Académique Documents
Professionnel Documents
Culture Documents
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.
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 .
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.
• • • 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 :
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◦ )).
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.
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 ).
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 ).
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 −→ +∞
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.
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
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
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 :