RESOLUTION NUMERIQUE D’UNE EQUATION A UNE INCONNUE

I - Introduction et Généralités.
1◦ ) Le problème.
Soit donnée une fonction f : I −→ IR, avec I intervalle de IR (N.B. : valable dans tout le
Chapitre).
• • • Problème : Résoudre, dans I, l’équation (E) : f (x) = 0 (solution : α),
dans une situation où on ne peut pas le faire analytiquement (i.e. “à la main”).
−−−−→ On fait alors appel à une méthode de résolution numérique.

• • • Exemple d1 . x ex = 1, x = cos x, x5 − 7x3 + 1 = 0. •

2◦ ) Méthodologie générale pour la résolution numérique d’une équation.

a) 1ère étape fondamentale : Localisation préalable de la solution.

Par une 1ère recherche plus ou moins grossière, essayer de localiser la racine d’intérêt α dans I :
1. soit en trouvant un 1er encadrement de α : a ≤ α ≤ b ;
• • • Exemple d2 . On a : x = cos x dans IR =⇒ x ∈ [ − 1 , 1 ] =⇒ cos x ∈ [ 0 , 1 ]
(ou même cos x ∈ [ cos 1 , 1 ]) =⇒ x ∈ [ 0 , 1 ]. •
2. soit en trouvant une 1ère approximation (plus ou moins grossière) de α : x0 ≈ α .

• • • Quelques idées pour y arriver :

1. Utiliser les propriétés des fonctions usuelles ;
2. Prendre en compte l’origine physique du problème ;
3. Tracer le graphe sur I de y = f (x) (à la main si f est facile à étudier, par ordinateur sinon) ;
4. Tracer les graphes sur I de y = f1 (x) et y = f2 (x) , où f1 et f2 sont 2 fonctions telles que :

f (x) = 0 ⇐⇒ f1 (x) = f2 (x), (1)

et f1 , f2 sont plus faciles à étudier que f .

• • • Exemple d3 . On a : x ex = 1 ⇐⇒ x = e−x . •
5. Trouver une fonction fe(x) telle que1 : fe(x) ≈ f (x) au voisinage de α ,
et l’équation fe(x) = 0 (solution : α
e ) est facile à résoudre.
e qu’on prend comme 1ère approximation de α ;
On calcule alors α
6. Calculer f en un certain nombre fini de points convenablement choisis, et faire appel, par exemple,
au Théorème des valeurs intermédiaires2 .
• • • Etape suivante dans la résolution numérique : Choix d’une méthode de résolution.
Le choix se fait essentiellement dans 2 grandes classes de méthodes :

1
Cf. Chapitre sur l’Approximation numérique d’une fonction à une variable.
2
Le Théorème des valeurs intermédiaires n’est pas ici la seule possibilité. On peut aussi, à la suite du calcul des valeurs
prises par f en un certain nombre fini de points, utiliser ces résultats pour construire une approximation fe de f , et on se
ramène au cas précédent.

1
2 I - Introduction et Généralités
b) Les 2 grandes classes de méthodes de résolution numérique d’une équation.
A Méthodes par points (ou “itérations ponctuelles”).
Dans ce type de méthode, pour résoudre numériquement l’équation (E), on construit, par récurrence,
une suite calculable de nombres réels, (xn ), avec l’objectif d’avoir :
xn −−−−→ α . (2)
n −→ +∞

Lorsque (2) est effectivement réalisé, on dit que la méthode est convergente pour calculer numéri-
quement la solution α de (E). Cependant, dans la pratique, ceci ne suffit pas : il est souhaitable
que cette convergence soit, évidemment, la plus rapide possible. Ceci amène à introduire la
notion d’ordre de convergence d’une méthode numérique qui sera présentée au 3◦ ) ci-dessous. Par
ailleurs, pour la terminologie, le réel xn est appelé itéré de rang n de la méthode.
Parmi les itérations ponctuelles, on peut distinguer :
– Itérations à un point : Ce sont les itérations dans lesquelles chaque nouveau terme de la suite
(xn ) se calcule directement à partir de son prédécesseur immédiat dans la suite, i.e.
xn + 1 = F (xn ), init : x0 . (3)
Ce type d’itération requiert alors que le 1er terme x0 soit fourni indépendamment, et aussi proche
de α que possible. . . D’où l’intérêt de l’étape de localisation préalable de la racine vue en a).
– Itérations à 2 points : Ici, chaque nouveau terme de la suite (xn ) se calcule à partir de ses 2
prédécesseurs immédiats dans la suite, i.e.
xn + 1 = F (xn , xn − 1 ), init : x0 , x1 . (4)
Ceci requiert alors que les deux 1ers termes x0 , x1 soient fournis autrement.
– Itérations à p point(s) ( p ∈ IN∗ ) : C’est la généralisation évidente des 2 types précédents
d’itération ponctuelle. Pour un entier p > 0 fixé, chaque nouveau terme de la suite (xn ) se calcule
à partir de ses p prédécesseurs immédiats dans la suite, i.e.
xn + 1 = F (xn , xn − 1 , · · · , xn − p + 1 ), init : x0 , x1 , · · · , xp − 1 . (5)
Pour démarrer l’itération, il faut alors que les p 1ers termes de la suite, i.e. x0 , x1 , · · · , xp − 1 ,
soient fournis par une autre approche.
Dans tous les cas, dans une itération ponctuelle, partant de l’initialisation, on calcule les termes
successifs de la suite jusqu’à satisfaction d’un critère ou test d’arrêt fixé à l’avance. Une fois
celui-ci satisfait, on prend comme approximation de α : le dernier terme xn calculé.

• • • Quelques tests d’arrêt classiques (avec ε > 0 fixé “petit”) :

¯ ¯
1. ¯ xn − xn − 1 ¯ ≤ ε : Ce test d’arrêt est déconseillé si on n’a pas une bonne idée de l’ordre de
grandeur de la solution inconnue α. En effet, on a des chances alors soit de prendre ε trop “petit”
(et l’itération ne s’arrêtera jamais), soit trop “grand” (et elle s’arrêtera trop vite sans qu’on n’ait
obtenu une bonne approximation de α).
¯ ¯
2. ¯ xn − xn − 1 ¯ ≤ ε · | xn | : Ce test d’arrêt est, a priori, meilleur que le précédent, car il vise à
contrôler l’erreur relative sur l’approximation de la solution inconnue α, alors qu’en 1., le contrôle
se fait sur l’erreur absolue. Il ne présuppose pas de connaı̂tre d’avance l’ordre de grandeur de α.
3. | f ( xn ) | ≤ ε : Ce test d’arrêt est le plus intéressant, car il se base sur une formulation équivalente
du problème de la résolution de f (x) = 0, à savoir trouver un x tel que | f (x) | soit la plus petite
possible. Cependant, voir ci-après le type de problème pratique qu’il peut poser.

• • • Commentaire : A propos du choix d’un ε > 0 “petit” dans les tests d’arrêt.
A moins d’avoir mené une analyse systématique sur l’effet des erreurs d’arrondi dans l’évaluation
numérique de la fonction f par ordinateur ou sur les valeurs de ses racines (ce qui est un travail
généralement très difficile), il est impossible de connaı̂tre d’avance la précision maximale avec laquelle
on peut espérer calculer une racine de f sur ordinateur. Ceci a pour conséquence que, dans les tests
 RESOLUTION NUMERIQUE D’UNE EQUATION A UNE INCONNUE (ND/NG, Mars 2004) 3
d’arrêt ci-dessus, si ε est pris trop “petit”, on peut se retrouver confronté à la situation où le critère
d’arrêt choisi n’est satisfait en machine pour aucun indice n, et donc l’itération tournera indéfiniment.
Il est conseillé de prendre d’abord un ε raisonnablement “petit” sans être trop optimiste, par exemple
ε = 10 −3 dans le Test 2. Une fois le test satisfait, on poursuit l’itération pour essayer d’affiner la solution,
si possible, e.g. en continuant à calculer les termes de la suite (xn ) tant que | f ( xn ) | décroı̂t.
B Méthodes par intervalles (ou “par encadrements successifs”).
Dans ce type de méthode, pour résoudre numériquement l’équation (E), on construit, par récurrence,
une suite d’intervalles ( [ an , bn ]) vérifiant :

[ an + 1 , bn + 1 ] ⊂ [ an , bn ] (∀ n), α ∈ [ an , bn ] (∀ n) et bn − an −−−−→ 0. (6)

n −→ +∞

On notera que : (6) =⇒ an −−

−%−→ α et bn −−
−&−→ α =⇒ méthode convergente.
La suite des intervalles est construite jusqu’à satisfaction d’un test d’arrêt choisi.
• • • Quelques tests d’arrêt classiques (avec ε > 0 fixé “petit”) :
¯ ¯ ¯ µ ¶¯
¯ an + bn ¯ ¯ an + bn ¯¯
1. | bn − an | ≤ ε; 2. | bn − an | ≤ ε · ¯¯ ¯;
¯ 3. ¯¯ f ¯ ≤ ε.
2 2
Pour chacun de ces tests d’arrêt, on trouvera son correspondant évident parmi les tests d’arrêt pour
itérations ponctuelles présentés plus haut. Et on a exactement les mêmes remarques et commentaires
quant à leurs degrés de validité respectifs.
an + bn
Une fois le test satisfait, approximation proposée pour α : pour le dernier n.
2

3◦ ) Vitesse de convergence d’une méthode de résolution numérique.

Comme déjà remarqué au début de 2◦ ) b), le tout n’est pas qu’une méthode de résolution numérique
de l’équation f (x) = 0 soit convergente. En tout état de cause, on n’est, évidemment, pas prêt à dormir
devant l’écran de l’ordinateur à attendre que l’itération choisie atteigne un rang n donnant la précision
souhaitée sur la solution α.
Il faut que la méthode converge, mais aussi vite que possible.
Entre 2 méthodes de résolution numérique convergentes, on préférera celle qui, a priori, permettrait
d’obtenir la valeur de α, avec la précision souhaitée, dans le délai de temps le plus court. Il faut donc se
donner les moyens de comparer les vitesses de convergence respectives de 2 méthodes. C’est ce qui amène
à introduire la notion d’ordre de convergence d’une suite numérique.

a) Ordre de convergence d’une suite numérique (convergente) vers sa limite.

Soient p, un réel ≥ 1, et (un ), une suite numérique convergente vers λ.
• N.B. Pour simplifier la présentation et éviter des cas triviaux sans intérêt pratique ici, on suppose, dans
ce qui suit, qu’aucun terme de la suite (un ) n’est égal à sa limite λ.
• • • Définition. On dit que la convergence de la suite (un ) vers λ est :
1. d’ordre au moins égal à p lorsque :
± ¯ ¯
∃ C1 ∈ IR∗+ ∀ n ∈ IN, ¯ un + 1 − λ ¯ ≤ C1 · | un − λ |p ; (7)

2. d’ordre au plus égal à p lorsque :

± ¯ ¯ p
∃ C2 ∈ IR∗+ ∀ n ∈ IN, ¯u ¯
n + 1 − λ ≥ C2 · | un − λ | ; (8)

3. d’ordre p exactement lorsque :

, ¯ ¯
¯u ¯
∃ C ∗ ∈ IR∗+ lim n + 1 − λ = C ∗. (9)
n → +∞ | un − λ |p

Dans ce dernier cas, – p est appelé ordre de convergence de la suite (un ) ;

– C ∗ est la constante asymptotique de cette suite.
4 I - Introduction et Généralités
• N.B. En première lecture, on pourra sauter les Exercices D1 à D7 ci-après, lesquels
relèvent de l’Analyse Mathématique de Niveau I, et ne sont pas indispensables pour com-
prendre la suite de ce document. Y revenir seulement après un premier parcours de tout le
Chapitre.

B Exercice D1 . Montrer qu’on obtient des formulations équivalentes des points 1 et 2 de cette définition
si on autorise que, dans (7) et (8), l’inégalité ne soit vérifiée qu’à partir d’un certain rang. C
B Exercice D2 . Montrer que si la convergence de la suite (un ) vers λ est d’ordre p exactement, alors
elle est à la fois d’ordre au moins égal à p, et d’ordre au plus égal à p.
Nota : On pourra utiliser le résultat de l’Exercice D1 ci-dessus. C
B Exercice D3 . Montrer que si la convergence de la suite (un ) vers λ est d’ordre au moins égal à p,
alors elle est aussi d’ordre au moins égal à q, ∀ q ∈ [ 1 , p [. C
B Exercice D4 . Montrer que si la convergence de (un ) vers λ est d’ordre au plus égal à p, alors elle
est aussi d’ordre au plus égal à q, ∀ q ∈ ] p , +∞ [. C
B Exercice D5 .
1◦ ) Montrer que l’ordre de convergence d’une suite numérique, lorsqu’il existe, est unique.
2◦ ) Montrer que cela n’aurait pas été le cas sans la contrainte C ∗ 6= 0 dans (9). C
B Exercice D6 . Montrer que, lorsque p = 1, une condition nécessaire pour que (9) soit réalisé est que
l’on ait (sachant que la suite (un ) est, par hypothèse, convergente) : C ∗ ≤ 1. C
B Exercice D7 .
On ne suppose pas la suite (un ) a priori convergente vers λ, mais on admet qu’elle vérifie (7).
1◦ ) Majorer alors | un − λ |, ∀ n ∈ IN, en fonction de | u0 − λ |, C1 , p et n.
Nota : On pourra considérer la suite auxiliaire de terme général vn = ln | un − λ |.
2◦ ) En déduire une condition suffisante sur le terme initial u0 pour que un −−−−→ λ . C
n −→ +∞

• • • Vocabulaire :
Pour p = 1 (resp. p = 2, p = 3), lorsque la convergence de (un ) vers λ est d’ordre p exactement, on
parle de convergence linéaire (resp. quadratique, cubique).

b) Interprétation pratique.
A titre illustratif, considérons d’abord 2 réels x et y vérifiant : | x − y | < 10 −q , pour q entier > 0.
Alors l’écriture en base 10 de x − y est de la forme :
x − y = ± 0, 0 · · · 0 c−q−1 c−q−2 c−q−3 · · · , i.e. q zéro(s) suivent la virgule,
ce qui signifie que, dans le calcul de la différence x − y, tous les chiffres de x et y se sont neutralisés
jusqu’au q ième chiffre après la virgule (en partant de la gauche). Autrement dit, x et y sont pratiquement
égaux (au moins) jusqu’au q ième chiffre après la virgule.
Remarquons alors que3 : | x − y | < 10 −q ⇐⇒ − log | x − y | > q. Par conséquent, le réel
− log | x − y | peut être interprété comme le “rang”, compté à partir de la virgule et en allant vers la
droite, jusqu’auquel les écritures en base 10 des réels x et y coı̈ncident (en partant de la gauche). Pour
une base b quelconque, on remplace le logarithme décimal par le logarithme en base b.
Revenons maintenant à notre suite (un ) convergente vers λ. Posons, ∀ n : νn = − log | un − λ | . Le
réel νn représente le “rang” du chiffre après la virgule jusqu’auquel un coı̈ncide avec λ. On a :
un −−−−→ λ ⇐⇒ νn −−−−→ + ∞ , (10)
n −→ +∞ n −→ +∞

et la suite (un ) va tendre vers λ d’autant plus vite que (νn ) tend vite vers +∞.
Supposons alors que la convergence de (un ) vers λ soit d’ordre p exactement. Il vient d’après (9),
au moins pour n grand :
3
On rappelle que log x est le logarithme décimal du réel x > 0, i.e. log x = ln x/ ln 10.
RESOLUTION NUMERIQUE D’UNE EQUATION A UNE INCONNUE (ND/NG, Mars 2004) 5
1. Si p = 1, alors :
νn + 1 ≈ νn − log C ∗ . (11)
On gagne ainsi sensiblement − log C ∗ décimale(s) exacte(s) dans l’approximation de la limite λ
d’un terme à l’autre de la suite (un ). Et ceci est vrai plus on se rapproche de λ.
2. Si p est > 1, alors :
νn + 1 ≈ p · νn − log C ∗ . (12)
Le terme multiplicatif dominant le terme additif dans le membre droit de (12), on en déduit que le
nombre de décimales exactes dans l’approximation de λ par les termes de (un ) est sensiblement
multiplié par p d’un terme au suivant. Si C ∗ < 1, alors quelque(s) chiffre(s) s’ajoute(nt) en plus.
Si C ∗ > 1, alors quelque(s) chiffre(s) sont re-perdus après la multiplication par p.
Il est ainsi clair que la suite converge d’autant plus vite que son ordre de convergence exact est élevé.
A titre de référence, une convergence d’ordre 2 (ou au moins égal à 2) est déjà amplement suffisante pour
la quasi-totalité des cas pratiques. D’où la popularité de la méthode de Newton (cf. II - 2◦ )).

c) Cas des itérations ponctuelles.

Soit une itération ponctuelle convergente pour résoudre numériquement (E). D’après 2◦ ) b), elle
construit donc une suite de réels (xn ) telle que : xn −−−−→ α .
n −→ +∞

Pour p ∈ [ 1 , +∞ [, cette itération ponctuelle sera dite d’ordre au moins égal à p (resp. au plus
égal à p, resp. exactement égal à p ) lorsque la suite (xn ) l’est.

d) Cas des itérations par intervalles.

Soit une itération par intervalles convergente pour résoudre numériquement (E). D’après 2◦ ) b), elle
construit donc une suite d’intervalles { [ an , bn ]} vérifiant (6).
Pour p ∈ [ 1 , +∞ [, cette itération par intervalles sera dite d’ordre au moins égal à p (resp. au
plus égal à p, resp. exactement égal à p ) lorsque la suite (bn − an ) l’est.

4◦ ) Accélération d’une itération ponctuelle d’ordre 1 : le procédé d’Aitken.

D’après 3◦ ) b), généralement, une itération ponctuelle d’ordre > 1 converge suffisamment vite. Par
contre, pour une itération ponctuelle d’ordre 1, dans laquelle on gagne sensiblement − log C ∗ décimale(s)
à chaque itération sur l’approximation de la solution inconnue α, si C ∗ n’est pas très petit devant 1 (par
exemple C ∗ > 1/10), ce gain par itération peut être très faible.

• • • Exemple d4 . On a : C ∗ = 1/2 =⇒ − log C ∗ ' 0, 301 ; C ∗ = 1/3 =⇒ − log C ∗ ' 0, 477.

Ceci signifie, en pratique, que, pour C ∗ = 1/2, il faut faire à peu près 10 itérations pour gagner 3
décimales exactes supplémentaires dans l’approximation de α ; pour C ∗ = 1/3, il faut 2 itérations pour
un gain approximatif d’une décimale. •
Ainsi, lorsque C ∗ > 1/10, il est souhaitable d’accélérer la convergence de la suite (xn ) vers α. Le
procédé d’accélération d’Aitken, introduit lors de l’étude de la sommation numérique des séries, est
un moyen généralement particulièrement efficace pour y arriver.
On peut montrer que les itérations ponctuelles dont l’ordre de convergence est un entier sont, généralement,
des itérations à 1 point. Ainsi, les itérations ponctuelles d’ordre 1 sont, presque toujours, du type :
xn + 1 = F (xn ). Pour une telle itération, il est pertinent de l’accélérer par le procédé d’Aitken en construi-
sant une autre suite (Tn ) à partir de (xn ) de la manière suivante :

1. T0 ←− x0 ;
2. Pour tout n ∈ IN,
2.1. ayant T3n , on calcule T3n + 1 par : T3n + 1 ←− F (T3n ) ;
2.2. ayant T3n + 1 , on calcule T3n + 2 par : T3n + 2 ←− F (T3n + 1 ) ;
2.3. ayant T3n , T3n + 1 et T3n + 2 , on calcule T3n + 3 par :

( T3n + 2 − T3n + 1 ) 2
T3n + 3 ←− T3n + 2 − .
T3n − 2 T3n + 1 + T3n + 2
6 I - Introduction et Généralités
Sous des hypothèses assez générales, la suite (Tn ) converge vers α significativement plus vite que (xn ).

B Exercice D8 . (Expérience numérique) On veut résoudre dans IR : x = cos x .

1◦ ) Montrer que cette équation admet une unique solution α dans IR.
2◦ ) Pour calculer numériquement α , on considère le processus itératif : x0 = 1 et xn + 1 = cos xn .
Remplir le tableau suivant jusqu’au rang n = 10 :

n xn xn − cos xn ( xn − cos xn )/xn

.. .. .. ..
. . . .
3◦ ) Accélérer la suite (xn ) par le procédé d’Aitken comme indiqué ci-dessus en remplissant le tableau
correspondant. C

5◦ ) Ordre de multiplicité d’une racine de f .

Pour la plupart des méthodes par points, la vitesse de convergence (voire, parfois, la
possibilité de convergence elle-même) est directement déterminée par l’ordre de multiplicité
de α en tant que racine de la fonction f .
Il est, par conséquent, utile de rappeler la signification de cette notion importante.

a) Cas d’une fonction polynôme.

Si f est une fonction polynôme, l’ordre de multiplicité de α en tant que racine de f est l’unique
entier r > 0 pour lequel on a :
±
∃ g, fonction polynôme f (x) = (x − α) r · g(x) et g(α) 6= 0 . (13)
On dit alors que α est racine d’ordre r de f .
On montre que (13) est équivalent à :
f (α) = f 0 (α) = · · · = f (r − 1) (α) = 0 et f (r) (α) 6= 0 . (14)
Cette dernière formulation a l’avantage de se prêter à une généralisation immédiate au cas d’une racine
de fonction quelconque.

b) Cas d’une fonction quelconque.

Pour une fonction quelconque f , on dit que α est racine d’ordre r de f lorsque f est (au moins)
r fois dérivable dans un voisinage de α dans I et (14) est réalisé.

c) Racines simples et racines multiples.

En fait, la distinction fondamentale se situe entre une racine simple (i.e. r = 1) et une racine
multiple (i.e. r > 1). Cette distinction se manifeste, on le verra, dans l’étude de la convergence des
itérations ponctuelles pour résoudre numériquement f (x) = 0.
Notons alors les caractérisations pratiques fort utiles suivantes, valables pour f dérivable dans un
voisinage de α dans I :
α racine simple de f ⇐⇒ f (α) = 0 et f 0 (α) 6= 0 ; (15)
0
α racine multiple de f ⇐⇒ f (α) = f (α) = 0. (16)
RESOLUTION NUMERIQUE D’UNE EQUATION A UNE INCONNUE (ND/NG, Mars 2004) 7
II - Principales méthodes usuelles de résolution numérique.
1◦ ) Méthode dichotomique (ou “de la bissection”).
C’est le prototype de la méthode par intervalles, et aussi la plus simple, conceptuellement,
des méthodes de résolution numérique d’une équation à une inconnue. C’est en fait une application du
Théorème des valeurs intermédiaires, application relativement élémentaire d’ailleurs.
Pour résoudre numériquement l’équation f (x) = 0 dans un intervalle donné [ a , b ], cette méthode
s’applique lorsque l’hypothèse suivante est satisfaite :

a) Hypothèse de validité : f : [ a , b ] −→ IR est continue et f (a) · f (b) < 0 .

Sous cette hypothèse, d’après le Théorème des valeurs intermédiaires, la fonction f s’annule au moins
une fois dans l’intervalle [ a , b ]. Dans ces conditions, il va apparaı̂tre, dans l’étude ci-après, que la méthode
va converger vers l’une des racines de f dans [ a , b ]. Seulement, s’il y en a plusieurs, on ne peut pas
dire à l’avance vers laquelle. Il est alors souhaitable, avant de lancer la méthode, d’avoir été suffisamment
efficace en I - 2◦ ) a), dans la localisation préalable de la racine, pour que l’intervalle [ a , b ] choisi ne
contienne que la seule racine α de f qui nous intéresse. Ceci est admis ci-après.

b) Construction et Procédure de mise en œuvre.

On construit une suite d’intervalles ( [ an , bn ]), par récurrence, comme suit :

1. Initialisation : a0 ←− a ; b0 ←− b ;
2. Itération : Par récurrence, ∀ n, ayant [ an , bn ] tel que f (an ) · f (bn ) ≤ 0, on fait :
an + bn
2.1. cn ←− ; yn ←− f (cn ) ;
2
2.2. Si yn · f (an ) < 0 alors (* La racine α est entre an et cn *)
début an + 1 ←− an ; bn + 1 ←− cn fin
sinon (* La racine α est entre cn et bn *)
début an + 1 ←− cn ; bn + 1 ←− bn fin ;
3. Itérer jusqu’à STOP (i.e. Satisfaction d’un critère d’arrêt choisi ).

B Exercice D9 . Ecrire une procédure informatique qui met en œuvre la méthode :

Procédure Méthode Dichotomique( f : fonction ; a, b, ε: réel ; var α : réel). C

c) Etude de la convergence.
La suite d’intervalles ( [ an , bn ]), construite ci-dessus, est telle que :
1. ∀ n ∈ IN, an ≤ an + 1 < bn + 1 ≤ bn ; d’où : [ an + 1 , bn + 1 ] ⊂ [ an , bn ] ;
2. ∀ n ∈ IN, f (an ) · f (bn ) ≤ 0, d’où : an ≤ α ≤ bn ;
bn − an b−a
3. ∀ n ∈ IN, bn + 1 − an + 1 = , =⇒ ∀ n ∈ IN, bn − an = ,
2 2n
=⇒ bn − an −−−−→ 0.
n −→ +∞

Nous sommes donc exactement dans les conditions de (6). D’où : an −−

−%−→ α et bn −−
−&−→ α .
• • • Conclusion : Clairement, la méthode dichotomique a un ordre de convergence exactement égal à 1,
avec une constante asymptotique C ∗ = 1/2. Ce n’est pas très rapide comme vitesse de convergence, mais
ceci est compensé par la simplicité et la sûreté de la méthode : sous son hypothèse de validité (qui
est très simple), elle est toujours convergente.
B Exercice D10 . Trouver le nombre d’itérations qu’il suffit de faire dans la méthode dichotomique pour
trouver la racine α avec une incertitude absolue < ε. C
B Exercice D11 . Montrer que la méthode dichotomique ne peut pas s’appliquer pour calculer une racine
α d’ordre pair de f , mais qu’elle peut servir pour calculer plutôt α en tant que racine de f 0 . C
8 II - Principales méthodes usuelles de résolution numérique
• • • Remarque : Une variante de la méthode dichotomique est obtenue en prenant comme point de
séparation, dans [ an , bn ] , à tout rang n, non pas le point-milieu, mais plutôt l’abscisse du point d’in-
tersection avec Ox du segment de droite joignant les points (an , f (an )) et (bn , f (bn )) . C’est la méthode
regula falsi . Sa vitesse de convergence est plus variable que celle de la méthode dichotomique.

2◦ ) Méthode de Newton (ou “de la tangente”, ou “de Newton-Raphson’).

C’est le prototype de l’itération à 1 point, et, probablement, la plus utilisée des méthodes de
résolution numérique d’une équation à une inconnue (nous allons voir pourquoi).

a) Construction de la méthode.
Dans cette méthode, pour résoudre numériquement l’équation f (x) = 0, on construit, par récurrence,
une suite numérique (xn ) censée converger vers la solution inconnue α, comme suit :
1. On part d’une approximation initiale x0 de α ;
2. ∀ n ∈ IN, ayant xn , on prend comme xn + 1 , l’abscisse du point d’intersection, avec l’axe x 0 Ox,
de la tangente à la courbe Cf au point d’abscisse xn .
Or, l’équation de la tangente à Cf en xn est : y = f 0 (xn ) · (x − xn ) + f (xn ).
Il s’ensuit que xn + 1 doit vérifier : f 0 (xn ) · (xn + 1 − xn ) + f (xn ) = 0,

f (xn )
=⇒ si f 0 (xn ) 6= 0, xn + 1 = xn − 0 ; (17)
f (xn )

(17) est appelée itération de Newton pour résoudre numériquement l’équation f (x) = 0.
On repère d’entrée une limite évidente de la méthode de Newton : elle ne peut être appliquée partant
d’un point initial x0 que si celui-ci est choisi tel que on n’ait jamais f 0 (xn ) = 0.

B Exercice D12 . (Expérience numérique) Résolution de7 x2 = a ( a fixé > 0).

1◦ ) Pour (a = 17 , x0 = 35) et (a = 0, 17 , x0 = 10) , mettre en œuvre la méthode de Newton avec
f (x) = x2 − a. Dans chaque cas, construire le tableau suivant jusqu’à stabilisation des résultats :

n xn f (xn ) f 0 (xn )
.. .. .. ..
. . . .
2◦ ) Que peut-on observer, en termes de vitesse de convergence, dans ces résultats ? C

b) Etude de la convergence.
Contrairement à la méthode dichotomique, la méthode de Newton n’est pas toujours convergente,
même lorsqu’elle est définie à tout rang n. On peut même observer, dans certains cas, un phénomène
de “cyclage”, i.e. répétition indéfinie de la même séquence finie d’itérés. L’exercice suivant donne les
hypothèses vérifiables les plus simples garantissant la convergence de la méthode de Newton.
B Exercice D13 . (Test de convergence de Fourier)
On se place dans le cas où f est de classe C 2 sur J = [ α , x0 ] ou [ x0 , α ] ; et on suppose
f · f 00 > 0 sur J \ { α } . L’objectif ici est de montrer qu’alors l’itération (17), va converger vers α.
1◦ ) Expliquer pourquoi il suffit de traiter le cas où f et f 00 sont > 0 sur J \ { α } .
Nota : Dans toute la suite, on se place dans ce cas.
2◦ ) Mettre en évidence la propriété graphiquement.
3◦ ) a) Montrer que, ∀ x ∈ J \ { α }, ∃ ξx ∈ ] α , x [ (ou ] x , α [ ) tel que :
f 00 (ξx )
(x − α) · f 0 (x) = f (x) + (x − α)2 .
2
b) En déduire le signe de f 0 sur J \ { α } .
4◦ ) On suppose que xn ∈ ] α , x0 ]. Montrer alors que : α < xn + 1 < xn .
5◦ ) En déduire le résultat. C
 RESOLUTION NUMERIQUE D’UNE EQUATION A UNE INCONNUE (ND/NG, Mars 2004) 9
• • • Remarque : Le Test de convergence de Fourier fournit ainsi une condition suffisante assez simple
garantissant la convergence de la méthode de Newton vers une racine α de f partant d’un point initial
x0 . En fait, cette condition n’est pas loin d’être également nécessaire. En pratique, en effet, la convergence
vers α n’a lieu que s’il existe un rang n0 tel que f satisfait les hypothèses du Test de Fourier sur l’intervalle
fermé dont α et xn0 sont les 2 extrémités.
Pour le cas général, on a le résultat fondamental suivant :
• • • Théorème 1. Soit f : I −→ IR , suffisamment dérivable au voisinage de α, racine d’ordre r ∈ IN∗
de f dans I. On suppose que f 0 (x) 6= 0 dans I, sauf éventuellemnt en α.
1. Pour x0 suffisamment proche de α dans I, l’itération (17), partant de x0 , converge vers α.
xn + 1 − α f 00 (α)
2. Si α est racine simple de f , alors on a : lim = .
n → +∞ (xn − α)2 2 f 0 (α)
Ainsi, – pour f 00 (α) 6= 0, la convergence est d’ordre 2 exactement ;
– pour f 00 (α) = 0, la convergence est d’ordre au moins égal à 2.
1
3. Si α est racine multiple de f , la convergence est linéaire, de constante asymptotique C ∗ = 1 − . C
r
Ce Théorème montre que, dans la quasi-totalité des cas, si on initialise “suffisamment près” de la
solution α, l’itération de Newton (17) va converger vers α. D’où l’importance de l’initialisation, i.e. choix
de x0 . Par ailleurs, pour une racine simple, la convergence devient très rapide quand on approche de
α. Les racines simples étant les plus courantes, c’est pour cette raison que la méthode de Newton est
généralement présentée comme ayant une convergence quadratique. D’où sa grande popularité.
c) Accélération de la convergence en cas de racine multiple.
Pour une racine multiple d’ordre r, on a : r ≥ 2. Il s’ensuit que, dans le point 3. du Théorème 1, C ∗
vérifie : C ∗ ∈ [ 1/2 , 1 [. Ainsi, lorsqu’elle a lieu, la convergence est plutôt lente, et d’autant plus lente que
la multiplicité r de la racine est élevée. Il est donc utile de chercher à l’accélérer.
Mais ceci suppose déjà qu’on soit en mesure de répérer concrètement la situation de racine multiple.
Car il est évident qu’on ne peut pas connaı̂tre à l’avance l’ordre de multiplicité d’une racine qu’on cherche
à calculer. Une manière pratique relativement simple de procéder est de jouer sur la grande différence de la
vitesse de convergence de la méthode de Newton selon qu’on a affaire à une racine simple ou à une racine
multiple. Si on constate qu’au bout d’un certain nombre d’itérations (par exemple 10), soit l’itération a
déjà satisfait le test d’arrêt, soit sa vitesse devient très rapide, alors la racine cherchée est simple. Si, au
contraire, la vitesse demeure lente, alors on peut en déduire que la racine est multiple.
Dans ce dernier cas, pour accélérer la convergence, on a essentiellement 2 possibilités :
1. La convergence étant linéaire, utiliser le procédé d’accélération d’Aitken. Cf I - 4◦ ).
2. On s’appuie plutôt sur le Lemme d’Analyse Mathématique suivant :
• • • Lemme 1. Soit f : I −→ IR, dérivable. Si on définit une fonction u : I −→ IR par :
f (x)
f 0 (x) 6= 0 =⇒ u(x) = , et f 0 (x) = 0 =⇒ u(x) = 0, (18)
f 0 (x)
alors on a, ∀ α ∈ I : (α racine de f ) =⇒ (α racine simple de u). C
B Exercice D14 . Démontrer ce Lemme. C
D’après ce Lemme, quelle que soit sa multiplicité, toute racine de f est racine simple de u. Il vient,
en appliquant le Théorème 1 à la fonction u :
• • • Théorème 2. Dans les conditions du Lemme 1, pour x0 suffisamment proche de α , racine d’ordre
quelconque de f , le processus itératif
u(xn )
xn + 1 = xn − 0 (19)
u (xn )
converge vers α. De plus, il est d’ordre au moins égal à 2. C

B Exercice D15 . Exprimer (19) à travers f et ses dérivées. C

3◦ ) Méthode de la sécante.
C’est le prototype de l’itération à 2 points.
10 II - Principales méthodes usuelles de résolution numérique
a) Construction de la méthode.
Dans cette méthode, pour résoudre numériquement l’équation f (x) = 0, on construit, par récurrence,
une suite numérique (xn ) censée converger vers la solution inconnue α, comme suit :
1. On part de 2 approximations initiales x0 et x1 de α ;
2. ∀ n ∈ IN∗ , ayant xn − 1 et xn , on prend comme xn + 1 , l’abscisse du point d’intersection avec
x 0 Ox de la droite Dn passant par les 2 points (xn − 1 , f (xn − 1 )) et (xn , f (xn )) (la “sécante”).
f (xn − 1 ) − f (xn )
Or, l’équation de Dn est : y = · (x − xn ) + f (xn ).
xn − 1 − xn
f (xn − 1 ) − f (xn )
Il s’ensuit que xn + 1 doit vérifier : · (xn + 1 − xn ) + f (xn ) = 0.
xn − 1 − xn

xn − 1 − xn
=⇒ si f (xn ) 6= f (xn − 1 ), xn + 1 = xn − · f (xn ) ; (20)
f (xn − 1 ) − f (xn )

(20) est appelée itération de la sécante pour résoudre numériquement l’équation f (x) = 0.

b) Etude de la convergence.
Comme la méthode de Newton, la méthode de la sécante non plus n’est pas toujours convergente.
Cependant, le Test de convergence de Fourier de l’Exercice D13 fonctionne aussi pour elle, à
condition que ses hypothèses soient satisfaites sur le plus petit intervalle fermé J contenant la racine α
et les 2 points initiaux x0 et x1 .
Pour le cas général, le Théorème 3 ci-dessous montre que, pour une racine simple α, si on initialise
“suffisamment près” de α, l’itération de la sécante (20) va converger vers α. De plus, la convergence
devient plutôt rapide quand on approche de α. D’où l’importance, ici aussi, de l’initialisation, i.e. choix
de x0 et x1 .
• • • Théorème 3.
Soit f : I −→ IR , de classe C 3 au voisinage de α, racine simple de f dans I.
Pour x0 et x1 suffisamment proches de α dans I, l’itération (20) converge vers α.
√ ¯ ¯ ¯ 00 ¯
1+ 5 ¯x
n + 1 − α¯ ¯ f (α) ¯p − 1
De plus, on a, pour p = : lim = ¯¯ ¯ .
2 n → +∞ | xn − α |p 2 f 0 (α) ¯
Ainsi, – pour f 00 (α) 6= 0, la convergence est d’ordre p exactement ;
– pour f 00 (α) = 0, la convergence est d’ordre au moins égal à p. C
Par contre, en général, il est recommandé de ne pas utiliser la méthode de la sécante pour essayer de
calculer une racine multiple (particulièrement d’ordre pair).
B Exercice D16 . Dans une cetaine mesure, on peut dire qu’il est normal que la méthode de la sécante
ait un ordre de convergence inférieur à celui de la méthode de Newton. En effet, on peut considérer que
la 1ère n’est qu’une approximation de la 2ème . Pourquoi ? C
B Exercice D17 . (Expérience numérique) Reprendre l’Exercice D12 en remplaçant la méthode
de Newton par celle de la sécante, et en prenant pour x1 , la valeur fournie par la 1ère méthode. C

4◦ ) Méthodes par interpolation.

Ce sont des généralisations de la méthode de Newton et de celle de la sécante en utilisant des tech-
niques d’interpolation polynômiale basées sur plus de 2 points, et pouvant aboutir ainsi à des
méthodes d’ordres de convergence plus élevés. Ces généralisations ne seront pas abordées ici.
RESOLUTION NUMERIQUE D’UNE EQUATION A UNE INCONNUE (ND/NG, Mars 2004) 11
III - Méthode des approximations successives.
1◦ ) Motivations.
• • • Motivation 1 : Certaines équations se présentent naturellement sous la forme :
x = F (x) (solution inconnue : α), (21)
i.e. α est un point fixe de la fonction F .
Evidemment, on peut toujours mettre (21) sous la forme f (x) = 0 (d’une infinité de manières d’ailleurs)
et appliquer l’une des méthodes étudiées en II. Mais ceci n’est pas, nécessairement, le meilleur réflexe.
Une approche courante consiste plutôt à construire une suite numérique (xn ) par la récurrence :
xn + 1 = F (xn ), init : x0 . (22)
C’est la méthode des approximations successives pour résoudre numériquement (21).
Il faut alors étudier dans quelle mesure cette méthode peut converger, et à quelle vitesse.
• • • Motivation 2 : Lorsque les méthodes étudiées en II sont défaillantes pour résoudre numériquement
une équation donnée f (x) = 0, ou alors de mise en œuvre malaisée, il peut être pertinent de chercher une
fonction F appropriée telle que l’on ait :
f (x) = 0 ⇐⇒ x = F (x). (23)
On dit qu’on a mis l’équation de départ sous forme d’équation du point fixe. On peut alors lancer
l’itération (22) pour tenter de la résoudre. De la sorte, on aura, d’une certaine manière, construit sa propre
méthode pour résoudre numériquement l’équation f (x) = 0. L’intérêt est évidemment alors que F ait été
choisie dans (23) (parmi les multiples choix possibles) de telle sorte que le processus itératif (22) associé
converge effectivement vers α, la solution de l’équation f (x) = 0.
• • • Motivation 3 : Toutes les itérations à un point (3) sont en fait des cas particuliers de la
méthode des approximations successives. Par conséquent, l’étude des conditions de convergence
de celle-ci s’appliquera, a fortiori , pour celles-là. Le Théorème 1 sur la convergence et la vitesse de
convergence de la méthode de Newton, énoncé en II - 2◦ ), se déduit ainsi des résultats présentés ci-après.

2◦ ) Eléments sur la convergence.

a) Cas de convergence.
On a le résultat fondamental suivant :
• • • Théorème 4. (Théorème du Point Fixe)
Si F : [ a , b ] −→ IR, dérivable sur [ a , b ] , vérifie :
(i) F ([ a , b ]) ⊂ [ a , b ] , (ii) ∀ x ∈ ] a , b [, | F 0 (x) | < 1, (24)
alors : 1. il existe un unique α ∈ [ a , b ] tel que : F (α) = α ;
2. pour tout point initial x0 pris dans [ a , b ], l’itération (22) converge vers α. C
La démonstration de ce résultat, sous une hypothèse renforcée, fait l’objet (avec quelques compléments
utiles) de l’Exercice F2 de la fiche de T.D. .
Aussi intéressant que soit le Théorème 4 dans sa grande généralité (encore qu’on peut en affaiblir
les hypothèses tout en ayant la même conclusion), dans les cas concrets, (i) et (ii) ne sont pas souvent
faciles à vérifier. Il est utile de disposer d’un résultat de portée moins générale mais dont l’hypothèse est
plus aisée à vérifier. On a ainsi :
• • • Théorème 5. (Test pratique de convergence)
Soit F : IR −→ IR, définie et dérivable au voisinage dans IR d’un réel α vérifiant : F (α) = α.
Si | F 0 (α) | < 1, alors : pour x0 suffisamment proche de α, l’itération (22) converge vers α. C
La démonstration de ce résultat consiste à établir que, sous son hypothèse, on peut trouver un intervalle
[ a , b ] contenant α et sur lequel la fonction F satisfait toutes les hypothèses du Théorème du
Point Fixe. Pour ce faire, il suffit de partir de la définition de la dérivée F 0 (α) comme limite du taux
d’accroissement de F en α, et d’expliciter la définition de cette limite.
12 III - Méthode des approximations successives
Evidemment, on peut se demander comment vérifier l’hypothèse “| F 0 (α) | < 1” alors qu’on ne connaı̂t
pas α qu’on est précisément en train de chercher à calculer. Pour y arriver, il suffit, par exemple, de mettre
en évidence un intervalle I contenant la solution α et sur lequel on a :
∀ x ∈ I, | F 0 (x) | < 1. (25)
En fait, d’une manière plus générale, on peut obtenir beaucoup d’informations sur la solution α d’une
équation, même avant de l’avoir calculée. Ceci peut se faire en tenant simplement compte du fait que
l’équation définit justement α, et en effctuant diverses manœuvres sur elle.
• • • Exemple d5 . Considérons l’équation dans IR : x4 − 2 x3 + 1 = 0 (E1 ).
L’équivalence “x4 − 2 x3 + 1 = 0 ⇐⇒ 2 x3 = x4 + 1” prouve que toute racine réelle de (E1 ) est > 0.
En dehors de la solution évidente x = 1, une étude rapide de fonction prouve que (E1 ) admet une
unique autre solution réelle α et que α > 3/2. Pour essayer de calculer α, mettons alors (E1 ) sous forme
d’équation du point fixe par :
1
(E1 ) ⇐⇒ x = F (x), où F (x) = 2 − 3 .
x
Sachant déjà α > 0, cette formulation équivalente de (E1 ) prouve que α < 2. Donc α ∈ ] 3/2 , 2 [. Ceci
est un encadrement remarquable a priori de la solution inconnue α.
Par ailleurs, on a : F 0 (x) = 3/x4 . Il s’ensuit :
α ∈ ] 3/2 , 2 [ =⇒ F 0 (α) ∈ ] 3/16 , 16/27 [ =⇒ | F 0 (α) | < 1.
On a ainsi réussi à démontrer que l’hypothèse du Théorème 5 est satisfaite. Par conséquent, si on est
efficace dans le choix de x0 , le processus itératif xn + 1 = 2 − (1/x3n ) va converger vers α.
Cependant, on peut faire mieux en constatant que F ([ 3/2 , 2 ]) ⊂ [ 3/2 , 2 ]. Donc on peut aussi
appliquer le Théorème du Point Fixe directement. •

b) Cas de divergence.
On a le pendant suivant du Théorème du Point Fixe :
• • • Théorème 6. Soit F , définie et dérivable au voisinage dans IR d’un réel α vérifiant : F (α) = α.
S’il existe J, un intervalle ouvert de IR tel que
α∈J et ∀ x ∈ J, | F 0 (x) | ≥ 1, (26)
alors, ∀ x0 ∈ IR, l’itération (22) ne peut converger vers α que s’il existe un rang n0 tel que xn0 = α. C
La circonstance d’existence d’un rang n0 tel que xn0 = α relevant plutôt du miracle (ne serait-ce que
du fait des erreurs d’arrondi en machine), ce Théorème donne des hypothèses sous lesquelles, presqu’à
coup sûr, la méthode des approximations successives ne va pas converger vers α.

3◦ ) Vitesse de convergence.
a) Résultat de base.
On a le résultat fondamental suivant :
• • • Théorème 7. Soit F , dérivable dans un intervalle I de IR contenant α tel que F (α) = α.
Considérons le processus itératif (22). Si xn −−−−→ α et xn ∈ I, ∀ n ∈ IN, alors :
n −→ +∞
xn + 1 − α
lim = F 0 (α). (27)
n → +∞ xn − α
Par conséquent,– pour F 0 (α) 6= 0, la convergence est d’ordre 1 exactement et | F 0 (α) | ≤ 1 ;
– pour F 0 (α) = 0, la convergence est d’ordre au moins égal à 1. C
Le résultat (27) est une conséquence immédiate de la définition du nombre dérivé F 0 (α).
B Exercice D18 . Démontrer ce Théorème. C
Il résulte du Théorème 7 que, lorsqu’elle converge, la méthode des approximations successives est
presque toujours d’ordre 1, avec pour constante asymptotique C ∗ = | F 0 (α) |. En pratique, on l’utilisera
donc toujours en conjonction avec le Procédé d’accélération d’Aitken tel que décrit en I - 4◦ ), auquel
cas on obtient un procédé efficace pour résoudre numériquement une équation du point fixe. Cf. l’expérience
numérique de l’Exercice D8
B Exercice D19 . (Expérience numérique) Dans l’Exemple d5 , utliser cette approche pour cal-
culer la solution réelle α 6= 1 avec la précision maximale permise par votre calculatrice. C
RESOLUTION NUMERIQUE D’UNE EQUATION A UNE INCONNUE (ND/NG, Mars 2004) 13
b) Convergence d’ordre supérieur.
En réalité, seule l’utilisation de techniques d’Analyse Mathématique permet d’obtenir une itération
(22) d’ordre > 1, à l’instar de la méthode de Newton pour une racine simple (ou modifiée par (18)-(19)
pour une racine quelconque). Un résultat approprié pour reconnaı̂tre qu’on y est arrivé est le suivant :

• • • Théorème 8. Soient F : I −→ IR (I intervalle ouvert de IR) et α ∈ I tel que F (α) = α.

F (α) − α
Si lim = C, avec p ∈ IN, p ≥ 2, et C ∈ IR, alors :
x→α (x − α)p
1. Pour x0 suffisamment proche de α, le processus itératif (22) va converger vers α.
xn + 1 − α
2. De plus, on a alors : lim = C.
n → +∞ (xn − α)p

Ainsi, – si C 6= 0, la convergence est d’ordre p exactement, avec C ∗ = | C | :

– si C = 0, la convergence est d’ordre au moins égal à p . C

B Exercice D20 . Démontrer ce Théorème. C

4◦ ) Application : Etude de la convergence de la méthode de Newton.

Le Théorème 1 sur la convergence de la méthode de Newton est une conséquence immédiate
des résultats qui précèdent dans ce III et du Lemme d’Analyse suivant (lequel se démontre par des
développements limités assez classiques) :
• • • Lemme 2. Soit f : I −→ IR (avec I intervalle de IR), suffisamment dérivable au voisinage de α,
racine d’ordre r ∈ IN∗ de f dans I. On suppose que f 0 (x) 6= 0 dans I, sauf éventuellemnt en α.
f (x)
Posons : F (x) = x − si x 6= α et F (α) = α. On a :
f 0 (x)
1
1. F est dérivable en α, avec F 0 (α) = 1 − ∈ [ 0 , 1 [.
r
F (α) − α f 00 (α)
2. Si r = 1 et f est 2 fois dérivable en α, alors on a : lim = .C
x→α (x − α)2 2 f 0 (α)

B Exercice D21 . Démontrer ce Lemme. C

B Exercice D22 . Démontrer alors le Théorème 1 (sur la convergence de la méthode de Newton)

comme conséquence de ce Lemme et des Théorèmes 5, 7 et 8. C