La méthode de Newton est une procédure itérative permettant de trouver, avec une grande précision, les zéros (ou racines) d’une fonction $f(x)$, c’est-à-dire les valeurs de $x$ pour lesquelles $f(x)=0$.
par bernard.vuilleumier, ChatGPT
La méthode de Newton (ou méthode de Newton–Raphson)
Question 1
1. Principe géométrique
L’idée repose sur une approximation linéaire locale de la fonction par sa tangente. Si l’on connaît une estimation $x_{k}$ telle que $f(x_{k})$ soit proche de zéro, on remplace la courbe $y=f(x)$ par sa tangente au point $(x_{k}, f(x_{k}))$. L’intersection de cette tangente avec l’axe des $x$ fournit une meilleure approximation $x_{k+1}$.
Sur le plan, cela correspond à :
- tracer la tangente à la courbe en $x_{k}$ ;
- prolonger cette droite jusqu’à l’axe $x$ ;
- prendre cette abscisse d’intersection comme nouvelle estimation.
2. Formule de récurrence
L’équation de la tangente en $x_{k}$ est [1] :
Le point d’intersection avec l’axe des $x$ correspond à $y=0$, d’où :
Cette formule de Newton définit une suite $(x_{k})$ qui converge vers la racine cherchée $x^{*}$, sous certaines conditions.
3. Conditions de convergence
La méthode converge très rapidement si :
- la fonction $f$ est dérivable et $f’$ non nulle près de la racine ;
- le point de départ $x_{0}$ est suffisamment proche du zéro réel.
Si $f’(x)$ est nulle ou si l’on part trop loin, la méthode peut diverger ou osciller.
4. Exemple : $f(x) = e^{x} - 2$
En partant de $x_{0} = 1.3$, les itérations donnent :
$x_1 = x_0 - \dfrac{e^{x_0}-2}{e^{x_0}} = 1{,}3 - \dfrac{e^{1{,}3}-2}{e^{1{,}3}} \approx 0{,}84506$
$x_2 = x_1 - \dfrac{e^{x_1}-2}{e^{x_1}} = 0{,}84506 - \dfrac{e^{0{,}84506}-2}{e^{0{,}84506}} \approx 0{,}70412$
$x_3 = x_2 - \dfrac{e^{x_2}-2}{e^{x_2}} = 0{,}70412 - \dfrac{e^{0{,}70412}-2}{e^{0{,}70412}} \approx 0{,}69321$
Zéro exact : $x^*=\ln 2 \approx 0{,}69315$. Après trois itérations : $|x_3 -x^*| \approx 6\times 10^{-5}$.
On voit la convergence très rapide vers $\ln(2)$ en seulement trois étapes.
5. Interprétation graphique
Chaque itération correspond à un nouveau contact tangentiel entre la courbe et une droite qui se rapproche du zéro :
- au départ, la tangente part de loin et coupe l’axe assez grossièrement ;
- à chaque étape, la tangente est tracée plus près du zéro réel ;
- la succession des points $(x_{k}, 0)$ montre visuellement la convergence vers la racine.
Cette méthode illustre la puissance des approches itératives en analyse numérique : une simple relation locale (tangente) permet d’obtenir une très bonne précision en quelques étapes.
Question 2
Question 3
Voici la méthode de Newton appliquée à :
$f(x)=x^{2}-1,\qquad f’(x)=2x,\qquad x_{k+1}=x_{k}-\frac{f(x_{k})}{f’(x_{k})} =\tfrac{1}{2}\left(x_{k}+\frac{1}{x_{k}}\right),\quad (x_{k}\neq 0).$
Convergence vers $+1$
| $x_{0}$ | étapes pour atteindre $1$ (tolérance $|x-1|\lt10^{-12}$) |
|---|---|
| -1 | déjà une racine $\Rightarrow$ séquence constante $(-1)$. $0$ étape |
| $0$ | $x_{0}=0$ : $f’(0)=0$ ($\Rightarrow$) méthode non définie (division par $0$) |
| 1 | déjà une racine $\Rightarrow$ séquence constante $(1)$. $0$ étape |
| 10 | 8 |
| 100 | 11 |
| 1000 | 14 |
| 10000 | 18 |
Remarques
- Sauf si l’on part exactement d’une racine ($\pm1$), on n’atteint pas $1$ en un nombre fini d’itérations : on s’en approche. Le comptage ci-dessus correspond à un arrêt pour $|x-1|\lt10^{-12}$.
- Près de $1$, l’erreur vérifie $e_{k+1}\approx \tfrac{1}{2}\,e_{k}^{2}$, ce qui traduit la convergence quadratique.
- Pour $x_{0}\gt0$, la suite est monotone décroissante vers $1$.
- Pour $x_{0}\lt0$ (et $\neq 0$), elle converge vers $-1$.
Question 4
Itération de Newton pour $f(z)=z^{2}-1$ dans $\mathbb{C}$ avec $z_0\neq 0$. La fonction d’itération de Newton associée à $f(z)=z^2-1$ est :
Sa dérivée s’obtient par différentiation directe :
a) Première estimation avec $\Re(z_0)<0$
On a $1/z=\overline z/|z|^2$ [2]. Donc $\Re(1/z_0)=\Re(z_0)/|z_0|^2<0$, et
La demi-plan gauche est invariant pour l’itération, et la suite converge quadratiquement vers la racine $-1$ car $N’(-1)=0$.
b) Première estimation avec $\Re(z_0)>0$
Même raisonnement. On a $\Re(1/z_0)>0$ donc $\Re(z_1)>0$.
La demi-plan droit est invariant et la suite converge quadratiquement vers la racine $+1$ car $N’(1)=0$.
Le plan complexe est scinde en deux bassins d’attraction :
- Si $\Re(z_0)<0$, convergence vers $-1$.
- Si $\Re(z_0)>0$, convergence vers $+1$.
- Axe imaginaire $\Re(z_0)=0$ : il est invariant.
En effet :
et la suite tend vers $0$ qui n’est pas une racine ; l’algorithme échoue car on finit par viser la singularite $z=0$. En particulier, pour $z_0=\pm i$ on obtient $z_1=0$ en une étape, puis l’itération est impossible.
Remarque
La convergence est quadratique vers $\pm 1$ dès lors que $z_0$ n’est pas sur l’axe imaginaire et $z_0\neq 0$.
Question 5
a) Résoudre l’équation $z^3=1$.
Solutions exactes :
d’où [3] :
Donc :
b) Représentation dans le plan complexe
c) Méthode de Newton pour $z^3=1$.
Pour $f(z)=z^3-1$, on a $f’(z)=3z^2$. L’itération de Newton est
Chaque racine $1$, $\omega=e^{2\pi i/3}$, $\omega^2=e^{4\pi i/3}$ est un point fixe attractif (racines simples) ; il y a convergence quadratique dès que l’on est suffisamment près.
Le plan complexe est partagé en trois bassins d’attraction (symétrie à $120^\circ$) ; pour presque tout $z_0\in\mathbb{C}\setminus\{0\}$ (complémentaire de $0$ dans $\mathbb{C}$), la suite converge vers l’une des trois racines.
Les frontières entre bassins forment un ensemble fractal (ensemble de Julia). Les itérés qui passent par $z=0$ rendent la formule inapplicable (pôle de l’itération).
Question 6
Ce qu’on observe :
- Trois bassins d’attraction (symétrie à 120°). Le rouge menant à $1$, le bleu à $\omega$ et le vert à $\omega^2.$ Si un point de départ $z_0$ est situé dans l’un de ces bassins, même s’il est très loin du centre, il finira par converger vers la solution associée au bassin.
- Les frontières entre les bassin d’attraction forment un ensemble fractal (ensemble de Julia de $N$) : une structure enchevêtrée et autosemblable qui sépare les régions de convergence.
- Près de ces frontières, la convergence devient lente et chaotique : de minuscules variations de $z_0$ changent la racine atteinte.