Photosynthesis is the process by which plants, algae, and some bacteria convert light energy into chemical energy stored as glucose. Investigating photosynthesis helps us understand how organisms produce oxygen and food, supporting nearly all life on Earth.
Get started for freeContent creation by StudySmarter Biology Team.
Published: 18.06.2024. Last updated: 01.01.1970.
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 !
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.
La formule de la méthode de Newton stipule que pour une fonction différentiable F(x) et un point initial x0 proche 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.
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.
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 x0 initial 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 !
Utilise trois itérations de la méthode de Newton pour approcher la racine près de de .
Puisque nous avons déjà une équation pour nous pouvons passer directement à la recherche de la dérivée,
Utiliser la formule de la méthode de Newton avec x0 = 3 :
En arrondissant aux six premières décimales, on obtient
Soit telle que
En utilisant l'équation quadratique
En prenant la racine carrée de nous obtenons
Notre approximation est assez précise !
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
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 trouvant x1, ..., x5.
Notre estimation doit être un nombre positif inférieur à 2. Commençons donc par .
Insère nos valeurs connues dans l'équation
En arrondissant aux six premières décimales, on obtient
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.
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.
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.
StudySmarter is a global EdTech platform helping millions of students learn faster and succeed in exams like GCSE, A Level, SAT, ACT, and Abitur. Our expert-reviewed content, interactive flashcards, and AI-powered tools support learners across STEM, Social Sciences, Languages, and more.
Access subjects, mock exams, and features to revise more efficiently. All 100% free!
Get your free account!