Tout au long de tes cours de mathématiques, tu as probablement dû trouver la racine, ou le zéro, d'une fonction. Ces fonctions n'ont probablement été que linéaires ou quadratiques. Mais comment faire pour trouver les racines de l'équation d'un polynôme d'ordre supérieur ? Ou qu'en est-il d'une équation cubique avec un logarithme naturel, telle que
Il est beaucoup plus difficile de trouver les racines des fonctions d'ordre supérieur comme celles-ci de manière algébrique. Cependant, le calcul propose quelques méthodes pour estimer la racine des équations complexes. Cet article traitera d'une méthode qui nous aidera à résoudre les racines de fonctions comme ces méchantes !
La méthode d'approximation de Newton
Une méthode que nous pouvons utiliser pour nous aider à estimer la ou les racines d'une fonction s'appelle la méthode de Newton (oui, elle a été découverte par le même Newton que tu as étudié en physique) !
La méthode deNewton est une technique d'approximation récursive qui permet de trouver la racine d'une fonction différentiable lorsque les autres méthodes analytiques échouent.
Formule de la méthode de Newton
La formule de la méthode de Newton stipule que pour une fonction différentiable F(x) et un point initial x0proche de la racine
où n = 0, 1, 2, ...
Avec de multiples itérations de la méthode de Newton, la séquence de xn convergera vers une solution pour F(x) = 0.
Comme la dérivée de F(x) se trouve dans le dénominateur de la fraction, si F(x) est une fonction constante dont la dérivée première est 0, la méthode de Newton ne fonctionnera pas. De plus, comme nous devons calculer la dérivée analytiquement, les fonctions dont la dérivée première est complexe peuvent ne pas fonctionner avec la méthode de Newton.
Le calcul de la méthode de Newton
En gardant à l'esprit la formule de la méthode de Newton, regarde la représentation graphique ci-dessous.
La méthode de Newton trouve une ligne tangente au point initial pour trouver une approximation de la racine de f(x) - StudySmarter Original
La méthode de Newton vise à trouver une approximation pour la racine d'une fonction. Sur le graphique, le zéro de la fonction est le point vert, f(x) = 0. La méthode de Newton utilise un point initial (le x0 rose sur le graphique) et trouve la ligne tangente à ce point. Le graphique montre que la ligne tangente à touche l 'axe des x près de la racine .
À la deuxième itération, la méthode de Newton construit une nouvelle ligne tangente basée sur la dernière approximation trouvée par la ligne tangente - StudySmarter Original.
Le nouveau point, x1, trouvé par la ligne tangente à x0, est translaté sur le graphique de la fonction, et une nouvelle ligne tangente est trouvée. Ce processus est répété jusqu'à ce qu'une estimation plausible soit trouvée pour f(x) = 0.
Lorsque la méthode de Newton échoue
Dans les cas où nous ne pouvons pas résoudre directement la racine d'une fonction, la méthode de Newton est une méthode appropriée à utiliser. Cependant, dans certains cas, la méthode de Newton peut échouer :
La ligne tangente ne traverse pas l'axe des x
Se produit lorsque f'(x) est 0
Différentes approximations peuvent approcher différentes racines s'il y en a plusieurs.
Cela se produit lorsque le x0initial n'est pas assez proche de la racine.
Les approximations ne s'approchent pas du tout de la racine
L'approximation oscille d'avant en arrière
Examinons un exemple où la méthode de Newton échoue.
Supposons que nous ayons la fonction
Cette fonction a des racines à et . Cependant, supposons que tu veuilles utiliser la méthode de Newton pour trouver les racines de . Avec une estimation initiale de la méthode de Newton s'approchera de la racine plutôt que de la racine même si est plus proche de . Essaie toi-même et tu verras !
Exemples de la méthode de Newton
Exemple 1
Utilise trois itérations de la méthode de Newton pour approcher la racine près de de .
Étape 1 : Trouver la dérivée de f(x)
Puisque nous avons déjà une équation pour nous pouvons passer directement à la recherche de la dérivée,
Étape 2 : Utilise x0 = 3 pour compléter la première itération de la méthode de Newton.
Utiliser la formule de la méthode de Newton avec x0 = 3 :
Étape 3 : Continue les itérations jusqu'à ce que tu trouves x3
En arrondissant aux six premières décimales, on obtient
Étape 4 : Comparer avec la valeur réelle
Soit telle que
En utilisant l'équation quadratique
En prenant la racine carrée de nous obtenons
Notre approximation est assez précise !
Méthode de Newton pour l'approximation des racines carrées
Il est également possible d'utiliser la méthode de Newton pour obtenir une approximation de la racine carrée d'un nombre ! La formule d'approximation de la racine carrée de la méthode de Newton est presque identique à la formule de la méthode de Newton.
Pour calculer une racine carrée pour et avec une estimation initiale de de
Approximation de la racine carrée à l'aide de la méthode de Newton Exemple
Appliquons l'équation d'approximation de la racine carrée de la méthode de Newton à un exemple !
Utilise l'équation d'approximation de la racine carrée de la méthode de Newton pour approximer en trouvantx1, ..., x5.
Étape 1 : Établir une première estimation pour x0
Notre estimation doit être un nombre positif inférieur à 2. Commençons donc par .
Étape 2 : Utilise x0 = 1 et introduis-le dans l'équation
Insère nos valeurs connues dans l'équation
Étape 3 : Continue les itérations jusqu'à ce que tu trouves x5
En arrondissant aux six premières décimales, on obtient
Étape 4 : Comparaison avec la valeur réelle et l'approximation de la méthode de Newton
Lorsque nous calculons la valeur exacte de en l'arrondissant aux six premières décimales, nous obtenons une valeur de . De plus, remarque que la réponse de chaque itération de la formule d'approximation de la racine carrée de la méthode de Newton est la même que celle de chaque itération de la méthode de Newton.
Cependant, la méthode d'approximation de la racine carrée de la méthode de Newton est beaucoup plus rapide et plus facile à calculer.
Méthode de Newton - Principaux enseignements
La méthode de Newton est une technique d'approximation récursive permettant de trouver la racine d'une fonction différentiable lorsque les autres méthodes analytiques échouent
La formule de la méthode de Newton stipule que pour une fonction différentiable F(x) et un point initial x0 proche de la racine
pour n = 0, 1, 2, ...
La méthode de Newton utilise des approximations itératives de la ligne tangente pour estimer la racine.
La méthode de Newton peut échouer lorsque :
la dérivée première de f(x) est 0
x0n'est pas assez proche de la racine
les approximations itératives ne s'approchent pas du tout de la racine
Apprends plus vite avec les 2 fiches sur Méthode de Newton
Inscris-toi gratuitement pour accéder à toutes nos fiches.
Questions fréquemment posées en Méthode de Newton
Qu'est-ce que la méthode de Newton en mathématiques?
La méthode de Newton, ou méthode de Newton-Raphson, est un algorithme pour trouver les zéros d'une fonction en utilisant une série d'itérations.
Comment appliquer la méthode de Newton?
Pour appliquer la méthode de Newton, choisissez une estimation initiale, puis itérez en utilisant la formule x_{n+1} = x_n - f(x_n) / f'(x_n).
Quand utiliser la méthode de Newton?
La méthode de Newton est utilisée pour résoudre des équations non linéaires et est particulièrement efficace pour les solutions approchées des racines des fonctions différentiables.
Quels sont les avantages de la méthode de Newton?
La méthode de Newton offre une convergence rapide près de la racine exacte, à condition que l'estimation initiale soit suffisamment proche de la véritable solution.
How we ensure our content is accurate and trustworthy?
At StudySmarter, we have created a learning platform that serves millions of students. Meet
the people who work hard to deliver fact based content as well as making sure it is verified.
Content Creation Process:
Lily Hulatt
Digital Content Specialist
Lily Hulatt is a Digital Content Specialist with over three years of experience in content strategy and curriculum design. She gained her PhD in English Literature from Durham University in 2022, taught in Durham University’s English Studies Department, and has contributed to a number of publications. Lily specialises in English Literature, English Language, History, and Philosophy.
Gabriel Freitas is an AI Engineer with a solid experience in software development, machine learning algorithms, and generative AI, including large language models’ (LLMs) applications. Graduated in Electrical Engineering at the University of São Paulo, he is currently pursuing an MSc in Computer Engineering at the University of Campinas, specializing in machine learning topics. Gabriel has a strong background in software engineering and has worked on projects involving computer vision, embedded AI, and LLM applications.