🔢 mathematics

A root finding method with arbitrary order of convergence

Ce document présente une méthode de calcul de la racine $M$ -ième d'un nombre $a$ utilisant une fonction de point fixe polynomiale permettant d'atteindre un ordre de convergence arbitraire.

Auteurs originaux : Alois Schiessl

Publié 2026-02-10

📖 3 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Alois Schiessl

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Défi : La quête de la racine parfaite

Imaginez que vous êtes un explorateur et que vous devez trouver l'emplacement exact d'un trésor caché dans une forêt immense. Ce trésor, c'est la racine d'un nombre (par exemple, la racine carrée de 2).

Le problème, c'est que ce trésor n'est pas un point rond et facile à trouver ; c'est un nombre avec une infinité de chiffres après la virgule qui ne s'arrête jamais. Pour le trouver, les mathématiciens utilisent traditionnellement des "boussoles" (qu'on appelle des méthodes de calcul comme la méthode de Newton).

Le problème de ces boussoles classiques, c'est qu'elles sont un peu lentes : chaque fois que vous faites un pas, vous vous rapprochez du trésor, mais vous devez faire beaucoup de pas pour être vraiment précis.

L'Idée de l'auteur : Le "Super-Propulseur" mathématique

Alois Schiessl propose une nouvelle méthode. Au lieu d'utiliser une boussole qui vous fait marcher pas à pas, il a inventé un propulseur de précision.

Sa grande idée est la suivante : au lieu de chercher à résoudre le problème directement, il transforme l'équation en un polynôme.

L'analogie du toboggan :
Imaginez que la recherche de la racine soit comme essayer de descendre une montagne très escarpée pour atteindre le fond de la vallée (la solution).

La méthode classique (Newton) : C'est comme descendre la montagne en faisant de petits sauts. C'est efficace, mais vous devez sauter souvent.
La méthode de Schiessl : C'est comme si l'auteur construisait un toboggan ultra-lisse et parfaitement courbé. Plus vous choisissez un paramètre élevé (qu'il appelle $P$ ), plus le toboggan est raide et direct. Vous ne faites pas que marcher vers la solution, vous êtes "aspiré" vers elle avec une force phénoménale.

Pourquoi est-ce révolutionnaire ? (L'ordre de convergence)

Le papier parle d'un "ordre de convergence arbitraire". C'est le mot technique pour dire : "Vous choisissez la vitesse à laquelle vous voulez aller".

Si vous réglez votre machine sur l'ordre 2, le nombre de chiffres corrects double à chaque étape.
Si vous réglez votre machine sur l'ordre 4, le nombre de chiffres corrects quadruple à chaque étape !

C'est comme passer d'une voiture qui accélère progressivement à un vaisseau spatial qui passe en vitesse lumière. Dans son exemple, pour calculer la racine carrée de 2 avec un million de chiffres de précision, il n'a eu besoin que de 9 étapes. C'est incroyablement rapide.

En résumé : Comment ça marche ?

La Recette : Il crée une formule mathématique (un polynôme) qui agit comme un aimant géant.
L'Aimant : Plus on augmente la puissance de la formule, plus l'aimant est fort.
Le Résultat : On part d'une estimation un peu approximative, on lance la formule, et en quelques secondes, on est propulsé vers une précision quasi infinie.

En une phrase : L'auteur a trouvé un moyen de transformer la recherche de racines en un jeu de "glissade" mathématique où l'on peut décider, à l'avance, de la vitesse fulgurante à laquelle on veut atteindre la perfection.

Résumé Technique : Une méthode de recherche de racines à ordre de convergence arbitraire

1. Problématique

L'article s'attaque au problème classique du calcul de la racine $M$ -ième d'un nombre réel positif $a$ (notée $\sqrt[M]{a}$ ). La méthode de référence traditionnellement utilisée est la méthode de Newton, qui applique l'itération de point fixe sur la fonction $f(x) = x^M - a$ . Bien qu'efficace, la méthode de Newton est limitée par une convergence quadratique (l'ordre de convergence est de 2), ce qui signifie que le nombre de chiffres significatifs double environ à chaque itération. L'objectif de l'auteur est de proposer une méthode utilisant uniquement des polynômes, capable d'atteindre un ordre de convergence arbitraire $(P+1)$ .

2. Méthodologie

L'approche repose sur la construction d'une fonction de point fixe $F(x)$ basée sur une intégrale définie.

A. Définition de la fonction de point fixe

L'auteur part de la fonction $f(t) = 1 - \frac{t^M}{a}$ . Pour un entier $P \in \mathbb{N}$ choisi par l'utilisateur, il définit la fonction de point fixe $F(x)$ comme suit :
$F(x) = \left[ \prod_{\ell=1}^{P} \left( 1 + \frac{1}{\ell \cdot M} \right) \right] x \int_{0}^{x} \left( 1 - \frac{t^M}{a} \right)^P dt$

B. Transformation polynomiale

Grâce au théorème du binôme et à l'intégration directe, l'intégrale est transformée en une forme polynomiale explicite. La fonction $F(x)$ devient un polynôme de degré $(P \cdot M + 1)$ comportant seulement $(P + 1)$ termes :
$F(x) = \sum_{k=0}^{P} c_k \cdot x^{k \cdot M + 1}$
où les coefficients $c_k$ sont constants et dépendent uniquement de $a$ , $M$ et $P$ . Cette simplification est cruciale car elle réduit le calcul de la racine à une simple évaluation polynomiale (utilisable via le schéma de Horner pour l'efficacité).

C. Preuve mathématique

L'auteur démontre rigoureusement trois points clés :

Point fixe : $F(\sqrt[M]{a}) = \sqrt[M]{a}$ .
Dérivées : Les dérivées de $F$ de l'ordre $1 $à$ P$ s'annulent au point fixe, tandis que la dérivée d'ordre $P+1$ est non nulle.
Convergence : En utilisant le théorème du point fixe de Banach et le développement de Taylor, il prouve que la suite $x_{n+1} = F(x_n)$ converge vers $\sqrt[M]{a}$ avec un ordre de convergence exactement égal à $P+1$ .

3. Contributions clés

Flexibilité de l'ordre de convergence : Contrairement à Newton, l'utilisateur peut choisir $P$ pour décider de la vitesse de convergence (ex: $P=3$ donne une convergence quartique).
Pureté polynomiale : La méthode n'utilise que des opérations polynomiales, ce qui la rend extrêmement adaptée aux calculs de haute précision en arithmétique arbitraire.
Efficacité algorithmique : La réduction de l'intégrale complexe à une somme de $(P+1)$ termes permet une implémentation informatique très légère.

4. Résultats et Tests de performance

L'auteur présente deux exemples concrets pour valider la théorie :

Exemple 1 (Convergence quadratique) : Calcul de $\sqrt[3]{10}$ avec $P=1$ . Les tests confirment que le nombre de chiffres corrects double à chaque étape, validant l'ordre 2.
Exemple 2 (Convergence quartique et haute précision) : Calcul de $\sqrt{2}$ $2$ avec $P=3$ $P = 3$ (ordre 4).
- En partant d'une approximation à 16 décimales, l'algorithme atteint plus d'un million de décimales en seulement 9 itérations.
- Le calcul a été réalisé en seulement 3 secondes sur un matériel standard (AMD Ryzen 5), démontrant une efficacité exceptionnelle pour la haute précision.

5. Signification et Importance

Ce travail est significatif pour le domaine de l'analyse numérique et de la théorie des nombres. Il offre une alternative puissante aux méthodes itératives classiques pour les bibliothèques de calcul de précision arbitraire (comme GMP ou MPFR). La capacité de "programmer" la vitesse de convergence en ajustant simplement un paramètre entier $P$ permet d'optimiser le compromis entre le coût de chaque itération (degré du polynôme) et le nombre total d'itérations nécessaires pour atteindre une précision donnée.