3 - Systèmes Non Linéaires PDF

Chapitre 2
Systmes non linaires
Dans le premier chapitre, on a tudi quelques mthodes de rsolution de systmes linaires en dimension finie.
Lobjectif est maintenant de dvelopper des mthodes de rsolution de systmes non linaires, toujours en dimen-
sion finie. On se donne g C(IR N , IR N ) et on cherche x dans IR N solution de :
!
x IR N
(2.1)
g(x) = 0.
Au Chapitre I on a tudi des mthodes de rsolution du systme (2.1) dans le cas particulier g(x) = Ax b,
A MN (IR), b IR N . On va maintenant tendre le champ dtude au cas o g nest pas forcment affine. On
tudiera deux familles de mthodes pour la rsolution approche du systme (2.1) :
les mthodes de point fixe : point fixe de contraction et point fixe de monotonie
les mthodes de type Newton 1 .
2.1 Les mthodes de point fixe

2.1.1 Point fixe de contraction
Soit g C(IR N , IR N ), on dfinit la fonction f C(IR N , IR N ) par f (x) = x + g(x). On peut alors remarquer
que g(x) = 0 si et seulement si f (x) = x. Rsoudre le systme non linaire (2.1) revient donc trouver un point
fixe de f . Encore faut-il quun tel point fixe existe. . .
Thorme 2.1 (Point fixe) Soit E un espace mtrique complet, d la distance sur E, et f : E E une fonction
strictement contractante, cestdire telle quil existe k ]0, 1[ tel que d(f (x), f (y)) kd(x, y) pour tout x, y
E.
Alors il existe un unique point fixe x E qui vrifie f ( . De plus si x(0) E, et x(n+1) = f (x(n) ) n 0,
x) = x
(n)
alors x x quand n + .
Dmonstration :
Etape 1 : Existence de x
et convergence de la suite
Soit x E et (x(n) )nIN la suite dfinie par x(n+1) = f (x(n) ) pour n 0. On va montrer que :
(0)
1. (x(n) )n est de Cauchy (donc convergente car E est complet),

2. lim x(n) = x
est point fixe de f .
n+
Par hypothse, on sait que pour tout n 1,
d(x(n+1) , x(n) ) = d(f (x(n) ), f (x(n1) )) kd(x(n) , x(n1) ).
Par rcurrence sur n, on obtient que
d(x(n+1) , x(n) ) k n d(x(1) , x(0) ), n 0.

1. Isaac Newton (1643 - 1727, n dune famille de fermiers, est un philosophe, mathmaticien, physicien, alchimiste et astronome anglais.
Figure emblmatique des sciences, il est surtout reconnu pour sa thorie de la gravitation universelle et la cration, en concurrence avec Leibniz,
du calcul infinitsimal.
76
2.1. LES MTHODES DE POINT FIXE CHAPITRE 2. SYSTMES NON LINAIRES
Soit n 0 et p 1, on a donc :
d(x(n+p) , x(n) ) d(x(n+p) , x(n+p1) ) + + d(x(n+1) , x(n) )

"p
d(x(n+q) , x(n+q1) )
q=1
p
"
k n+q1 d(x(1) , x(0) )
q=1
d(x(1) , x(0) )k n (1 + k + . . . + k p1 )
kn
d(x(1) , x(0) ) 0 quand n + car k < 1.
1k
La suite (x(n) )nIN est donc de Cauchy, i.e. :
> 0, n IN ; n n , p 1 d(x(n+p) , x(n) ) .
Comme E est complet, on a donc x(n) x dans E quand n +.

Comme la fonction f est strictement contractante, elle est continue, donc on a aussi f (x(n) ) f ( x) dans
E quand n + . En passant la limite dans lgalit x(n+1) = f (x(n) ), on en dduit que x = f (
x).
Etape 2 : Unicit
Soit x et y des points fixes de f , qui satisfont donc x
= f (
x) et y = f (
y). Alors d(f (
x), f ( x, y)
y )) = d(
kd(x, y) ; comme k < 1, ceci est impossible sauf si x = y.
Remarque 2.2
1. Sous les hypothses du thorme 2.1, d(x(n+1) , x
) = d(f (x(n) ), f (
x)) kd(x(n) , x
); donc si x(n) )= x

(n+1)
alors d(x ,
d(x(n) ,
x)
x)
k (< 1). La convergence est donc au moins linaire (mme si de fait, cette mthode
converge en gnral assez lentement).
2. Le thorme 2.1 se g*nc *ralise
c en remplaant lhypothse f strictement contractante" par il existe
n > 0 tel que f (n) = f f . . . f est strictement contractante (reprendre la dmonstration du thorme
# $% &
n fois
pour le vrifier).
La question qui vient alors naturellement est : que faire si f nest pas strictement contractante ? Une id*e c
c
naturelle est d*crire f sous la forme f (x) = x + g(x) avec g C(IR N , IR N ) et de dterminer les conditions
sur g pour que f soit strictement contractante. Plus gnralement pour )= 0, on dfinit f (x) = x + g(x), et
on remarque que x est solution du systme (2.1) si et seulement si x est point fixe de f (x). On aimerait dans ce
cas avoir des conditions pour que f soit strictement contractante.
Thorme 2.3 (Point fixe de contraction avec relaxation) On dsigne par |.| la norme euclidienne sur IR N .
Soit g C(IR N , IR N ) telle que
> 0 tel que (g(x) g(y)) (x y) |x y|2 , x, y IR N , (2.2)
M > 0 tel que |g(x) g(y)| M |x y|, x, y IR N . (2.3)
2
Alors la fonction f est strictement contractante si 0 < < IR N tel que
. Il existe donc un et un seul x
M2
x) = 0 et x(n) x
g( quand n + avec x(n+1) = f (x(n) ) = x(n) + g(x(n) ).
2
Remarque 2.4 Le thorme 2.3 permet de montrer que sous les hypothses (2.2) et (2.3), et pour ]0, M 2 [, on
peut obtenir la solution de (2.1) en construisant la suite :

! (n+1)
x = x(n) + g(x(n) ) n 0,
(2.4)
x IR N .
(0)
Or on peut aussi crire cette suite de la manire suivante :

! (n+1)
x = f (x(n) ), n 0
(2.5)
x (n+1)
= x(n+1) + (1 )x(n) , x(0) IR N .
Analyse numrique I, Tl-enseignement, L3 77 ,

Universit Aix-Marseille 1 R. Herbin, 18 fvrier 2012
En effet si x(n+1) est donn par la suite (2.5), alors x(n+1) = x

(n+1) (1 )x(n) = f (x(n) ) + (1 )x(n) =
(n) (n)
g(x ) + x . Le procd de construction de la suite (2.5) est lalgorithme de relaxation sur f .
Dmonstration du thorme 2.3

2
Soit 0 < < 2 . On veut montrer que f est strictement contractante, c..d. quil existe k < 1 tel que |f (x)
M
f (y)| k|x y| (x, y) (IR N )2 . Soit (x, y) (IR N )2 , alors, par dfinition de la norme euclidienne,
' ( ' (
|f (x) f (y)|2 = x y + (g(x) g(y)) x y + (g(x) g(y))
= |x y|2 + 2(x y) ((g(x) g(y))) + 2 |g(x) g(y)|2 .
Donc grce aux hypothses (2.2) et (2.3), on a : |f (x) f (y)|2 (1 2 + 2 M 2 ) |x y|2 , et donc la
2
fonction f est strictement contractante si 1 2 + 2 M 2 < 1 ce qui est vrifi si 0 < < 2 .
M
Remarque 2.5 (Quelques rappels de calcul diffrentiel)

Soit h C 2 (IR N , IR). La fonction h est donc en particulier diffrentiable, c..d. que pour tout x IR N , il existe
Dh(x) L(IR N , IR) telle que h(x + y) = h(x) + Dh(x)(y) + |y|(y) o (y) 0. On a dans ce cas, par
y0
dfinition du gradient, Dh(x)(y) = h(x) y o h(x) = (1 h(x), , N h(x))t IR N est le gradient de h
au point x (on dsigne par i h la drive partielle de f par rapport sa i-me variable).
Comme on suppose h C 2 (IR N , IR), on a donc g = h C 1 (IR N , IR N ), et g est continment diffrentiable,
cestdire
Dg(x) L(IR N , IR N ), et g(x + y) = g(x) + Dg(x)(y) + |y|(y),
o (y) 0.
y0
Comme Dg(x) L(IR N , IR N ), on peut reprsenter Dg(x) par une matrice de MN (IR), on confond alors
lapplication linaire et la matrice qui la reprsente dans la base canonique, et on crit par abus de notation
Dg(x)
) MN (IR). On peut alors crire, grce cet abus de notation, Dg(x)(y) = Dg(x)y avec (Dg(x)y)i =
2 2
i,j=1,N i,j hj (x) o i,j h = i (j h)(x).
Comme h est de classe C 2 , la matrice Dg(x) est symtrique. Pour x IR N , on note (i (x))1iN les valeurs
propres de Dg(x), qui sont donc relles.
La proposition suivante donne une condition suffisante pour quune fonction vrifie les hypothses (2.2) et (2.3).
Proposition 2.6 Soit h C 2 (IR N , IR), et (i )i=1,N les valeurs propres de la matrice hessienne de h. On suppose
quil existe des rels strictement positifs et tels que i (x) , i {1 . . . N }, x IR N . (Notons
que cette hypothse est plausible puisque les valeurs propres de la matrice hessienne sont relles). Alors la fonction
g = h (gradient de h) vrifie les hypothses (2.2) et (2.3) du thorme 2.3 avec = et M = .
Dmonstration de la proposition 2.6

Montrons dabord que lhypothse (2.2) est vrifie. Soit (x, y) (IR N )2 , on veut montrer que (g(x) g(y))
(x y) |x y|2 . On introduit pour cela la fonction C 1 (IR, IR N ) dfinie par :
(t) = g(x + t(y x)).

*1
On a donc (1) (0) = g(y) g(x) = 0 & (t)dt. Or & (t) = Dg(x + t(y x))(y x). Donc g(y) g(x) =
*1
0 Dg(x + t(y x))(y x)dt. On en dduit que :
+ 1
(g(y) g(x)) (y x) = (Dg(x + t(y x))(y x) (y x)) dt.
0
Comme i (x) [, ] i {1, . . . , N }, on a donc |y|2 Dg(z)y y |y|2 . On a donc : (g(y)

*1
g(x)) (y x) 0 |y x|2 dt = |y x|2 ce qui termine la dmonstration de (2.2).
Montrons maintenant que lhypothse (2.3) est vrifie. On veut montrer que |g(y) g(x)| |y x|. On peut
crire : + 1
g(y) g(x) = Dg(x + t(y x))(y x)dt,
0

et donc + 1
|g(y) g(x)| |Dg(x + t(y x))(y x)|dt
+0 1
|Dg(x + t(y x))||y x|dt,
0
o |.| est la norme sur MN (IR) induite par la norme euclidienne sur IR N .
Or, comme i (x) [, ] pour tout i = 1, . . . , N , la matrice Dg(x + t(y x)) est symtrique dfinie
c
positive et donc, daprs lexercice 3 page 32, son rayon spectral est*gale sa norme, pour la norme induite
par la norme euclidienne. On a donc :
|Dg(x + t(y x)| = (Dg(x + t(y x)) .
On a donc ainsi montr que : |g(y) g(x)| |y x|, ce qui termine la dmonstration.
c
Remarque 2.7 (Un cas particulier) Dans de nom/-breux cas issus de la discr*tisation c
d*quations aux
c
d*riv c partielles, le problme de rsolution dun problme non linaire apparat sous la forme Ax = R(x)
*es
o A est une matrice carre dordre N inversible, et R C(IR N , IR N ). On peut le rcrire sous la forme
x = A1 R(x) et appliquer lalgorithme de point fixe sur la fonction f : x - A1 Rx, ce qui donne comme
itration : x(n+1) = A1 R(x(n) ). Si on pratique un point fixe avec relaxation, dont le paramtre de relaxation
> 0, alors litration scrit :
(n+1) = A1 R(x(n) ),
x x(n+1) = x
(n+1) + (1 )x(n) .
2.1.2 Point fixe de monotonie

Thorme 2.8 (Point fixe de monotonie)
Soient A MN (IR) et R C(IR N , IR N ). On suppose que :
' ( ' (
1. x IR N , Ax 0 x 0, cest--dire (Ax)i 0, i = 1, . . . , N xi 0, i = 1, . . . , N .
2. R est monotone, c..d. que si x y (composante par composante) alors R(x) R(y) (composante par
composante).
IR N ; x
3. 0 est une sous-solution du problme, cest--dire que R(0) 0 et il existe x 0 tel que x est une
sur-solution du problme, cest--dire que Ax R( x).
On pose x(0) = 0 et Ax(n+1) = R(x(n) ). On a alors :
1. 0 x(n) x , n IN,
(n+1) (n)
2. x x , n IN,
3. x(n) x quand n + et A x = R( x).
Comme A est inversible la suite (x(n) )nIN vrifiant
! (0)
x = 0,
Ax(n+1) = R(x(n) ), n 0
est bien dfinie. On va montrer par rcurrence sur n que 0 x(n) x pour tout n 0 et que x(n) x(n+1) pour
tout n 0.
1. Pour n = 0, on a x(0) = 0 et donc 0 x(0) x et Ax(1) = R(0) 0. On en dduit que x(1) 0 grce
aux hypothses 1 et 3 et donc x(1) x(0) = 0.
2. On suppose maintenant (hypothse de rcurrence) que 0 x(p) x et x(p) x(p+1) pour tout p
{0, . . . , n 1}.
On veut montrer que 0 x(n) x et que x(n) x(n+1) . Par hypothse de rcurrence pour p = n 1,
on sait que x(n) x(n1) et que x(n1) 0. On a donc x(n) 0. Par hypothse de rcurrence, on a
galement que x(n1) x et grce lhypothse 2, on a donc R(x(n1) ) R( x). Par dfinition de la
suite (x(n) )nIN , on a Ax(n) = R(x(n1) ) et grce lhypothse 3, on sait que A x R( x). On a donc :
A(x x(n) ) R( x) R(x(n1) ) 0. On en dduit alors (grce lhypothse 1) que x(n) x .
(n) (n1) (n+1) (n) (n+1)
De plus, comme Ax = R(x ) et Ax = R(x ), on a A(x x ) = R(x(n) )
(n)
(n1) (n+1) (n)
R(x ) 0 par lhypothse 2, et donc grce lhypothse 1, x x .

On a donc ainsi montr (par rcurrence) que
0 x(n) x
, n 0
x(n) x(n+1) , n 0.
(n) (n)
Ces ingalits sentendent composante par composante, c..d. que si x(n) = (x1 . . . xN )t IR N et x
=
(n) (n) (n+1)
( N )t IR N , alors 0 xi xi et xi xi
x1 . . . x , i {1, . . . , N }, et n 0.
(n)
Soit i {1, . . . , N } ; la suite (xi )nIN IR est croissante et majore par xi donc il existe x
i IR tel que
(n) t N (n)
x
i = lim xi . Si on pose x x1 . . . xN ) IR , on a donc x x
= ( quand n +.
n+
Enfin, comme Ax(n+1) = R(x(n) ) et comme R est continue, on obtient par passage la limite lorsque n +
que A x) et que 0 x
x = R( x
.
Lhypothse 1 du thorme 2.8 est souvent appele principe du maximum". Elle est vrifie par exemple par
les matrices A quon a obtenues par discrtisation par diffrences finies des oprateurs u&& sur lintervalle ]0, 1[
(voir page 21) et u sur ]0, 1[]0, 1[ (voir page 24). Le principe du maximum est aussi caractris de la manire
suivante (plus difficile utiliser en pratique) :
Proposition 2.9 (CNS de monotonie) Lhypothse 1 du thorme 2.8 est vrifie si et seulement si A inversible
et A1 a des coefficients 0.
Dmonstration :
Supposons dabord que lhypothse 1 du thorme 2.8 est vrifie et montrons que A inversible et que A1 a des
coefficients 0. Si x est tel que Ax = 0, alors Ax 0 et donc, par hypothse, x 0. Mais on a aussi Ax 0,
soit A(x) 0 et donc par hypothse, x 0. On en dduit x = 0, ce qui prouve que A est inversible.
Lhypothse 1 donne alors que y 0 A1 y 0. En prenant y = e1 on obtient que la premire colonne de

A1 est positive, puis en prenant y = ei on obtient que la i-me colonne de A1 est positive, pour i = 2, . . . , N .
Donc A1 a tous ses coefficients positifs.
Supposons maintenant que A est inversible et que A1 a des coefficients positifs. Soit x IR N tel que Ax = y
0, alors x = A1 y 0. Donc A vrifie lhypothse 1.
Thorme 2.10 (Gnralisation du prcdent)

Soit A MN (IR), R C 1 (IR N , IR N ), R = (R1 , . . . , RN )t tels que
1. Pour tout 0 et pour tout x IR N , Ax + x 0 x 0
Ri
2. 0, i, j t.q. i )= j (Ri est monotone croissante par rapport la variable xj si j )= i) et > 0,
xj
Ri
0, x IR N , i {1, . . . , N } (Ri est monotone dcroissante par rapport la variable xi ).
xi
3. 0 R(0) (0 est sous-solution) et x 0 tel que A( x) R(x) (
x est sur-solution).
Soient x(0) = 0, , et (x(n) )nIN la suite dfinie par Ax(n+1) + x(n+1) = R(x(n) ) + x(n) . Cette suite
IR N et A
converge vers x x = R( x). De plus, 0 x(n) x n IN et x(n) x(n+1) , n IN.
Dmonstration : On se ramne au thorme prcdent avec A+Id au lieu de A et R+ au lieu de R.
Remarque 2.11 (Point fixe de Brouwer) On sest intress ici uniquement des thormes de point fixe construc-
tifs", i.e. qui donnent un algorithme pour le dterminer. Il existe aussi un thorme de point fixe dans IR N avec des
hypothses beaucoup plus gnrales (mais le thorme est non constructif), cest le thorme de Brouwer 2 : si f
est une fonction continue de la boule unit de IR N dans la boule unit, alors elle admet un point fixe dans la boule
unit.
2. Luitzen Egbertus Jan Brouwer (1881-1966), mathmaticien nerlandais.

2.1.3 Vitesse de convergence

Dfinition 2.12 (Vitesse de convergence) Soit (x(n) )nIN IR N et x IR N . On suppose que x(n) x
lorsque
n +, que la suite est non stationnaire, c..d. que x(n) )= x
pour tout n IN, et que
1x(n+1) x
1
lim = [0, 1]. (2.6)
n+ 1x(n) x
1
On sintresse la vitesse de convergence" de la suite (x(n) )nIN . On dit que :

1. La convergence est souslinaire si = 1.
2. La convergence est au moins linaire si [0, 1[.
3. La convergence est linaire si ]0, 1[.
4. La convergence est super linaire si = 0. Dans ce cas, on dit galement que :
(a) La convergence est au moins quadratique si il existe IR + et il existe n0 IN tels que si n n0
alors 1x(n+1) x1 1x(n) x 12 .
(b) La convergence est quadratique si
1x(n+1) x
1
lim (n)
= > 0.
n+ 1x 12
x
Plus gnralement, on dit que :
(a) La convergence est au moins dordre k sil existe IR + et il existe n0 IN tels que si n n0
alors 1x(n+1) x1 1x(n) x 1k .
(b) La convergence est dordre k si
1x(n+1) x
1
lim = > 0.
n+ 1x(n) x
1k
Remarque 2.13 (Sur la vitesse de convergence des suites)
Remarquons dabord que si une suite (x(n) )nIN IR N converge vers x IR N lorsque n tend vers linfini,
alors on a forcment 1 dans (2.6). En effet, si la suite vrifie (2.6) avec > 1, alors il existe n0 IN tel
que si n n0 , |xn x| |xn0 x | pour tout n n0 , ce qui contredit la convergence.
Quelques exemples de suites sui convergent sous-linairement : xn = 1n , xn = n1 , mais aussi, de manire
moins intuitive : xn = n12 . . . . Toutes ces suites vrifient lgalit (2.6) avec = 1.
Attention donc, contrairement ce que pourrait suggrer son nom, la convergence linaire (au sens donn ci-
dessus), est dj une convergence trs rapide. Les suites gomtriques dfinies par xn = n avec ]0, 1[ sont
des suites qui convergent linairement (vers 0), car elles verifient videmment bien (2.6) avec ]0, 1[.
la convergence quadratique est encore plus rapide ! Par exemple la suite dfinie par xn+1 = x2n converge de
manire quadratique pour un choix initial x0 ] 1, 1[. Mais si par malheur le choix initial est en dehors de cet
intervalle, la suite diverge alors trs vite... de manire exponentielle, en fait, puisque xn = exp(n ln x0 ).
Cest le aussi pour la mthode de Newton, que nous allons introduire prochainement. Lorsquelle converge, elle
converge trs vite (nous dmontrerons que la vitesse de convergence est quadratique). Mais lorsquelle diverge,
elle diverge aussi trs vite...
Pour construire des mthodes itratives qui convergent super vite", nous allons donc essayer dobtenir des vitesses
de convergence super linaires. Cest dans cet esprit que nous tudions dans la proposition suivante des conditions
suffisantes de convergence de vitesse quadratique pour une mthode de type point fixe.
Proposition 2.14 (Vitesse de convergence dune mthode de point fixe) Soit f C 1 (IR, IR) ; on suppose quil
IR tel que f (
existe x x) = x
. On construit la suite
x(0) IR
x(n+1) = f (x(n) ).
1. Si on suppose que f & (

x) )= 0 et |f & (
x)| < 1, alors il existe > 0 tel que si x(0) I = [
x , x + ]
(n) (n) |x(n+1) x| &
on a x x lorsque n +, et si x )= x
, alors |f (x)| = , o ]0, 1[. La
|x(n) x
|
convergence est donc linaire.

2. Si on suppose maintenant que f & (

x) = 0 et f C 2 (IR, IR), alors il existe > 0 tel que si x(0) I =
(n)
x , x
[ + ], alors x x quand n + , et si x(n) )= x, n IN alors
|x(n+1) x
| 1
(n) 2
= |f && (
x)|.
|x x| 2
La convergence est donc au moins quadratique.
Dmonstration
1. Supposons que |f & ( x)| < 1, et montrons quil existe > 0 tel que si x(0) I alors x(n) x. Comme
f C 1 (IR, IR) il existe > 0 tel que = maxxI |f & (x)| < 1 ( par continuit de f & ).
On va maintenant montrer que f : I I est strictement contractante, on pourra alors appliquer le thorme du
point fixe f|I , (I tant ferm), pour obtenir que x(n) x o x est lunique point fixe de f|I .
Soit x I ; montrons dabord que f (x) I : comme f C 1 (IR, IR), il existe ]x, x[ tel que |f (x) x
| =
x)| = |f & ()||x x
|f (x) f ( | |x x
| < , ce qui prouve que f (x) I .
On vrifie alors que f|I est strictement contractante en remarquant que pour tous x, y I , x < y, il existe
]x, y[( I ) tel que |f (x) f (y)| = |f & ()||x y| |x y| avec < 1.
On a ainsi montr que x(n) x

si x(0) I .
Cherchons maintenant la vitesse de convergence de la suite. Supposons que f & ( x) )= 0 et x(n) )= x pour tout
(n+1) (n) (n+1) (n)
n IN. Comme x = f (x ) et x = f ( x), on a |x x| = |f (x ) f (x)|. Comme f C 1 (IR, IR),
(n) (n) (n) & (n)
il existe n ]x , x x, x [, tel que f (x ) f (
[ ou ] x) = f (n )(x x ). On a donc
|x(n+1) x|
= |f & (n )| |f & (
x)| car x(n) x
et f & est continue.
|x(n) x|
On a donc une convergence linaire.
2. Supposons maintenant que f & ( x) = 0 et f C 2 (IR, IR). On sait dj par ce qui prcde quil existe > 0 tel
(0) (n)
que si x I alors x x lorsque n +. On veut estimer la vitesse de convergence. On suppose pour
cela que x(n) )= x pour tout n IN.
1
Comme f C 2 (IR, IR), il existe n ]x(n) , x[ tel que f (x(n) ) f (
x) = f & ( ) + f && (n )(x(n) x)2 .
x)(x(n) x
2
On a donc : x(n+1) x = 12 f && (n )(x(n) x)2 ce qui entrane que
|x(n+1) x
| 1 1
(n) 2
= |f && (n )| |f && (
x)| quand n +.
|x x| 2 2
La convergence est donc quadratique.
On tudie dans le paragraphe suivant la mthode de Newton pour la rsolution dun systme non linaire. Donnons
lide de la mthode de Newton dans le cas N = 1 partir des rsultats de la proposition prcdente. Soit g
C 3 (IR, IR) et x x) = 0. On cherche une mthode de construction dune suite (x(n) )n IR N qui
IR tel que g(
converge vers x de manire quadratique. On pose
f (x) = x + h(x)g(x) avec h C 2 (IR, IR) tel que h(x) )= 0 x IR.
on a donc
f (x) = x g(x) = 0.
&
x) = 0, la mthode de point fixe sur f va donner (pour x(0) I donn par la proposition 2.14)
Si par miracle f (
(x )nIN tel que x(n) x
(n)
de manire au moins quadratique. Or on a f & (x) = 1 + h& (x)g(x) + g & (x)h(x) et
1
donc f & (
x) = 1 + g & (
x)h( x) = &
x). Il suffit donc de prendre h tel que h ( . Ceci est possible si g & (
x) )= 0.
g (x)
En rsum, si g C 3 (IR, IR) est telle que g & (x) )= 0 x IR et g(
x) = 0, on peut construire, pour x assez proche
, la fonction f C 2 (IR, IR) dfinie par
de x
g(x)
f (x) = x .
g & (x)

2.2. MTHODE DE NEWTON CHAPITRE 2. SYSTMES NON LINAIRES
Grce la proposition 2.14, il existe > 0 tel que si x(0) I alors la suite dfinie par x(n+1) = f (x(n) ) =
g(x(n) )
x(n) g! (x(n) )
converge vers x
de manire au moins quadratique.
Remarquons que la construction de la suite de Newton scrit encore (dans le cas N = 1) g & (x(n) )(x(n+1)
x ) = g(x(n) ) ou encore g(x(n) ) + g & (x(n) )(x(n+1) x(n) ) = 0.
(n)
2.2 Mthode de Newton

2.2.1 Construction et convergence de la mthode
On a vu ci-dessus comment se construit la mthode de Newton partir du point fixe de monotonie en dimension
N = 1. On va maintenant tudier cette mthode dans le cas N quelconque. Soient g C 1 (IR N , IR N ) et x IR N
tels que g(
x) = 0.
On cherche une mthode de construction dune suite (x(n) )n IR N qui converge vers x
de manire quadratique.
Lalgorithme de Newton de construction dune telle suite scrit :
! (0)
x IR N
(2.7)
Dg(x(n) )(x(n+1) x(n) ) = g(x(n) ), n 0.
(On rappelle que Dg(x(n) ) MN (IR) est la matrice reprsentant la diffrentielle de g en x(n) .)
Pour chaque n IN, il faut donc effectuer les oprations suivantes :

1. Calcul de Dg(x(n) ),
2. Rsolution du systme linaire Dg(x(n) )(x(n+1) x(n) ) = g(x(n) ).
Remarque 2.15 Si la fonction g dont on cherche un zro est linaire, i.e. si g est dfinie par g(x) = Ax b avec
A MN (IR) et b IR N , alors la mthode de Newton revient rsoudre le systme linaire Ax = b. En effet
Dg(x(n) ) = A et donc (2.7) scrit Ax(n+1) = b.
Pour assurer la convergence et la qualit de la mthode, on va chercher maintenant rpondre aux questions
suivantes :
1. la suite (x(n) )n estelle bien dfinie ? Aton Dg(x(n) ) inversible ?
2. Aton convergence x(n) x quand n + ?
3. La convergence est-elle au moins quadratique ?
Thorme 2.16 (Convergence de la mthode de Newton, I) Soient g C 2 (IR N , IR N ) et x IR N tels que

x) = 0. On munit IR N dune norme 1 1. On suppose que Dg(
g( x) est inversible. Alors il existe b > 0, et
> 0 tels que
1. si x(0) B( x, b) = {x IR N , 1x x
1 < b} alors la suite (x(n) )nIN est bien dfinie par (2.7) et
x(n) B(x, b) pour tout n IN,
2. si x(0) B(
x, b) et si la suite (x(n) )nIN est dfinie par (2.7) alors x(n) x
quand n +,
3. si x(0) B(
x, b) et si la suite (x(n) )nIN est dfinie par (2.7) alors 1x(n+1) x
1 1x(n) x
12 n IN.
Pour dmontrer ce thorme, on va commencer par dmontrer le thorme suivant, qui utilise des hypothses plus
faibles mais pas trs faciles vrifier en pratique :
Thorme 2.17 (Convergence de la mthode de Newton, II)

Soient g C 1 (IR N , IR N ) et x
IR N tels que g(
x) = 0. On munit IR N dune norme 1 1 et MN (IR) de la norme
induite. On suppose que Dg( x) est inversible. On suppose de plus quil existe a, a1 , a2 IR + tels que :
x, a) alors Dg(x) est inversible et 1Dg(x))1 1 a1 ;
1. si x B(
2. si x, y B( x, a) alors 1g(y) g(x) Dg(x)(y x)1 a2 1y x12 .
, -
1
Alors, si on pose : b = min a, > 0, = a1 a2 et si x(0) B(
x, b), on a :
a1 a2
1. (x(n) )nIN est bien dfinie par (2.7),

2. x(n) x lorsque n +,
3. 1x(n+1) x
1 1x(n) x
12 n IN.

Soit x(0) B(
x, b) B( x, a) o b a. On va montrer par rcurrence sur n que x(n) B( x, b) n IN (et que
(x )nIN est bien dfinie). Lhypothse de rcurrence est que x(n) est bien dfini, et que x(n) B(
(n)
x, b). On veut
montrer que x(n+1) est bien dfini et x(n+1) B( x, b).
Comme b a, la matrice Dg(x(n) ) est inversible et x(n+1) est donc bien dfini ; on a : x(n+1) x(n) =
1
Dg(x(n) )1 (g(x(n) )). Pour montrer que x(n+1) B( x, b) on va utiliser le fait que b .
a1 a2
Par hypothse, on sait que si x, y B(
x, a), on a
1g(y) g(x) Dg(x)(y x)1 a2 1y x12 .
et x = x(n) B(
Prenons y = x x, a) dans lingalit ci-dessus. On obtient alors :
x) g(x(n) ) Dg(x(n) )(
1g( x x(n) )1 a2 1
x x(n) 12 .
x) = 0 et par dfinition de x(n+1) , on a donc :

Comme g(
1Dg(x(n) )(x(n+1) x(n) ) Dg(x(n) )(

x x(n) )1 a2 1
x x(n) 12 ,
et donc
1Dg(x(n) )(x(n+1) x x x(n) 12 .
)1 a2 1 (2.8)
Or x(n+1) x = [Dg(x(n) )]1 (Dg(x(n) ))(x(n+1) x
), et donc
1x(n+1) x1 1Dg(x(n) )1 1 1Dg(x(n) )(x(n+1) x)1.
En utilisant (2.8), les hypothses 1 et 2 et le fait que x(n) B(

x, b), on a donc
1x(n+1) x1 a1 a2 1x(n) x
1 2 < a1 a2 b 2 . (2.9)
1
Or a1 a2 b2 < b car b . Donc x(n+1) B( x, b).
a1 a2
On a ainsi montr par rcurrence que la suite (x )nIN est bien dfinie et que x(n) B(
(n)
x, b) pour tout n 0.
Pour montrer la convergence de la suite (x(n) )nIN vers x, on repart de lingalit (2.9) :
a1 a2 1x(n+1) x
1 (a1 a2 )2 1
x x(n) 12 = (a1 a2 1x(n) x
1)2 , n IN,
2n 1
et donc par rcurrence a1 a2 1x(n) x
1 (a1 a2 1x(0) x
1) n IN. Comme x(0) B(
x, b) et b a1 a2 , on
(0) (n)
a (a1 a2 1x x 1) < 1 et donc 1x x1 0 quand n +.
La convergence est au moins quadratique car lingalit (2.9) scrit : 1x(n+1) x

1 1x(n) x12 avec = a1 a2 .

Soient g C 2 (IR N , IR N ) et x IN tels que g(
x) = 0. Par hypothse, Dg(
x) est inversible. Il suffit de dmontrer
(pour se ramener au thorme 2.17) quil existe a, a1 , a2 IR + tels que
x, a) alors Dg(x) est inversible et 1(Dg(x))1 1 a1 ,
1. si x B(
x, a) alors 1g(y) g(x) Dg(x)(y x)1 a2 1y x12 .
2. si x, y B(
Remarquons dabord que Dg(x) = Dg( x) Dg(
x) + Dg(x) = Dg( x)(Id + S) o S = Dg( x)1 (Dg(x)
1 1
Dg(x)). Or si 1S1 < 1, la matrice (Id + S) est inversible et 1(Id + S) 1 1)S) . Nous allons donc essayer
de majorer 1S1. Par dfinition de S, on a :
x)1 1 1Dg(x) Dg(

1S1 1Dg( x).1
Comme g C 2 (IR N , IR N ), on a Dg C 1 (IR N , MN (IR))) ; donc par continuit de Dg, pour tout IR + ,
il existe a IR + tel que si 1x x1 a alors 1Dg(x) Dg( x)1 . En prenant = 2)Dg(1
x)1 ) , il existe
1
donc a > 0 tel que si x B( x, a) alors 1Dg(x) Dg(
x)1 2)Dg(x)1 ) , et donc si x B( x, a), alors

1
1S1 . On en dduit que si x B( x, a) alors Id + S est inversible et donc que Dg(x) = Dg( x)(Id + S) est
2
inversible (on rappelle que Dg( x) est inversible par hypothse). De plus, si x B( x, a) on a : 1(Id + S)1 1
1 1 1 1
1)S) 2 et comme (Id + S) = (Dg( x)) Dg(x), on a 1Dg(x) Dg( x)1 2, et donc 1Dg(x)1 1
1(Dg(x))1 11(Dg(x))1 Dg(x)1 21(Dg(x))1 1.
En rsum, on a donc prouv lexistence de a et de a1 = 21Dg( x)1 1 tels que si x B( x, a) alors Dg(x) est
inversible et 1Dg(x)1 1 a1 . Il reste maintenant trouver a2 tel que si x, y B( x, a) alors 1g(y) g(x)
Dg(x)(y x)1 a2 1y x12 .
Comme g C 2 (IR N , IR N ), on a donc Dg C 1 (IR N , MN (IR))) (remarquons que jusqu prsent on avait utilis
uniquement le caractre C 1 de g). On dfinit la fonction C 1 (IR, IR N ) par (t) = g(x + t(y x)) g(x)
tDg(x)(y x). On a donc (1) = g(y) g(x) Dg(x)(y x) (cest le terme quon veut majorer en norme) et
(0) = 0. On crit maintenant que est lintgrale de sa drive :
+ 1 + 1
&
(1) (0) = (t)dt = Dg(x + t(y x))(y x) Dg(x)(y x)dt.
0 0
On a donc
1(1) (0)| = 1g(y) g(x) Dg(x)(y x)1
+ 1
1Dg(x + t(y x))(y x) Dg(x)(y x)1dt
0 (2.10)
+ 1
1y x1 1Dg(x + t(y x)) Dg(x)1dt.
0
Pour majorer 1Dg(x + t(y x)) Dg(x))1, on utilise alors le thorme des accroissements finis 3 (parfois aussi
appel thorme de la moyenne") appliqu Dg ; de lingalit (2.10), on tire donc que pour x, y B(x, a) et
t ]0, 1[ :
1Dg(x + t(y x)) Dg(x)1 t1y x1 sup 1D(Dg)(c)1L(IR N ,MN (IR)) . (2.11)
cB(
x,a)
Comme D(Dg) = D2 g est continue par hypothse, et comme B(

x, a) est inclus dans un compact, on a
a2 = sup 1D(Dg)(c)1L(IR N ,MN (IR)) < +.

cB(
x,a)
De plus, t < 1 et on dduit de (2.11) que :
1Dg(x + t(y x) Dg(x))1 a2 1y x1,
et de lingalit (2.10) on dduit ensuite que

+ 1
1g(y) g(x) Dg(x)(y x)1 a2 1y x1dt 1y x1 = a2 1y x12 .
0
On a donc ainsi dmontr que g vrifie les hypothses du thorme 2.17, ce qui termine la dmonstration du
thorme 2.16.
Remarque 2.18 On ne sait pas bien estimer b dans le thorme 2.16, et ceci peut poser problme lors de lim-
plantation numrique : il faut choisir litr initial x(0) suffisamment proche" de x pour avoir convergence.
2.2.2 Variantes de la mthode de Newton

Lavantage majeur de la mthode de Newton par rapport une mthode de point fixe par exemple est sa vitesse
de convergence dordre 2. On peut dailleurs remarquer que lorsque la mthode ne converge pas, par exemple si
litr initial x(0) na pas t choisi suffisamment proche" de x, alors la mthode diverge trs vite. . .
3. Thorme des accroissements finis : Soient E et F des espaces vectoriels norms, soient h C 1 (E, F ) et (x, y) E 2 . On dfinit
]x, y[= {tx + (1 t)y, t ]0, 1[}. Alors : #h(y) h(x)# #y x# supz]x,y[ #Dh(z)#L(E,F ) .
(On rappelle que si T L(E, F ) alors #T #[L(E,F ) = supxE,"x"E =1 #T x#F |.)
Attention : Si dim F > 1, on ne peut pas dire, comme cest le cas en dimension 1, que : ]x, y[ t.q. h(y) h(x) = Dh()(y x).

Linconvnient majeur de la mthode de Newton est son cot : on doit dune part calculer la matrice jacobienne
Dg(x(n) ) chaque itration, et dautre part la factoriser pour rsoudre le systme linaire Dg(x(n) )(x(n+1)
x(n) ) = g(x(n) ). (On rappelle que pour rsoudre un systme linaire, il ne faut pas calculer linverse de la
matrice, mais plutt la factoriser sous la forme LU par exemple, et on calcule ensuite les solutions des systmes
avec matrice triangulaires faciles inverser, voir Chapitre 1.) Plusieurs variantes ont t proposes pour tenter de
rduire ce cot.
Faux quasi Newton

Soient g C 1 (IR N , IR N ) et x IR tels que g(
x) = 0. On cherche calculer x. Si on le fait par la mthode de
Newton, lalgorithme scrit :
! (0)
x IR N ,
Dg(x(n) )(x(n+1) x(n) ) = g(x(n) ), n 0.
La mthode du Faux quasi-Newton (parfois appele quasi-Newton) consiste remplacer le calcul de la matrice
jacobienne Dg(x(n) ) chaque itration par un calcul toutes les quelques" itrations. On se donne une suite
(ni )iIN , avec n0 = 0 et ni+1 > ni i IN, et on calcule la suite (x(n) )nIN de la manire suivante :
! (0)
x IR N
(2.12)
Dg(x(ni ) )(x(n+1) x(n) ) = g(x(n) ) si ni n < ni+1 .
Avec cette mthode, on a moins de calculs et de factorisations de la matrice jacobienne Dg(x) effectuer, mais on
perd malheureusement la convergence quadratique : cette mthode nest donc pas trs utilise en pratique.
Newton incomplet
On suppose que g scrit sous la forme : g(x) = Ax + F1 (x) + F2 (x), avec A MN (IR) et F1 , F2
C 1 (IR N , IR N ). Lalgorithme de Newton (2.7) scrit alors :
(0) N
x ' IR (
A + DF1 (x(n) ) + DF2 (x(n) ) (x(n+1) x(n) ) =

Ax(n) F1 (x(n) ) F2 (x(n) ).
La mthode de Newton incomplet consiste ne pas tenir compte de la jacobienne de F2 .
! (0)
x IR N
(2.13)
(A + DF1 (x(n) ))(x(n+1) x(n) ) = Ax(n) F1 (x(n) ) F2 (x(n) ).
On dit quon fait du Newton sur F1 et du point fixe sur F2 . Les avantages de cette procdure sont les suivants :
La mthode ne ncessite pas le calcul de DF2 (x), donc on peut lemployer si F2 C(IR N , IR N )) nest pas
drivable.
On peut choisir F1 et F2 de manire ce que la structure de la matrice A + DF1 (x(n) ) soit meilleure que
celle de la matrice A + DF1 (x(n) ) + DF2 (x(n) ) ; si par exemple A est la matrice issue de la discrtisation du
Laplacien, cest une matrice creuse. On peut vouloir conserver cette structure et choisir F1 et F2 de manire
ce que la matrice A + DF1 (x(n) ) ait la mme structure que A.
Dans certains problmes, on connat a priori les couplages plus ou moins forts dans les non-linarits : un
couplage est dit fort si la variation dune variable entrane une variation forte du terme qui en dpend. Donnons
un exemple : Soit f de IR 2 dans IR 2 dfinie par f (x, y) = (x + sin(105 y), exp(x) + y), et considrons le
systme non linaire f (x, y) = (a, b)t o (a, b)t IR 2 est donn. Il est naturel de penser que pour ce systme,
le terme de couplage de la premire quation en la variable y sera faible, alors que le couplage de deuxime
quation en la variable x sera fort.
On a alors intrt mettre en oeuvre la mthode de Newton sur la partie couplage fort" et une mthode de point
fixe sur la partie couplage faible".
Linconvnient majeur est la perte de la convergence quadratique. La mthode de Newton incomplet est cependant
assez souvent employe en pratique en raison des avantages numrs ci-dessus.
Remarque 2.19 Si F2 = 0, alors la mthode de Newton incomplet est exactement la mthode de Newton. Si
F1 = 0, la mthode de Newton incomplet scrit A(x(n+1) x(n) ) = Ax(n) F2 (x(n) ), elle scrit alors
Ax(n+1) = F2 (x(n) ), ou encore x(n+1) = A1 F2 (x(n) ) si A inversible. Cest donc dans ce cas la mthode
du point fixe sur la fonction A1 F2 .

Mthode de la scante
La mthode de la scante est une variante de la mthode de Newton dans le cas de la dimension 1 despace. On
suppose ici N = 1 et g C 1 (IR, IR). La mthode de Newton pour calculer x IR tel que g(x) = 0 scrit :
! (0)
x IR
g & (x(n) )(x(n+1) x(n) ) = g(x(n) ), n 0.
On aimerait simplifier le calcul de g & (x(n) ), cestdire remplacer g & (x(n) ) par une quantit proche sans calculer
g & . Pour cela, on remplace la drive par un quotient diffrentiel. On obtient la mthode de la scante :

x(0) , x(1) IR
g(x(n) ) g(x(n1) ) (n+1) (2.14)
(x x(n) ) = g(x(n) ) n 1.
x(n) x(n1)
Remarquons que dans la mthode de la scante, x(n+1) dpend de x(n) et de x(n1) : on a une mthode deux
pas ; on a dailleurs besoin de deux itrs initiaux x(0) et x(1) . Lavantage de cette mthode est quelle ne ncessite
pas le calcul de g & . Linconvnient est quon perd la convergence quadratique. On peut toutefois montrer (voir
exercice 65 page 95) que si g( x) = 0 et g & (
x) )= 0, il existe > 0 tel que si x(0) , x(1) [
x .x + ] = I ,
la suite (x )nIN construite par la mthode de la scante (2.14) est bien dfinie, que (x(n) )nIN I et que
(n)
x(n) x quand n +. De plus, la convergence est super linaire, i.e. si x(n) )= x pour tout n IN, alors
x(n+1) x
0 quand n +. On peut mme montrer (voir exercice 65 page 95) que la mthode de la scante
x(n) x
est convergente dordre d, o d est le nombre dor.
Mthodes de type Quasi Newton"

On veut gnraliser la mthode de la scante au cas N > 1. Soient donc g C 1 (IR N , IR N ). Pour viter de
calculer Dg(x(n) ) dans la mthode de Newton (2.7), on va remplacer Dg(x(n) ) par B (n) MN (IR) proche de
Dg(x(n) ). En sinspirant de la mthode de la scante en dimension 1, on cherche une matrice B (n) qui, x(n) et
x(n1) tant connus, vrifie la condition :
B (n) (x(n) x(n1) ) = g(x(n) ) g(x(n1) ) (2.15)
g(x(n) ) g(x(n1)
Dans le cas o N = 1, cette condition dtermine entirement B (n) ;car on peut crire : B (n) = .
x(n) x(n1)
(n)
Si N > 1, la condition (2.15) ne permet pas de dterminer compltement B . Il y a plusieurs faons possibles
de choisir B (n) , nous en verrons en particulier dans le cadre des mthodes doptimisation (voir chapitre 4, dans ce
cas la fonction g est un gradient), nous donnons ici la mthode de Broyden 4 .. Celle-ci consiste choisir B (n) de
la manire suivante : x(n) et x(n1) connus, on pose (n) = x(n) x(n1) et y (n) = g(x(n) ) g(x(n1) ) ; on
suppose B (n1) MN (IR) connue, et on cherche B (n) MN (IR) telle que
B (n) (n) = y (n) (2.16)
(cest la condition (2.15), qui ne suffit pas dterminer B (n) de manire unique) et qui vrifie galement :
B (n) = B (n1) , IR N tel que (n) . (2.17)
Proposition 2.20 (Existence et unicit de la matrice de Broyden)

Soient y (n) IR N , (n) IR N et B (n1) MN (IR). Il existe une unique matrice B (n) MN (IR) vrifiant
(2.16) et (2.17) ; la matrice B (n) sexprime en fonction de y (n) , (n) et B (n1) de la manire suivante :
y (n) B (n1) (n) (n) t

B (n) = B (n1) + ( ) . (2.18)
(n) (n)
Dmonstration : Lespace des vecteurs orthogonaux (n) est de dimension N 1. Soit (1 , . . . , N 1 ) une base
de cet espace, alors (1 , . . . , N 1 , (n) ) est une base de IR N et si B (n) vrifie (2.16) et (2.17), les valeurs prises
4. C. G. Broyden, A Class of Methods for Solving Nonlinear Simultaneous Equations." Math. Comput. 19, 577-593, 1965

par lapplication linaire associe B (n) sur chaque vecteur de base sont connues, ce qui dtermine lapplication
linaire et donc la matrice B (n) de manire unique. Soit B (n) dfinie par (2.18), on a :
y (n) B (n1) (n) (n) t (n)

B (n) (n) = B (n1) (n) + ( ) = y (n) ,
(n) (n)
et donc B (n) vrifie (2.16). Soit IR N tel que (n) , alors (n) = ( (n) )t = 0 et donc
(y (n) B (n1) (n) ) (n) t

B (n) = B (n1) + ( ) = B (n1) , (n) .
(n) (n)
Lalgorithme de Broyden scrit donc :

Initialisation : x(0) , x(1) IR N B0 MN (IR)
(n) (n1)
Ax , x

et B (n1) connus, on pose
= x(n) x(n1) et y (n) = g(x(n) ) g(x(n1) );
(n)
(n) (n1) (n)

Calcul de B (n) = B (n1) + y B (n) (n)

( (n) )t ,
(n) (n+1)
x(n) ) = g(x(n) ).

Itration n : rsolution de : B (x
Une fois de plus, lavantage de cette mthode est de ne pas ncessiter le calcul de Dg(x), mais linconvnient est
la perte du caractre quadratique de la convergence .

2.3. EXERCICES CHAPITRE 2. SYSTMES NON LINAIRES
2.3 Exercices
Exercice 46 (Calcul diffrentiel) Suggestions en page 96, corrig dtaill en page 98
Soit f C 2 (IR N , IR).

1. Montrer que pour tout x IR N , il existe un unique vecteur a(x) IR N tel que Df (x)(h) = a(x) h pour tout
h IR N .
Montrer que (a(x))i = i f (x).
2. On pose f (x) = (1 f (x), . . . , 1 f (x))t . Soit lapplication dfinie de IR N dans IR N par (x) = f (x).
Montrer que C 1 (IR N , IR N ) et que D(x)(y) = A(x)y, o A(x))i,j = i,j 2
f (x).
Exercice 47 (Calcul diffrentiel, suite)
1. Soit f C 2 (IR 2 , IR) la fonction dfinie par f (x1 , x2 ) = ax1 + bx2 + cx1 x2 , o a, b, et c sont trois rels fixs.
Donner la dfinition et lexpression de Df (x), f (x),Df , D2 f (x), Hf (x).
2. Mme question pour la fonction f C 2 (IR 3 , IR) dfinie par f (x1 , x2 , x3 ) = x21 + x21 x2 + x2 sin(x3 ).
Exercice 48 (Mthode de monotonie) Suggestions en page 96, corrig dtaill en page 98.
On suppose que f C 1 (IR, IR), f (0) = 0 et que f est croissante. On sintresse, pour > 0, au systme non
linaire suivant de N quations N inconnues (notes u1 , . . . , uN ) :
(Au)i = i f (ui ) + bi i {1, . . . , N },

(2.19)
u = (u1 , . . . , uN )t IR N ,
o i > 0 pour tout i {1, . . . , N }, bi 0 pour tout i {1, . . . , N } et A MN (IR) est une matrice vrifiant
u IR N , Au 0 u 0. (2.20)
On suppose quil existe > 0 t.q. (2.19) ait une solution, note u() , pour = . On suppose aussi que u() 0.
Soit 0 < < . On dfinit la suite (v (n) )nIN IR N par v (0) = 0 et, pour n 0,
(n)
(Av (n+1) )i = i f (vi ) + bi i {1, . . . , N }. (2.21)
(n) N ()
Montrer que la suite (v )nIN est bien dfinie, convergente (dans IR ) et que sa limite, note u , est solution
de (2.19) (et vrifie 0 u() u() ).
Exercice 49 (Point fixe amlior) Suggestions en page 96, Corrig en page 99
Soit g C 3 (IR, IR) et x IR tels que g(x) = 0 et g & (x) )= 0.

On se donne C 1 (IR, IR) telle que (x) = x.
On considre lalgorithme suivant :
x0 IR,
(2.22)

xn+1 = h(xn ), n 0.
g(x)
avec h(x) = x
g & ((x))
1) Montrer quil existe > 0 tel que si x0 [x , x + ] = I , alors la suite donne par lalgorithme (2.22) est
bien dfinie ; montrer que xn x lorsque n +.
On prend maintenant x0 I o est donn par la question 1.
2) Montrer que la convergence de la suite (xn )nIN dfinie par lalgorithme (2.22) est au moins quadratique.
1
3) On suppose que & est lipschitzienne et que & (x) = . Montrer que la convergence de la suite (xn )nIN dfinie
2
par (2.22) est au moins cubique, cest--dire quil existe c IR + tel que
|xn+1 x| c|xn x|3 , n 1.

4) Soit IR + tel que g & (x) )= 0 x I =]x , x + [ ; montrer que si on prend telle que :
g(x)
(x) = x si x I ,
2g & (x)
alors la suite dfinie par lalgorithme (2.22) converge de manire cubique.
Exercice 50 (Newton et logarithme) Suggestions en page 96
Soit f la fonction de IR + dans IR dfinie par f (x) = ln(x). Montrer que la mthode de Newton pour la recherche
de x tel que f (x) = 0 converge si et seulement si le choix initial x(0) est tel que x(0) ]0, e[.
Exercice 51 (Mthode de Newton pour un systme 2 2)
1. Ecrire la mthode de Newton pour la rsolution du systme suivant :
5x + 2 sin x + 2 cos y = 0, (2.23)

2 cos x + 2 sin y 5y = 0. (2.24)
et montrer que la suite dfinie par cet algorithme est toujours bien dfinie.
2. Soit (x, y) une solution du problme (2.23)-(2.24). Montrer quil existe > 0 tel que si (x0 , y0 ) est dans la
boule B de centre (x, y) et de rayon , alors la suite (xn , yn )nIN construite par la mthode de Newton converge
vers (x, y) lorsque n tends vers +.
3. Montrer quil existe au moins une solution (x, y) au problme (2.23)-(2.24).
Exercice 52 (Mthode de Newton pour un autre systme 2 2)
1. Ecrire la mthode de Newton pour la rsolution du systme suivant :
x2 + 2xy = 0, (2.25)
xy + 1 = 0. (2.26)
2. Calculer les solutions de ce systme.

3. Soit (x, y) une solution du problme (2.25)-(2.26). Montrer quil existe > 0 tel que si (x0 , y0 ) est dans la
boule B de centre (x, y) et de rayon , alors la suite (xn , yn )nIN construite par la mthode de Newton converge
vers (x, y) lorsque n tends vers +.
Exercice 53 (Newton et les chelles. . . ) Corrig en page 2.5 page 100
4m
Soient deux chelles de longueurs respectives 3 et 4 m, poses contre

deux murs verticaux selon la figure ci-contre. On sait que les chelles
se croisent 1m du sol, et on cherche connatre la distance d entre les d
3m
deux murs.

1m
A M B
d
1. Montrer que le problme revient dterminer x et y tels que
16x2 = (x2 + 1)(x + y)2 (2.27)

2 2 2
9y = (y + 1)(x + y) . (2.28)

2. Ecrire lalgorithme de Newton pour la rsolution du systme (2.27)-(2.28).
3. Calculer les premiers itrs x(1) = 1 et y (1) = 1 construits par la mthode de Newton en partant de x(0) = 1 et
y (0) = 1.
Exercice 54 (Nombre ditrations fini pour Newton) Corrig dtaill en page 100
1. Soit f la fonction de IR dans IR dfinie par : f (x) = ex 1. Pour x(0) IR, on note (x(n) )nIN la suite des
itrs construits par la mthode de Newton pour la recherche dun point o f sannule.
1.1 Montrer que pour tout x(0) IR, la suite (x(n) )nIN est bien dfinie.
1.2 Montrer que si x(0) )= 0, alors x(n+1) )= x(n) pour tout n IN. En dduire que la mthode de Newton converge
en un nombre fini doprations si et seulement si f (x(0) ) = 0.
1.3 Montrer que :
1.3 (a) si x(0) < 0 alors x(1) > 0.
1.3 (b) si x(0) > 0 alors 0 < x(1) < x(0) .
1.4 Montrer que la suite (x(n) )nIN converge lorsque n tend vers linfini et donner sa limite.
2. Soit F : IR N IR N une fonction continment diffrentiable et strictement convexe (N 1) et dont la
diffrentielle ne sannule pas. Soit x(0) IR N le choix initial (ou itr 0) dans la mthode de Newton.
Montrer que la mthode de Newton converge en un nombre fini doprations si et seulement si F (x(0) ) = 0.
Exercice 55 (Mthode de Newton pour le calcul de linverse) Corrig en page 101

1
1. Soit a > 0. On cherche calculer par lalgorithme de Newton.
a
(a) Montrer que lalgorithme de Newton appliqu une fonction g (dont a1 est un zro) bien choisie scrit :
! (0)
x donn,
(2.29)
x(n+1) = x(n) (2 ax(n) ).
(b) Montrer que la suite (x(n) )nIN dfinie par (2.29) vrifie

1 si x(0) ]0, 2 [,

lim x =(n) a a
n+ 2
si x(0) ] , 0[] , +[

a
2. On cherche maintenant calculer linverse dune matrice par la mthode de Newton. Soit donc A une matrice
carre dordre N inversible, dont on cherche calculer linverse.
(a) Montrer que lensemble GLN (IR) des matrices carres inversibles dordre N (o N 1) est un ouvert
de lensemble MN (IR) des matrices carres dordre N .
(b) Soit T lapplication dfinie de GLN (IR) dans GLN (IR) par T (B) = B 1 . Montrer que T est dri-
vable, et que DT (B)H = B 1 HB 1 .
(c) Ecrire la mthode de Newton pour calculer A1 en cherchant le zro de la fonction g de MN (IR) dans
MN (IR) dfinie par g(B) = B 1 A. Soit B (n) la suite ainsi dfinie.
(d) Montrer que la suite B (n) dfinie dans la question prcdente vrifie :
Id AB (n+1) = (Id AB (n) )2 .
En dduire que la suite (B (n) )nIN converge vers A1 si et seulement si (Id AB (0) ) < 1.
Exercice 56 (Mthode de Newton pour le calcul de la racine)
1. Soit IR + et f la fonction de IR dans IR dfinie par f (x) = x2 .

1.1 Soit x(0) IR fix. Donner lalgorithme de Newton pour la rsolution de lquation f (x) = 0.
1.2 On suppose x(0) > 0.

(i) Montrer que la suite (x(k) )k1 est minore par .

(ii) Montrer que la suite (x(k) )k0 converge et donner sa limite.

Soit N IN et soit A MN (IR) une matrice diagonalisable dans IR ; on note i , i = 1, . . . , N les valeurs
propres de A. On suppose que i > 0 pour tout i = 1, . . . , N .
2
2. Montrer quil existe au moins une, matrice-B MN (IR) telle que B = A. Calculer une telle matrice
1 1
B dans le cas o N = 2 et A = .
0 2
3. On suppose de plus que A est symtrique dfinie positive. Montrer quil existe une unique matrice
symtrique dfinie positive B telle que B 2 = A. Montrer par un contre exemple que lunicit nest pas
vrifie si on ne demande pas que B soit symtrique dfinie positive.
Soit F lapplication de MN (IR) dans MN (IR) dfinie par F (X) = X 2 A.
4. Montrer que F est diffrentiable en tout X MN (IR), et dterminer DF (X)H pour tout H
MN (IR).
Dans la suite de lexercice, on considre la mthode de Newton pour dterminer B.
5. On suppose maintenant N 1. On note (X (k) )kIN la suite (si elle existe) donne par lalgorithme de
Newton partir dun choix initial X (0) = I, o I est la matrice identit de MN (IR).
5.1 Donner le procd de construction de X (k+1) en fonction de X (k) , pour k 0.
5.2 On note 1 N les valeurs propres de A (dont certaines peuvent tre gales) et P la
matrice orthogonale telle que A = P 1 diag(1 , , N )P .
(k) (k)
(i) Montrer que pour tout k IN, X (k) est bien dfinie et vaut X (k) = P 1 diag(1 , , N )P
(k)
o i est le k i`eme terme de la suite de Newton associ la fonction fi avec comme choix
(0)
initial i = 1.
(ii) En dduire que la suite X (k) converge vers B quand k +.
Exercice 57 (Valeurs propres et mthode de Newton)

Suggestions en page 96, corrig dtaill en page 103
Soit A MN (IR) une matrice symtrique. Soient une valeur propre simple de A et x IR N un vecteur propre
associ t.q. x x = 1. Pour calculer (, x) on applique la mthode de Newton au systme non linaire (de IR N +1
dans IR N +1 ) suivant :
Ax x = 0,
(2.30)
x x = 1.
Montrer que la mthode est localement convergente.
Exercice 58 (Modification de la mthode de Newton) Suggestions en page 96.
Soient f C 1 (IR N , IR N ) et x IR N t.q. f (x) = 0. On considre, pour > 0 donn, la mthode itrative
suivante :
Initialisation : x(0) IR N .
Iterations : pour n 0,
x(n+1) = x(n) [Df (x(n) )t Df (x(n) ) + Id]1 Df (x(n) )t f (x(n) ).
[Noter que, pour = 0, on retrouve la mthode de Newton.]

1. Montrer que la suite (x(n) )nIN est bien dfinie.
2. On suppose, dans cette question, que N = 1 et que f & (x) )= 0. Montrer que la mthode est localement
convergente en x.
3. On suppose que le rang de Df (x) est gal N . Montrer que la mthode est localement convergente en x.
[Noter que cette question redonne la question prcdente si N = 1.]
Exercice 59 (Convergence de la mthode de Newton si f & (x) = 0)

Soient f C 2 (IR, IR) et x IR t.q. f (x) = 0.

1. Rappel du cours. Si f & (x) )= 0, la mthode de Newton est localement convergente en x et la convergence est
au moins dordre 2.
2. On suppose maintenant que f & (x) = 0 et f && (x) )= 0. Montrer que la mthode de Newton est localement
convergente (en excluant le cas x0 = x. . . ) et que la convergence est dordre 1. Si on suppose f de classe
C 3 , donner une modification de la mthode de Newton donnant une convergence au moins dordre 2.
Exercice 60 (Point fixe et Newton)
Soit g C 3 (IR, IR) et x IR tels que g(x) = 0 et g & (x) )= 0 et soit f C 1 (IR, IR) telle que f (x) = x.
On considre lalgorithme suivant :
x0 IR,
(2.31)

xn+1 = h(xn ), n 0.
g(x)
avec h(x) = x .
g & f (x))
1. Montrer quil existe > 0 tel que si x0 [x , x + ] = I , alors la suite donne par lalgorithme (2.31)
est bien dfinie ; montrer que xn x lorsque n + (on pourra montrer quon peut choisir de manire
ce que |h& (x)| < 1 si x I ).
On prend maintenant x0 I o est donn par la question 1.
2. Montrer que la convergence de la suite (xn )nIN dfinie par lalgorithme (2.31) est au moins quadratique.
1
3. On suppose de plus que f est deux fois drivable et que f & (x) = . Montrer que la convergence de la suite
2
(xn )nIN dfinie par (1) est au moins cubique, cest--dire quil existe c IR + tel que
|xn+1 x| c|xn x|3 , n 1.
4. Soit IR + tel que g & (x) )= 0 x I =]x , x + [ ; montrer que si on prend f C 1 (IR, IR) telle
que :
g(x)
f (x) = x & si x I ,
2g (x)
alors la suite dfinie par lalgorithme (1) converge de manire cubique.
Exercice 61 (Variante de la mthode de Newton)

Corrig dtaill en page 104
Soit f C 1 (IR, IR) et x x) = 0. Soient x0 IR, c IR + , IR + . On suppose que les

IR tel que f (
hypothses suivantes sont vrifies :
I = [x0 c, x0 + c],
(i) x
c
(ii) |f (x0 )| 2 ,
1
(iii) |f & (x) f (y)| &
2 , (x, y) I 2
1
(iv) |f & (x)| x I.
On dfinit la suite (x(n) )nIN par :
x(0) = x0 ,
f (x(n) ) (2.32)
x(n+1) = x(n) ,
f & (y)
o y I est choisi arbitrairement.
1. Montrer par rcurrence que la suite dfinie par (2.32) satisfait x(n) I pour tout n IN.
f (x(n) )f (x0 )
(On pourra remarquer que si x(n+1) est donn par (2.32) alors x(n+1) x0 = x(n) x0 f ! (y)
f (x0 )
f ! (y) .)
c
2. Montrer que la suite (x(n) )nIN dfinie par (2.32) vrifie |x(n) x
| 2n et quelle converge vers x
de
manire au moins linaire.

3. On remplace lalgorithme (2.32) par
x(0) = x0 ,
f (x(n) ) (2.33)
x(n+1) = x(n) ,
f & (y (n) )
o la suite (y (n) )nIN est une suite donne dlments de I. Montrer que la suite (x(n) )nIN converge vers
de manire au moins linaire, et que cette convergence devient super-linaire si f & (yn ) f & (
x x) lorsque
n +.
4. On suppose maintenant que N 1 et que f C 1 (IR N , IR N ). La mthode dfinie par (2.32) ou (2.33)
peut-elle se gnraliser, avec dventuelles modifications des hypothses, la dimension N ?
Exercice 62 (Mthode de Newton pour un systme semi-linaire) Suggestions en page 97.
On suppose que f C 2 (IR, IR) et que f est croissante. On sintresse au systme non linaire suivant de N
quations N inconnues (notes u1 , . . . , uN ) :
(Au)i + i f (ui ) = bi i {1, . . . , N },

(2.34)
u = (u1 , . . . , uN )t IR N ,
o A MN (IR) est une matrice symtrique dfinie positive, i > 0 pour tout i {1, . . . , N } et bi IR pour
tout i {1, . . . , N }.
On admet que (2.34) admet au moins une solution (ceci peut tre dmontr mais est difficile).
1. Montrer que (2.34) admet une unique solution.
2. Soit u la solution de (2.34). Montrer quil existe a > 0 t.q. la mthode de Newton pour approcher la solution
de (2.34) converge lorsque le point de dpart de la mthode, not u(0) , vrifie |u u(0) | < a.
Exercice 63 (Mthode de Steffensen)

Soient f C 2 (IR, IR) et x IR t.q. f (x) = 0 et f & (x) )= 0. On considre la mthode itrative suivante :
Initialisation : x(0) IR N .
Itrations : pour n 0, si f (x(n) + f (x(n) )) )= f (x(n) ),
(f (x(n) ))2
x(n+1) = x(n) , (2.35)
f (x(n) + f (x(n) )) f (x(n) )
et si f (x(n) + f (x(n) )) = f (x(n) ), x(n+1) = x(n) .

1. Montrer quil existe > 0 tel que si x(n) B(x, ), alors f (x(n) + f (x(n) )) )= f (x(n) ) si x(n) )= x. En
dduire que si x0 B(x, ), alors toute la suite (x(n) )nIN vrifie (2.35) pourvu que x(n) )= x pour tout
n IN.
2. Montrer par des dveloppements de Taylor avec reste intgral qu il existe une fonction a continue sur un
voisinage de x telle que si x0 B(x, ), alors
x(n+1) x = a(x(n) )(x(n) x), pour tout n IN tel que x(n) )= x. (2.36)
3. Montrer que la mthode est localement convergente en x et la convergence est au moins dordre 2.
Exercice 64 (Mthode de Newton-Tchebycheff)
1. Soit f C 3 (IR, IR) et soit x

IR tel que x x) et f & (
= f ( x) = f && (
x) = 0. Soit (xn )nIN la suite dfinie par :
!
x0 IR,
(P F )
xn+1 = f (xn ).
(a) Justifier lappellation (P F ) de lalgorithme.

(b) Montrer quil existe a > 0 tel que si |y x| a alors |f & (y)| 12 .

(c) Montrer par rcurrence sur n que si x0 B( x, a) alors xn B( x, 2an ).

(d) En dduire que la suite construite par (P F ) converge localement, cestdire quil existe un voisinage V
tel que si x0 V alors xn x
de x lorsque n +. .
(e) Montrer que la vitesse de convergence de la suite construite par (P F ) est au moins cubique (cest--dire
qu il existe IR + tel que |xn+1 x | |xn x |3 si la donne initiale x0 est choisie dans un certain
voisinage de x. On pourra utiliser un dveloppement de Taylor-Lagrange).
2. Soit g C 3 (IR, IR), et soit x IR tel que g(x) = 0 et g & (

x) )= 0. Pour une fonction h C 3 (IR, IR)
3
dterminer, on dfinit f C (IR, IR) par f (x) = x + h(x)g(x). Donner une expression de h( x) et h& (
x) en
& &&
fonction de g (
x) et de g ( x) telle que la mthode (P F ) applique la recherche dun point fixe de f converge
localement vers x
avec une vitesse de convergence au moins cubique.
3. Soit g C 5 (IR, IR), et soit x x) = 0 et g & (
IR tel que g( x) )= 0. On considre la modification suivante (de
Tchebychev) de la mthode de Newton :
g(xn ) g && (xn )[g(xn )]2
xn+1 = xn &
. (2.37)
g (xn ) 2[g & (xn )]3
Montrer que la mthode (2.37) converge localement et que la vitesse de convergence est au moins cubique. [On
pourra commencer par le cas o g & ne sannule pas].
Exercice 65 (Mthode de la scante) Corrig en page 2.5 page 108
Soient f C 2 (IR, IR) et x IR t.q. f (x) = 0 et f & (x) )= 0. Pour calculer x, on considre la mthode itrative
suivante (appele mthode de la scante") :
Initialisation : x0 , x1 IR.
f (xn )(xn xn1 )
Itrations : pour n 1, xn+1 = xn si f (xn ) )= 0 et xn+1 = xn si f (xn ) = 0.
f (xn ) f (xn1 )
Si la suite (xn )nIN est bien dfinie par cette mthode, on pose en = |xn x| pour tout n IN.
1. Montrer quil existe > 0 t.q. pour x0 , x1 ]x , x + [, x0 )= x1 , la mthode de la scante dfinit bien
une suite (xn )nIN et lon a en+1 (1/2)en pour tout n 1. [Raisonner par rcurrence : on suppose
xn , xn1 ]x , x + [, xn )= xn1 et xn )= x. Montrer, grce un choix convenable de , que f (xn ) )=
f (xn1 ) et que f (xn ) )= 0. En dduire que xn+1 est bien dfini et xn )= xn+1 . Puis, toujours grce un
choix convenable de , que en+1 (1/2)en . Conclure.]
Dans les questions suivantes, on suppose que x0 , x1 ]x , x + [, x0 )= x1 ( trouv la premire

question) et quela suite (xn )nIN donne par la mthode de la scante vrifie xn )= x pour tout n IN. On
pose d = (1 + 5)/2 et on dmontre que la convergence est en gnral dordre d.
2. Pour x )= x, on dfinit (x) comme la moyenne de f & sur lintervalle dont les extrmits sont x et x.
(a) Montrer que en+1 = en en1 Mn , pour tout n 1, avec Mn = | (x n )(xn1 )
f (xn )f (xn1 ) |.
(b) Montrer que la fonction est drivable sur IR \ {x}. Calculer limxx & (x).
(c) Calculer la limite de la suite (Mn )n1 lorsque n . En dduire que la suite (Mn )n1 est borne.
3. Soit M > 0, M Mn pour tout n 1 (Mn donn la question prcdente). On pose a0 = M e0 ,
a1 = M e1 et an+1 = an an1 pour n 1.
(a) Montrer que M en an pour tout n IN.
(b) Montrer quil existe 1 ]0, ] t.q. la suite (an )n1 tend en dcroissant vers 0 lorsque n +, si
x0 , x1 ]x 1 , x + 1 [.
(c) Dans cette question, on prend x0 , x1 ]x 1 , x + 1 [. Montrer quil existe > 0 et ]0, 1[ t.q
n
M en an ()d pour tout n IN (ceci correspond une convergence dordre au moins d). [On
pourra utiliser la relation de rcurrence ln an+1 = ln an + ln an1 pour n 1].
(d) (Question plus difficile) Si f (x) )= 0, en+1 = en en1 Mn , montrer que Mn M , quand n ,
en+1
avec M > 0. En dduire quil existe > 0 t.q. (e d quand n (ceci signifie que la
n)
convergence est exactement dordre d). [Considrer, par exemple, n = ln en+1 d ln en et montrer
que n converge dans IR quand n .]
(e) Comparer lordre de convergence de la mthode de la scante celui de la mthode de Newton.

2.4. SUGGESTIONS CHAPITRE 2. SYSTMES NON LINAIRES
2.4 Suggestions
Exercice 46 page 89 (Calcul diffrentiel)
1. Utiliser le fait que Df (x) est une application linaire et le thorme de Riesz. Appliquer ensuite la diffrentielle
un vecteur h bien choisi.
2. Mmes ides...
Exercice 48 page 89 (Mthode de monotonie)

Pour montrer que la suite (v (n) )nIN est bien dfinie, remarquer que la matrice A est inversible. Pour montrer
quelle est convergente, montrer que les hypothses du thorme du point fixe de monotonie vu en cours sont
vrifies.
Exercice 49 page 89 (Point fixe amlior)
1) Montrer quon peut choisir de manire ce que |h& (x)| < 1 si x I , et en dduire que g & ((xn ) )= 0 si x0
est bien choisi.
2) Remarquer que
g(xn ) g(x)
|xn+1 x| = (xn x)(1 . (2.38)
(xn x)g & ((xn ))
En dduire que
1
|xn+1 x| |xn x|2 sup |& (x)| sup |g && (x)|.
xI xI
3) Reprendre le mme raisonnement avec des dveloppements dordre suprieur.
4) Montrer que vrifie les hypothses de la question 3).
Exercice 50 page 90 (Newton et logarithme)

Etudier les variations de la fonction dfinie par : (x) = x x ln x.
Exercice 57 page 92 (Valeurs propres et mthode de Newton)

Ecrire le systme sous la forme F (x, ) = 0 o F est une fonction de IR N +1 dans IR N +1 et montrer que DF (, x)
est inversible.
Exercice 58 page 92 (Modification de la mthode de Newton)

1. Remarquer que si A MN (IR) et > 0, alors At A + Id est symtrique dfinie positive.
2. En introduisant la fonction dfinie par (t) = f (txn + (1 t)x), montrer que f (xn ) = (xn x)g(xn ), o
*1
g(x) = 0 f & (tx + (1 t)x)dt. Montrer que g est continue.
Montrer que la suite (xn )nIN vrifie xn+1 x = an (xn x), o
f & (xn )g(xn )

an = 1 ,
f & (xn )2 +
et quil existe tel que si xn B(x, ), alors an ]0, 1[. Conclure.
3. Reprendre la mme mthode que dans le cas N = 1 pour montrer que la suite (xn )nIN vrifie xn+1 x =
D(xn )(xn x), o D C(IR N , MN (IR)). Montrer que D(x) est symtrique et montrer alors que 1D(x)12 < 1
en calculant son rayon spectral. Conclure par continuit comme dans le cas prcdent.

2.4. SUGGESTIONS CHAPITRE 2. SYSTMES NON LINAIRES
Exercice 59 page 92 (Convergence de la mthode de Newton si f & (x) = 0)

Supposer par exemple que f && (x) > 0 et montrer que si x0 est assez proche" de x la suite (xn )nIN est croissante
majore ou dcroissante minore et donc convergente. Pour montrer que lordre de la mthode est 1, montrer que
1xn+1 x1 1
lorsque n +.
1xn x1 2
Exercice 62 page 94 (Mthode de Newton)

1. Pour montrer lunicit, utiliser la croissance de f et le caractre s.d.p. de A.
2. Utiliser le thorme de convergence du cours.
Exercice 63 page 94 (Mthode de Steffensen))

1. Utiliser la monotonie de f dans un voisinage de x.
2. Dvelopper le dnominateur dans lexpression de la suite en utilisant le fait que f (xn + f (xn )) f (xn ) =
*1 & *t
0
(t)dt o (t) = f (xn + tf (xn )), puis que f & (xn + tf (xn )) = 0 & (s)ds o (t) = f & (xn + tf (xn )).
*1
Dvelopper ensuite le numrateur en utilisant le fait que f (xn ) = 0 & (t)dt o (t) = f (tx + (1 t)xn ), et
* 1
que f & (tx + (1 t)xn ) = 0 (s)ds + (0), o (t) = f (x + (1 t)n ).
3. La convergence locale et lordre 2 se dduisent des rsultats de la question 2.

2.5. CORRIGS CHAPITRE 2. SYSTMES NON LINAIRES
2.5 Corrigs
Exercice 46 page 89
1. Par dfinition, T = Df (x) est une application linaire de IR N dans IR N , qui scrit donc sous la forme :
)
T (h) = N i=1 ai hi = a h. Or lapplication T dpend de x, donc le vecteur a aussi.
(i)
Montrons maintenant que (a(x))i = i f (x), pour 1 i N Soit h(i) IR N dfini par hj = hi,j , o h > 0
et i,j dsigne le symbole de Kronecker, i.e. i,j = 1 si i = j et i,j = 0 sinon. En appliquant la dfinition de la
diffrentielle avec h(i) , on obtient :
f (x + h(i) ) f (x) = Df (x)(h(i)) + 1h(i) 1(h(i) ),
cestdire :
f (x1 , . . . , xi1 , xi + h, xi1 , . . . , xN ) f (x1 , . . . , xN ) = (a(x))i h + h(h(i) ).
En divisant par h et en faisant tendre h vers 0, on obtient alors que (a(x))i = i f (x).
2. Comme f C 2 (IR N , IR), on a (i f (x) C 1 (IR N , IR), et donc C 1 (IR N , IR N ). Comme D(x) est une
application linaire de IR N dans IR N , il existe une matrice A(x) carre dordre N telle que D(x)(y) = A(x)y
pour tout y IR N . Il reste montrer que (A(x))i,j = i,j
2
f (x). Soit h(i) IR N dfini la question prcedente,
pour i, j = 1, . . . , N, on a
N
"
(j) (j)
(D(x)(h ))i = (A(x)h )i = ai,k (x)h(j) )k = hai,j (x).
k=1
Or par dfinition de la diffrentielle,
i (x + h(j) ) i (x) = (D(x)(h(j) ))i + 1h(j) 1i (h(j) ),
ce qui entrane, en divisant par h et en faisant tendre h vers 0 : j i (x) = ai,j (x). Or i (x) = i f (x), et donc
2
(A(x))i,j = ai,j (x) = i,j f (x).
Corrig de lexercice 48 page 89 (Mthode de monotonie)

Montrons que la suite v (n) est bien dfinie. Supposons v (n) connu ; alors v (n+1) est bien dfini si le systme
Av (n+1) = d(n) ,
(n) (n)
o d(x) est dfini par : di = i f (vi ) + bi pour i = 1, . . . , N, admet une solution. Or, grce au fait que
Av 0 v 0, la matrice A est inversible, ce qui prouve lexistence et lunicit de v (n+1) .
Montrons maintenant que les hypothses du thorme de convergence du point fixe de monotonie sont bien satis-
faites.
()
On pose Ri (u) = i f (ui ) + bi . Le systme rsoudre scrit donc :
Au = R() (u)
Or 0 est soussolution car 0 i f (0) + bi (grce au fait que f (0) = 0, > 0 et bi 0).
Cherchons maintenant une sursolution, cestdire u IR N tel que
R() (
u u).
Par hypothse, il existe > 0 et u() 0 tel que

()
(Au() )i = f (ui ) + bi .
Comme < et bi 0, on a
() ()
(Au() )i i f (ui ) + bi = Ri (u() ).
Donc u() est sursolution. Les hypothses du thorme dont bien vrifies, et donc v (n) u
lorsque n +,
o u
est tel que A
u = R(u).

Corrig de lexercice 49 page 89 (Point fixe amlior)

1) La suite donne par lalgorithme (2.22) est bien dfinie si pour tout n IN, g & (xn ) )= 0. Remarquons
dabord que g & (x) )= 0. Or la fonction g & est continue ; pour > 0 fix, il existe donc IR + tel que
(g! (
x))2
g & (x) pour tout x [x , x + ] = I . Remarquons ensuite que h& (x) = 1 (g &
x))2 = 0. Or h est
! (
aussi continue. On en dduit lexistence de IR + tel que h& (x) < 1 pour tout x [x , x + ] = I .
Soit maintenant = min(, ) ; si x0 I , alors g & (x0 ) )= 0. Comme h est strictement contractante sur I ,
on en dduit que x1 I , et par r 12 currence sur n, x1 I pour tout n IN. On en dduit que g & (xn ) )= 0
pour tout n IN. Donc la suite est bien dfinie. De plus, comme h est strictement contractante sur I , le thorme
du point fixe (thorme 2.1 page 76 donne la convergence de la suite (xn )nIN vers x.
2) Remarquons dabord que si C 2 (IR, R), on peut directement appliquer la proposition 2.14 (item 2), car dans
ce cas h C 2 (IR, IR), puisquon a dj vu que h& (x) = 0. Effectuons maintenant le calcul dans le cas o lon na
que C 1 (IR, R). Calculons |xn+1 x|. Par dfinition de xn+1 , on a :
g(xn )
xn+1 x = xn x &
,
g ((xn ))
ce qui entrane que , -

g(xn ) g(x)
xn+1 x = (xn x) 1 . (2.39)
(xn x)g & ((xn ))
Or il existe n I(x, xn ), o I(x, xn ) dsigne lintervalle dextrmits x et xn , tel que
g(xn ) g(x)
= g & (n ).
xn x
Mais comme g C 3 (IR, IR) il existe n I(n , (xn )) tel que :
g & (n ) = g & ((xn )) + (n (xn ))g && (n ).
On en dduit que
g && (n )
xn+1 x = (xn x)(n (xn )) &
. (2.40)
g ((xn ))
Par ingalit triangulaire, on a :
|n (xn )| |n x| + |x (xn )| = |n x| + |(x) (xn )|.
Comme n I(x, xn ), on a donc |n x| |xn x| ; de plus : |(x) (xn )| supxI |& (x)||xn x|. On
en dduit que , -
|n (xn )| |xn x| 1 + sup |& (x))| .
xI
En reportant dans (2.40), on en dduit que :

, -
1
|xn+1 x| |xn x|2 1 + sup |& (x))| sup |g && (x)|.
xI xI
On a ainsi montr que la convergence de la suite (xn )nIN dfinie par lalgorithme (2.22) est au moins quadratique.
3) Reprenons le calcul de la question prcdente en montant en ordre sur les dveloppements. Calculons |xn+1 x|.
Ecrivons maintenant quil existe n I(x, xn ) tel que
1
g(xn ) = g(x) + (xn x)g & (x) + (xn x)2 g && (n ).
2
De (2.39), on en dduit que
, -
g & (x) + 12 (xn x)g && (n )
xn+1 x = (xn x) 1 (xn x) .
(xn x)g & ((xn ))

Or il existe n I(x, (xn )) tel que
g & ((xn )) = g & (x) + ((xn ) (x))g && (n ).
On a donc : , -
xn x 1
&& &&
xn+1 x = & ((xn ) (x))g (n ) (xn x)g (n ) .
g ((xn )) 2
Ecrivons maintenant que (xn ) = (x) + & (n )(xn x), o n I(x, xn ). Comme & est lipschitzienne, on a
& (n ) = & (x) + 1n = 21 + 1n , avec |1n | M |xn x|, o M est la constante de Lipschitz de & . On a donc :
, -
xn x 1 && 1 &&
xn+1 x = & (xn x)( + 1n )g (n ) (xn x)g (n ) ,
g ((xn )) 2 2
et donc : , -
1 2 1 && && &&
|xn+1 x| |xn x| ( (g (n ) g (n )) + 1n g (n ) .
2
Mais de mme, comme g C 3 (IR, IR), et que n et n I(x, xn ), on a
|g && (n ) g && (n )| sup |g &&& (x)||xn x|.

xI
On en dduit finalement que :

1
|xn+1 x| C|xn x|3 , avec C = sup |g &&& (x)|.
2 xI
4) Pour montrer que la suite dfinie par lalgorithme (2.22) converge de manire cubique, il suffit de montrer
que vrifie les hypothses de la question 3). On a videmment ( . Comme g C 3 (IR, IR) et que
x) = x
& 2
g (x) )= 0, x I , on en dduit que C (IR, IR). De plus
1 g & (x)2 g && (x)g(x) 1

& (x) = 1 & 2
= .
2 g (x) 2
La fonction vrifie donc bien les hypothses de la question 3.
Corrig de lexercice 52 page 90 (Mthode de Newton pour un systme 2 2)

En cours de rdaction
Corrig de lexercice 53 page 90 (Newton et les chelles. . . )

En cours de rdaction
Corrig de lexercice 54 page 91 (Nombre ditrations fini pour Newton)

1.1 Comme f & est dfinie sur tout IR par f & (x) = ex et ne sannule pas, on en dduit que la suite construite par la
mthode de Newton, qui scrit :
(n)
(n+1) (n) f (x(n) ) ex 1
x =x & (n) = x(n)
f (x ) ex(n)
est bien dfinie.
x(n)
1.2 Par dfinition de la suite, on a x(n+1) x(n) = e 1
(n) = 0 ssi x(n) = 0. Donc par rcurrence sur n, si
ex
x(0) )= 0, on a x(n+1) )= x(n) pour tout n IN. De plus, si f (x(0) ) = 0 (c..d. si x(0) = 0), la suite est stationnaire.
On en dduit que la mthode de Newton converge en un nombre fini doprations si et seulement si f (x(0) ) = 0.
(0)
ex 1
1.3 Par dfinition, on a : x(1) = x(0) (0) . Par le thorme de accroissements finis, on a donc : x(1) =
ex
(0) (0)
x(0) (1 ex ), avec ]x(0) , 0[ si x < 0 et ]0, x(0) [ si x(0) > 0. Si x(0) < 0, on a ex
(0)
> 1 et donc
(0) (0)
x(1) > 0. En revanche, si x(0) > 0, on a ex < ex < 1 et donc 0 < x(1) < x(0) .

1.4 On a vu la question 1.2 que si x(0) = 0 la suite est stationnaire et gale 0. On a vu la question 1.3 que
si x(0) < 0 alors x(1) > 0. Il suffit donc dtudier le cas x(0) > 0. Or si x(0) > 0, on a 0 < x(1) < x(0) . Par
rcurrence sur n, on en dduit que si x(0) > 0, la suite (x(n) )nIN est dcroissante et minore par 0, donc elle
"
converge. La limite 2 de la suite vrifie : 2 = 2 e e1
" , soit encore 2 = 0 (unique solution de lquation f (x) = 0).
2. Soient x(n) et x(n+1) deux itrs successifs donns par la mthode de Newton, tels que F (x(n) ) )= 0. On a
donc :
DF (x(n) )(x(n+1) x(n) ) = F (x(n) ), (2.41)
et en particulier, x(n+1) )= x(n) . Or, la condition de stricte convexit pour une fonction continment diffrentiable
entra 21 ne que :
DF (x(n) )(x(n+1) x(n) ) < F (x(n+1) ) F (x(n) ),
et donc, avec (2.41), F (x(n+1) ) > 0. On montre ainsi, par rcurrence sur n, que si F (x(0) ) )= 0, alors F (x(n) ) > 0
pour tout n > 0, ce qui montre que la mthode de Newton converge en un nombre fini doprations si et seulement
si F (x(0) ) = 0.
Corrig de lexercice 55 page 91 (Mthode de Newton pour le calcul de linverse)

1. (a) Soit g la fonction dfinie de IR dans IR par g(x) = x1 a. Cette fonction est continue et drivable
pour tout x )= 0, et on a : g & (x) = x12 . Lalgorithme de Newton pour la recherche dun zro de cette
fonction scrit donc bien :
!
x(0) donn,
(2.42)
x(n+1) = x(n) (2 ax(n) ).
(b) Soit (x(n) )nIN dfinie par (2.29). Daprs le thorme du cours, on sait que la suite (x(n) )nIN
converge de localement (de manire quadratique) dans un voisinage de a1 . On veut dterminer ici
lintervalle de convergence prcisment. On a x(n+1) = (x(n) ) o est la fonction dfinie par de IR
dans IR par (x) = x(2 ax). Le tableau de variation de la fonction est le suivant :
1 2
x | 0 a a
& (x) | + 0 (2.43)
1
(x) | 6 a 7
Il est facile de remarquer que lintervalle ]0, a1 [ est stable par et que (] a1 , a2 [) =]0, a1 [ Donc si
x(0) ] a1 , a2 [ alors x(1) ]0, a1 [, et on se ramne au cas x(0) ]0, a1 [.
On montre alors facilement que si x(0) ]0, a1 [, alors x(n+1) x(n) pour tout n, et donc la suite
(x(n) )nIN est croissante. Comme elle est majore (par a1 ), elle est donc convergente. Soit 2 sa limite,
on a 2 = 2(2 a2), et comme 2 x(0) > 0, on a 2 = a1 .
Il reste maintenant montrer que si x(0) ] , 0[] a2 , +[ alors limn+ x(n) = . On montre
dabord facilement que si x(0) ] , 0[, la suite (xn )nIN est dcroissante. Elle admet donc une
limite finie ou infinie. Appelons 2 cette limite. Celle-ci vrifie : 2 = 2(2 a2). Si 2 est finie, alors 2 = 0
ou 2 = a1 ce qui est impossible car 2 x(0) < 0. On en dduit que 2 = .
Enfin, ltude des variations de la fonction montre que si x(0) ] a2 , +[, alors x(1) ] , 0[, et on
est donc ramen au cas pcdent.
2. (a) Lensemble GLN (IR)(IR) est ouvert car image rciproque de louvert IR par lapplication continue
qui a une matrice associe son dterminant.
(b) Lapplication T est clairement dfinie de GLN (IR)(IR) dans GLN (IR)(IR). Montrons quelle est d-
rivable. Soit H GLN (IR)(IR) telle que B + H soit inversible. Ceci est vrai si 1H11B 1 1 < 1, et
on a alors, daprs le cours :
+
' (1 "
(B + H)1 = B(Id + B 1 H) = (B 1 H)k B 1 .
k=0

On a donc :
+
"
T (B + H) T (B) = (B 1 H)k B 1 B 1
k=0
+
"
= (Id + (B 1 H)k Id)B 1
k=1
+
"
= (B 1 H)k B 1 .
k=1
On en dduit que
+
"
1 1
T (B + H) T (B) + B HB = (B 1 H)k B 1 .
k=2
Lapplication qui H associe B 1 HB 1 est clairement linaire, et de plus,

+
"
1T (B + H) T (B) + B 1 HB 1 1 1B 1 1 (1B 1 11H1)k .
k=2
Or 1B 1 11H1 < 1 par hypothse. On a donc

+
1T (B + H) T (B) B 1 HB 1 1 3
"
1 1B 1 1H1 (1B 1 11H1)k
1H1
k=0
0 lorsque 1H1 0.
On en dduit que lapplication T est diffrentiable et que DT (B)(H) = B 1 HB 1 .

(c) La mthode de Newton pour la recherche dun zro de la fonction g scrit :
!
B 0 GLN (IR)(IR),
Dg(B n )(B n+1 B n ) = g(B n ).
Or, dapres la question prcdente, Dg(B n )(H) = (B n )1 H(B n )1 . On a donc
Dg(B n )(B n+1 B n ) = (B n )1 (B n+1 B n )(B n )1 .
La mthode de Newton scrit donc :

! 0
B GLN (IR)(IR),
(2.44)
(B n+1 B n ) = (Id B n A)B n .
soit encore !
B 0 GLN (IR)(IR),
(2.45)
B n+1 = 2B n B n AB n .
(d) Par dfinition, on a :
Id AB n+1 = Id A(2B n B n AB n ) = Id 2AB n + AB n AB n .
Comme les matrices Id et AB n commutent, on a donc :
Id AB n+1 = (Id AB n )2 .
n
Une rcurrence immdiate montre alors que Id AB n = (Id AB 0 )2 . On en dduit que la suite
Id AB n converge (vers la matrice nulle) lorsque n + ssi (Id AB 0 ) < 1, et ainsi que la
suite B n converge vers A1 si et seulement si (Id AB 0 ) < 1.

Corrig de lexercice 57 page 92 (Valeurs propres et mthode de Newton)

On crit le systme sous la forme F (x, ) = 0 o F est une fonction de IR N +1 dans IR N +1 dfinie par
, -
Ax x
F (y) = F (x, ) = ,
xx1
et on a donc , -
x
Az z
DF (, x)(z, ) = ,
xz
2
Supposons que DF (x, )(z, ) = 0, on a alors Az z x = 0 et 2
x z = 0. En multipliant la premire
quation par x et en utilisant le fait que A est symtrique, on obtient :
z A x
x z x x
= 0, (2.46)
et comme A x et x x
x = = 0,
= 1, ceci entrane que = 0. En revenant (2.46) on obtient alors que Ax x

c..d. que x Ker(A Id) = IR x car est valeur propre simple. Or on a aussi x z = 0, donc z x ce qui
nest possible que si z = 0. On a ainsi montr que Df ( est injective, et comme on est en dimension finie,
x, )
Df ( est bijective. Dnc, daprs le thorme du cours, la mthode de Newton est localement convergente.
x, )
Corrig de lexercice 59 page 92 (Convergence de la mthode de Newton si f & (x) = 0)

Comme f && (x) )= 0, on peut supposer par exemple f && (x) > 0 ; par continuit de f && , il existe donc > 0 tel que
f & (x) < 0 si x ]x , x[ et f & (x) > 0 si x ]x, x + [, et donc f est dcroissante sur ]x , x[ (et croissante sur
]x, x + [).
Supposons x0 ]x, x + [, alors f & (x0 ) > 0 et f && (x0 ) > 0.
On a par dfinition de la suite (xn )nIN ,
f & (x0 )(x1 x0 ) = f (x0 )
= f (x) f (x0 )
= f & (0 )(x x0 ), o 0 ]x, x0 [
Comme f & est strictement croissante sur ]x, x + [, on a f & (0 ) < f & (x0 ) et donc x1 ]x, x0 [.
On montre ainsi par rcurrence que la suite (xn )nIN vrifie
x0 > x1 > x2 . . . > xn > xn+1 > . . . > x.
La suite (xn )nIN est donc dcroissante et minore, donc elle converge. Soit x sa limite ; comme
f & (xn )(xn+1 xn ) = f (xn ) pour tout n IN,
on a en passant la limite : f (x) = 0, donc x = x.
Le cas f && (x) < 0 se traite de la mme manire.
Montrons maintenant que la mthode est dordre 1. Par dfinition, la mthode est dordre 1 si
1xn+1 x1
IR + .
1xn x1
Par dfinition de la suite (xn )nIN , on a :
f & (xn )(xn+1 xn ) = f (xn ) (2.47)

Comme f C 2 (IR) et f & (x) = 0, il existe n ]x, xn [ et n ]x, xn [ tels que f & (xn ) = f && (n )(xn x) et
1
f (xn ) = f && (n )(x xn )2 . On dduit donc de (2.47) que
2
1
f && (n )(xn+1 xn ) = f && (n )(xn x),
2
1
&&
soit f (n )(xn+1 x) = ( f && (n ) + f && (n ))(xn x)
2
1xn+1 x1 1 f && (n ) 1
Donc = |1 | lorsque n +.
1xn x1 2 f && (n ) 2
La mthode est donc dordre 1.
On peut obtenir une mthode dordre 2 en appliquant la mthode de Newton f & .

Corrig de lexercice 61 page 93 (Variante de la mthode de Newton)

1. On a videmment x(0) = x0 I. Supposons que x(n) I et montrons que x(n+1) I. Par dfinition, on
peut crire :
f (x(n) ) f (x0 ) f (x0 )
x(n+1) = x(n) & .
f & (y) f (y)
Donc
(n)
f & (n )(xn x0 ) f (x0 )
x(n+1) x0 = x(n) x0 , o n [x0 , x(n) ].
f & (y)
On en dduit que
f & (n ) (n) f (x0 )
x(n+1) x0 = (1 )(xn x0 ) & .
f & (y) f (y)
Ceci entrane :
1 |f (x0 )|
|x(n+1) x0 | = |f & (n ) f & (y)||x(n) x0 | +
|f & (y)| f & (y)
1 c
c+ = c.
2 2
Donc x(n+1) I.
2. On a :
f (x(n) ) f ( x) f (
x)
x(n+1) x
= x(n) x
&
& .
f (y) f (y)
1
Donc|x(n+1) x
| |x(n) x
||f & (y) f & (n )| & x, x(n) ];
o n [
|f (y)|
Par hypothse, on a donc
1
|x(n+1) x
| |x(n) x
|
2
c (n)
|x x
|.
2
On en dduit par rcurrence que
c (0)
|x(n) x
| |x x
|.
2n
Ceci entrane en particulier que
x(n) x
n +.
Il reste montrer que la convergence est au moins linaire. On a :
|x(n+1) x
| 1
(n)
= |f & (y) f & (x(n) )| &
|x x | |f (y)|
|x(n+1) x
| f & (
x)
|1 |=0
Donc |x(n) x| f & (y)
n +
La convergence est donc au moins linaire, elle est linaire si f & (
x) )= f & (y) et superlinaire si f & (
x) =
&
f (y).
3. Le fait de remplacer y par y (n) ne change absolument rien la preuve de la convergence de x(n) vers x
. Par
contre, on a maintenant :
|x(n+1) x| 1
= |f & (yn ) f & (n )|
|x(n) x| |f & (yn )|
f & (n )
= |1 |
f & (yn )
Or f & (n ) f & (
x) et donc si f & (yn ) f & (
x) la convergence devient superlinaire.
n+ n+

4. Lalgorithme pour N 1 se gnralise en :

! (0)
x = x0
x(n+1) = x(n) (DF (y))1 f (x(n) ).
On a donc
x(n+1) x0 = x(n) x0 (DF (y))1 (f (x(n) ) f (x0 )) + (DF (y))1 f (x0 ).

+ 1
Or f (x (n)
) f (x (0)
) = (1) (0) = & (t)dt, o
0
(t) = f (tx(n) + (1 t)x(0) )
et donc
& (t) = Df (tx(n) + (1 t)x(0) )(x(n) x(0) ).
Donc
x(n+1) x(0) =
, + 1 -
(x(n) x(0) ) 1 (Df (y))1 Df (txn ) + (1 t)x(0) )dt
0
+(Df (y))1 f (x0 ) =
,+ 1 2 3 -
(n) (0) 1 (n) (0)
(x x )(Df (y)) Df (y) Df (tx + (1 t)x dt
0
1
+(Df (y)) f (x0 ).
On en dduit que :
1x(n+1) x(0) 1
+ 1
1x(n) x(0) 11(Df (y))1 1 1Df (y) Df (tx(n) + (1 t)x(0) )1dt
0
+1(Df (y))1 11f (x0 )1.
Si on suppose que x(n) I, alors tx(n) + (1 t)x(0) I. Lhypothse (iii) gnralise la dimension N
scrit :
1
1Df (x) Df (y)1 (x, y) I 2 ,
2
si on suppose de plus que
c
(ii) 1f (x0 )1 et
2
(iv) 1(Df (x))1 1 x I, alors 2.48 donne que
1 c
1x(n+1) x(0) 1 1x(n) x(0) 1 +
2 2
c.
ce qui prouve que x(n+1) I.

(n) 1 (n)
On montre alors de la mme manire que xn x, (car 1x(n+1) x
1 1x x
1).
2
Corrig de lexercice 63 page 94 (Mthode de Steffensen)

1. Comme f & (x) )= 0, il existe > 0 tel que f soit strictement monotone sur B(x,
) ; donc si f (x) = 0 et
x B(x, ) alors x = x. De plus, comme x + f (x) x lorsque x x, il existe tel que si x B(x, ),
alors f (x + f (x) B(x, ). Or si x B(x, ), on a :f (x) )= 0 si x )= x, donc x + f (x) )= x et
comme x + f (x) B(x, ) o f est strictement monotone, on a f (x) )= f (x + f (x)) si x )= x. On
en dduit que si xn B(x, ), alors f (xn + f (xn )) )= f (xn ) (si xn )= x) et donc xn+1 est dfini par
(f (xn ))2
xn+1 = . Ceci est une forme de stabilit du schma).
f (xn + f (xn )) f (xn )

2. Montrons maintenant que la suite (xn )nIN vrifie :
xn+1 x = a(xn )(xn x)2 si xn )= x et x0 B(x, ),
o a est une fonction continue. Par dfinition de la suite (xn )nIN , on a :
(f (xn ))2
xn+1 x = xn x . (2.48)
f (xn + f (xr )) f (xn )
Soit n : [0, 1] IR la fonction dfinie par :
n (t) = f (xn + tf (xn ))

On a n C 2 (]0, 1[, IR), n (0) = f (xn ) et n (1) = f (xn + f (xn )).
On peut donc crire :
+ 1
f (xn + f (xn )) f (xn ) = n (1) n (0) = n& (t)dt
0
Ceci donne : + 1
f (xn + f (xn )) f (xn ) = f & (xn + tf (xn ))f (xn )dt
0
+ t
&
On pose maintenant n (t) = f (xn + tf (xn )), et on crit que n (t) = n& (s)ds + n (0).
0
On obtient alors :
4 + 1 + t 5
&& &
f (xn + f (xn )) f (xn ) = f (xn ) f (xn ) f (xn + sf (xn ))ds + f (xn ) . (2.49)
0 0
Soit b C(IR, IR) la fonction dfinie par :

+ 1 ,+ t -
b(x) = f && (x + sf (x))ds dt.
0 0
1 &&
Comme f C(IR, IR), on a b(x) f (x) lorsque x x
2
Lgalit (2.49) scrit alors :
f (xn + f (xn )) f (xn ) = (f (xn ))2 b(xn ) + f (xn )f & (xn ). (2.50)
Comme x0 B(x, ), on a xn B(x, ) et donc f (xn ) )= 0 si xn )= x.
Donc pour xn )= x, on a grce (2.48) et (2.50) :
f (xn )
xn+1 x = xn x (2.51)
f (xn )b(xn ) + f & (xn ))
+ 1
On a maintenant f (xn ) = f (x) f (xn ) = & (t)dt o C 2 (IR, IR) est dfinie par (t) =
0
f (tx + (1 t)xn ).
Donc + 1
f (xn ) = f & (tx + (1 t)xn )(x xn )dt.
0
Soit C (IR, IR) la fonction dfinie par (t) = f & (tx + (1 t)xn ),
1
on a (0) = f & (xn ) et donc :

+ 1 4+ t 5
&& &
f (xn ) = (f (sx + (1 s)xn )(x xn ) + f (xn )) ds(x xn ) dt
0 0

Soit c C(IR, IR) la fonction dfinie par

+ 1 ,+ t -
c(x) = f && (sx + (1 s)x)ds dt,
0 0
1 &&
on a c(x) f (x) lorsque x x et :
2
f (xn ) = c(x)(x xn )2 + f & (xn )(x xn ) (2.52)
De (2.52) et(1.66), on obtient :
4 5
c(xn )(xn x) f & (xn )
xn+1 x = (xn x) 1 +
f (xn )b(xn ) + f & (xn )
(xn x) '
= &
c(xn )(x xn )2 b(xn )
f (xn )b(xn ) + f (xn )
f & (xn )(x xn )b(xn ) + f & (xn ) + c(xn )(xn x) f & (xn ))
On en dduit :
(xn+1 x) = (xn x)2 a(xn ) (2.53)

o
c(x)b(x)(x x) + f & (x)b(x)b + c(x)
a(x) =
f (x) + f & (x)
La fonction a est continue en tout point x tel que
D(x) = f (x)b(x) + f & (x) )= 0.
Elle est donc continue en x puisque D(x) = f (x)b(x) + f & (x) = f & (x) )= 0.
De plus, comme f , f & et b sont continues, il existe un voisinage de x sur lequel D est non nulle et donc a
continue.
3. Par continuit de a, pour tout > 0, il existe > 0 tel que si x B(x, ) alors
(7) |a(x) a(x)| .
Calculons
f & (x)b(x) + c(x)
a(x) =
f & (x)
1 && 1 + f & (x)
= f (x) = .
2 f & (x)
1 1
Soit = min(1 , ) ; si x B(x, ), alors |a(x)| + 1 grce (7), et |x x| .
2( + 1) 2( + 1)
On dduit alors de (6) que si xn B(x, ), alors
1
|xn+1 x| |xn x|.
2
Ceci entrane dune part que xn+1 B(x, ) et dautre part, par rcurrence, la convergence de la suite
(xn )nIN vers x.
Il reste montrer que la convergence est dordre 2.
Grce (6), on a :
|xn+1 x|
= |a(xn )|.
|xn x|2
Or on a montr ltape 3 que a est continue et que a(x) IR. On a donc une convergence dordre au
moins 2.

Corrig de lexercice 65 page 95 (Mthode de la scante)

1. Supposons xn1 et xn connus.
Pour que xn+1 soit bien dfini, il faut et il suffit que f (xn ) )= f (xn1 ). Or par hypothse, f & (
x) )= 0. On
en dduit quil existe un voisinage de x sur lequel f & est monotone, donc bijective. Donc il existe 1 tel que
si xn , xn1 ]x 1 , x + 1 [, xn )= xn1 et xn )= x, alors f (xn ) )= f (xn1 ). De mme, toujours par
injectivit de f sur ]x 1 , x + 1 [, on a f (xn ) )= 0.
En choisissant x0 et x1 dans lintervalle ]x 1 , x + 1 [, on a par une rcurrence immdiate que la suite
(xn )nIN est bien dfinie.
Par dfinition, si f (xn ) )= 0, on a :
f (xn ) f (
x) xn xn1
xn+1 x
= xn x
(xn x
) .
xn x f (xn ) f (xn1 )
En notant I(a, b) lintervalle dextrmits a et b, il existe donc n I( x, xn ) et n I(xn1 , xn ) tels que

f & (n ) f & (n )
xn+1 x = (xn x)(1 & ), , et donc : en+1 = |1 & |en .
f (n ) f (n )
f & (n )
Or f & est continue, il existe 2 tel que xn , xn1 ]x 2 , x + 2 [, alors 1 & 1/2, et donc
f (n )
en+1 21 en .
En posant = min(1 , 2 ), on a donc par rcurrence le fait que si x0 et x1 appartiennent lintervalle
]x , x + [, la suite (xn )nIN est bien dfinie et la mthode de la scante est localement convergente.
2. (a) Par dfinition,

f (xn ) f (x)
en+1 = en (xn xn1 ).
f (xn ) f (xn1 )
Donc :
(f (xn ) f (xn1 )en+1 = en f (xn ) en f (xn1 ) f (xn )en + f (xn )en1 (2.54)
= en f (xn1 ) + f (xn )en1 (2.55)
f (xn ) f (xn1 )
= en en1 ( ). (2.56)
en en1
Or f (x
en
n)
= f (xne)f
n
(x)
(resp. f e(xn1
n1
= f (xn1 f (x)
en1 )est la valeur moyenne de f & sur lintervalle
dextrmits x, xn (resp. x, xn1 ). On en dduit que (f (xn ) f (xn1 )en+1 = en en1 (n n1 ),
do le rsultat.
(b) Si x > x, la fonction vrifie : + x
(x x)(x) = f & (t)dt,
x
on en dduit que la fonction est continue et drivable et sa drive & vrifie :
(x x)& (x) + (x) = f & (x), x > x.
soit encore
f & (x) (x)
& (x) = , x > x. (2.57)
xx
Or
1
(x) = (f (x) f (x)) (2.58)
xx
1 1
= (f (x) (f (x) + (x x)f & (x) + (x x)2 f && (x)(x x)3 (x). (2.59)
xx 2
On en dduit que
1
(x) = f & (x) + (x x)f && (x) + (x x)2 (x).
2

Et finalement, en reportant dans (2.57) :

1 &&
& (x) = f (x) + (x x)(x), x > x. (2.60)
2
On en dduit que & admet une limite lorsque x tend vers x par valeurs positives. Le mme raisonne-
ment pour x < x donne le mme rsultat.
Enfin, comme f C 2 (IR, IR), on peut passer la limite dans (2.60) et on obtient :
1 &&
lim & (x) = f (x). (2.61)
xx 2
(c) Par dfinition, on a
(xn ) (xn1 ) xn xn1 & (n )
Mn = | |= & ,
xn xn1 f (xn ) f (xn1 ) f (n )
o n et n sont compris entre xn1 et xn (par le thorme des accroissements finis). Comme la suite
(xn )nIN tend vers x, comme f & est continue et grce (2.61), on a :
1 f && (x)
lim Mn = .
n+ 2 f & (x)
Notons que cette limite est finie car f & (x) )= 0 par hypothse. On en conclut que la suite (Mn )nIN est
borne.
3. (a) La relation dmontrer est vrifie pour n = 0 et n = 1. Supposons-la vrifie jusquau rang n. On a
par dfinition : an+1 = an an1 M en M en1 . Or par la question 2a, en en1 = Mn en+1 M en+1 .
On en dduit que la relation est encore vrifie au rang n + 1.
(b) Par dfinition, ai = M ei = M (xi x), pour i = 0, 1, donc si x0 , x1 ]x 1 , x + 1 [ avec 1 < 1/M ,
alors a0 < 1 et a1 < 1. On en dduit alors facilement par rcurrence que la suite an < 1, et donc que
la suite (an )nIN est strictement dcroissante. Elle converge donc vers une limite a qui vrifie a=a2
et a
< 1. On en dduit que la limite est nulle.
(c) On pose bn = ln an on a donc
bn+1 = bn + bn1 , n 1 (2.62)
Lensemble de suites (bn )nIN vrifiant (2.62) est un espace vectoriel de dimension 2. Pour trouver une
base de cet espace vectoriel, on cherche des lments de cet espace sousla forme bn = rn , n 0. Une
telle suite vrifie (2.62) si et seulement si r2 = r + 1, c..d. r = 12 5 . Si la suite (bn )nIN vrifie
(2.62), il existe donc C IR et D IR tels que

1+ 5 n 1 5 n
bn = ln(an ) = C( ) + D( ) .
2 2
n

On en dduit que an d , avec d = 1+2 5 , = e|D| et = eC . Notons quon a bien 0 < < 1
car C < 0 puisque ln(an ) < 0, pour tout n IN.
(d) Par la question 2(c) et lhypothse f (x) )= 0, on dduit que M > 0. Comme en+1 = Mn en en1 , on
a ln en+1 = ln Mn + ln en + ln en1 ; si on pose n = ln en+1 d ln en (pour n 0, on a donc
n = (1 d) ln en + ln en1 + ln Mn
= (1 d)(n1 + d ln en1 ) + ln en1 + ln Mn
= (1 d)(n1 + (1 d)d ln en1 ) + ln en1 + ln Mn .
Or (1 d)d = 1 car d est racine de lquation : d2 d 1 = 0. On obtient donc finalement
n = (1 d)n1 + ln Mn .
On pose maintenant n = Cn (1 d)n (obtenu par variation de la constante" C pour la solution de

lquation homogne n = (1 d)n1 ). On obtient alors
Cn (1 d)n = (1 d)Cn1 (1 d)n1 + ln Mn .

Ceci entrane :
ln Mn
Cn = Cn1 + .
(1 d)n
Donc
n
" ln Mp
Cn = C0 + ,
p=1
(1 d)p
ln M
et comme la suite (Mn )nIN est borne, la srie de terme gnral (1d)pp est convergente. Comme
(1d)n tend vers 0 lorsque n tend vers linfini, on en dduit que n 0. On a donc ln en+1 d ln en
0, i.e. en+1
ed
1 lorsque n +.
n

1+ 5
(e) Lordre de convergence de la mthode de la scante est d = 2 < 2, donc plus petit que lordre de
convergence de la mthode de Newton.


3 - Systèmes Non Linéaires PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

3 - Systèmes Non Linéaires PDF

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 2

Systmes non linaires

2.1 Les mthodes de point fixe

1. (x(n) )n est de Cauchy (donc convergente car E est complet),

d(x(n+1) , x(n) ) = d(f (x(n) ), f (x(n1) )) kd(x(n) , x(n1) ).

Par rcurrence sur n, on obtient que

d(x(n+1) , x(n) ) k n d(x(1) , x(0) ), n 0.

d(x(n+p) , x(n) ) d(x(n+p) , x(n+p1) ) + + d(x(n+1) , x(n) )

Comme E est complet, on a donc x(n) x dans E quand n +.

peut obtenir la solution de (2.1) en construisant la suite :

Or on peut aussi crire cette suite de la manire suivante :

Analyse numrique I, Tl-enseignement, L3 77 ,

En effet si x(n+1) est donn par la suite (2.5), alors x(n+1) = x

Dmonstration du thorme 2.3

Remarque 2.5 (Quelques rappels de calcul diffrentiel)

Dmonstration de la proposition 2.6

(t) = g(x + t(y x)).

Comme i (x) [, ] i {1, . . . , N }, on a donc |y|2 Dg(z)y y |y|2 . On a donc : (g(y)

Analyse numrique I, Tl-enseignement, L3 78 ,

2.1.2 Point fixe de monotonie

Analyse numrique I, Tl-enseignement, L3 79 ,

On a donc ainsi montr (par rcurrence) que

Lhypothse 1 donne alors que y 0 A1 y 0. En prenant y = e1 on obtient que la premire colonne de

Thorme 2.10 (Gnralisation du prcdent)

Dmonstration : On se ramne au thorme prcdent avec A+Id au lieu de A et R+ au lieu de R.

Analyse numrique I, Tl-enseignement, L3 80 ,

2.1.3 Vitesse de convergence

On sintresse la vitesse de convergence" de la suite (x(n) )nIN . On dit que :

1. Si on suppose que f & (

Analyse numrique I, Tl-enseignement, L3 81 ,

2. Si on suppose maintenant que f & (

On a ainsi montr que x(n) x

f (x) = x + h(x)g(x) avec h C 2 (IR, IR) tel que h(x) )= 0 x IR.

Analyse numrique I, Tl-enseignement, L3 82 ,

2.2 Mthode de Newton

Pour chaque n IN, il faut donc effectuer les oprations suivantes :

Thorme 2.16 (Convergence de la mthode de Newton, I) Soient g C 2 (IR N , IR N ) et x IR N tels que

Thorme 2.17 (Convergence de la mthode de Newton, II)

Analyse numrique I, Tl-enseignement, L3 83 ,

Dmonstration du thorme 2.17

1g(y) g(x) Dg(x)(y x)1 a2 1y x12 .

x) = 0 et par dfinition de x(n+1) , on a donc :

1Dg(x(n) )(x(n+1) x(n) ) Dg(x(n) )(

1x(n+1) x1 1Dg(x(n) )1 1 1Dg(x(n) )(x(n+1) x)1.

En utilisant (2.8), les hypothses 1 et 2 et le fait que x(n) B(

La convergence est au moins quadratique car lingalit (2.9) scrit : 1x(n+1) x

Dmonstration du thorme 2.16

x)1 1 1Dg(x) Dg(

Analyse numrique I, Tl-enseignement, L3 84 ,

Comme D(Dg) = D2 g est continue par hypothse, et comme B(

a2 = sup 1D(Dg)(c)1L(IR N ,MN (IR)) < +.

De plus, t < 1 et on dduit de (2.11) que :

1Dg(x + t(y x) Dg(x))1 a2 1y x1,

et de lingalit (2.10) on dduit ensuite que

2.2.2 Variantes de la mthode de Newton

Analyse numrique I, Tl-enseignement, L3 85 ,

Faux quasi Newton

Analyse numrique I, Tl-enseignement, L3 86 ,

Mthodes de type Quasi Newton"

B (n) (x(n) x(n1) ) = g(x(n) ) g(x(n1) ) (2.15)

B (n) (n) = y (n) (2.16)

B (n) = B (n1) , IR N tel que (n) . (2.17)

Proposition 2.20 (Existence et unicit de la matrice de Broyden)