Université Claude Bernard, Lyon I Licence Sciences & Technologies

43, boulevard 11 novembre 1918 Spécialité Mathématiques

69622 Villeurbanne cedex, France Option: Analyse Numérique 2007-2008

Série n◦ 5 :
Résolution numérique des équations non linéaires

Exercice 1. Calcul de racine carrée.

√ √
On considère le problème de calculer 2. Cela revient à trouver le zéro positif α = 2 de la
fonction f (x) = x2 − 2, c’est-à-dire à résoudre une équation non linéaire.
√
a) Vérifier que α = 2 est un point fixe de la fonction
1 1
φ(x) = − x2 + x + .
4 2

Ensuite, prouver que pour x(0) ∈ [1, 2], il existe une constante C > 0 telle que

|x(k) − α| ≤ C k |x(0) − α|, ∀k ≥ 0.

b) Quel est le comportement de la suite (x(k) )k lorsque k → ∞? Combien d’itérations √ de la

méthode de point fixe sont nécessaires pour trouver une valeur approchée de 2 qui soit
exacte jusqu’au dixième chiffre après la virgule ? (Suggestion : il faut avoir une estimation
de la constante C).

Exercice 2. Application des méthodes de point fixe et de Newton (cas scalaire)

Nous voulons résoudre f (x) = 0 avec
1 1
f (x) = x − sin(x) − .
5 2

a) En utilisant la méthode du point fixe

• Trouver une fonction g(x) = 0 qui soit une contraction

|g(x) − g(y)| ≤ k|x − y|

avec 0 < k < 1.

• En déduire une suite qui converge vers la solution de f (x) = 0.

• Donner la vitesse de convergence en fonction de la donnée initiale.

1
b) En utilisant la méthode de Newton
• Ecrire la méthode de Newton pour résoudre f (x) = 0.
• Montrer que la méthode est localement convergente.
• Estimer la vitesse de convergence
|x(k+1) − x|
en fonction de la donnée initiale.

Exercice 3. Application des méthodes de point fixe et de Newton (cas des

systèmes)
Soit le système d’équations non linéaire suivant:

−5 x1 + 2 sin(x1 ) + 2 cos(x2 ) = 0,
(1)
2 cos(x1 ) + 2 sin(x2 ) − 5 x2 = 0,

Nous notons x∗ = (x∗1 , x∗2 ) une solution.

a) Méthode du point fixe.

(i) Montrer que ce système peut s’écrire sous la forme f (x) = x où f est une contraction stricte
pour la norme k.k1 .
(ii) Montrer que la solution x∗ est unique. Nous pourrons raisonner par l’absurde et montrer que
kx∗ − y ∗ k = 0 où x∗ et y ∗ sont deux solutions.
(iii) À partir de la fonction f , construire une suite (x(n) )n∈N qui converge vers x∗ .
(iv) Estimer la vitesse de convergence, c’est-à-dire écrire la norme kx(n) − x∗ k en fonction de
kx(0) − x∗ k.

b) Méthode de Newton.
(i) Ecrire un algorithme de Newton pour le système (1).
(ii) La solution de cet algorithme est-elle toujours bien définie?

Exercice 4. Convergence globale partielle pour l’algorithme de Newton

Théorème 1 (Théorème de Rolle) Soit f : [a, b] → R une fonction de classe C1 telle que
f (a) = f (b). Alors il existe c ∈ [a, b] tel que f 0 (c) = 0.

Soit f : R → R une fonction de classe C 2 . Nous supposons qu’il existe α ∈ R racine de f (donc
f (α) = 0) telle que les fonctions f, f 0 et f 00 ne s’annulent pas sur l’intervalle ]α, +∞[ et ont toutes
le même signe sur ]α, +∞[ (soit toutes les trois fonctions sont strictement positives, soit elles sont
strictement négatives).
Nous considérons la suite (x(k) )k∈N réelle définie par réccurence par la relation:
 (0)
 x > α, donné
f (x(k) )
 x(k+1) = x(k) − 0 (k) k ∈ N.
f (x )

2
a) Soit k ∈ N tel que l’élément x(k) est bien défini avec x(k) > α.
Montrer que x(k+1) est bien défini et qu’il existe ck ∈]α, x(k) [ tel que

(x(k) − α)2 f 00 (ck )

x(k+1) − α =
2f 0 (x(k) )

En déduire que la suite (x(k) )k∈N est bien définie et que pour tout k ∈ N on a x(k) > α.

b) Montrer que la suite (x(k) )k∈N est décroissante. En déduire que limk→∞ x(k) = α.

c) Supposons en plus que f 0 (α) 6= 0 et f 00 (α) 6= 0. Quel est l’ordre de convergence de la suite
(x(k) )k∈N ?

d) Application. Supposons que f est un polynôme réel de degré n, ayant n racines réelles dis-
tinctes et soit α ∈ R la plus grande racine de f . Montrer que les hypothèses des points précédentes
sont satisfaites. Que pouvons-nous en déduire?

Exercice 5. Approximation d’éléments propres

Nous souhaitons résoudre le problème non linéaire suivant. Trouver (x, λ) ∈ R2 × R tel que x =
(x1 , x2 ) 
 2 x1 − x2 = λ x1
−x1 + 2 x2 = λ x2
 2
x1 + x22 = 1

a) Ecrire l’algorithme de Newton pour résoudre ce problème.

b) Peut-on toujours l’appliquer?

Exercice 6. Méthode de Newton multidimensionnelle

Soit f : R → R une fonction de classe C 2 et croissante, A ∈ Mn,n (R) une matrice symétrique définie
positive et des nombres réelles α1 , . . . αn et b = (b1 , . . . , bn )T avec αi > 0 pour tout i ∈ {1, . . . , n}.
Nous nous intéressons au système non linéaire suivant de n équations à n inconnues

(A u)i + αi f (ui ) = bi ; i ∈ {1, · · · n} (2)

où nous avons posé u = (u1 , · · · un )T ∈ Rn .

Nous admettons que (2) admet au moins une solution (ceci peut être démontré mais c’est
difficile).

a) Montrer l’unicité de la solution de (2).

b) Soit u la solution de (2). Écrire l’algorithme de Newton pour approcher numériquement u.

c) Montrer qu’il existe a > 0 tel que la méthode de Newton pour (2) converge lorsque le point de
départ de la méthode, noté u(0) , vérifie |u(0) − u| < a.

3
Devoir Maison I. Points fixes attractifs et répulsifs
Partie 1. Soient I ⊂ R un intervalle ouvert et g : I → I une fonction de classe C ∞ . Notons
x∗ ∈ I un point fixe de g. Pour x0 ∈ I donné; nous considérons la suite définie par réccurence par
la relation: x(0) = x0 et
x(k+1) = g(x(k) ) k ∈ N.
Dans toute cette partie pour tout h > 0, nous notons Vh l’intervalle fermé [x∗ − h, x∗ + h].

a) Supposons que |g 0 (x∗ )| < 1. Montrer qu’il existe h > 0 avec Vh ⊂ I tel que pour tout x0 ∈ Vh ,
nous ayons
x(k) ∈ Vh ∀ k ∈ N
et de plus la suite x(k) converge vers x∗ lorsque k → +∞. Nous disons que x∗ est un point fixe
attractif de g.

b) Supposons que |g 0 (x∗ )| > 1. Montrer qu’il existe h > 0 avec Vh ⊂ I tel que pour tout
x0 ∈ Vh − {x∗ } nous avons
|g(x0 ) − x∗ | > |x0 − x∗ |.
Nous nous éloignons du point fixe x∗ si le point de départ n’est pas x∗ ; dans ce cas nous disons que
le point fixe est répulsif).

Partie 2. Soit f : R → R donnée par f (x) = x3 − 4x + 1. Nous proposons de résoudre

numériquement l’équation
f (x) = 0 (3)

a) Montrer que l’équation (3) admet trois racines réelles notées a1 , a2 , a3 avec
5 1 3
− < a1 < −2 0 < a2 < < a3 < 2
2 2 2

b) Nous ré-écrivons (3) sous la forme x = ϕ(x) avec ϕ(x) = 41 (x3 + 1).
Montrer que seul a2 est un point fixe attractif de ϕ. Que pouvons-nous en conclure?

1
c) Montrer que pour x > 4 l’équation (3) est équivalente à

x = ϕ+ (x),
q
avec ϕ+ (x) = 4 − x1 .
Montrer que a3 est alors un point fixe attractif de ϕ+ .

d) Montrer que pour x < 0 l’équation (3) est équivalente à

x = ϕ− (x)
q
avec ϕ− (x) = − 4 − x1 .
Montrer que a1 est un point fixe attractif de ϕ− .

4
Devoir Maison II. Valeurs propres et méthode de Newton
Soit A ∈ Mn,n (R) une matrice symétrique. Soient λ̃ ∈ R une valeur propre simple de A et x̃ ∈ Rn
un vecteur propre associé tel que kx̃k2 = 1.
Pour calculer (λ̃, x̃) nous appliquons la méthode de Newton au système non linéaire d’inconnues
x ∈ Rn , λ ∈ R suivant: 
Ax − λx = 0
(4)
kxk22 = 1

a) Ecrire l’algorithme de Newton pour approcher numériquement (λ̃, x̃).

b) Montrer que la méthode est localement convergente.

Exercice suplémentaire. Calcul de racine cubique.

On veut calculer le zéro α de la fonction f (x) = x3 − 2 en utilisant la méthode de point fixe
x(k+1) = φ(x(k) ) suivante :
 ω 2ω
x(k+1) = x(k) 1 − + (x(k) )3 (1 − ω) + + 2 (ω − 1), k ≥ 0,
3 3 (x(k) )2

avec ω ∈ R étant un paramètre réel.

a) Pour quelles valeurs du paramètre ω le zéro de la fonction f est un point fixe de la méthode
proposée ?

b) Pour quelles valeurs de ω la méthode proposée est-elle d’ordre 2 ?

c) Existe-t-il une valeur de ω telle que l’ordre de la méthode de point fixe est supérieur à 2 ?

5
Correction des exercices
Exercice 5.
a) On pose  
2 x1 − x2 − λ x1
f (x1 , x2 , λ) =  −x1 + 2 x2 − λ x2 
x21 + x22 − 1
et  
2 − λ −1 −x1
f 0 (x1 , x2 , λ) =  −1 2 − λ −x2 
2x1 2 x2 0
et l’algorithme est donné par
0 = f (x(k) ) − (x(k) − x(k+1) ) f 0 (x(k) )
(k) (k)
avec x(k) = (x1 , (x2 , λ(k) ).

b) Nous calculons det(f 0 )(x1 , x2 , λ) = 2(2−λ), donc l’algorithme est bien défini tant que λ(k) 6= 2.

Devoir Maison II.

Nous écrivons le système sous la forme F (x, λ) = 0 où F est une fonction de Rn+1 dans Rn+1 définie
par  
Ax − λx
F (x, λ) =
xT x − 1
et on a donc  
A − λ In −x
∇F (x, λ) = .
2 xT 0
Pour que la méthode de Newton soit localement convergente, il suffit que la matrice Jacobienne
∇F (x, λ) soit inversible lorsque (x, λ) est un élément propre de la matrice symétrique A. Nous
supposons de plus que λ est une valeur propre simple.
Pour montrer cela, nous allons prouver que l’application linéaire (y, ν) fait correspondre l’élément
∇F (x, λ)(y, ν) est injective. Soit (x, lambda) un élément propre de A. Supposons qu’il existe
(y, ν) ∈ Rn+1 tel que
∇F (x, λ)(y, ν) = 0.
Nous avons alors
Ay − λy − ν x = 0 (5)
et
2 xT y = 0. (6)
En multipliant la première équation par x et en utilisant le fait que A est symétrique, nous
obtenons :
y T A x − λy T x − ν xT x = 0,
et comme A x = λ x et xT x = 1, ceci entraı̂ne que ν = 0. En utilisant (5) avec ν = 0, nous obtenons
que A y − λ y = 0, c’est-à-dire que y ∈ Ker(A − λIn ) = R x car λ est valeur propre simple. Or on
a aussi d’après (6) que xT y = 0, donc y = 0. Nous avons ainsi montré que ∇F (x, λ) est injective,
et comme on est en dimension finie, ∇F (x, λ) est bijective. Donc, d’après le théorème du cours, la
méthode de Newton est localement convergente.