Suites itératives et point fixe en maths sup (MPSI) : cours et méthodes

Suites itératives et point fixe – Cours de maths en Maths sup (MPSI) sur Maths-pdf.fr Couverture : Manuel de cours de maths MPSI en PDF Télécharger en PDF Le livre des cours de maths en MPSI PDF à imprimer Voir le livre ›


Ce chapitre isole un type de suite qui revient dans presque toutes les colles d’analyse : les suites itératives MPSI, définies par une relation de la forme \(u_{n+1} = f(u_n)\). Il arrive après le chapitre sur les suites réelles et s’appuie sur les théorèmes de continuité et de dérivabilité de la première période.

Nous construisons un plan d’étude que l’on peut dérouler sans hésiter : intervalle stable, points fixes, signe de \(f(x) – x\), puis monotonie. Ensuite, nous traitons le cas délicat d’une fonction décroissante, qui impose de passer par les suites extraites de rangs pairs et impairs. Enfin, les fonctions contractantes et la méthode de Newton permettent de mesurer la vitesse de convergence.

Ces outils préparent l’analyse numérique, les séries et le théorème du point fixe que vous retrouverez en spé. Ils donnent surtout des réflexes de rédaction très attendus à l’oral.

Ce que vous saurez faire

  • Trouver un intervalle stable et justifier que la suite est bien définie.
  • Tracer la représentation en escalier ou en escargot et en tirer une conjecture.
  • Déterminer les limites possibles grâce aux points fixes, puis conclure.
  • Lire la monotonie de la suite sur le signe de \(f(x) – x\).
  • Étudier une suite itérative associée à une fonction décroissante.
  • Estimer une vitesse de convergence et appliquer la méthode de Newton.

1. Le cadre des suites itératives

Fixons les notations pour la suite. La fonction \(f\) est définie sur un intervalle \(I\) et prend des valeurs réelles. À partir d’un réel \(u_0\), nous voulons construire la suite telle que \(u_{n+1} = f(u_n)\). Cependant, cette relation n’a de sens que si chaque terme reste dans le domaine de \(f\). C’est pourquoi la toute première question porte sur la stabilité.

Définition :

Un intervalle \(J \subset I\) est stable par \(f\) lorsque \(f(J) \subset J\), autrement dit lorsque \(f(x) \in J\) pour tout \(x \in J\).

Proposition :

Si \(J\) est stable par \(f\) et si \(u_0 \in J\), alors la suite définie par \(u_{n+1} = f(u_n)\) existe et tous ses termes appartiennent à \(J\).

Preuve :

Nous raisonnons par récurrence sur \(n\). D’abord, \(u_0 \in J\) par hypothèse. Ensuite, si \(u_n\) existe et appartient à \(J\), alors \(f(u_n)\) a un sens car \(J \subset I\). De plus, \(f(u_n) \in J\) par stabilité. Ainsi \(u_{n+1}\) existe et appartient à \(J\).

1.1 Trouver un intervalle stable

Un intervalle stable se lit souvent sur le tableau de variations. En effet, si \(f\) est croissante sur \([a, b]\), l’image de \([a, b]\) est \([f(a), f(b)]\) dès que \(f\) est continue. Il suffit alors de comparer quatre nombres.

Comment faire :
  1. Dresser le tableau de variations de \(f\) et repérer ses points fixes.
  2. Choisir un intervalle \([a, b]\) contenant \(u_0\), dont les bornes sont souvent des points fixes ou des extremums.
  3. Si \(f\) est croissante et continue sur \([a, b]\), vérifier \(f(a) \geqslant a\) et \(f(b) \leqslant b\).
  4. Si \(f\) est décroissante et continue sur \([a, b]\), vérifier \(f(b) \geqslant a\) et \(f(a) \leqslant b\).
  5. Rédiger la récurrence qui place tous les termes dans \([a, b]\).
Exemple guidé :

Soit \(f(x) = \dfrac{x^2 + 6}{5}\) sur \(\mathbb{R}\). Les points fixes vérifient \(x^2 – 5x + 6 = 0\), donc ce sont \(2\) et \(3\). Par ailleurs, \(f\) est croissante sur \([0, +\infty[\). Par conséquent, \(f([2, 3]) = [f(2), f(3)] = [2, 3]\). L’intervalle \([2, 3]\) est donc stable, et toute suite issue de \(u_0 \in [2, 3]\) y reste.

Piège à éviter :

On ne prouve pas la stabilité en calculant seulement \(f(u_0)\). Il faut contrôler l’image de tout l’intervalle. Par exemple, un seul terme qui sort de \(J\) ruine toute la suite du raisonnement.

2. Représentation en escalier et en escargot

Avant de démontrer quoi que ce soit, un dessin oriente l’étude. On trace la courbe de \(f\) et la première bissectrice \(y = x\). Ensuite, depuis le point \((u_0, 0)\), un trait vertical atteint la courbe au point \((u_0, u_1)\). Puis un trait horizontal ramène ce point sur la bissectrice, en \((u_1, u_1)\). Ainsi \(u_1\) se lit en abscisse, et le procédé recommence.

Quand \(f\) est croissante, le tracé ressemble à un escalier. La figure suivante le montre pour l’exemple guidé précédent, avec \(u_0 = 2{,}9\).

Construction en escalier de la suite itérative pour f(x) = (x² + 6)/5 avec deux points fixes 2 et 3

Les marches descendent vers le point fixe \(2\) et s’éloignent du point fixe \(3\). Nous retrouverons ce comportement avec le signe de \(f(x) – x\).

En revanche, quand \(f\) est décroissante, le tracé tourne autour du point fixe. On parle alors d’escargot, ou de spirale. Prenons \(f(x) = \dfrac{4}{x + 3}\) sur \([0, +\infty[\) et \(u_0 = 0\).

Construction en escargot pour f(x) = 4/(x + 3), qui s'enroule autour du point fixe 1

Les termes passent alternativement à gauche et à droite du point fixe \(1\). Ainsi, la suite n’est pas monotone, mais elle semble converger.

Remarque :

Un dessin ne remplace jamais une preuve. Il sert à deviner la limite, le sens de variation et le bon intervalle stable. Ensuite, la rédaction suit le plan des parties 3 et 4.

3. Point fixe et limite éventuelle

Définition :

Un réel \(\ell \in I\) est un point fixe de \(f\) lorsque \(f(\ell) = \ell\). Sur un dessin, on le repère là où la courbe de \(f\) croise la première bissectrice.

3.1 Une limite finie est un point fixe

Théorème :

Soit \(J\) un intervalle stable par \(f\), \(u_0 \in J\) et \(u_{n+1} = f(u_n)\). Si \((u_n)\) converge vers un réel \(\ell\), si \(\ell \in I\) et si \(f\) est continue en \(\ell\), alors \(f(\ell) = \ell\).

Preuve :

D’une part, la suite \((u_{n+1})\) est extraite de \((u_n)\), donc elle tend aussi vers \(\ell\). D’autre part, \(f\) est continue en \(\ell\) et \(u_n \to \ell\). Par la caractérisation séquentielle de la continuité, \(f(u_n) \to f(\ell)\). Or \(f(u_n) = u_{n+1}\). Par unicité de la limite, on obtient \(f(\ell) = \ell\).

Ce théorème fournit seulement des candidats. Il dit : « si la suite converge, alors sa limite est un point fixe ». Il ne dit pas que la suite converge. De plus, la limite appartient à l’adhérence de \(J\) : si \(J = [a, b]\) est fermé et borné, on a \(\ell \in [a, b]\).

Piège à éviter :

L’hypothèse de continuité en \(\ell\) est indispensable. Considérons \(f\) définie sur \([0, 1]\) par \(f(0) = 1\) et \(f(x) = x/2\) si \(x > 0\). Avec \(u_0 = 1\), on trouve \(u_n = 2^{-n}\), qui tend vers \(0\). Pourtant \(f(0) = 1\), donc \(0\) n’est pas un point fixe.

3.2 Lister les limites possibles et conclure

Comment faire :
  1. Résoudre \(f(x) = x\) sur l’intervalle stable fermé qui contient tous les termes.
  2. S’il n’y a aucune solution, la suite diverge. Si de plus elle est monotone, elle tend vers \(\pm\infty\).
  3. S’il y a une seule solution et que la suite converge, sa limite est cette solution.
  4. S’il y en a plusieurs, utiliser la monotonie pour éliminer les mauvais candidats : une suite croissante ne peut pas tendre vers un réel strictement inférieur à \(u_0\).

Reprenons \(f(x) = \dfrac{x^2 + 6}{5}\) avec \(u_0 = 2{,}9\). Les candidats sont \(2\) et \(3\). Nous verrons à la partie suivante que la suite décroît. Ainsi, elle ne peut pas tendre vers \(3 > u_0\), et sa seule limite possible est \(2\).

4. Monotonie d’une suite itérative

4.1 Le signe de \(f(x) – x\)

On pose \(g(x) = f(x) – x\). Alors \(u_{n+1} – u_n = g(u_n)\). Par conséquent, le signe de \(g\) sur l’intervalle stable donne directement le sens de variation.

Proposition :

Soit \(J\) un intervalle stable contenant \(u_0\). Si \(g \geqslant 0\) sur \(J\), la suite \((u_n)\) est croissante. Si \(g \leqslant 0\) sur \(J\), elle est décroissante.

Cette proposition ne demande aucune hypothèse sur les variations de \(f\). En revanche, elle exige que \(g\) garde un signe constant sur tout \(J\). C’est pourquoi les bornes de \(J\) sont souvent deux points fixes consécutifs.

Courbe de f face à la droite y = x, puis graphe de g = f - x avec ses zones de signe

À gauche, la courbe passe sous la bissectrice entre \(2\) et \(3\). À droite, le graphe de \(g\) le confirme. Donc \(g < 0\) sur \(]2, 3[\), et toute suite issue de cet intervalle décroît. Elle est minorée par \(2\), donc elle converge, et sa limite vaut \(2\).

4.2 Le cas d’une fonction croissante

Théorème :

Si \(f\) est croissante sur un intervalle stable \(J\) contenant \(u_0\), alors \((u_n)\) est monotone. Elle est croissante si \(u_1 \geqslant u_0\) et décroissante si \(u_1 \leqslant u_0\).

Preuve :

Supposons \(u_1 \geqslant u_0\). Montrons par récurrence que \(u_{n+1} \geqslant u_n\). Si c’est vrai au rang \(n\), alors la croissance de \(f\) sur \(J\) donne \(f(u_{n+1}) \geqslant f(u_n)\), c’est-à-dire \(u_{n+2} \geqslant u_{n+1}\). Le cas \(u_1 \leqslant u_0\) se traite de la même façon.

Ainsi, avec \(f\) croissante, une suite itérative est toujours monotone. Il reste à savoir si elle est bornée. Si elle est croissante et majorée, elle converge vers un point fixe. Si elle est croissante et non majorée, elle tend vers \(+\infty\).

4.3 Le cas d’une fonction décroissante : les suites extraites

Quand \(f\) est décroissante, l’ordre s’inverse à chaque étape. Si \(u_0 \leqslant u_1\), alors \(u_1 \geqslant u_2\), puis \(u_2 \leqslant u_3\), et ainsi de suite. La suite n’est donc pas monotone en général. Cependant, la composée \(f \circ f\) est croissante, et elle relie les termes de même parité.

Théorème :

Soit \(f\) décroissante et continue sur un segment \(J\) stable contenant \(u_0\). On pose \(a_n = u_{2n}\) et \(b_n = u_{2n+1}\). Alors \(a_{n+1} = (f \circ f)(a_n)\) et \(b_{n+1} = (f \circ f)(b_n)\). Les suites \((a_n)\) et \((b_n)\) sont monotones, de sens contraires, et convergent vers des points fixes de \(f \circ f\) dans \(J\).

Preuve :

D’abord, \(f \circ f\) est croissante sur \(J\) comme composée de deux fonctions décroissantes, et \(J\) est stable par \(f \circ f\). Ensuite, le théorème de la partie 4.2 appliqué à \(f \circ f\) montre que \((a_n)\) est monotone. Supposons par exemple \((a_n)\) croissante. Comme \(f\) est décroissante, \(b_n = f(a_n)\) définit une suite décroissante. Enfin, les deux suites sont bornées par les extrémités de \(J\), donc elles convergent. Leurs limites sont des points fixes de la fonction continue \(f \circ f\).

Comment faire :
  1. Trouver un segment \(J\) stable sur lequel \(f\) est décroissante.
  2. Calculer \(f \circ f\) et résoudre \((f \circ f)(x) = x\) dans \(J\).
  3. Si le seul point fixe de \(f \circ f\) dans \(J\) est le point fixe \(\ell\) de \(f\), conclure : \((u_{2n})\) et \((u_{2n+1})\) tendent vers \(\ell\), donc \((u_n)\) aussi.
  4. Sinon, chercher les limites de \((u_{2n})\) et \((u_{2n+1})\) grâce au signe de \((f \circ f)(x) – x\).

4.4 Un exemple complet avec une fonction décroissante

Exemple guidé :

Reprenons \(f(x) = \dfrac{4}{x + 3}\) et \(u_0 = 0\). La fonction \(f\) est décroissante et positive sur \([0, +\infty[\), avec \(f(0) = \dfrac{4}{3}\). Donc \(J = \left[0, \dfrac{4}{3}\right]\) est stable. Ensuite, un calcul direct donne

\[(f \circ f)(x) = \frac{4}{\frac{4}{x + 3} + 3} = \frac{4(x + 3)}{3x + 13}.\]

L’équation \((f \circ f)(x) = x\) équivaut à \(3x^2 + 9x – 12 = 0\), soit \((x – 1)(x + 4) = 0\). Le seul point fixe de \(f \circ f\) dans \(J\) est donc \(1\), qui est aussi le point fixe de \(f\). Par conséquent, \((u_{2n})\) et \((u_{2n+1})\) convergent vers \(1\). On en déduit que \(u_n \to 1\).

Contre-exemple :

Avec \(f(x) = 1 – x\) sur \([0, 1]\) et \(u_0 = 0\), on obtient \(0, 1, 0, 1, \ldots\) Ici \(f \circ f\) est l’identité, donc tout réel de \([0, 1]\) est un point fixe de \(f \circ f\). Les deux suites extraites sont constantes, de limites \(0\) et \(1\). Ainsi, la suite diverge alors que \(f\) admet le point fixe \(\dfrac{1}{2}\).

5. Fonctions contractantes et vitesse de convergence vers le point fixe

5.1 Contraction et convergence géométrique

Définition :

La fonction \(f\) est contractante sur \(J\) s’il existe \(k \in [0, 1[\) tel que \(|f(x) – f(y)| \leqslant k\,|x – y|\) pour tous \(x, y \in J\). On dit aussi que \(f\) est \(k\)-lipschitzienne avec \(k < 1\).

En pratique, on obtient la contraction par l’inégalité des accroissements finis. En effet, si \(f\) est dérivable sur l’intervalle \(J\) et si \(|f^{\prime}| \leqslant k\) sur \(J\), alors \(f\) est \(k\)-lipschitzienne sur \(J\).

Théorème :

Soit \(J = [a, b]\) un segment stable par \(f\), où \(f\) est \(k\)-contractante. Alors \(f\) admet un unique point fixe \(\ell\) dans \(J\). De plus, pour tout \(u_0 \in J\), \[\forall n \in \mathbb{N}, \quad |u_n – \ell| \leqslant |u_0 – \ell| \times k^n.\] En particulier, la suite converge vers \(\ell\).

Remarque :

Ce théorème porte sur un segment. Sur un intervalle fermé non borné, le résultat reste vrai, mais sa preuve demande des outils de deuxième année.

Preuve :

Existence : \(f\) est lipschitzienne, donc continue. La fonction \(g(x) = f(x) – x\) vérifie \(g(a) \geqslant 0\) et \(g(b) \leqslant 0\) car \(f(a), f(b) \in [a, b]\). Le théorème des valeurs intermédiaires fournit donc un zéro \(\ell\) de \(g\). Unicité : si \(\ell\) et \(\ell^{\prime}\) sont deux points fixes, alors \(|\ell – \ell^{\prime}| \leqslant k\,|\ell – \ell^{\prime}|\), donc \(\ell = \ell^{\prime}\) puisque \(k < 1\). Enfin, comme \(u_{n+1} = f(u_n)\) et \(\ell = f(\ell)\), la contraction donne \(|u_{n+1} – \ell| \leqslant k\,|u_n – \ell|\). Une récurrence donne alors la majoration.

5.2 Un exemple chiffré de contraction

Exemple guidé :

Soit \(f(x) = 1 + \dfrac{\sin x}{4}\) et \(u_0 = 1\). Pour tout réel \(x\), \(f(x) \in \left[\dfrac{3}{4}, \dfrac{5}{4}\right]\), donc ce segment est stable. De plus, \(|f^{\prime}(x)| = \dfrac{|\cos x|}{4} \leqslant \dfrac{1}{4}\). Ainsi, \(f\) est \(\dfrac{1}{4}\)-contractante et admet un unique point fixe \(\ell\) dans ce segment. Comme \(u_0\) et \(\ell\) sont dans un segment de longueur \(\dfrac{1}{2}\) centré en \(1\), on a \(|u_0 – \ell| \leqslant \dfrac{1}{4}\). Donc \(|u_n – \ell| \leqslant 4^{-(n+1)}\). Pour garantir une erreur d’au plus \(10^{-6}\), il suffit que \(4^{n+1} \geqslant 10^6\). Or \(4^{9} = 262\,144\) et \(4^{10} = 1\,048\,576\). Finalement, \(n = 9\) itérations suffisent, et l’on trouve \(\ell \approx 1{,}236\,13\).

Piège à éviter :

L’inégalité \(|f^{\prime}(x)| < 1\) en tout point ne suffit pas. Il faut une constante \(k < 1\) uniforme sur \(J\). Par exemple, \(f(x) = x + \dfrac{1}{x}\) vérifie \(0 \leqslant f^{\prime}(x) < 1\) sur \([1, +\infty[\). Pourtant \(f\) n’a aucun point fixe, et la suite associée tend vers \(+\infty\).

5.3 La dérivée au point fixe mesure la vitesse

Supposons que \(u_n \to \ell\), avec \(f\) de classe \(\mathcal{C}^1\) au voisinage de \(\ell\) et \(u_n \neq \ell\) pour tout \(n\). Le théorème des accroissements finis fournit un réel \(c_n\) entre \(u_n\) et \(\ell\) tel que \(u_{n+1} – \ell = f^{\prime}(c_n)(u_n – \ell)\). Comme \(c_n \to \ell\), on obtient

\[\frac{|u_{n+1} – \ell|}{|u_n – \ell|} \xrightarrow[n \to +\infty]{} |f^{\prime}(\ell)|.\]

Autrement dit, l’erreur est multipliée à chaque étape par un facteur proche de \(|f^{\prime}(\ell)|\). On distingue alors trois situations.

À savoir :
  • Si \(0 < |f^{\prime}(\ell)| < 1\), le point fixe est attractif : la convergence est géométrique, de raison voisine de \(|f^{\prime}(\ell)|\).
  • Si \(f^{\prime}(\ell) = 0\), la convergence est plus rapide que toute suite géométrique. On parle de point superattractif.
  • Si \(|f^{\prime}(\ell)| > 1\), le point fixe est répulsif : une suite ne peut y converger que si elle devient stationnaire.

Lorsque \(|f^{\prime}(\ell)| < 1\) et \(f^{\prime}\) est continue, on choisit \(k\) entre \(|f^{\prime}(\ell)|\) et \(1\). Par continuité, \(|f^{\prime}| \leqslant k\) sur un segment \([\ell – \eta, \ell + \eta]\). Ce segment est alors stable, car \(|f(x) – \ell| \leqslant k\,|x – \ell| \leqslant \eta\). La partie 5.1 s’applique donc à toute suite qui y démarre.

Comment faire :
  1. Calculer \(f^{\prime}(\ell)\) pour savoir à quel type de convergence s’attendre.
  2. Trouver un segment stable \(J\) contenant \(u_0\) et \(\ell\), puis majorer \(|f^{\prime}|\) par \(k < 1\) sur \(J\).
  3. Majorer \(|u_0 – \ell|\) par la longueur de \(J\), ou mieux.
  4. Résoudre \(k^n\,|u_0 – \ell| \leqslant \varepsilon\), soit \(n \geqslant \dfrac{\ln(\varepsilon / |u_0 – \ell|)}{\ln k}\).

Remarque :

On dispose aussi d’une majoration a posteriori, calculable sans connaître \(\ell\). En effet, \(|u_n – \ell| \leqslant |u_n – u_{n+1}| + |u_{n+1} – \ell| \leqslant |u_n – u_{n+1}| + k\,|u_n – \ell|\). Par conséquent, \(|u_n – \ell| \leqslant \dfrac{|u_{n+1} – u_n|}{1 – k}\).

6. La méthode de Newton

6.1 Principe de la méthode

Nous voulons maintenant approcher une solution \(\alpha\) de l’équation \(h(x) = 0\), avec \(h\) dérivable. L’idée consiste à remplacer la courbe par sa tangente au point d’abscisse \(x\), puis à prendre l’abscisse où cette tangente coupe l’axe. On obtient ainsi une nouvelle approximation.

Définition :

Si \(h^{\prime}\) ne s’annule pas sur \(J\), la fonction de Newton associée à \(h\) est \(N(x) = x – \dfrac{h(x)}{h^{\prime}(x)}\). La méthode de Newton étudie la suite \(x_{n+1} = N(x_n)\).

Les points fixes de \(N\) sont exactement les zéros de \(h\). De plus, si \(h\) est de classe \(\mathcal{C}^2\), on calcule \(N^{\prime}(x) = \dfrac{h(x)\,h^{\prime\prime}(x)}{h^{\prime}(x)^2}\). Donc \(N^{\prime}(\alpha) = 0\) : la racine est un point fixe superattractif de \(N\).

Tangentes successives de la méthode de Newton pour x³ - 5 en partant de 2

6.2 Convergence quadratique

Théorème :

Soit \(h\) dérivable sur \([\alpha, b]\) avec \(h(\alpha) = 0\). On suppose \(h^{\prime}\) croissante, \(h^{\prime} \geqslant m > 0\), et \(h^{\prime}\) lipschitzienne de rapport \(M\). Alors, pour tout \(x \in [\alpha, b]\), \[0 \leqslant N(x) – \alpha \leqslant \frac{M}{m}\,(x – \alpha)^2 \quad \text{et} \quad N(x) \leqslant x.\] Par conséquent, la suite de Newton issue de \(x_0 \in [\alpha, b]\) décroît et converge vers \(\alpha\).

Preuve :

Soit \(x \in \, ]\alpha, b]\). Le théorème des accroissements finis donne \(c \in \, ]\alpha, x[\) tel que \(h(x) = h^{\prime}(c)(x – \alpha)\). Ainsi, \[N(x) – \alpha = (x – \alpha)\,\frac{h^{\prime}(x) – h^{\prime}(c)}{h^{\prime}(x)}.\] Comme \(h^{\prime}\) est croissante, le numérateur est positif, donc \(N(x) \geqslant \alpha\). De plus, \(0 \leqslant h^{\prime}(x) – h^{\prime}(c) \leqslant M(x – c) \leqslant M(x – \alpha)\), ce qui donne la majoration. Enfin, \(h(x) \geqslant 0\) et \(h^{\prime}(x) > 0\), donc \(N(x) \leqslant x\). La suite reste dans \([\alpha, b]\) et décroît. Sa limite est un point fixe de \(N\), c’est-à-dire un zéro de \(h\), donc \(\alpha\) car \(h\) est strictement croissante.

Posons \(e_n = x_n – \alpha\) et \(C = M/m\). La majoration s’écrit \(C e_{n+1} \leqslant (C e_n)^2\). Par récurrence, \(C e_n \leqslant (C e_0)^{2^n}\). Dès que \(C e_0 < 1\), l’exposant \(2^n\) fait chuter l’erreur très vite. En pratique, chaque itération double à peu près la quantité de chiffres justes. On parle de convergence quadratique.

6.3 Calcul d’une racine cubique

Exemple guidé :

Calculons \(\sqrt[3]{5}\) avec \(h(x) = x^3 – 5\) sur \([1{,}7\,;\,2]\). D’abord, \(h(1{,}7) = 4{,}913 – 5 < 0\) et \(h(2) = 3 > 0\), donc \(\alpha \in \, ]1{,}7\,;\,2[\). Ensuite, \(h^{\prime}(x) = 3x^2\) est croissante, minorée par \(m = 3 \times 1{,}7^2 = 8{,}67\). De plus, \(|h^{\prime\prime}| = 6x \leqslant 12\), donc \(M = 12\) et \(C = M/m \leqslant 1{,}4\). La fonction de Newton vaut \(N(x) = \dfrac{2x^3 + 5}{3x^2}\). En partant de \(x_0 = 2\), on trouve \(x_1 = 1{,}75\), donc \(e_1 \leqslant 0{,}05\). Puis \(e_2 \leqslant 1{,}4 \times 0{,}05^2 = 0{,}003\,5\), \(e_3 \leqslant 1{,}8 \times 10^{-5}\) et \(e_4 \leqslant 4{,}5 \times 10^{-10}\). Quatre étapes donnent donc \(\sqrt[3]{5} \approx 1{,}709\,975\,95\).

La comparaison avec la contraction de la partie 5 est frappante. La figure suivante montre les erreurs des deux méthodes en échelle logarithmique.

Erreurs en échelle logarithmique : convergence géométrique d'une contraction contre convergence quadratique de Newton

La droite traduit une convergence géométrique, tandis que la courbe de Newton plonge de plus en plus vite.

Les erreurs fréquentes

  • Écrire \(f(\ell) = \ell\) sans avoir prouvé que la suite converge, ou sans vérifier la continuité de \(f\) en \(\ell\).
  • Affirmer qu’une suite itérative est monotone alors que \(f\) est décroissante.
  • Vérifier la stabilité sur le seul terme \(u_0\) au lieu de tout l’intervalle.
  • Oublier qu’une limite peut être infinie : l’absence de point fixe n’interdit pas une limite égale à \(+\infty\).
  • Confondre \(|f^{\prime}| < 1\) en chaque point et l’existence d’une constante \(k < 1\).

Fiche mémo

  • Plan d’étude : intervalle stable, points fixes, signe de \(f(x) – x\), monotonie, limite.
  • Si \(J\) est stable et \(u_0 \in J\), tous les termes sont dans \(J\).
  • Limite finie \(\ell\) et \(f\) continue en \(\ell\) : alors \(f(\ell) = \ell\).
  • \(u_{n+1} – u_n = g(u_n)\) avec \(g(x) = f(x) – x\) : le signe de \(g\) donne le sens de variation.
  • \(f\) croissante sur \(J\) : suite monotone, de sens donné par \(u_1 – u_0\).
  • \(f\) décroissante : étudier \(f \circ f\), les suites \((u_{2n})\) et \((u_{2n+1})\) sont monotones de sens contraires.
  • \(f\) \(k\)-contractante sur un segment stable : \(|u_n – \ell| \leqslant k^n |u_0 – \ell|\).
  • \(|f^{\prime}(\ell)| < 1\) : attractif ; \(|f^{\prime}(\ell)| > 1\) : répulsif ; \(f^{\prime}(\ell) = 0\) : très rapide.
  • Newton : \(N(x) = x – h(x)/h^{\prime}(x)\) et \(C e_{n+1} \leqslant (C e_n)^2\) avec \(C = M/m\).

Questions fréquentes

Faut-il toujours chercher un intervalle stable avant tout le reste ?

Oui, c’est la première étape. Sans intervalle stable, rien ne garantit que la suite est bien définie, ni que les propriétés de f s’appliquent à chaque terme. Une récurrence immédiate suffit ensuite à placer tous les termes dans l’intervalle.

Pourquoi une fonction décroissante ne donne-t-elle pas une suite monotone ?

Quand f est décroissante, l’ordre entre deux termes s’inverse à chaque itération. La suite oscille donc autour du point fixe. En revanche, f composée avec elle-même est croissante, ce qui rend monotones les suites des termes de rangs pairs et de rangs impairs.

Que signifie la valeur de la dérivée au point fixe ?

Si la valeur absolue de la dérivée au point fixe est strictement inférieure à 1, le point fixe attire les termes voisins, avec une convergence géométrique. Si elle est strictement supérieure à 1, il les repousse. Si elle est nulle, comme pour la méthode de Newton, la convergence devient beaucoup plus rapide.

La méthode de Newton converge-t-elle toujours ?

Non. Elle peut diverger si le point de départ est mal choisi ou si la dérivée s’annule près de la racine. On démontre sa convergence sous des hypothèses précises, par exemple une dérivée qui ne s’annule pas et qui est monotone sur un intervalle stable.

Pour aller plus loin

Voter.. post
Télécharger puis imprimer cette fiche en PDF.

Télécharger ou imprimer cette fiche «suites itératives et point fixe en maths sup (MPSI) : cours et méthodes» au format PDF afin de pouvoir travailler en totale autonomie.


Nombre de fichiers PDF téléchargés.  Maths PDF c'est 16 224 758 cours et exercices de maths téléchargés en PDF et 4 250 exercices.

Télécharger les manuels scolaires de maths en PDF du CP à la Terminale