Académique Documents
Professionnel Documents
Culture Documents
Dans ce chapitre, nous nous intéressons à l’approximation des racines d’une fonction réelle d’une
variable réelle. Autrement dit, étant donné un intervalle I de R et une application f : I → R tels
qu’il existe un unique x∗ ∈ I vérifiant f (x∗ ) = 0, on cherche à trouver une valeur approchée de x∗ .
Pour ce faire, nous introduisons deux méthodes itératives qui permettent de résoudre ce problème :
la méthode de dichotomie et la méthode de Newton. Plus précisément, ces deux méthodes consistent
à la construction d’une suite (xn )n∈N telle que lim xn = x∗ .
n→+∞
I Introduction
I.1 Exemple introductif : cycle de vie d’une vague marine
Les vagues fascinent par leur énergie et leur beauté. Elles sont nées aux fonds des mers et des
océans mais elles pourraient être la cause des catastrophes aux niveaux des dégâts et les destructions
qu’elles peuvent produire particulièrement sur les cotes. Pour cela, l’étude du cycle de vie des vagues
était toujours primordiale pour prédire les phénomènes anormaux tels que les tsunamis. Les études
s’intéressent surtout à la détermination des l’amplitudes maximales et les fréquences (en général il
s’agit des phénomènes pseudo-périodiques).
sinc : R∗ → R
sin(x)
x 7→
x
1
Figure 2 – Sinus Cardinal
x cos x − sin x = 0.
R
• La fonction f définie par f (x) = x cos x − sin x, ∀x ∈ ∗ est une fonction non-linéaire. Il est
difficile de trouver analytiquement l’ensemble des racines de l’équation f (x) = 0.
• Alternative : résolution numérique de l’équation f (x) = 0.
Soit f une fonction continue sur un intervalle [a, b] ⊂ R telle que f (a).f (b) < 0 alors il existe
au moins un réel x∗ ∈]a, b[ tel que f (x∗ ) = 0.
2
Question : Soit f une fonction continue sur un intervalle [a, b] ⊂ R telle que f (a).f (b) < 0. Sous
quelle hypothèse la solution de f (x) = 0 est unique ?
Unicité de la solution
Soit f une fonction continue sur un intervalle [a, b] ⊂ R telle que f (a).f (b) < 0. Si de plus
f est strictement monotone sur [a, b] alors il existe une unique solution x∗ de l’équation
f (x) = 0.
Exercice 1 Soient f la fonction définie sur [2, 6] par f (x) = x3 − 12x et g la fonction définie sur
[2, 6] par g(x) = f (x) − 30.
1. Dresser le tableau de variation de g.
2. Justifier que l’équation f (x) = 30 admet une unique solution dans ]2, 6[.
II Méthode de Dichotomie
Soit f : R → R une fonction continue et soit x∗ ∈ [a, b] une racine de f . La méthode de
dichotomie consiste à construire une suite (xn )n∈N qui converge vers x∗ .
3
Illustration graphique de l’étape 1
a1 + b1
— On pose a1 = x0 , b1 = b0 et x1 = .
2
Etape n :
an +bn
De manière itérative, on construit trois suites (an )n≥0 , (bn )n≥0 , et (xn )n≥0 , telles que xn = 2 .
En effet, à une étape n donnée :
4
1. Si f (xn ) = 0, alors x∗ = xn et le problème est résolu ! !
2. Si f (xn ) ̸= 0, on détermine le signe de f (an ).f (xn ).
— Si f (an ).f (xn ) < 0, alors x∗ ∈]an , xn [. Dans ce cas, on considère an+1 = an et bn+1 = xn .
— Si f (xn ).f (bn ) < 0, alors x∗ ∈]xn , bn [. Dans ce cas, on considère an+1 = xn et bn+1 = bn .
3. On détermine xn+1 le milieu du nouveau intervalle [an+1 , bn+1 ] pour l’utiliser dans l’étape
n + 1 : xn+1 = an+1 +b
2
n+1
.
Soit f une fonction continue sur [a, b], vérifiant f (a).f (b) < 0 et soit x∗ ∈]a, b[ l’unique solution
de l’équation f (x) = 0. Si (xn )n∈N est la suite générée par l’algorithme de dichotomie, alors
on a :
1. La suite (xn )n∈N converge vers x∗ .
2. On a l’estimation suivante :
b−a
|x∗ − xn | ≤ , n ≥ 0.
2n+1
Idée de la preuve :
1. Pour prouver le premier résultat, on fera appel à la notion suivantes de suites adjacentes :
Suites adjacentes
5
Prouvons maintenant le résultat de la convergence de (xn ) (on s’intéresse seulement au cas f
est croissante ; l’autre cas, c-à-d f est décroissante, se traite de la même manière), on montre
que
— les suites (an ) et (bn ) sont adjacentes donc convergent vers une même limite ℓ.
— an ≤ xn ≤ bn donc la suite (xn ) converge vers ℓ. D’autre part
— f (an ) < 0 par construction, la suite (an ) converge vers ℓ et f est continue en ℓ donc
f (ℓ) ≤ 0. De même
— f (bn ) > 0 par construction, la suite (bn ) converge vers ℓ et f est continue en ℓ donc
f (ℓ) ≥ 0.
— Donc nécessairement f (ℓ) = 0, et par unicité ℓ = x∗ .
2. Le deuxième résultat découle du fait que
|bn − an |
|x∗ − xn | ≤ |xn − xn−1 | ≤ |an − bn | = ·
2
Remarque
b−a
Aussi, l’estimation |x∗ − xn | ≤ n+1 nous permet de justifier que la méthode de dichotomie
2
est convergente puisque
1
lim |x∗ − xn | = 0, car 0 < < 1.
n→+∞ 2
Ce critère d’arrêt consiste à choisir a priori une tolérance ϵ et à arrêter le procédé lorsque
|bn − an | ≤ ϵ.
6
√
Exercice 2 Soit f (x) = ex + 3 x − 2, I = [0, 1].
1. Montrer que f admet un unique x∗ ∈ [0, 1] tel que f (x∗ ) = 0.
2. Trouver le nombre d’itérations pour estimer x∗ a une tolérance ϵ = 10−10 ?
7
III Méthode de Newton
III.1 Rappel sur les suites récurrentes et les points fixes
Suites récurrentes
R
Soit f : I ⊂ R → une application. On appelle une suite récurrente toute suite (un )n définie
par son premier terme u0 ∈ I et la relation suivante :
un+1 = f (un ), ∀n ∈ N.
Exemple :
R
Soit f l’application définie sur par f (x) = x − x2 . On définit une suite récurrente par u0 ∈ R et
un+1 = f (un ) = un − u2n pour tout n ≥ 1.
Remarque
R
Soit f : I ⊂ R → une application continue et I est stable par f . alors f possède au moins
un point fixe x∗ ∈ I.
Exercice 4 Montrer que l’application f définie sur R par f (x) = x − x2 admet au moins un point
fixe dans [0, 1].
8
III.2 illustration graphique de la méthode
On considère l’exemple d’une fonction f continue et strictement décroissante sur [a, b] et ayant
une unique racine x∗ ∈]a, b[ comme illustré ci-dessous :
9
III.3 Principe de la méthode
Soit f une fonction de classe C 1 ([a, b]), telle que f ′ ̸= 0 sur [a, b], et admet une unique racine
x∗ ∈]a, b[: f (x∗ ) = 0.
Pour trouver une valeur approchée de x∗ , la méthode de Newton, sous certaines conditions sur
f , consiste à générer une suite récurrente (xn )n≥0 convergente vers x∗ : lim xn = x∗ . Basée sur
n→+∞
une approximation de f par son développement de Taylor à l’ordre 1 au voisinage de xn , n ≥ 0,
xn+1 est déterminé par le point d’intersection de Txn , la tangente à Cf , la courbe représentative de
f, au point (xn , f (xn )) et l’axe des abscisses :
avec
Txn : y = f (xn ) + (x − xn )f ′ (xn ), x ∈ R.
La relation de récurrence de la méthode de Newton est ainsi donnée par :
x0 ∈ [a, b] ,
f (xn )
xn+1 = xn − ′ .
f (xn )
f (x)
avec g(x) = x − et f ′ (x) ̸= 0∀x ∈ [a, b]. La racine x∗ de f correspond à l’unique point fixe de
f ′ (x)
g : g(x∗ ) = x∗ .
En effet,
f (x)
g(x) = x ⇔ x − = x ⇔ f (x) = 0.
f ′ (x)
Remarque
Questions :
1. La suite récurrente (xn ) est-elle toujours convergente ?
2. Est-ce que le choix de x0 intervient dans la convergence de la méthode de Newton ?
10
III.4 Convergence de la méthode de Newton
Théorème de convergence global de la méthode de Newton
Soit f une fonction de classe C 2 ([a, b], R), avec [a, b] ⊂ R, vérifiant :
1. f (a) × f (b) < 0 : existence d’une racine.
2. f ′ (x) ̸= 0, pour tout x ∈]a, b[ f est strictement monotone i.e. unicité de la racine x∗
3. f ′′ (x) ̸= 0, pour tout x ∈]a, b[ : f est concave ou convexe.
Alors la suite (xn )n≥0 définie par :
Dans le cas de la méthode de Newton, la fonction g définissant la suite récurrente (xn )n≥0 , est
définie sur [a, b].
f (x) f (x)f ′′ (x)
∀x ∈ [a, b], g(x) = x − ′ et g ′ (x) = .
f (x) f ′ (x)2
La fonction g est croissante si et seulement si le produit f × f ′′ est strictement positif. En fixant x0
dans [a, x∗ ] ou dans [x∗ , b] qui sont deux intervalles stables par f et en comparant x0 et x1 la suite
(xn )n≥0 sera, selon l’intervalle considéré, ou bien décroissante et minorée par x∗ , ou bien croissante
est majorée par x∗ . Ceci implique que (xn ) est convergente.
11
III.4.2 Illustration graphique du choix de x0 .
La méthode de Newton n’est pas convergente car x1 n’appartient pas à l’intervalle [a, b]. Donc
la condition sur x0 est fondamentale pour assurer la convergence de la suite récurrente (xn ).
|f (xn )| < ϵ.
Remarque
12
III.6 Algorithme de la méthode de Newton
Soit f une fonction vérifiant les hypothèse du TVI sur [a, b] avec f ′ (x) ̸= 0, pour tout x ∈]a, b[.
4. Plus l’ordre de convergence p est élevé, plus la méthode est rapide précise.
13
V Applications
Exercice 5 On se propose de résoudre numériquement l’équation (E) : f (x) = 0 dans [0, 1], où la
fonctions f est donnée par :
f (x) = x3 + x − 1, ∀x ∈ [0, 1].
1. Montrer que l’équation (E) admet une solution unique x∗ ∈ [0, 1].
2. Application de la méthode de dichotomie : estimer le nombre d’itérations nécessaire nϵ pour
déterminer x∗ avec une précision de ϵ = 10−3 .
3. Application de la méthode de Newton : Vérifier les hypothèses de la méthode de Newton pour
la détermination de x∗ et déterminer x0 , une valeur initiale assurant la convergence de cette
méthode. Déterminer x∗ avec une précision de ϵ = 10−3 .
14