Les méthodes itératives, et en particulier la méthode de Newton, figurent parmi

les méthodes numériques les plus puissantes permettant la résolution approchée
des équations de toute nature. L’idée de ces méthodes est de partir d’une valeur
approchée grossière de la solution, et d’en améliorer la précision par une application
itérée d’un algorithme bien choisi.

    

  


    
Soit (E, d) un espace métrique complet et ϕ : E → E une application continue. On
dit que a ∈ E est un point fixe de ϕ si ϕ(a) = a. On dit que ϕ est contractante si
ϕ est lipschitzienne de rapport k < 1, c’est-à-dire s’il existe k < 1 tel que

∀x, y ∈ E, d(f (x), f (y)) ≤ k d(x, y).

Théorème – Soit ϕ : E → E une application contractante d’un espace métrique

complet dans lui-même. Alors ϕ admet un point fixe unique a ∈ E. De plus, pour
tout point initial x0 ∈ E, la suite itérée (xp ) définie par xp+1 = ϕ(xp ) converge
vers a.

Unicité du point fixe. Si ϕ avait deux points fixes a = b, alors d(ϕ(a), ϕ(b)) =
d(a, b) et d(a, b) = 0, donc ϕ ne pourrait être contractante, contradiction.

Existence du point fixe. Soit x0 ∈ E un point initial quelconque et (xp ) la suite

itérée associée. On a alors

d(xp , xp+1 ) = d(ϕ(xp−1 ), ϕ(xp )) ≤ k d(xp−1 , xp )

94 Analyse numérique et équations différentielles

d’où par récurrence d(xp , xp+1 ) ≤ k p d(x0 , x1 ). Pour tout entier q > p il vient

q−1 

q−1 
d(xp , xq ) ≤ d(xl , xl+1 ) ≤ k l
d(x0 , x1 )
l=p l=p

q−1 +∞

kp
avec kl ≤ kl = . On a donc
1−k
l=p l=p

kp
d(xp , xq ) ≤ d(x0 , x1 ), ∀p < q
1−k

ce qui montre que (xp ) est une suite de Cauchy. Comme (E, d) est complet, la suite
(xp ) converge vers un point limite a ∈ E. L’égalité xp+1 = ϕ(xp ) et la continuité
de ϕ impliquent à la limite a = ϕ(a).

Estimation de la vitesse de convergence – L’inégalité

d(xp , a) = d(ϕ(xp−1 ), ϕ(a)) ≤ k d(xp−1 , a)

implique par récurrence

d(xp , a) ≤ k p d(x0 , a).

La convergence est donc exponentiellement rapide. Lorsque E = Rm , on dit parfois

qu’il s’agit d’une convergence linéaire, dans le sens où le nombre de décimales exactes
de xp croı̂t au moins linéairement avec p.

Généralisation – Le théorème précédent reste entièrement valable si on

remplace l’hypothèse que ϕ est contractante par l’hypothèse que ϕ est continue et
qu’il existe une certaine itérée ϕm = ϕ ◦ . . . ◦ ϕ qui soit contractante.

En effet, dans ce cas, l’hypothèse que ϕm soit contractante implique que ϕm admet
un unique point fixe a. On a donc ϕm (a) = a et en appliquant ϕ à cette égalité on
trouve
ϕm (ϕ(a)) = ϕm+1 (a) = ϕ(ϕm (a)) = ϕ(a),

de sorte que ϕ(a) est encore un point fixe de ϕm . L’unicité du point fixe de ϕm
entraı̂ne ϕ(a) = a. Par ailleurs, comme tout point fixe de ϕ est aussi un point fixe
de ϕm , ce point fixe est nécessairement unique. Enfin, pour tout point initial x0 , la
sous-suite xmp = ϕmp (x0 ) = (ϕm )p (x0 ) (correspondant aux indices multiples de m)
converge vers a. Il en résulte que xmp+r = ϕr (xmp ) converge aussi vers ϕr (a) = a
pour r = 0, 1, . . . m − 1, et on en déduit limq→+∞ xq = a. Voir aussi le problème
4.1 pour une autre démonstration de ces résultats.
IV – M éthodes itératives pour la résolution d’équations 95

     
  
  
Comme première application élémentaire du résultat précédent, soit à résoudre
une équation f (x) = 0 d’une variable réelle x. Supposons qu’on ait une fonction
différentiable f : [a, b] → R telle que disons
 f (a) < 0, f (b) > 0, et f strictement
croissante, 0 < m ≤ f  (x) ≤ M sur [a, b] dans le cas opposé f (a) > 0, f (b) < 0, et
−M ≤ f  (x) < −m < 0 il suffira de changer f en −f . Si on pose

ϕ(x) = x − Cf (x)

avec une constante C = 0, il est clair que l’équation f (x) = 0 équivaut à ϕ(x) = x
et donc la résolution de l’équation f (x) = 0 se ramène à rechercher les points fixes
de ϕ. L’espace E = [a, b] est complet, et il nous faut vérifier de plus
• que ϕ envoie bien E dans E,
• que ϕ est bien contractante sur E.
Or nous avons ϕ (x) = 1 − Cf  (x), donc 1 − CM ≤ ϕ (x) ≤ 1 − Cm, et pour le
choix C = 1/M , la fonction ϕ est bien contractante dans le rapport k = 1 − m/M .
De plus ϕ est croissante et on a ϕ(a) > a, ϕ(b) < b, donc ϕ([a, b]) ⊂ [a, b]. Il en
résulte que toute suite itérative xp+1 = ϕ(xp ) calculée à partir d’un point x0 ∈ [a, b]
quelconque va converger vers l’unique solution de l’équation f (x) = 0.
La vitesse de convergence peut être estimée par la suite géométrique (1 − m/M )p ,
et on voit qu’on a intérêt à ce que les bornes m et M de l’encadrement m ≤ f  ≤ M
soient proches, ce qui est toujours possible si f  est continue et si l’encadrement
initial [a, b] de la solution x cherchée est suffisamment fin. L’objet de ce chapitre
est d’étudier et de généraliser ce type de techniques, pour des fonctions d’une ou
plusieurs variables.

        


     

    
Notre objectif est ici d’étudier le comportement itératif d’une fonction au voisinage
de ses points fixes. Soit I un intervalle fermé de R et ϕ : I → I une application de
classe C 1 . Soit a ∈ I un point fixe de ϕ. On peut distinguer trois cas :

(1) |ϕ (a)| < 1.

Soit k tel que |ϕ (a)| < k < 1. Par continuité de ϕ , il existe un intervalle
E = [a − h, a + h] sur lequel |ϕ | ≤ k, donc ϕ est contractante de rapport k sur E ;
on a nécessairement ϕ(E) ⊂ E et par conséquent

∀x0 ∈ [a − h, a + h], lim xp = a.

p→+∞

On dit que a est un point fixe attractif. Dans ce cas la convergence de la suite (xp )
est au moins exponentiellement rapide : |xp − a| ≤ k p |x0 − a|.
96 Analyse numérique et équations différentielles

Cas particulier : ϕ (a) = 0.

Supposons de plus que ϕ soit de classe C 2 et que |ϕ | ≤ M sur E. La formule de
Taylor donne
(x − a)2 
ϕ(x) = ϕ(a) + (x − a)ϕ (a) + ϕ (c)
2!
1
= a + ϕ (c)(x − a)2 , c ∈ ]a, x[,
2
 2
d’où |ϕ(x) − a| ≤ 12 M |x − a|2 , soit encore 12 M |ϕ(x) − a| ≤ 12 M |x − a| . Par
récurrence, on en déduit successivement

1 1 2p
M |xp − a| ≤ M |x0 − a| ,
2 2

 2p
2 1
|xp − a| ≤ M 2 M |x0 − a| .

1
En particulier si x0 est choisi tel que |x0 − a| ≤ 5M , on obtient

2 p
|xp − a| ≤ 10−2 ;
M

on voit donc que le nombre de décimales exactes double environ à chaque itération ;
10 itérations suffiraient ainsi théoriquement pour obtenir plus de 1000 décimales
exactes ! La convergence est donc ici extraordinairement rapide.
Ce phénomène est appelé phénomène de convergence quadratique, et le point fixe a
est alors appelé parfois point fixe superattractif.

(2) |ϕ (a)| > 1.

 ϕ(x) − ϕ(a) 
 
Comme lim   = |ϕ (a)| > 1, on voit qu’il existe un voisinage
x→0 x−a
[a − h, a + h] de a tel que

∀x ∈ [a − h, a + h] \ {a}, |ϕ(x) − a| > |x − a|.

On dit alors que le point fixe a est répulsif. Dans ce cas, la dérivée ϕ est de signe
constant au voisinage de a, donc il existe h > 0 tel que la restriction ϕ|[a−h,a+h]
admette une application réciproque ϕ−1 définie sur ϕ([a − h, a + h]), qui est un
intervalle contenant ϕ(a) = a. L’équation ϕ(x) = x peut se récrire x = ϕ−1 (x) au
voisinage de a, et comme (ϕ−1 ) (a) = 1/ϕ (a), le point a est un point fixe attractif
pour ϕ−1 .

(3) |ϕ (a)| = 1.

On est ici dans un cas douteux, comme le montrent les deux exemples suivants dans
lesquels a = 0, ϕ (a) = 1 :
IV – M éthodes itératives pour la résolution d’équations 97

   
 = sin x, x ∈ 0, 2 . On a ici sin x < x pour tout x ∈ 0, 2 .
π π
Exemple 1 – ϕ(x)
Pour tout x0 ∈ 0, 2 la suite itérée (xp ) est strictement décroissante minorée, donc
π

convergente. La limite l vérifie l = sin l, donc l = 0.

Exemple 2 – ϕ(x) = sinh x, x ∈ [0, +∞[. Comme sinh x > x pour tout x > 0,
on voit que le point fixe 0 est répulsif et que ∀x0 > 0, lim xp = +∞.
p→+∞


      

Nous voulons décrire ici un peu plus finement le comportement de la suite itérative
xp+1 = ϕ(xp ) au voisinage d’un point fixe attractif a. On suppose donc ϕ de
classe C 1 et |ϕ (a)| < 1. On peut de nouveau distinguer plusieurs cas.
(1) ϕ (a) > 0.
Par continuité de ϕ on va avoir 0 < ϕ (x) < 1 au voisinage de a, donc il existe
un voisinage [a − h, a + h] sur lequel x → ϕ(x) et x → x − ϕ(x) sont strictement
croissantes, par suite

x < ϕ(x) < ϕ(a) = a pour x ∈ [a − h, a[

a = ϕ(a) < ϕ(x) < x pour x ∈ ]a, a + h],

ce qui implique en particulier que ϕ([a − h, a + h] ⊂ [a − h, a + h]. Il est facile de

voir dans ce cas que la suite itérative xp+1 = ϕ(xp ) va être strictement croissante
pour x0 ∈ [a − h, a[ et strictement décroissante si x0 ∈ ]a, a + h]. On obtient alors
typiquement un graphe

en escalier  :

y y=x

y = ϕ(x)

ϕ(x0 )

a−h x0 x1 ... xp a x1 x0 a+h x

(2) ϕ (a) < 0.

Par continuité de ϕ on va avoir −1 < ϕ (x) < 0 sur un voisinage [a − h, a + h] de
a, sur lequel ϕ est donc strictement décroissante. Si x < a, alors ϕ(x) > ϕ(a) = a,
98 Analyse numérique et équations différentielles

tandis que si x > a, on ϕ(x) < ϕ(a) = a. Comme ϕ ◦ ϕ est strictement croissante
(de dérivée < 1) sur [a − h, a + h], le cas (1) montre que les suites x2p et x2p+1 sont
monotones de limite Il s’agit donc de suites adjacentes, et on obtient un graphe

en
escargot  :

y y=x

ϕ(xp )

y = ϕ(x)

a−h x0 x2 xp a xp+1 x3 x1 a+h x

(3) ϕ (a) = 0.
En général, on ne va rien pouvoir conclure. Cependant, si ϕ est de classe C 2 et
ϕ (a) = 0, alors le point a est un extremum local. On choisira h assez petit pour
que ϕ ne change pas de signe et |ϕ | < 1 sur [a − h, a + h]. Alors, si ϕ (a) < 0
(resp. ϕ (a) > 0), le point a est un maximum local (resp. un minimum local), et
pour x0 ∈ [a − h, a + h]
{a} quelconque, il est facile de voir que la suite (xp )
est strictement croissante (resp. décroissante), mis à part peut-être pour le terme
initial x0 . On aboutit encore à un graphe en escalier.

       

Soit à résoudre l’équation f (x) = x3 − 4x + 1 = 0, x ∈ R. On a f  (x) = 3x2 − 4 et

l’étude de f donne :

x −∞ − √23 √2
3
+∞

f  (x) + 0 − 0 −

16
√
f (x) 1+ 3 3
+∞
  
16
−∞ 1− √
3 3
IV – M éthodes itératives pour la résolution d’équations 99

y
y = f (x)
4

1 √2
a1 a2 3 a3
−2 −1 0 1 2 x

−2

L’équation f (x) = 0 admet donc 3 racines réelles a1 < a2 < a3 . le calcul de quelques
valeurs de f donne

−2, 5 < a1 < −2, 0 < a2 < 0, 5, 1, 5 < a3 < 2.

1
L’équation f (x) = 0 peut se récrire x = ϕ(x) avec ϕ(x) = 4 (x3 + 1). On a
ϕ (x) = 34 x2 , d’où :

• sur [−2, 5 ; −2], ϕ ≥ ϕ (2) = 3.

• sur [0 ; 0, 5], 0 ≤ ϕ ≤ 0, 1875.
• sur [1, 5 ; 2], ϕ ≥ ϕ (1, 5) = 1, 6875.

Seul a2 est un point fixe attractif de ϕ. L’intervalle [0 ; 0, 5] est nécessairement

stable par ϕ puisqu’il contient un point fixe et que ϕ est contractante et croissante.
Pour tout x0 ∈ [0 ; 0, 5] on aura donc a2 = lim xp .
p→+∞
√
Pour obtenir a1 et a3 , on peut itérer la fonction ϕ−1 (x) = 3 4x − 1, qui est
contractante au voisinage de ces points.
Il sera numériquement plus efficace de récrire l’équation sous la forme x2 −4+ x1 = 0,
soit x = ϕ+ (x) ou x = ϕ− (x) avec

1 1
ϕ+ (x) = 4− , ϕ− (x) = − 4 − ,
x x
 −1/2
suivant que x est ≥ 0 ou ≤ 0. on a alors ϕ± = ± 2x1 2 4 − x1 , de sorte que

0 ≤ ϕ+ ≤ ϕ+ (1, 5)
0, 122 sur [1, 5 ; 2],

ϕ− (−2)
−0, 059 ≤ ϕ ≤ 0 sur [−2, 5 ; −2] ;

La convergence sera donc assez rapide. Nous allons voir qu’il existe en fait une
méthode générale plus efficace et plus systématique.
100 Analyse numérique et équations différentielles



     
On cherche à évaluer numériquement la racine a d’une équation f (x) = 0, en
supposant qu’on dispose d’une valeur grossière x0 de cette racine.

y
f

a
x1 x0 x

L’idée est de remplacer la courbe représentative de f par sa tangente au point x0 :

y = f  (x0 )(x − x0 ) + f (x0 ).

L’abscisse x1 du point d’intersection de cette tangente avec l’axe y = 0 est donnée
par
f (x0 )
x1 = x0 −  ;
f (x0 )
x1 est en général une meilleure approximation de a que x0 . On est donc amené à
itérer la fonction
f (x)
ϕ(x) = x −  .
f (x)
Supposons que f soit de classe C 2 et que f  (a) = 0. La fonction ϕ est alors de
classe C 1 au voisinage de a et
f  (x)2 − f (x)f  (x) f (x)f  (x)
ϕ (x) = 1 − = ,
f  (x)2 f  (x)2
ce qui donne ϕ(a) = a, ϕ (a) = 0. La racine a de f (x) = 0 est donc un point fixe
superattractif de ϕ. Le résultat suivant donne une estimation de l’écart |xp − a|.
2
 C sur l’intervalle I = [a − r, a + r]
Théorème – On suppose que f est de classe
 f  (x)   
et que f  = 0 sur I. Soit M = max    et h = min r, 1 . Alors pour tout
 M
x∈I f (x)
x ∈ [a−h, a+h] on a |ϕ(x)−a| ≤ M |x−a|2 , et pour tout point initial x0 ∈ [a−h, a+h]

1 p
|xp − a| ≤ (M |x0 − a|)2 .
M
IV – M éthodes itératives pour la résolution d’équations 101

Démonstration. Introduisons la fonction u(x) = f (x)/f  (x). La fonction f est

monotone sur I, nulle en a, donc f a même signe que f  (a)(x − a), ce qui entraı̂ne
que u(x) a même signe que x − a. De plus

f (x)f  (x) f  (x)

u (x) = 1 − = 1 − u(x),
f  (x)2 f  (x)

donc |u (x)| ≤ 1 + M |u(x)| sur I. Cette inégalité permet d’obtenir le

1
Lemme 1 – On a |u(x)| ≤ M (eM |x−a| − 1) sur I.

Montrons-le par exemple pour x ≥ a. Posons v(x) = u(x)e−M x . Il vient

u (x) ≤ 1 + M u(x), d’où

v  (x) = (u (x) − M u(x))e−M x ≤ e−M x .

Comme v(a) = u(a) = 0, on en déduit par intégration

1 −M a
v(x) ≤ (e − e−M x ),
M
1
soit encore u(x) ≤ M (eM (x−a) − 1). Le lemme 1 est donc démontré.

Lemme 2 – Pour |t| ≤ 1, e|t| − 1 ≤ 2|t|.

En effet la fonction exponentielle est convexe, donc sur tout intervalle la courbe est
située sous sa corde. Sur l’intervalle [0, 1], ceci donne et ≤ 1 + (e − 1)t, d’où le
lemme 2 puisque e − 1 < 2.


(x)
On peut maintenant écrire ϕ (x) = u(x) ff  (x) , et le lemme 1 implique

|ϕ (x)| ≤ M |u(x)| ≤ eM |x−a| − 1.

 1
Grâce au lemme 2, on obtient |ϕ (x)| ≤ 2M |x − a| pour |x − a| ≤ min r, M .
Comme ϕ(a) = a, on voit par intégration que pour tout x ∈ [a − h, a + h] on a

|ϕ(x) − a| ≤ M |x − a|2 ,

soit encore M |ϕ(x) − a| ≤ (M |x − a|)2 . L’estimation M |xp − a| ≤ (M |x0 − a|)2p

s’en déduit aussitôt par récurrence.

Exemple – Pour la fonction f (x) = x3 − 4x + 1 du § 2.3, on a

x3 − 4x + 1 2x3 − 1
ϕ(x) = x − 2
= 2 .
3x − 4 3x − 4
Par itération de ϕ, on obtient alors les valeurs suivantes :
102 Analyse numérique et équations différentielles

x0 −2 0 2
x1 −2, 125 0, 25 1, 875
x2 −2, 114975450 0, 254098361 1, 860978520
x3 −2, 114907545 0, 254101688 1, 860805877
x4 −2, 114907541 = x3 1, 860805853
x5 = x4 = x4

Ceci donne des valeurs approchées de a1 , a2 , a3 à 10−9 près environ. Le nombre

d’itérations nécessaires pour obtenir une précision de 10−9 par la méthode de
3 4
Newton est typiquement 3 ou 4 (10−2 = 10−8 , 10−2 = 10−16 . . .). Le lecteur
pourra vérifier que le nombre d’itérations requises avec les fonctions ϕ du § 2.3 est
nettement plus élevé (de 8 à 20 suivant les cas).



     

Dans certaines situations, la dérivée f  est très compliquée ou même impossible à
expliciter (c’est le cas par exemple si la fonction f est le résultat d’un algorithme
complexe). On ne peut alors utiliser telle quelle la méthode de Newton.
L’idée est de remplacer f  par le taux d’accroissement de f sur un petit intervalle.
Supposons qu’on dispose de deux valeurs approchées x0 , x1 de la racine a de
l’équation f (x) = 0 (fournies par un encadrement x0 < a < x1 ).

y
f
sécante

x0 x2

0 a x1 x

Le taux d’accroissement de f sur l’intervalle [x0 , x1 ] est

f (x1 ) − f (x0 )
τ1 =
x1 − x0
et l’équation de la sécante traversant le graphe de f aux points d’abscisse x0 et x1
est
y = τ1 (x − x1 ) + f (x1 ).
IV – M éthodes itératives pour la résolution d’équations 103

On obtient ainsi une nouvelle approximation x2 de a en calculant l’abscisse de

l’intersection de la sécante avec l’axe Ox :
f (x1 )
x2 = x1 − .
τ1
On va bien entendu itérer ce procédé à partir des nouvelles valeurs approchées x1
et x2 , ce qui conduit à poser
f (xp ) − f (xp−1 ) f (xp )
τp = , xp+1 = xp − .
xp − xp−1 τp
La méthode est donc tout à fait analogue à celle de Newton, à ceci près que l’on
a remplacé la dérivée f  (xp ) par le taux d’accroissement τp de f sur l’intervalle
[xp , xp−1 ]. On notera que l’algorithme itératif ne peut démarrer que si on dispose
déjà de deux valeurs approchées x0 , x1 de a.

Inconvénient de la méthode – Lorsque xp et xp−1 sont trop voisins, le calcul

de f (xp ) − f (xp−1 ) et xp − xp−1 donne lieu à un phénomène de compensation et
donc à une perte de précision sur le calcul de τp . Étudions l’erreur commise. La
formule de Taylor-Lagrange à l’ordre 2 au point xp donne
1
f (xp−1 ) − f (xp ) = (xp−1 − xp )f  (xp ) + (xp−1 − xp )2 f  (c),
2
 1 
τp − f (xp ) = (xp−1 − xp )f (c) = O(|xp − xp−1 |)
2
après division de la première ligne par xp−1 − xp .
Supposons par ailleurs que le calcul des f (xi ) soit effectué avec une erreur d’arrondi
de l’ordre de ε. Le calcul de τp est alors affecté d’une erreur absolue de l’ordre de
ε
|xp −xp−1 | . Il est inutile de continuer à calculer τp dès que cette erreur dépasse l’écart
√
|τp − f  (xp )|, ce qui a lieu si |xp −x
ε
p−1 |
> |xp − xp−1 | c’est-à-dire |xp − xp−1 | < ε.
Dans la pratique, si l’on dispose d’une précision absolue
√ ε = 10−10 par exemple,
on arrête le calcul de τp dès que |xp − xp−1 | < ε = 10−5 ; on poursuit alors
les itérations avec τp = τp−1 jusqu’à l’obtention de la convergence (c’est-à-dire
|xp+1 − xp | < ε).
D’un point de vue théorique, la convergence de la suite est assurée par le résultat
ci-dessous, qui donne simultanément une estimation précise pour |xp − a|.

Théorème – On suppose f de classe C 2 et de dérivée f  = 0 sur l’intervalle

I = [a − r, a + r]. On introduit les quantités Mi , i = 1, 2, et les réels K, h tels que

Mi = max |f (i) (x)|, mi = min |f (i) (x)|,

x∈I x∈I
M2  M1   1
K= 1+ , h = min r, .
2m1 m1 K

Soit enfin (sp ) la suite de Fibonacci, définie par sp+1 = sp + sp−1 avec s0 = s1 = 1.
Alors quel que soit le choix des points initiaux x0 , x1 ∈ [a − h, a + h] distincts, on a

1
|xp − a| ≤ [K max(|x0 − a|, |x1 − a|)]sp .
K
104 Analyse numérique et équations différentielles

 1+√5 p+1
Remarque – On vérifie facilement que sp ∼ √1 ; ceci montre que
5 2
√
1+ 5
le nombre de décimales exactes croı̂t environ du facteur
1, 618 à chaque 2
itération. La convergence est donc tout juste un peu moins rapide que dans le § 2.4.

Démonstration.* Le lecteur pourra omettre cette démonstration sans compromet-

tre la compréhension de la suite du chapitre. On considère le taux d’accroissement
τ (x, y) de f sur I × I défini par
f (y)−f (x)
τ (x, y) = y−x si y = x

τ (x, y) = f (x) si y = x.

Pour tous (x, y) ∈ I × I, on peut écrire

 1
τ (x, y) = f  (x + t(y − x))dt
0

et le théorème de dérivation sous le signe somme montre que

 1
∂τ
(x, y) = (1 − t)f  (x + t(y − x))dt,
∂x 0
 1
∂τ
(x, y) = tf  (x + t(y − x))dt.
∂y 0
 1
 1
Comme f est de signe constant sur I et comme (1 − t)dt = , on en déduit les
0 2
inégalités
 ∂τ  1  ∂τ  1
   
|τ (x, y)| ≥ m1 ,   ≤ M2 ,   ≤ M2 .
∂x 2 ∂y 2
Il en résulte en particulier
 y  1
 ∂τ 
|τ (x, y) − f  (x)| = |τ (x, y) − τ (x, x)| =  (x, t)dt ≤ M2 |y − x|.
x ∂y 2

La suite (xp ) est définie par la formule de récurrence xp+1 = ψ(xp , xp−1 ) où ψ est
la fonction de classe C 1 telle que

f (x)
ψ(x, y) = x − .
τ (x, y)

Posons hp = xp − a. On a

hp+1 = ψ(xp , xp−1 ) − a = ψ(a + hp , a + hp−1 ) − ψ(a, a)

et en particulier h2 = ψ(a + h1 , a + h0 ) − ψ(a, a). En intégrant sur [0, 1] la dérivée

de la fonction t → ψ(a + th1 , a + th0 ), on trouve
 1  ∂ψ 
∂ψ
h2 = h1 (a + th1 , a + th0 ) + h0 (a + th1 , a + th0 ) dt.
0 ∂x ∂y
IV – M éthodes itératives pour la résolution d’équations 105

Des calculs immédiats donnent

∂ψ f  (x)τ (x, y) − f (x) ∂x

∂τ
τ (x, y) − f  (x) ∂τ
=1− 2
= + f (x) ∂x 2 ,
∂x τ (x, y) τ (x, y) τ (x, y)
∂τ
∂ψ ∂y
= f (x) .
∂y τ (x, y)2

Comme |f (x)| = |f (x) − f (a)| ≤ M1 |x − a|, les inégalités ci-dessus impliquent

 
 ∂ψ  M2 |y − x| M2
 
 ∂x  ≤ 2m1
+ M1 |x − a|
2m21
,
 
 ∂ψ  M2
 
 ∂y  ≤ M1 |x − a| 2m2 .
1

Pour (x, y) = (a + th1 , a + th0 ), on a |y − x| ≤ (|h0 | + |h1 |)t et |x − a| = |h1 |t, d’où
  & '
 ∂ψ 
  ≤ M2 (|h0 | + |h1 |) + M1 M2 |h1 | t,
 ∂x  2m1 2m21
 
 ∂ψ  M1 M2
 
 ∂y  ≤ 2m2 |h1 |t,
1
   1
M2 M1 M2
|h2 | ≤ + |h 1 |(|h0 | + |h1 |) tdt
2m1 2m21 0
K
= |h1 |(|h0 | + |h1 |) ≤ K|h1 | max(|h0 |, |h1 |).
2
1
Comme |h0 |, |h1 | ≤ h ≤ K, on voit que |h2 | ≤ |h1 |. De même

|hp+1 | ≤ K|hp | max(|hp |, |hp−1 |),

et ceci entraı̂ne par récurrence que la suite (|hp |)p≥1 est décroissante :
1
|hp | ≤ |hp−1 | ≤ . . . ≤ |h1 | ≤ K implique |hp+1 | ≤ |hp |. On en déduit

|hp+1 | ≤ K|hp ||hp−1 | pour p ≥ 2.

1
L’inégalité |hp | ≤ K [K max(|h0 |, |h1 |)]sp est triviale si p = 0 ou p = 1, résulte de
l’estimation déjà vue pour h2 si p = 2, et se généralise facilement par récurrence
pour p ≥ 3. Le théorème est démontré.