Cours de Mathmatiques

INSA DE LYON
Sport Etudes
Groupe 37
Mohammed Jai

ESPACES VECTORIELS NORMES

TABLE DES MATIRES

TABLE DES MATIRES

Table des matires

1 Introduction

2 Normes et Distances
2.1 Dfinitions . . . . . . . . . . . . . . . . . . . . . . .
2.2 Exemples fondamentaux . . . . . . . . . . . . . . .
2.2.1 E = Kn avec K = R ou C . . . . . . . . . .
2.2.2 Norme dfinie partir dun produit scalaire
2.2.3 Normes dfinies sur les espaces fonctionnels
2.2.4 Normes matricielles induites . . . . . . . . .
2.3 Normes quivalentes . . . . . . . . . . . . . . . . .
2.3.1 Dans un espace de dimension finie . . . . .
2.3.2 Dans un espace de dimension infinie . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

3
3
4
4
6
6
7
9
9
9

3 Continuit
3.1 Dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Limite dune suite de points de E . . . . . . . . . . . . . . .
3.3 Limite dune fonction dans les espaces vectoriels norms . .
3.4 Continuit dune fonction dans les espaces vectoriels norms

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

10
10
12
14
15

4 Espaces vectoriels norms complets

4.1 Suites de Cauchy . . . . . . . . . .
4.2 Espaces vectoriels norms complets
4.2.1 Dfinition . . . . . . . . . .
4.2.2 Exemples fondamentaux . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

16
17
19
19
19

5 Thorme du point fixe

5.1 Le thorme de point fixe global
5.2 Le thorme de point fixe local .
5.3 Exemple en dimension 1 . . . . .
5.3.1 Graphiquement . . . . . .
5.3.2 Calcul . . . . . . . . . . .
5.3.3 Programme Maple . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

19
20
21
21
22
22
22

6 Rsolution des systmes linaires

6.1 Introduction . . . . . . . . . . . .
6.2 Principe des mthodes itratives
6.3 Mthode de Jacobi . . . . . . . .
6.4 Programme Maple . . . . . . . .
6.5 Mthode de Gauss Seidel . . . .
6.6 Programme Maple . . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

23
23
24
24
25
26
26

7 Exercices

Mohammed Jai

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

27

Sport Etudes

NORMES ET DISTANCES

Introduction

Le but de ce chapitre est la gnralistion de la notion de la valeur absolue pour les rels ou le module pour
les complexes au cas dun K espace vectoriel E avec K = R ou C. E peut tre Rn , Cn , lespace des fonctions
continues ou nimporte quel autre espace vectoriel. Nous pourrons ainsi gnraliser la notion de limite de suite
dlments de E ainsi que la continuit dune application dun espace vectoriel E vers un autre espace vectoriel
F.

2
2.1

Normes et Distances
Dfinitions
Dfinition 1 (Norme).
Soit E un espace vectoriel sur le corps K = R ou C. Une norme
N : E R+ qui possde les proprits suivantes :
(N 1)
(N 2)
(N 3)

u E , N (u) = 0 u = 0
K , u E , N ( u) =| | N (u)

u, v E , N (u + v ) N (u) + N (v )

sur E est une application

(Sparation)
( Homognit)

( Ingalit triangulaire)

Notation : La norme N est note k k ou k kE .

Un espace vectoriel E muni dune norme k k est dit un espace vectoriel norm. On le note par (E , k k).
Exemple 1 (Dans R et C ).
Dans R : La valeur absoule est une norme dans le R-espace vectoriel R
puisquelle vrifie les trois proprits dune norme : (i) x R, | x |= 0 x = 0 ;(ii) R, x R, |
x |=| || x | ;(iii) x , y R, | x + y || x | + | y |.

Dans C le module dun complexe (pour z C, | z |= z z) est une norme dans le C-espace vectoriel C.
La preuve est similaire celle de la valeur absolue.
Exemple 2 (Dans R2 ). On montre que la norme euclidienne classique de R2 note par k k2 et dfinie par
p
(x , y) R2 , k(x , y)k2 = x 2 + y 2

vrifie les trois proprits dune norme. En effet

p
(N1) : (x , y) R2 , k(x , y)k2 = x 2 + y 2 = 0 x 2 + y 2 = 0 x 2 = y 2 = 0 x = y = 0.
p
p
(N2) : R, (x , y) R2 , k (x , y)k2 = ( x )2 + ( y)2 =| | x 2 + y 2 =| | k(x , y)k2
(N3) Pour montrer lingalit triangulaire (N3) on utilise lingalit de Cauchy Schwarz dans R2 (voir la
dmonstration plus loin) :
p
p
(x , y), (x , y ) R2 :| xx + yy | x 2 + y 2 (x )2 + (y )2
Nous avons pour tout (x , y), (x , y ) R2

k(x , y) + (x , y )k22 = k(x + x , y + y )k22

= (x + x )2 + (y + y )2
= x 2 + y 2 + 2(xx + yy ) + (x )2 + (y )2
k(x , y)k22 + 2 | xx + yy | +k(x , y )k22

k(x , y)k22 + 2k(x , y)k2 k(x , y )k2 + k(x , y )k22

= (k(x , y)k2 + k(x , y )k2 )2

et en prenant la racine carre on obtient lingalit demande.

Mohammed Jai

Sport Etudes

NORMES ET DISTANCES

2.2

Exemples fondamentaux

Dfinition 2 (Distance).
Soit E un ensemble quelconque. On dit que d est une distance sur E si et seulement si elle possde
les proprits suivantes :
D 1. d est une application de E E dans R+

D 2.
D 3.

D 4.

u, v E , d (u, v ) = 0 u = v
u, v E , d (u, v ) = d (v , u)

u, v , w E , d (u, v ) d (u, w ) + d (w , v )

(Sparation)
( Symtrie)
( Ingalit triangulaire)

Si d est une distance sur E alors (E , d ) est appel espace mtrique.

Remarque 1.
Soit (E , k k) un espace vectoriel norm. Alors lapplication (u, v ) E E d (u, v ) = ku v k R+
est une distance sur E appele distance associe la norme k k.

Proprit 1.
Si (E , k k) est un espace vectoriel norm, alors :
(u, v ) E 2 ,

2.2
2.2.1

| kuk kv k | ku v k

Exemples fondamentaux
E = Kn avec K = R ou C

Pour une matrice A = (aij ) de type (m, n) on appelle matrice adjointe de A et on note A , la matrice de
type (n, m) dfinie par aij = aji , aji tant le nombre complexe cojugu de aji . Dans le cas o la matrice A est
relle, la matrice adjointe A est tout simplement la transpose de la matrice A.
Le produit scalaire dans Kn est dfini par
(x | y) =

n
X

xi yi = y x

i=1

Proposition 1.
Dans Kn on a les normes suivantes :
Pour x = (x1 , x2 , , xn ) Kn
1) kx k1 =

n
X
i=1

| xi |

v
u n
uX

2) kx k2 = t
| x i |2 = x x
i=1

3) kx k = sup | xi |
i[1,n]

Mohammed Jai

Sport Etudes

NORMES ET DISTANCES

2.2

Exemples fondamentaux

Dmonstration. Toutes les conditions de la dfinition dune norme se dmontrent facilement sauf lingalit
triangulaire quon dmontrera pour les trois exemples :
Nous avons pour tout , rels ou complexes : | + || | + | |. Soit x = (x1 , x2 , , xn ) et y =
(y1 , y2 , , yn ) deux vecteurs de Kn .
1. Ingalit triangulaire pour k k1

n
X

kx + yk1 =

i=1

| xi + yi |
=

n
X

i=1
n
X

(| xi | + | yi |)

i=1

| xi | +

n
X
i=1

| yi |

= kx k1 + kyk1
2. Ingalit triangulaire pour k k
Nous avons pour i = 1, 2, . . . n

| xi + yi || xi | + | yi | kx k + kyk
do kx + yk kx k + kyk .

3. Ingalit triangulaire pour k k2

Montrons tout dabord lingalit de Cauchy-Schwarz suivante
v

 v
u n
n
n
X
 u
X
uX

 u
2
t
xi yi 
| xi | t
| yi |2



i=1

On a pour tout R,kx + yk22 =

n
X
i=1

i=1

n
X
i=1

| xi + yi |2 =
=
=

i=1

| xi + yi |2 0. Or

n
X

i=1
n
X

i=1
n
X
i=1

(xi + yi )(xi + yi )
(xi + yi )(xi + yi )
| x i |2 +

n
X

(xi yi + yi xi ) +

i=1

i=1

= kx k22 + 2 Re() + kyk22

On a alors

n
X

kyk22 +2 Re() +kx k22 0

| yi |2

(avec =

n
X

xi yi )

i=1

Lingalit prcdente nest vraie que si = 4(Re()2 kx k22 kyk22 ) 0, ce qui donne | Re() | kx k2 kyk2 .
En utilisant la relation kx + i yk22 0 pour tout R et en faisant la mme dmonstration on trouve
| Im() | kx k2kyk2 . Ce qui donne | k kx k2 kyk2 qui est justement lingalit de Cauchy-Schwarz
demande.
Montrons maintenant lingalit triangulaire.
!
n
X
2
2
xi yi + kyk22
kx + yk2 = kx k2 + 2 Re
i=1

et en utilisant lingalit de Cauchy-Schwarz on obtient lingalit triangulaire.

Mohammed Jai

Sport Etudes

NORMES ET DISTANCES

2.2

Exemples fondamentaux

Remarque 2.

Si E = R , kx k2 =

n
X
i=1

!1
2
2

xi

produit scalaire usuel de Rn .

2.2.2

1
2
est une norme euclidienne. Cest la norme associe au
xx

Norme dfinie partir dun produit scalaire

Proposition 2.
Soient E un espace vectoriel et f une forme bilinaire symtrique et dfinie positive (d.p) sur E . Soit
q la forme quadratique associe. Lapplication N dfinie par :
N : E
x
est une norme sur E .

R+p
7 N (x ) = q(x )

Dmonstration. Vrifions les trois proprits dune norme :

(N1) : Si x = 0, alors N (x ) = 0. Vrifions la rciproque : Soit x E tel que N (x ) = 0, alors, daprs la
dfinition de N , q(x ) = 0 et puisque q est dfinie positive x est forcment gal 0.
q
p
p
2
(N2) : K , x E , N ( x ) = q( x ) = q(x ) =| | q(x ). =| | N (x ).

(N3) : x , y E , N (x + y)2 = q(x + y) = f (x + y, x + y) = f (x , x ) + 2f (x , y) + f (y, y) car f est

bilinaire etpsymtrique.
De plus f est un produit scalaire donc, daprs lingalit de Cauchy Schwarz,
p
| f (x , y) | q(x ) q(y) = N (x )N (y). Donc N (x + y)2 N (x )2 + 2N (x )N (y) + N (y)2 = (N (x ) + N (y))2
2.2.3

Normes dfinies sur les espaces fonctionnels

Dans cette partie nous considrons lespace C ([a, b], R), ensemble des fonctions continues sur [a, b] valeurs
dans R.
Proposition 3.
Dans C ([a, b], R) nous avons les normes suivantes :
Pour tout f C ([a, b], R)
1) kf k1 =
2) kf k2 =

| f (x ) | dx

s
Z

f (x )2 dx

3) kf k = sup | f (x ) |
x [a,b]

Dmonstration. Montrons que lapplication k k1 est une norme.

Rb
(N1) :Si f 0 = kf k1 = 0. Rciproquement, si kf k1 = a | f (x ) | dx = 0, comme | f | est positive est
continue, on doit avoir f (x ) = 0, pour tout x [a, b].
Mohammed Jai

Sport Etudes

NORMES ET DISTANCES

2.2

(N2) : R, f E , k f k1 =

Rb

Rb

| f (x ) | dx =| | kf k1 .
Rb
Rb
(N3) : f , g E , [a, b], | f (x ) + g(x ) || f (x ) | + | g(x ) |. Donc a | f (x ) + g(x ) | dx a | f (x ) |
Rb
dx + a | g(x ) | dx = kf k1 + kgk1 .

2.2.4

| f (x ) | dx =| |

Exemples fondamentaux

Normes matricielles induites

Soit E = Mn (K), ensemble des matrices carres dordre n.

Pour une matrice A E , on note A = (aij )i,j [1,n] .
Thorme 1 (Thorme et dfinition :).
Si k k est une norme de Kn alors
kAx k
dfinit une norme de Mn (K).
A Mn (K),||| A |||= sup
n
kx k
x K
x 6=0

Cest la norme matricielle induite par la norme k k de Kn .

Dfinition 3 (et exemple).

Le rayon spectral dune matrice B , not (B ) est le plus grand des modules des valeurs propres de
B.


1 5
Exemple 3. Soit B =
. Pour calculer les valeurs propres de A on considre le polynme
2 1


1
5
2
caractristique correspondant qui est P() = det(B I2 ) = det
= +9. Les
2
1
racines sont complexes : = 3i. Par suite (B ) = 3.

Proprit 2.
La norme ||| ||| vrifie les proprits suivantes :
1. A Mn (K ),||| A |||= sup kAx k
kx k=1

2. x K n , kAx k ||| A ||| kx k

3. A, B Mn (K ), ||| AB |||||| A ||| . ||| B |||

4. A Mn (C ), (A) ||| A |||.

Mohammed Jai

Sport Etudes

NORMES ET DISTANCES

2.2

Exemples fondamentaux

Proposition 4.
Nous avons que pour les normes usuelles de Rn ou Cn :
Norme de Rn ou Cn

Norme matricielle induite

n
X

||| A |||1 = max

k k1

j [1,n]

i=1

k k

||| A ||| = max

k k2

||| A |||2 =

i[1,n]

| aij |

n
X
j =1

| aij |

p
(A A)



1 2
Exemple 4. Soit A =
. ||| A |||1 = max(| 1 | + | 3 |, | 2 | + | 0 |) = 4 et ||| A ||| = max(| 1 |
3 0
+ | 2|, | 3 | +| 0|) = 3. Pourcalculer 
||| A |||2 on a besoin des 
valeurs propres 
de la matrice B =t AA. On a
1 3
1 2
10 2
10
2
2
B =

=
et det(B I2 ) = det
= 14 +36. Les racines
2 0
3 0
2 4
2
4
p

sont = 7 13. Donc ||| A |||2 = 7 + 13.

Dmonstration. Nous montrons uniquement la norme ||| A |||1 . La preuve de la norme ||| A ||| est similaire et
celle de la norme ||| A |||2 est faire dans lexercice 7.
Soit x Rn , x 6= 0



 X
n
n
n X
X
X

 n


| aij | | xj |
aij xj 
kAx k1 =



i=1
j =1
i=1 j =1
!
!
n
n
n
X
X
X
| aij |
| aij | kx k1 max
| xj |
=
j =1

i=1

Donc

sup
x Rn
x 6=0

i=1

n
X
kAx k
| aij |
max
j
kx k
i=1

Il reste montrer lautre ingalit. Soit k tel que

max
j

n
X
i=1

| aij |=

n
X
i=1

| aik |

Considrons le vecteur v de composantes vi :

vj =
Alors

Mohammed Jai

si j 6= k
si j = k

0
1



 X
n
n
n X
X
X
 n


=
| aij |
|
a
|=
max
a
v
kAv k1 =
ik
ij
j


j
 i=1
i=1
i=1  j =1
8

Sport Etudes

NORMES ET DISTANCES

2.3

2.3

Normes quivalentes

Normes quivalentes
Dfinition 4.
Dans un espace vectoriel E , deux normes k k1 et k k2 sont dites quivalentes si et seulement si il
existe deux constantes positives K1 , K2 telles que :
u E : K1 kuk1 kuk2 K2 kuk1

2.3.1

Dans un espace de dimension finie

Dans E = Rn , les trois normes usuelles sont quivalentes. Plus prcisment on a :

x Kn : kx k kx k2 kx k1 nkx k
Plus gnralement nous avons le thorme suivant :
Thorme 2.
Dans un espace vectoriel norm de dimension finie, toute les normes sont quivalentes.

2.3.2

Dans un espace de dimension infinie

Remarque 3.
Le thorme prcdent nest plus valable dans un espace vectoriel norm de dimension infinie. En
effet, considrons lespace E des fonctions continues, et les normes usuelles sur E , dfinies dans la
section 2.2.3. Nous avons les ingalites suivantes :

f E , kf k1 b akf k2 (b a)kf k

Mais les normes kf k1 , kf k2 , kf k ne sont pas quivalentes deux deux. Montrons par labsurde, par exemple,
que les normes kf k1 et kf k2 ne sont pas quivalentes. Pour simplifier nous considrons le cas a = 0 et b = 1.
Supposons que les deux normes sont quivalentes, cest dire il existe une constante positive K telle que
f E , kf k1 kf k2 K kf k1

(1)

et prenons la suite de fonctions fn dfinie par

fn : [0, 1]

2nx
si 0 x

2n

1
1
x
7 fn (x ) = 2nx + 2 si
x

2n
n

1
0

si x
n
r
r
1
3
3
et kfn k2 =
. Par suite
Daprs la relation (1), nous avons kfn k2 K kfn k1 . Or kfn k1 =
n K.
2n
2n
2
Or K est une constante donne, donc pour n suffisamment grand lingalit est impossible.

Mohammed Jai

Sport Etudes

CONTINUIT
Remarque 4.
A laide de ce rsultat on montre que lespace E est de dimension infinie. Car sil tait de dimension
finie on aurait quivalence entre les normes.

Continuit

3.1

Dfinitions

Soit (E , k k) un espace vectoriel norm. Soit a E et r R+ . On a les dfinitions suivantes :

Boule ouverte :
On appelle boule ouverte de centre a et de rayon r lensemble B (a, r ) dfinit par
B (a, r ) = {u E , ku ak < r }
Boule ferme :
(a, r ) dfinit par
On appelle boule ferme de centre a et de rayon r lensemble B
(a, r ) = {u E , ku ak r }
B
Sphre :
On appelle sphre de centre a et de rayon r lensemble S (a, r ) dfinit par
S (a, r ) = {u E , ku ak = r }
Exemple 5. Soit E = R2 . Dans ce cas les boules ouvertes B1 (0, 1), B2 (0, 1) et B (0, 1) correspondant successivement aux normes k k1 ,k k2 et k k sont comme suit :
1

1
1
2
B1 (0, 1)

1
2
B2 (0, 1)

1
1
2
B (0, 1)

Dfinition 5 (Ensemble born et exemple).

Une partie A dun espace vectoriel norm (E , k k) est dite borne si et seulement si il
existe un rel positif K tel que kuk K pour tout u A.
Exemple 6. Soit E = R2 et A le sous ensemble de E dfinit par
A = {(3 sin n, 2 cos n), n N }
Dans R2 toutes les normes sont quivalentes. Si un sous ensemble est born pour une norme de R2
alors il est born pour toutes les autres normes de R2 . Prenons par exemple
A,
pla norme kk2 . Soit x
alors il existe un entier non nul n tel que x = (3 sin n, 2 cos n). Or kx k2 = 9 sin2 n + 4 cos2 n 13.
Par suite A est une partie borne de R2 .

Mohammed Jai

10

Sport Etudes

CONTINUIT

3.1 Dfinitions

Dfinition 6 (Application borne et exemple).

On dit quune application f dun espace vectoriel norm (E , k kE ) vers un espace vectoriel
norm (F , k kF ) est borne si et seulement si la partie f (E ) de F est borne. Autrement
dit, si et seulement si il existe un rel positif K tel que kf (u)kF K pour tout u E .
Exemple 7. Soit E = R2 , F = R. On munit R2 , par exemple, de la norme k k2 . Soit la fonction f
dfinie par

xy
si (x , y) 6= (0, 0)
2
f : R R, f (x , y) = x 2 + y 2
0
si (x , y) = (0, 0)




f R2 = f (x , y), (x , y) R2

2
2
2
2
Nous avons, pour

tout (a, b) R lingalit 2ab a 2+ b (il suffit de remarquer que (a b) 0).
2
Soit z f R . Il existe donc un couple (x , y) de R tel que z = f (x , y). Si (x , y) = (0, 0) alors
f (x , y) = 0 et si non, en utilisant lingalit prcdente, on obtient | f (x , y) | 12 . Donc f est borne
par 12 .

Dfinition 7 (Ensemble ouvert et exemple).

Un ensemble U de E est dit ouvert si, pour tout lment a de U , on peut trouver une
boule ouverte centre en a et incluse dans lensemble U . Autrement dit
a U , r > 0 tel que B (a, r ) U
Exemple 8.
Soit E = R et U =]1, 3[. Montrons que U est un ouvert. Soit a ]1, 3[ et posons
1
r = min(3 a, a 1) par exemple. Pour montrer que U est un ouvert il faut montrer que la
4
boule B de centre a et de rayon r est incluse dans U . Autrement dit
B (a, r ) = {x ]1, 3[:| x a |< r } ]1, 3[
1
1
1
On a | x a |< r a min(3a, a1) < x < a+ min(3a, a1). Or a min(3a, a1).
4
4
4
Or

5a 3 si a > 2
1
a min(3 a, a 1) = 3a 4+ 1

si a 2
4
Nous avons donc
3a + 1
si a 2,
> 1, donc x > 1
4
5a 3
> 1, donc x > 1
si a > 2,
4
1
Nous montrons de la mme faon que a + min(3 a, a 1) < 3. Donc ]1, 3[ est un ensemle
4
ouvert.
Soit E = R et U =]0, +[. U est un ensemble ouvert car pour tout a > 0 la boule B (a, a2 ) =
] a2 , 3a
2 [ est incluse dans ]0, +[

Proposition 5.
Une boule ouverte est un ensemble ouvert.

Mohammed Jai

11

Sport Etudes

CONTINUIT

3.2 Limite dune suite de points de E

Dfinition 8 (Ferm).
Un ensemble U de E est dit ferm si son complmentaire dans E est un ouvert.
Exemple 9. Soit E = R et U =] , 0]. Le complmentaire de U dans R est lintervalle ]0, +[
qui est un ensemble ouvert de R. Donc U est un ensemble ferm de R.

Proprit 3.
Soit (E , k k) un espace vectoriel norm.

et E sont la fois des ouverts et des ferms de E .

Si U et V sont des ouverts de E alors U V et U V sont des ouverts de E .

Si U et V sont des fermets de E alors U V et U V sont des fermets de E .

Exemples : Dans E = R
Les ensembles du type ]a, b[ sont des ouverts.
Lensemble [0, 1[ nest pas un ouvert. En effet il nexiste pas de rel r > 0 tel que ] r , r [ [0, 1[.

3.2

Limite dune suite de points de E

Les dfinitions de suites de vecteurs dun espace vectoriel norms, de suites extraites, sont similaires celles
de nombres rels (ou complexes).
Dfinition 9.
On appelle suite borne de lespace vectoriel norm E toute suite (un )nN dlments de E telle
quil existe K R+ vrifiant
n N, kun k K

Dfinition 10.
Soit (un )nN une suite dlments de lespace vectoriel norm (E , k k), cest dire une application
n N 7 un E
On dit que (un ) est une suite convergente vers la limite E , on note lim un = , si la suite des
n

nombres kun k tend vers zro lorsque n tend vers linfini, autrement dit
lim un = lim kun k = 0

Autrement dit
> 0, N N : n > N kun k
Une suite qui ne converge pas est dite divergente.

Mohammed Jai

12

Sport Etudes

CONTINUIT

3.2 Limite dune suite de points de E

Dfinition 11 (Suite extraite).

Soit
(E , k k) un espace vectoriel norm

: N N une application strictement croissante

(un )nN une suite dlments de (E , k k)

Alors la suite (u(n) )nN est appele suite extraite ou sous-suite de (un )nN
Exemple 10. Si (n) = 2n, on obtient la suite exraite paire et si (n) = 2n + 1, on obtient la suite
exraite impaire de (un )nN .

Proprit 4.
Si une suite (un ) de (E , k k) est convergente alors sa limite est unique.
Toute suite convergente est borne.

Si (n )nN est une suite de scalaires de K convergente vers et si (un )nN est une suite
dlments dun espace vectoriel norm (E , k k) convergente vers u alors la suite (n un )nN
converge vers u.
Si k k1 et k k2 sont deux normes quivalentes dun espace vectoriel E alors on a
lim un = dans (E , k k1 ) lim un = dans (E , k k2 )

Ainsi, dans un sepace de dimension finie (toutes les normes sont quivalentes), pour prouver
quune suite est convergente on choisit la norme la mieux adapte.
Si (un ) converge vers a alors (kun k) converge vers kak.

Toute suite extraite dune suite convergente, est convergente et converge vers la mme limite.

Caractrisation 1 (des suites convergentes).

Une suite (un )nN est dite convergente vers un lment dun espace espace vectoriel norm (E , k k)
si et seulement si toutes les suites extraites de (un )nN convergent vers .
Exemple 11. On applique cette caractrisation essentiellement pour montrer quune suite nest pas
convergente. Par exemple si on prend E = R et un = (1)n , on voit que la suite extraite paire vaut
u2n = 1 (donc elle est convergente et converge vers 1) et la suite extraite impaire vaut u2n+1 = 1
(donc elle est convergente et converge vers -1). On obtient ainsi deux suites extraites qui convergent
vers deux limites distinctes. La caractrisation entrane donc que la suite (1)n nest pas convergente
dans R.

Mohammed Jai

13

Sport Etudes

CONTINUIT

3.3 Limite dune fonction dans les espaces vectoriels norms

Caractrisation 2 (des ferms).

Soient (E , kk) un espace vectoriel norm et U un sous-ensemble de E . Alors les propositions suivantes
sont quivalente :
(i) U est ferm dans (E , k k)

(ii) Toute suite (un )nN dlments de U qui converge vers un lment u de E entrane que u est
un lment de U .
Exemple 12. Soit E = R et U = [0, +[. Montrons, en utilisant cette caractrisation, que U est
un ferm de R. Soit (xn )nN une suite relle dlments de U qui converge vers un lment x de R.
Nous avons xn 0 pour tout n N et en passant la limite on obtient x 0. Donc x U et par
suite U est un ferm.

3.3

Limite dune fonction dans les espaces vectoriels norms

Dfinition 12.
Soient (E , k kE ) et (F , k kF ) deux espaces vectoriels norms sur K et f une application de E dans
F . Soit u0 un point de E .
On dit que f admet une limite F au point u0 si et seulement si
> 0, > 0, u E , (ku u0 kE < = kf (u) kF < )
Notation :

lim

uu0
uE ,u6=u0

f (u) = ou f (u)
uu0

Proprit 5.
Une fonction f admet pour limite en un point a E si, et seulement si pour toute suite
(an )nN de points de E tendant vers a, la suite (f (an ))n tend vers .
Pour montrer que f ne tend pas vers il suffit donc de trouver une suite (an )nN de points de
E tendant vers a, et pour laquelle la suite (f (an ))nN ne tend pas vers .

y
y = x
2
Exemple 13.
Nous avons

Soit f : (x , y) R2 f (x , y) =
lim

(x ,y)(0,0)
x =y,(x ,y)6=(0,0)

distinctes et par suite

f (x , y) =

lim

(x ,y)(0,0)
(x ,y)6=(0,0)

lim

(x ,y)(0,0)
y=x ,(x ,y)6=(0,0)

y=x

1
2

1
f (x , y) = . On obtient donc deux limites
2

f (x , y) nexiste pas.

Soit f : (x , y) R2 f (x , y) =

Mohammed Jai

1
et
2

xy
x 2 + y2

x 2y
1
. Nous avons, pour tout (x , y) R2 , | xy | (x 2 + y 2 ). Par
2
+y
2

x2

14

Sport Etudes

CONTINUIT

3.4 Continuit dune fonction dans les espaces vectoriels norms

|x |
.
2
| f (x , y) |= 0. Ce qui entrane
lim

suite, on a pour tout (x , y) 6= (0, 0), | f (x , y) |

Do

3.4

lim

(x ,y)(0,0)
(x ,y)6=(0,0)

(x ,y)(0,0)
(x ,y)6=(0,0)

f (x , y) = 0.

Continuit dune fonction dans les espaces vectoriels norms

Dfinition 13 (Continuit et exemple).
Soient (E , k kE ) et (F , k kF ) deux espaces vectoriels norms sur K et f une application de
E dans F . Soit u0 un point de E .
On dit que f est continue au point u0 si et seulement si
lim f (u) = f (u0 )

uu0
uE

Autrement dit
> 0, > 0, u E , (ku u0 kE < = kf (u) f (u0 )kF < )
On dira que f est continue sur une partie U de E si elle est continue en tout point u de
U.

2
x y
si (x , y) 6= (0, 0)
.
Exemple 14. Dans R2 : Soit f : (x , y) R2 f (x , y) = x 2 + y 2

0
si (x , y) = (0, 0)

Nous avons montr dans lexemple 13 que

lim

(x ,y)(0,0)
(x ,y)6=(0,0)

f (x , y) = 0 = f (0, 0). Donc f est continue en

(0, 0) et donc sur R2 .

Exemple 15. Donons ici un exemple de continuit dans les espaces fonctionnels. On pose E = C 1 ([0, 1])
lespace vectoriel des fonctions u : [0, 1] R possdant une drive continue. Pour u E , on pose :
kuk = sup | u(x ) | + sup | u (x ) |
x [0,1]

x [0,1]

Soit F lespace vectoriel des fonctions v : [0, 1] R qui sont continues.

Pour v F , on pose kv k = sup | v (x ) |.
x [0,1]

Soit : E F , qui tout u E on associe (u) = u dfinie par u (t ) = u (t ) + tu 2 (t ), t [0, 1].

Montrons que k k est une norme sur E et que est continue en tout point u E
Pour la norme, il suffit de remarquer que kuk = kuk + ku k .
Soit u0 E . Montrons uu
lim (u) = (u0 ). Autrement dit
0

uE

> 0, > 0, u E , (ku u0 k < = k(u) (u0 )k < )

(2)

Nous avons, pour tout t [0, 1],

((u))(t ) ((u0 ))(t ) = u (t ) u0 (t )

= u (t ) u0 (t ) + t (u 2 (t ) u02 (t ))

Mohammed Jai

15

Sport Etudes

ESPACES VECTORIELS NORMS COMPLETS

Donc,pour tout t [0, 1],
| ((u))(t ) ((u0 ))(t ) | | u (t ) u0 (t ) | +t | u 2 (t ) u02 (t ) |

| u (t ) u0 (t ) | + | u(t ) u0 (t ) | (| u(t ) | + | u0 (t ) |)
| u (t ) u0 (t ) | + | u(t ) u0 (t ) | (| u(t ) u0 (t ) | +2 | u0 (t ) |)

ku u0 k (1 + ku u0 k + 2 | u0 (t ) |)
ku u0 k (1 + ku u0 k + 2ku0 k )

Do k(u) (u0 )k ku u0 k (1 + ku u0 k + 2ku0k ).

Si, pour tout > 0, on trouve > 0 vrifiant ( + a) , avec a = 1 + 2ku0 k , alors la relation (2) est
montre et est continue en u0 . Or ( + a) 2 + a .En tudiant le polynme de degr 2
a 2 + 4 a
.
en , cette dernire relation est vraie pour tout vrifiant 0 < <
2
Caractrisation 3 (de la continuit en terme de suite).
Soient (E , k kE ) et (F , k kF ) deux espaces vectoriels norms sur K, U une partie de U
et f une application de U dans F . f est continue en un point u de U si et seulement
si, pour toute suite (un )nN dlments de U convergeant vers u dans (E , k kE ), la suite
(f (un ))nN converge vers f (a) dans (F , k kF ).

xy
si (x , y) 6= (0, 0)
2
. Munissons R2 de la
Exemple 16. Soit f : (x , y) R f (x , y) = x 2 + y 2
0
si (x , y) = (0, 0)

2
1 1
2
norme k k2 . Soit la suite de R dfinie par un = ( n , n ). Nous avons kun k2 =
, donc lim un =
n
n
1
(0, 0) dans (R2 , k k2 ). Or f (un ) = pour tout n N et f (0, 0) = 0. Par suite la suite f (un ) ne tend
2
pas vers 0 quand n . La fonction f nest donc pas continue en (0, 0) daprs la caractrisation.

En pratique : pour tudier une notion de limite, de continuit, de diffrentibilit dans (E , k k1 ), on peut remplacer
la norme k k1 par une norme quivalente k k2 , cest dire :
un l dans (E , k k1 ) un l dans (E , k k2 )
lorsque k k1 et k k2 sont quivalentes

Espaces vectoriels norms complets

Soit (E , k k) espace vectoriel norm.

Mohammed Jai

16

Sport Etudes

ESPACES VECTORIELS NORMS COMPLETS

4.1

4.1 Suites de Cauchy

Suites de Cauchy
Dfinition 14.
Soit (E , k k) un espace vectoriel norm. Une suite (un )nN dlments de E est dite une suite de
Cauchy de (E , k k) si et seulement si
> 0, n0 N, p N, n N, (n n0 = kun+p un k < )

(3)

1
est de Cauchy dans R. En effet, nous avons
n
 
p
1
1
pour tout entiers n et p, | xn+p xn |=
+ 1,
. Par suite en prenant n0 = E
n(n + p)
n

 
1
1
la partie entire de ), on obtient la relation (3) pour la suite
pour tout > 0 (avec E

xn .


1 1
2
2
Dans R : On munit R , par exemple de la norme k k1 . La suite un =
est une suite de
,
n n
2
2p
. On obtient donc la relation
Cauchy dans (R2 , k k1 ). En effet kun+p un k1 =
n(n
+
p)
n
 
2
(3) pour la suite un en prenant n0 = E
+ 1.

Exemple 17.

Dans R : La suite relle xn =

Remarque 5.
De mme que la notion de convergence ne dpendait pas de la norme quivalente choisie sur E , de
mme la notion de suite de Cauchy nen dpend pas. Plus prcisment :
(un )nN est une suite de Cauchy de (E , k k1 ) (un )nN est une
suite de Cauchy de (E , k k2 )
lorsque k k1 et k k2 sont quivalentes

Mohammed Jai

17

Sport Etudes

ESPACES VECTORIELS NORMS COMPLETS

4.1 Suites de Cauchy

Proposition 6.
Toute suite convergente de (E , k k) est une suite de Cauchy de (E , k k) mais la rciproque est fausse
en gnral.
Exemple 18. On considre lespace des fonctions continues sur lintervalle [0, 2] valeurs dans R
R2
not par E = C ([0, 2], R) muni de la norme kf k1 = 0 | f (x ) | dx . Montrons, en utilisant un contre
exemple, que (E , k k1 ) nest pas complet. Pour cela prenons la suite de fonctions dfinie sur [0, 2]
par

si 0 x 6 1 1/n
1
fn (x ) = n(1 x ) si 1 1/n x 1

0
si 1 x 2
Nous avons, pour tout entiers n et p

1 n(1 x )
fn+p (x ) fn (x ) =

p(1 x )

si
si
si
si

0 x 6 1 1/n
1 1/n x 1 1/(n + p)
1 1/(n + p) x 1
1x 2

Do

kfn+p fn k1 =

11/(n+p)

(1 n(1 x ))dx +

11/n
11/(n+p)

11/(n+p)

p(1 x )dx

1
p
(1 x )2 x =11/(n+p)
2
11/n
1
p
p
+
=
n(n + p)
2 (n + p)2
1
1
3
+
=
n
2n
2n

dx

Soit > 0. Il existe alors un entier n0 tel que n n0 ,

3
< . Par suite, nous avons
2n

> 0, n n0 , p N, kfn+p fn k1
Donc la suite de fonctions (fn ) est une suite de Cauchy dans (E , k k1 ).
Pour finir, montrons, par labsurde, que la suite (fn ) ne converge pas dans (E , k k1 ). Supposons donc
que la suite (fn ) converge vers une fonction f dans (E , k k1 ). La fonction f est donc continue et on
a kfn f k1 qui tend vers 0 quand n tend vers linfini. Or
Z

2
1

| fn (x ) f (x ) | dx

2
0

| fn (x ) f (x ) | dx 0

R2
Donc 1 | f (x ) | dx = 0 et puisque la fonction x | f (x ) | est continue et positive, on a f (x ) =
0 pour tout x [1, 2]. Soit maintenant a ]0, 1[ fix. Il existe n0 N tel que pour tout n n0 ,
a 1 1/n. Par suite, pour tout n n0 ,
Z

| fn (x ) f (x ) | dx =

| 1 f (x ) | dx

| fn (x ) f (x ) | dx 0

R2
Donc 1 | 1 f (x ) | dx = 0 et puisque la fonction x | 1 f (x ) | est continue et positive, on a
f (x ) = 1 pour tout x [0, a]. En rsum, nous obtenons, puisque a est arbitraire dans ]0, 1[
(
1 si 0 x < 1
f (x ) =
0 si 1 < x 2
ce qui contredit lhypothse de continuit de f .
Mohammed Jai

18

Sport Etudes

THORME DU POINT FIXE

4.2
4.2.1

4.2 Espaces vectoriels norms complets

Espaces vectoriels norms complets

Dfinition
Dfinition 15.
1. Lespace vectoriel norm (E , k k) est dit complet si toute suite de Cauchy de (E , k k) est
convergente.
2. Plus gnralement, une partie U dun espace vectoriel norm (E , k k) est complte si toute
suite de Cauchy dlments de U converge vers un lment de U .

Exemple 19. (R, | k) et (C, | k) sont des espaces vectoriels norms complets.
Ainsi dans un espace complet il ya identit entre suite de Cauchy et suite convergente. Puisque les notions
de suite de Cauchy et suite convergente ne dpendent pas des normes quivalentes choisies, on a :
Proposition 7.
Si k k1 et k k2 sont deux normes quivalentes de E et si U est une partie de E alors :
U est complte pour la norme k k1 U est complte pour la norme k k2 .

Exemple : Dans E = R, les intervalles de la forme [a, b], [a, +[, ] , a] sont des parties compltes de (R, | k).
4.2.2

Exemples fondamentaux

Dans un espace de dimension finie

Proposition 8.
Tout espace vectoriel norm sur K = R ou C de dimension finie est complet.

Dans un espace de dimension infinie

Proposition 9.
Lespace vectoriel des fonctions continues sur lintervalle [a, b] et valeurs dans R, not C ([a, b], R),
muni de la norme k k est complet.

Thorme du point fixe

But : Soit (E , k kE ) un espace vectoriel norm et f une fonction de E dans E . On sintresse la recherche
des solutions dquations de la forme
f (x ) = x

Dfinition 16.
Une solution de lquation x = f (x ) sappelle point fixe de f .

Mohammed Jai

19

Sport Etudes

THORME DU POINT FIXE

5.1 Le thorme de point fixe global

Sous certaines conditions, on peut affirmer lexistence et lunicit de ce point fixe et galement lui trouver
une approximation.
Soient (E , k kE ) et (F , k kF ) deux espaces vectoriels norms sur K et f une application de E dans F .
Dfinition 17.
Une fonction f : U E F est dite lipschitzienne sur U si :
k > 0 telle que u, v U , kf (u) f (v )kF k ku v kE
On dit que f est lipschitzienne sur U de rapport k .

Dfinition 18.
Si la constante k est strictement plut petite que k la fonction f est dite contractante sur U de rapport
k.

Proposition 10.
Une fonction lipschitzienne sur U est continue sur U .

5.1

Le thorme de point fixe global

Thorme 3 (Point fixe global).
Soit (E , k k) un espace vectoriel norm et f : E E une application .
Si
1. E est complet,
2. f est contractante sur E de rapport k ,
alors
(i) f admet un unique point fixe dans E ,
(ii) la suite itre :
(

u0 E
un+1 = f (un )

est convergente vers

(iii) nous avons lestimation derreur
n N, kun k

kn
1k

ku1 u0 k

Dmonstration.
Unicit Supposons que f admet deux points fixes x et y distincts (f (x ) = x , f (y) = y et
x 6= y). Comme f est contractante on a
kx yk = kf (x ) f (y)k k kx yk
or kx yk 6= 0, donc k 1, ce qui est absurde.

Mohammed Jai

20

Sport Etudes

THORME DU POINT FIXE

5.2 Le thorme de point fixe local

Convergence et existence Comme E est complet il suffit de montrer que (un )nN est une suite de
Cauchy de (E , k k). Pour tout entier m on a
kum+1 um k = kf (um ) f (um1 )k k kum um1 k k m ku1 u0 k

(4)

Grce lingalit triangulaire, et en utilisant lingalit (4), on a pour tout entiers p et n :

kun+p un k = k(un+p un+p1 ) + (un+p1 un+p2 ) + + (un+1 un )k
(k n+p1 + k n+p2 + . . . k n+1 + k n )ku1 u0 k
kn
=
ku1 u0 k
1k

kn
ku1 u0 k.
1k
n
Comme f est contractante, k < 1 et donc k 0 quand n +. Pour > 0 donn, on peut alors
kn
ku1 u0 k < . Ceci prouve que la suite (un )nN
trouver n0 assez grand tel que si n > n0 et p > 0
1k
est de Cauchy de (E , k k). Comme (E , k k) est complet, la suite (un )nN est convergente vers un lment
de E . Il suffit de montrer que est un point fixe de f .
On a alors montr que : kun+p un k

5.2

Le thorme de point fixe local

Thorme 4.
Soient (E , k k) un espace vectoriel norm complet, U une partie de E et f : U E une application
.
Si
1. U est une partie ferme de E ,
2. f est contractante sur U de rapport k ,
3. U est stable par f (c..d. f (U ) U )

alors f admet un unique point fixe dans U , et de plus la suite itre :

(
u0 U
un+1 = f (un )
est convergente vers et nous avons lestimation derreur
 n 
k
ku1 u0 k
n N, kun k
1k

5.3

Exemple en dimension 1

Dans cette partie nous considrons E = R. Nous allons appliquer le thorme du point fixe pour la rsolution
de lquation
x = 3ln(x )
(5)

Mohammed Jai

21

Sport Etudes

y=x

5
4

y = ln x

y = exp(x /3)
3

1
0
1

1
5.3.1

Graphiquement

On voit graphiquement que lquation (5) admet deux solutions notes a (la solution de droite) et b (la
solution de gauche). En utilisant les itrations de point fixe et en prenant x0 = 3 on converge vers la solution
de droite. On peut vrifier que quelque soit le point initial x0 on atteindra jamais la solution de gauche. Pour
x
lobtenir on prend lquation inverse de (5), cest dire x = e 3 .
5.3.2

Calcul

On applique le thorme du point fixe local. Il faut trouver un intervalle ferm I stable par f et sur lequel
f est contractante. Pour cela on utilise le rsultat suivant :
Proposition 11.
Si f est de classe C 1 sur un intervalle I , alors on a



x , y I , | f (y) f (x ) | sup | f (s) | . | y x |

sI

En appliquant cette proposition on montre quon peut appliquer le thorme du point fixe local la fonction
f (x ) = 3ln(x ) sur I = [3.1, +[. On obtient ainsi la solution de droite b.
5.3.3

Programme Maple

local x,xanc,n;
x:=x0;n:=0;
label_1:
xanc:=x;
x:=evalf(f(x));
if ((evalf(abs(x-xanc)) < tol) or (n > nmax)) then
print("La m\ethode a converg\ee");
else
n:=n+1;
goto(label_1);
fi;
printf("Nombre dit\erations: \%d\\nLapproximation de a \\ \a \%f
est: \%f",n,tol,x);
end proc;

Approximation de b
f:=x->3*log(x);
ptfixe(f,10,0.0001,3);
f := x 3 log(x )
La mthode a converge
Nombre ditrations : 11
Lapproximation de b .000100 est : 4.514026
Approximation de a
f :=x->exp(x/3) ; ptfixe(f,10,0.0001,1) ;
f := x e (1/3 x )
"La mthode a converg" ;
La mthode a converge
Nombre ditrations : 11
Lapproximation de a .000100 est : 1.855222

Rsolution des systmes linaires

6.1

Introduction

La rsolution de grands systmes (linaires et non linaires) est pratique courante de nos jours, spcialement
en Gnie civil, Gnie Mcanique et Construction, Gnie Mcanique et Dveloppement, Gnie Electrique, et de
faon gnrale, dans tous les domaines o lon sintresse la rsolution numrique dquations aux drives
partielles.
Dans ce chapitre on sintresse la rsolution des systmes linaires de n quations n inconnues :
Ax = b
qui est quivalent

(6)

a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn = b2

...
...
...
... ...

...
...
...
... ...

a x + a x + + a x = b
n1 1
n2 2
nn n
n

o A est une matrice carre dordre n (A Mn (K), K = R ou C), x et b sont des vecteurs de Kn .
On rappelle que si le dterminant de A est non nul, le systme est dit de Cramer et la solution existe et
det (Bi )
est unique. Dans ce cas, la solution x peut tre dtermine par la mthode des dterminants : xi =
det (A)
o Bi est la matrice obtenue en remplaant la ime colonne de A par le vecteur colonne b du second membre
du systme. Cette mthode nest pas satisfaisante car elle suppose le calcul de n + 1 dterminants, et le calcul
dun dterminant est trs coteux. Si Dn est le nombre doprations effectuer pour le calcul dun dterminant
dordre n, alors Dn = nDn1 + n > n!.
Un cas particulirement simple de systme de Cramer est celui des matrices triangulaires avec une trace non
nulle (pour mmoire, le dterminant dune matrice A triangulaire est gal au produit de ses lments diagonaux
).
Pour le cas gnral dun systme linaire de n quations n inconnues, il existe deux types de mthodes :
les mthodes directes

 les mthodes itratives

Les mthodes directes permettent dobtenir la solution exacte dun systme en un nombre fini dtapes :
Le procd dlimination de Gauss
Mthode de Choleski
Dcomposition LU
Mthode de Crout . . .
Les mthodes itratives consistent gnrer une suite de vecteurs qui converge vers la solution du systme
Mthode de Jacobi
Mthode de Gauss
Mthode de relaxation

6.2

Principe des mthodes itratives

Dans ce chapitre on ne sintressera quaux mthodes itratives de Jacobi et de Gauss Seidel.

Le principe des mthodes itratives est bas sur lcriture de la matrice A sous la forme
A=M N
o M et N sont deux matrices carres dordre n. M est une matrice inversible (det (M ) 6= 0) choisir de telle
faon ce que M 1 se calcule facilement. En gnral on la choisit triangulaire.
Dans ce cas le systme linaire (6) devient
Mx = Nx + b
ce qui est quivalent
x = Ex + d
1

(7)

avec E = M N et d = M b.
Le problme (7) est alors un problme de point fixe, du type x = f (x ), avec f : x Kn f (x ) = Ex + d Kn
Thorme 5.
La suite itre de Kn dfinie par
(

x 0 Kn
x k +1 = Ex k + d

converge vers lunique solution de (7) pour tout x 0 Kn et donc vers lunique solution (6) si et
seulement si (E ) < 1.

6.3

Mthode de Jacobi

La mthode de Jacobi consiste prendre

a11 0 . . .
0 a22 . . .

M = .
..
..
..
.
.
0

...

0
0
..
.
ann

et

Dans ce cas E = M 1 N = I M 1 A = J , avec

M 1

1
a11
0

= .
..

La matrice J sappelle matrice ditration de Jacobi.

0
a21

N = .
..

an1

a12
0
..
.

...
...
..
.

an2

...

1
a22
..
.

...
...
..
.

0
0
..
.

...

1
ann

a1n
a2n

..
.
0

 La mthode nest donc applicable que si aii 6= 0, pour i = 1, 2, . . . , n.

La mthode converge si et seulement si (J ) < 1.

Les itrations de la mthode de Jacobi sont, daprs le thorme 5

xik +1 =

n
X

1
bi
aij xjk
,
aii
j =1

i = 1, 2, . . . , n

j 6=i

6.4

Programme Maple

#===================================================
# D\eclaration des variables globales et chargement
# des packages n\ecessaires
#===================================================
restart:
with(linalg):
n:=100:
f:=(x,y)->evalf(1/(x+y)):
A:=Matrix(n,n,f): # Cr\eation dune matrice diag. strictement dominante
for i from 1 to n do A[i,i]:=A[i,i]+100: od:
B:=Vector(n,1);
X:=Vector(n,0): # A initialiser !
A1 := array(1..n,1..n):
B1 := array(1..n):
for i from 1 to n do
for j from 1 to n do A1[i,j] := A[i,j]: od:
B1[i] := B[i]:
X1[i] := X[i]:
od:
epsilon:=10^(-6): # Pr\ecision recherch\ee
itermax:=1000: # Nombre max dit\erations
#=========================================================
# M\ethode de Jacobi
#=========================================================
Jacobi:=proc(AA,BB,nn)
# R\esolution de AX=B par la m\ethode de Jacobi. Jai mis 2 conditions
# suffisantes de sortie : "|Xn-Xn+1|<epsilon" et "convergence trop lente"
global epsilon,itermax;
local XXX,i,j,k,s,erreur,Xprime;
Xprime:=vector(nn,0):
XXX := vector(nn,0):
erreur:=2:
for k from 1 to itermax while erreur>epsilon do
for i from 1 to nn do
s:=evalf(BB[i]):
for j from 1 to nn do if i<>j then s:=s-AA[i,j]*XXX[j]: fi: od:
Xprime[i]:=s/AA[i,i]:
od:
erreur:=norm(evalm(Xprime-XXX),2):
for i from 1 to nn do XXX[i]:=Xprime[i]: od: # Mise jour du vecteur dit\eration
od:
if erreur<epsilon # Affichage des r\esultats
then print(cat(AX-B = ,evalm(AA&*XXX-BB)));
print(cat(Nombre dit\erations : ,k));
else print(cat(Pas convergence en ,itermax, it\erations));

fi:
end:
#========================
# Ex\ecution
#========================
t:=time(): Jacobi(A1,B1,n); Temps_mis_par_Jacobi:=time()-t;

6.5

Mthode de Gauss Seidel

La mthode de Gauss-Seidel repose sur la constatation que litration dans la mthode de Jacobi ncessite,
pour calculer xik +1 , tous les lments (xjk )1j i1 . Pourquoi ne pas utiliser, la place de ces lments les lments
(xjk +1 )1j i1 , frachement calculs ?Cette mthode correspond au choix de dcomposition de la matrice comme
suit
A=D E F
avec D est la matrice diagonale, E est la partie infrieure de A et F la partie suprieure. Dans ce cas
M = D E et N = F et la matrice, dite ditration de Gauss Seidel, est G = (D E )1 F .

n
i1
X
X
1
bi
xik +1 =
aij xjk , i = 1, 2, . . . , n
aij xjk +1
aii
j =i+1
j =1

6.6

Programme Maple

#=================================================
# M\ethode de Gauss-Seidel
#=================================================
GaussSeidel:=proc(AA,BB,nn)
global epsilon,itermax;
local XXX,i,j,k,s,erreur;
XXX := vector(nn,0):
erreur:=2:
for k from 1 to itermax while erreur>epsilon do
for i from 1 to nn do
s:=evalf(BB[i]):
for j from 1 to nn do if i<>j then s:=s-AA[i,j]*XXX[j]: fi: od:
XXX[i]:=s/AA[i,i]:
od:
erreur:=norm(evalm(AA&*XXX-BB),2):
od:
if erreur<=epsilon
then print(cat(AX-B = ,evalm(AA&*XXX-BB)));
print(cat(Nombre dit\erations : ,k));
else print(cat(Pas convergence en ,itermax, it\erations));
fi:
end:
#=======================
# Execution
#=======================
t:=time(): GaussSeidel(A1,B1,n); Temps_mis_par_GaussSeidel:=time()-t;

Exercices
Normes et distances

Exercice 1.
p
p
Pour tout (x , y) R2 , on pose N1 (x , y) = max( x 2 + y 2 , | x y |) et N2 (x , y) = x 2 /9 + y 2 /4.

1. Montrer que N1 et N2 sont des normes sur R2 et reprsenter les boules units fermes associes ces
normes.

2. Montrer que N2 k k k k2 N1 k k1 18N2

3. Dterminer le plus petit rel k > 0, tel que k k1 kN2 (utiliser Cauchy-Schwarz).

Exercice 2.
Pour u = (x , y) R2 , on pose N (u) = max(| x |, | y |, | x y |).

1. Montrer que N dfinie une norme sur R2 .

2. Dessiner la boule unit ferme de R2 pour la norme N .

3. Trouver les constantes optimales et telles que pour tout u R2 ,
N (u) kuk N (u)
Exercice 3. (Normes de polynmes)
Soit E = R[X ], lespace vectoriel des polynmes rels. Pour P =

n
X

ak X k , on pose

k =0

kP k1 =

n
X

k =0

| ak |,

kP k = max {| a0 |, | a1 |, . . . , | an |),

kP k = max | P (t ) |
1t1

Montrer quelles sont des normes et quelles sont deux deux non quivalentes. (On considrera
Pn (t ) = (t 1)n et Qn (t ) = 1 + t + t 2 + . . . t n )
Exercice 4.
Soit (E , d ) un espace mtrique.
p
d (x , y) est une distance sur E . Enoncer des conditions suffisantes sur une
1. Montrer que d1 (x , y) =
fonction f , dfinie de R+ dans R+ pour que (x , y) f (d (x , y)) soit une distance sur E .
d (x , y)
est une distance sur E . Si la
2. Montrer que lapplication d2 dfinie sur E E par d2 (x , y) =
1 + d (x , y)
distance d est associe une norme, est-il de mme pour d2 .
3. Comparer les distances d et d2 .
Exercice 5.
Soit E = C ([0, 1], R) lespace vectoriel rel des fonctions continues dfinies sur I = [0, 1], valeurs dans R.
1. Montrer que lon dfinit sur E trois normes en posant respectivement, pour tout f E :
Z 1
N (f ) = sup | f (x ) |, N1 (f ) =
| f (x ) | dx , N2 (f ) = N1 (f ) + N (f )
x [0,1]

(a) Montrer que N et N2 sont quivalentes.

(b) Montrer que N et N1 ne sont pas quivalentes.

Exercice 6.
Soit E = C ([1, 1], R) lespace vectoriel rel des fonctions continues dfinies sur I = [1, 1], valeurs dans R,
muni de la norme :

kf k =

Z

f (x )2 dx

1
2

Montrer que (E , k k) nest pas complet, en considrant la suite fn dfinie par

fn (x ) = nx

si 1 x 0
1
si 0 x
n
1
si
x 1
n

Exercice 7.
Soit E lespace vectoriel des fonctions continues de [1, 1] valeurs dans R muni de la norme
Z 1
kf k1 =
| f (x ) | dx
1

On va montrer que E muni de cette norme nest pas complet. Pour cela, on dfinit une suite (fn )nN par

1 si 1 t

1
1
fn (t ) = nt si t

n
n

1
si t 1
n
1. Vrifier que fn E pour tout n 1.
2. Montrer que

kfn+p fn k1

2
n

et en dduire que (fn ) est une suite de Cauchy.

3. Supposons quil existe une fonction f E telle que (fn ) converge vers f dans (E , k k1 ). Montrer qualors
on a
Z 1
Z
| fn (t ) f (t ) | dt = 0
| fn (t ) f (t ) | dt = 0 et lim
lim
n+

n+

pour tout 0 < < 1. En dduire que

f (t ) = 1 t [1, 0[
f (t ) = 1
t ]0, 1]

Conclure.

Exercice 8.
Soit Mn (R) lensemble des matrices relles carres dordre n k k2 la norme
euclidienne sur Rn . Le but de cet
p
t
exercice est de montrer que k | A k2 = ( AA).

1. Montrer que si S est une matrice symtrique relle de Mn (R) et si m (respectivement M ) designent la
plus petite (respectivement la plus grande) valeur propre de S alors :

(a) x Rn \{0},

xSx

t xx
t

(b) x0 Rn \{0},

[m, M ]

x0 Sx0
tx x
0 0

=M

2. Soit A Mn (R).

(a) Montrer que t AA est une matrice symtrique relle dont les valeurs propres sont toutes positives ou
nulles.
p
(b) Montrer que k | A k2 = (t AA)

Continuit dans les espaces vectoriels norms

Exercice 9.


y2
x2
+
1 .
(x , y) R2 :
2
4
Reprsenter graphiquement lensemble E et dmontrer que la fonction f possde un minimum et un maximum
sur E .
Soit f la fonction dfinie sur R2 par f (x , y) = 2x sin(xy) et soit E =

Exercice 10.
Soit f : R2 \{(0, 0)} R, f (x , y) =
Dmontrer que

x 2y 2
.
x 2 y 2 + (x y)2

lim lim f (x , y) = lim lim f (x , y) = 0

x 0 y0

et que

y0 x 0

lim

(x ,y)(0,0)

f (x , y) nexiste pas.

Exercice 11.
Soit
f : R2 R,

f (x , y) =

(x + y) sin x1 cos y1
0

si xy 6= 0
si xy = 0

Dmontrer que les deux limites

lim lim f (x , y) et lim lim f (x , y)

x 0 y0

y0 x 0

nexistent pas, et que

lim

(x ,y)(0,0)

f (x , y)

existe et est gale 0.

Exercice 12.
Etudier la continuit des fonctions dfinies sur R2 par
xy
, si (x , y) 6= (0, 0) f (0, 0) = 0
x 2 + y2
x 3 + y3
, si (x , y) 6= (0, 0) f (0, 0) = 0
2. f (x , y) = 2
x + y2
sin x sin y
p
3. f (x , y) = p
, si (x , y) 6= (0, 0) f (0, 0) = 0
|x |+ |y |

1. f (x , y) =

4. f (x , y) = y x 2 , si y > x 2

f (x , y) = 0 si y x 2

5. f (x , y) = y + x 2 , si y > x 2 f (x , y) = 0 si y x 2
(x + y)4
6. f (x , y) = 4
, si (x , y) 6= (0, 0) f (0, 0) = 0
x + y4
x 4y
7. f (x , y) = 4
, si (x , y) 6= (0, 0) f (0, 0) = 0
x + y6
e xy 1
8. f (x , y) = 2
, si (x , y) 6= (0, 0) f (0, 0) = 0
x + y2
9. f (x , y) = e x /y , si y 6= 0 f (x , y) = 0 si y = 0
Exercice 13.
Soit E lespace vectoriel des fonctions continues de [1, 1] valeurs dans R muni de la norme
Z 1
kf k1 =
| f (x ) | dx
1

On conidre lapplication L : E R dfinie par L(f ) = f (1)

1. Montrer que L est une application linaire.

2. En considrant les fonctions fn : x [1, 1] 7

n
nx , montrer que L nest pas continue.

Thorme du point fixe

Exercice 14.
Appliquer le thorme du point fixe aux fonctions suivantes dans leur intervalle I ( trouver) :
x

f (x ) = e
a
1
h(x ) = (x + ) (a > 0)
2
x

x
g(x ) = e 3
e(x ) = kln(x )

Exercice 15.
On considre la fonction
F : RR
(x , y)

RR
F (x , y) = (f1 (x , y), f2 (x , y))
= (x 2 y 2 , x 3 y 3 + 0.05)

On munit R2 de la norme k k1 .

(O , r )
1. Montrer quil existe un nombre rel positif r tel que F soit contractante sur la boule ferme B
(O , r ) est stable par F .
2. Montrer que B
3. Appliquer le thorme du point fixe pour la rsolution du systme non linaire
(
x = x 2 y2
y = x 3 y 3 + 0.05
Exercice 16.
Montrer que le systme

x1 = 1 (2 sin x1 + cos x2 )
5
1

x2 = (cos x1 + 3 sin x2 )
5

admet une solution unique (x1 , x2 ) R2 .

Exercice 17.
Soit E = C ([1, 1], R) muni de la norme de la convergence uniforme. On considre lapplication
F : E
u

7 F (u)

tu(t )
dt
1 + t2
x [1, 1]

/ F (u)(x ) = 1 + 2

1. Montrer que F est contractante sur E .

2. Trouver la solution y de lquation y = F (y) en drivant par rapport x .
3. On considre, dans E , la suite dfinie par
(
u0 (x ) = 1 x [1, 1]
un+1 = F (un )
(a) Calculer u1 , u2 , u3 , u4 puis un .
(b) En tudiant les fonctions u0 y, u1 y puis un y calculer ku0 yk , ku1 yk , kun yk . En
dduire que la limite
n
k
X
(ln2)
=2
lim
n
k!
k =0

Rsolution des systmes linaires

Exercice 18.
1. Soit

2 1 1
2 2
A= 2
1 1 2

Montrer que pour la rsolution du systme Ax = b, la mthode de Jacobi diverge tandis que celle de Gauss
Seidel converge.
2. Montrer quon obtient le rsultat inverse avec la matrice

1 2 2
A = 1 1 1
2 2 1