R ÉSOLUTION NUMÉRIQUE DES ÉQUATIONS
NON - LINÉAIRES
Méthode de Newton
Analyse numérique - 3ème année -
2
Principe de la méthode de Newton
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∗ .
Basée sur 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:
{(xn+1 , yn+1 )} = Txn ∩ {y = 0},
avec
Txn : y = f (xn ) + (x − xn )f ′ (xn ), x ∈ R.
@UP Maths Analyse numérique ESPRIT
3
Principe de la méthode de Newton
La relation de récurrence de la méthode de Newton est donnée par :
x0 ∈ [a, b] ,
f (xn )
xn+1 = xn − ′
.
f (xn )
Cette relation de récurrence peut être exprimée comme suit:
x ∈ [a, b] ,
0
xn+1 = g(xn ) ,
f (x)
avec g(x) = x − et f ′ (x) ̸= 0, ∀x ∈ [a, b]. La racine x∗ de f correspond à
f ′ (x)
l’unique point fixe de g ( g(x∗ ) = x∗ ).
En effet,
f (x)
g(x) = x ⇔ x − = x ⇔ f (x) = 0.
f ′ (x)
@UP Maths Analyse numérique ESPRIT
4
Illustration graphique : Méthode de Newton
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:
@UP Maths Analyse numérique ESPRIT
5
Illustration graphique : Méthode de Newton
On commence par un choix de x0 = a. On obtient {(x1 , y1 )} = Tx0 ∩ {y = 0}.
@UP Maths Analyse numérique ESPRIT
6
Illustration graphique : Méthode de Newton
{(x2 , y2 )} = Tx1 ∩ {y = 0}.
@UP Maths Analyse numérique ESPRIT
7
Illustration graphique : Méthode de Newton
{(x3 , y3 )} = Tx2 ∩ {y = 0}.
@UP Maths Analyse numérique ESPRIT
8
Convergence de la méthode de Newton
Remarque
Si la suite récurrente (xn ) est convergente, alors lim xn = x∗ .
n→+∞
En effet, si (xn ) converge vers l, alors l est un point fixe de la fonction g (g(l) = l). Par
conséquent, f (l) = 0. Par unicité de la solution, l = x∗ .
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?
@UP Maths Analyse numérique ESPRIT
9
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 :
x0 ∈ [a, b] , tel que f (x0 ) × f ′′ (x0 ) > 0
f (xn )
xn+1 = xn − ′
= g(xn )
f (xn )
est convergente vers l’unique racine x∗ de f .
@UP Maths Analyse numérique ESPRIT
10
Convergence de la méthode de Newton
Choix de x0
La question qui se pose : "Pourquoi ce choix de x0 ?"
Pour répondre à cette question, on rappelle l’étude de la monotonie des suites
récurrentes:
On considère une suite récurrente (un )n≥0 définie par :
u ∈I
0
un+1 = h(un )
avec h une application de I ⊂ R dans R et I un intervalle stable par h (c’est à dire
h(I) ⊂ I ).
Si h est strictement croissante sur I alors la suite (un )n≥0 est monotone.
Dans ce cas :
si u0 < u1 alors (un )n≥0 est croissante.
si u0 > u1 alors (un )n≥0 est décroissante.
@UP Maths Analyse numérique ESPRIT
11
Convergence de la méthode de Newton
Choix de x0
Dans le cas de la méthode de Newton, la fonction g définissant la suite récurrente
(xn )n≥0 , est définie sur [a, b] par:
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.
@UP Maths Analyse numérique ESPRIT
12
Convergence de la méthode de Newton
Choix de x0
@UP Maths Analyse numérique ESPRIT
13
Convergence de la méthode de Newton
Choix de x0
Le choix de x0 est important pour assurer la convergence de la méthode de Newton,
ci-dessous nous représentons un contre exemple avec un x0 non adéquat.
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 ).
@UP Maths Analyse numérique ESPRIT
14
Test d’arrêt
Supposons que la suite (xn ) est convergente vers x∗ . Comment trouver une valeur
approchée de x∗ à une tolérance ε ?
Pour un ε > 0 donné, on peut arrêter le procédé lorsque la condition suivante est
vérifiée:
|f (xn )| < ε.
Remarque
On peut imposer un nombre maximal Nmax d’itérations pour arrêter le procédé.
@UP Maths Analyse numérique ESPRIT
15
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[.
Initialiser x0 ∈ [a, b], la précision ϵ et le nombre d’itérations maximal Nmax .
n=0
tant que |f (xn )| ≥ ϵ & n < Nmax faire
f (xn )
▶ xn+1 = xn −
f ′ (xn )
▶ n=n+1
fin
x∗ ≈ xn+1 à ϵ près.
@UP Maths Analyse numérique ESPRIT
16
Exercice
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 .
@UP Maths Analyse numérique ESPRIT
17
Correction
1 ▶ f est continue sur [0, 1].
▶ f (0).f (1) < 0 : existence d’au moins une solution de (E) via le TVI.
′
▶ f (x) = 3x2 + 1 > 0 sur [0, 1], f est strictement croissante : unicité de la solution de (E).
2 nε > log2 (103 ) = 9.9658 ⇒ nε = 10
3 ▶ f est de classe C 2 ([0, 1]).
▶ f satisfait le TVI.
′
▶ f (x) > 0 sur ]0, 1[.
′′
▶ f (x) = 6x > 0 sur ]0, 1[.
▶ x0 donné,
▶ xn+1 = xn − ff′(x n)
(x )
n
′′
▶ Pour x0 = 1, f (1).f (1) = 6 > 0 : ce choix de x0 = 1 satisfait le théorème de convergence de la
méthode de Newton. Nous l’adoptons pour les calculs ci-dessous:
x1 = 0.75 x2 = 0.6860 x3 = 0.6823
f(x1 ) = 0.171 f(x2 ) = 0.009 f(x3 ) = −6.663.10−5
Donc x3 = 0.6823 est une approximation de x∗ avec une précision inférieure à 10−3 .
@UP Maths Analyse numérique ESPRIT
