


Convergence
Théorème 4.
Soit f : R ! R une fonction de classe C 2 et soit α 2 [a, b ] un zéro de f .
tel que f 0 (α) 6= 0. Alors il existe un voisinage Vα de α tel que la suite
(xn )n 2N
dé…nie par
x0 , x1 2 Vα , x1 6= x0 8n 1
xn xn 1
xn +1 = xn f (xn )
f (xn ) f (xn 1)
existe et converge vers α

.

De plus, si f 00 (α) 6= 0, alors
p 1
α xn +1 1 f 00 (α)
lim =
n !+∞ ( α xn )p 2 f 0 (α)
p
1+ 5
Cette méthode a ordre de convergence p = 2

4.2.Technique à répéter
Soit f : R ! R une fonction continue et soit α 2 [a, b ] un zéro de f .
La méthode de la sécante est une variante de la méthode de Newton.
En e¤et, la dérivée f 0 (xn )

est remplacée par la pente
f (xn ) f (xn 1)
xn xn 1
On obtient la méthode itérative suivante :

Pour calculer xn +1 on prend l’intersection de l’axe des abscisses avec la
droite passant par les points (xn , f (xn )) et (xn 1 , f (xn 1 )), i.e. on cherche
x solution du système linéaire
(
f (x ) f (x )
y = xn n xn n1 1 (x xn ) + f (xn )
y =0
ce qui donne
xn xn 1
x = xn f (xn ) 8n 1
f ( xn ) f (xn 1)

Algorithme
Il s’agit d’une méthode à trois niveaux : approcher les zéros de f se
ramène à calculer la limite de la suite récurrente
8
< x0 donné,
x1 donné,
: xn xn 1
xn +1 = xn f (x n ) f (x n 1)
f (xn ) 8n 1

4.3. Condition d’arrêt
Cet algorithme n’est évidemment pas complet tant qu’on n’a pas précisé
un critère d’arrêt. Nous verrons plus loin que, généralement, xn converge
vers la solution α cherchée ce qui signi…e que pour "n grand", xn est voisin
de α.
Sans plus d’informations, il est di¢ cile de savoir ce que signi…e

numériquement "n grand" , et c’est là une di¢ culté fréquente en analyse
numérique.
Un critère d’arrêt souvent utilisé consiste à choisir a priori une tolérance ε
et à terminer l’algorithme lorsque
jxn +1 xn j ε (1)

Ce n’est pas complètement satisfaisant ; pour s’en convaincre, on peut
penser à la suite :
1 1
xn = 1 + + ... +
2 n
qui véri…e lim jxn +1 xn j = 0 bien que tendant vers l’in…ni.
n !+∞
Puisqu’on veut résoudre f (x ) = 0, un autre critère d’arrêt possible
consiste à s’arrêter lorsque
jf (xn )j < ε (2)
Un numéricien particulièrement scrupuleux pourra décider de ne s’arrêter

que lorsque les deux critères d’arrêts (1) et (2) sont simultanément véri…és.
Dans le cas de l’algorithme de la sécante ci-dessus, on peut aussi utiliser :
jf (xn ) f (xn 1 )j <ε

ce critère d’arrêt a l’avantage d’éviter une possible division par 0.

En…n, pour éviter à l’ordinateur de tourner sans s’arrêter lorsqu’il n’y a pas
convergence, il est évidemment indispensable de toujours mettre un critère
limitant le nombre total d’itérations.

Exercice 2.
On considère la fonction f dé…nie sur R par f (x ) = x 3 + 3x + 1
1. Montrer que l’équation f (x ) = 0 admet une solution unique α dans R.

2. En utilisant la méthode de la sécante, déterminer une approximation de
α à 10 3 près.

5. COMPARAISON DES ALGORITHMES
Pour comparer les algorithmes, il est important de tenir compte de la

présence ou non des facteurs suivants :
assurance de la convergence
vitesse de la convergence
stabilité de l’algorithme - précision des résultats
e¢ cacité des calculs (ex : nombre de fonctions à calculer à chaque
itération).

5.1 Méthode de dichotomie
Avantages :
la convergence est assurée
on a un encadrement de la solution
un seul calcul de fonction à chaque itération.
Inconvénients :
vitesse de convergence linéaire, donc lente

sensible aux erreurs d’arrondi ;
2
exemple : la fonction f (x ) = e x 1 x x2 s’annule théoriquement en
x = 0 seulement. Numériquement, elle change de signe un grand nombre
de fois autour de x = 0.

5.2 Méthode de Newton
Avantages :
converge rapidement quand elle converge (ce qui compense largement le
dernier inconvénient)
relativement stable et peu sensible aux erreurs d’arrondis si f 0 (α) n’est
pas trop petit.
Inconvénients :
peut diverger ou converger vers un autre zéro que celui cherché si la

donnée initiale est mal choisie
nécessite le calcul de la dérivée d’une fonction, ce qui est
numériquement di¢ cile si on ne la connait pas explicitement
chaque étape nécessite deux évaluations de fonctions.

5.3 Méthode de la sécante
Avantages :
nécessite une seule évaluation de fonction à chaque étape
convergence relativement rapide, bien que moins que celle de Newton.
Inconvénients :
comme la méthode de Newton, peut diverger si les données initiales sont

mal choisies
le calcul de f (xn ) f (xn 1 ) peut produire des erreurs de chute.

5.4 Méthode du point …xe
Avantages :
très simple à implémenter
Inconvénients :
convergence souvent di¢ cile à réaliser en pratique

certains points …xes -dits instables- ne peuvent être atteints
convergence lente de type linéaire, en général.

Exemple 5.
Résolution de f (x ) = x 0, 2sinx 0, 5 = 0 à l’aide des quatre

algorithmes di¤érents

Cet exemple con…rme les remarques générales. La méthode de Newton est
la plus rapide.
Ici, la méthode de la sécante l’est presque autant. Les deux autres sont de
type linéaire :
celle du point …xe est plus rapide par rapport à la méthode de dichotomie.

Résolution D'eqs F (X) 0

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

Résolution D'eqs F (X) 0

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 1 : Résolution d’équations de type f (x ) = 0

Ecole Supérieure de Technologie Fkih Ben Salah

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 1 / 58

Minimiser une fonction F est équivalent à trouver les zéro de sa dérivée :

Trouver un point …xe x tel que g (x ) = x est équivalent à trouver les

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 2 / 58

il n’existe pas de solution analytique explicite (par exp

Ce chapitre est principalement dédié à la résolution d’équations de faible

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 3 / 58

2. Méthode de point …xe

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 4 / 58

5. Comparaison des algorithmes

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 5 / 58

On note c = a +2 b le milieu de l’intervalle.

(2) Si f (c ) 6= 0, nous regardons le signe de f (a).f (c ).

(b) Si f (c ).f (b ) < 0, alors α 2]c, b [

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 6 / 58

et telles que pour tout n 0,

(3) Si f (cn ).f (an ) < 0 alors an +1 = an et bn +1 = cn .

L’algorithme ci-dessus s’appelle l’algorithme de dichotomie.

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 7 / 58

Par conséquent, la suite (cn ) converge vers α.

Démonstration. Il su¢ t de remarquer qu’à chaque itération, on divise

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 8 / 58

lorsque la taille de notre intervalle de travail est « su¢ samment petite »

lorsqu’on estime que le nombre d’itérations est su¢ sant.

Le dernier milieu calculé sera alors considéré comme une approximation de

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 9 / 58

Pour que la valeur de cn de la suite à la n i ème itération soit une valeur

ce qui permet de calculer à l’avance le nombre maximal N 2 N

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 10 / 58

calculons le nombre maximal N 2 N d’itérations assurant la précision

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 11 / 58

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 12 / 58

En e¤et, la suite (cn ) qui approche α véri…e

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 13 / 58

Si nous reprenons l’exemple précédent avec la fonction f (x ) = 30x 15,

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 14 / 58

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 15 / 58

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 16 / 58

Le point α est alors un point …xe de g .

Approcher les zéros de f revient à approcher les points …xes de g .

Le choix de la fonction g est motivé par les exigences du théorème de

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 17 / 58

Il ne reste plus qu’à appliquer localement le théorème de point …xe pour

C’est l’objet de la partie suivante.

Soit g : I = [a, b ] ! [a, b ] de classe C 1 . On suppose que g admet un

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 19 / 58

Dé…nition 1. Un réel l 2 [a, b ] est dit point …xe d’une fonction

(1) Soit g 2 C 1 ([a, b ]). Si jg 0(x )j < 1, 8x 2 [a, b ], alors g est

(2) Une fonction contractante est continue.

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 20 / 58

De plus, g 0 est continue sur I donc il existe un voisinage

Donc g est k-contractante sur Vα .

En particulier, g (x ) 2 Vα . Le théorème de point …xe appliqué localement

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 21 / 58

Le réel α véri…ant les hypothèses du théorème précédent est appelé point

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 22 / 58

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 23 / 58

(1) Si 0 g 0 (α) < 1, prendre comme intervalle de convergence

(2) Si 1 < g 0(x ) < 0, prendre comme intervalle de convergence

1 < g 0 (x ) < 0, 8x 2 [ β, g ( β)].

Naima SOUKHER (Institute) Résolution d’équations de type f (x ) = 0 12/20 24 / 58