Fractales de Newton
La méthode de Newton est un algorithme permettant de trouver des racines. Dans le plan complexe, chaque point de départ peut être coloré en fonction de la racine qu’il atteint, transformant ainsi la convergence numérique en une carte de destinations concurrentes.
Un algorithme devient un système dynamique
Pour une fonction f, l’itération de Newton fait passer z à z − f(z)/f′(z). Chaque racine est généralement un point fixe attractif. En répétant la mise à jour à partir de chaque pixel, on révèle son bassin d’attraction.
Pour un polynôme p, l’itération de Newton est z↦z−p(z)/p′(z). Chaque valeur initiale validée se rapproche d’une racine, et la couleur peut représenter cette destination. La méthode est rapide localement mais loin d’être inoffensive globalement : près des points où la dérivée est faible, elle effectue de grands sauts, et certaines orbites convergent tardivement, voire pas du tout. L’image fractale illustre la fiabilité globale d’un algorithme numérique bien connu.
Pourquoi les contours sont-ils si complexes ?
Près d’une frontière de bassin, de minuscules variations au départ peuvent sélectionner différentes racines ou entraîner un comportement lent et instable. Pour de nombreux polynômes, la frontière commune est un ensemble de Julia associé à la carte de Newton et contient une structure à des échelles arbitrairement fines.
La frontière entre les bassins contient des valeurs initiales pour lesquelles de minuscules perturbations peuvent faire émerger une autre racine. Pour les polynômes, cette frontière de Julia commune est souvent étroitement entrelacée avec les préimages de chaque bassin. L’agrandissement révèle donc des inclusions plutôt qu’une simple ligne de démarcation. L’anticrénelage doit itérer de véritables échantillons sous-pixelaires ; le flou appliqué à une classification finalisée crée des couleurs mélangées sans échantillonner la dynamique.
La couleur peut coder deux questions
La teinte permet d’identifier la racine convergente, tandis que la luminosité ou les bandes indiquent le nombre d’itérations nécessaires. Le nombre maximal d’itérations et la tolérance de convergence restent des paramètres numériques ; leur modification permet de masquer les zones lentes sans modifier la carte mathématique elle-même.
Un schéma de couleurs à deux canaux est particulièrement informatif : la teinte désigne la racine atteinte, tandis que la luminosité ou la saturation indique le nombre d’itérations. Une limite finie nécessite un traitement distinct pour les orbites non convergentes ou singulières. Si la destination et la vitesse sont condensées en un seul dégradé non expliqué, une orbite rouge lente peut être confondue visuellement avec une orbite rapide dans un bassin voisin.
Sources et lectures complémentaires
Cet article résume les sources spécialisées suivantes en reprenant leur formulation d'origine. Consultées et révisées par la rédaction 12 août 2026.
- Newton's MethodWolfram MathWorld
- Fractal Geometry: Mathematical Foundations and ApplicationsWiley
Poursuivez l'idée
Bassins d'attraction
Comment les cartes de résultats divisent l'espace d'états et pourquoi leurs limites peuvent rendre les prédictions arbitrairement sensibles.
Ensembles de Julia
Comment le fait de fixer c dans z² + c crée un plan dynamique, allant des dendrites connectées à la poussière de Cantor déconnectée.
Le chaos est déterministe
Pourquoi des équations déterministes peuvent-elles devenir imprévisibles, en quoi la sensibilité diffère-t-elle du hasard et où les fractales font-elles leur apparition dans l'espace des phases ?