Exercices de Licence - Analyse numérique

M. Bergounioux

Feuille no 1 : Généralités

1 Normes matricielles
1. Pour p ≥ 1 , on définit sur Rn la norme de Hölder ( ou p-norme ) par :

"x"p = (|x1 |p + · · · + |xn |p )1/p .

Montrer l’inégalité de Minkowski :

! n #1/p ! n #1/p ! n #1/p
" " "
|xi + yi |p ≤ |xi |p + |yi |p ,
i=1 i=1 i=1

et l’inégalité de Hölder
n
"
|xi yi | ≤ "x"p "y"q ,
i=1
1 1
où + = 1. En déduire que x → "x"p est bien une norme.
p q
2. On définit aussi sur l’ensemble des matrices m × n à coefficients dans R la norme induite :

"A"p = sup "Ax"p .

!x!p =1

Montrer que si D = diag ( µ1 , · · · , µk ) est une matrice m × n diagonale à coefficients dans R

(avec k = min (m, n)) alors :
"D"p = max |µi | .
i

n
"
3. Montrer que "A"1 = max |aij | , quand A est une matrice carrée d’ordre n.
j
i=1

4. On définit, pour une matrice A de format m × n sur R ( ou C) le nombre :

$"
m "
n %1
2
"A"sc = |aij |2 ( Norme de Schur) .
i=1 j=1

(a) Vérifier que " "sc est une norme et que "A"2sc = tr (At A) (ou tr(A∗ A))
(b) Si A et B sont deux matrices de format respectifs m × n et n × p alors :

"A B"sc ≤ "A"sc "B"sc

1
 (c) Montrer que "A"sc est invariante par transformation orthogonale (ou unitaire)
(d) Montrer que si A est une matrice carrée de format n on a :
√
|A"2 ≤ "A"sc ≤ n"A"2 .

(e) " "sc est-elle une norme matricielle induite ?

5. Soit "A"∞ la norme matricielle induite par la norme vectorielle "x" ∞ = max |xi |.
i
"
Etablir alors que : "A"∞ = max |aij |.
i
j

6. Soient u et v deux vecteurs , u ∈ R m et v ∈ Rn . Montrer que si A = uv t alors :

"A"2 = "A"sc = "u"2 "v"2 et "A"∞ = "u"∞ "v"1 .

7. A toute norme matricielle , telle que "A B" ≤ "A" "B" on peut toujours associer une norme
vectorielle qui lui soit compatible .
Montrer qu’on a alors : "A" ≥ ρ(A) ( rayon spectral )

8. Soit H une matrice hermitienne définie positive . Montrer que l’application qui à x associe
"x"H = (Hx, x)1/2 définit bien une norme vectorielle.
Soit " "H la norme matricielle associée. Calculer "A" H et retrouver le résultat classique
"A"22 = ρ(A∗ A) avec H = Identité.

9. Montrer que :

(a) lim Ak = 0 ⇔ ρ(A) < 1

k→+∞
(b) Pour toute norme matricielle :

lim "Ak "1/k = ρ(A)

k→+∞

2 Suites de matrices
1. Soit B une matrice carrée telle que "B" < 1 . On définit C n par :

Cn = I + B + B 2 + · · · + B n .

Montrer que lim Cn = (I − B)−1

n→+∞

2. Soit A une matrice carrée et Bn définie par :

n
" Ak
Bn = .
k!
k=1
&
(a) Montrer que la série Bn converge vers une limite qu’on notera exp (A).
(b) Montrer que det (exp (A)) = exp (tr (A))
(c) Montrer que exp(A + B) = exp(A) exp(B) si et seulement si AB = BA.

2
3 Méthode de Gauss
1. Rappeler la méthode de Gauss et évaluer le nombre d’opérations nécessaires pour résoudre un
système linéaire.

2. Soit A une matrice réelle d’ordre n.

(a) Construire la matrice élémentaire de Gauss L 1 = I + "(1) et1 où "(1) ∈ Rn et "(1)1 = 0, "(1)2=0
de façon que A1 = L−1
1 AL1 ait la structure suivante :
 
# | # ... #
 
 # | # ... # 
 
 − | − − − 
 
A1 =   , où # désigne des termes non nuls .
 0 | 
 .. 
 
 . | # 
0 |

(b) En déduire qu’il faut n − 1 matrices élémentaires de Gauss pour construire une matrice H
de la forme Hessenberg semblable à A où H = L −1 AL et L = L1 L2 . . . Ln−1 .
5
(c) Montrer que le coût de cette transformation est de n3 additions et multiplications.
6

3
 Feuille d’exercices no 2 : Méthodes itératives pour les systèmes linéaires

M(n, n) désigne toujours l’ensemble des matrices carrées d’ordre n.

1. Montrer que si la matrice A = M − N est singulière alors on ne peut pas avoir ρ(M −1 N ) < 1
même si M est régulière.

2. Soit A une matrice hermitienne inversible mise sous la forme A = M − N où M est inversible .
On appelle B = I − (M −1 A) la matrice de l’itération associée au système Ax = b. On suppose
que M + M ∗ − Aest définie positive .
Montrer que si x est un vecteur quelconque et y = Bx alors :

(x | Ax) − (y | Ay) = (x − y | (M + M ∗ − A)(x − y)) .

En déduire que ρ(B) < 1 si et seulement si A est définie positive .

3. Soit a ∈ R ; la matrice A est définie de la manière suivante :

 
1 a a
 
A =  a 1 a  .
a a 1

(a) Pour quelles valeurs de a la matrice A est-elle définie positive ? Peut-on en déduire les
valeurs de a pour lesquelles la méthode de Gauss-Seidel est convergente ?
(b) Ecrire la matrice J de l’itération de Jacobi . Pour quelles valeurs de a la matrice de Jacobi
converge-t-elle ?
(c) Ecrire la matrice L1 de l’itération de Gauss-Seidel . Calculer ρ(L 1 ) .
Déterminer les valeurs de a pour lesquelles la méthode de gauss-Seidel converge et celles
pour lesquelles elle converge plus vite que la méthode de jacobi.

4. On donne deux matrices réelles régulières A, B d’ordre n et a, b deux vecteurs de R n .

(a) On construit les deux itérations suivantes :

- xo , y o ∈ R n
xk+1 = Byk + a
(1) pour k = 0, 1, . . .
yk+1 = Axk + b .
Donner une condition nécessaire et suffisante de convergence des deux suites x k et yk
! #
xk
(b) On pose zk = où zk ∈ R2n . Expliciter les matrices C et c telles que :
yk
zk+1 = Czk + c et comparer ρ (C) et ρ (AB) .
On considère maintenant les deux itérations suivantes :
-
xk+1 = Byk + a
(2)
yk+1 = Axk+1 + b .

4
 (c) Donner une condition nécessaire et suffisante de convergence de (2).
(d) Mettre comme précédemment (2) sous la forme z k+1 = Dzk + d . Expliciter D et d et
comparer ρ (D) et ρ (AB) .
(e) Comparer les taux de convergence des algorithmes (1) et (2) .

5. A est une matrice hermitienne régulière et A = M − N est une décomposition de A telle que
M ∗ + N soit définie positive. On associe à la matrice A la méthode itérative :

M x(k+1) = N x(k) + b (1)

pour la résolution de A x = b.

(a) On suppose que A est définie positive et on définit le produit scalaire < x, y > A par
< x, y >A = (Ax,y) (où ( , ) désigne le produit hermitien habituel ).
On note " "A la norme associée à ce produit scalaire : "x" 2A = (Ax, x) .
Montrer que "(I − M −1 A)x"A < "x"A . En déduire que (1) est convergente.
(b) On suppose désormais que la méthode (1) est convergente et on pose B = I − M −1 A.
Montrer que :
• C = A(M ∗ )−1 (M + M ∗ − A)M −1 A est hermitienne définie positive.
• A = C + B ∗ A B.
+∞
"
En déduire que A = C + (B ∗ )k C B k .
k=1
• Conclure que A est définie positive.

Est-ce que le résultat précédent s’applique à la méthode de Gauss-Seidel ? Peut-on retrouver un

résultat classique de convergence?

6. Méthode de Richardson.- Pour résoudre l’équation Ax = b, on propose la méthode suivante

:
xn+1 = xn + αn (b − Axn )

où αn sera calculé dans la suite de l’exercice .

(a) Montrer que en = A−1 b − xn vérifie la relation :

en+1 = (I − αn A)en

En déduire que en = Pn (A)eo où Pn est un polynôme de degré au plus n et vérifiant

Pn (0) = 1.
(b) Montrer que si la matrice est symétrique , alors :

"Pn (A)"2 = max |Pn (λi )|

i

5
 où les λi sont les valeurs propres de A. En déduire que le meilleur choix des α i pour que
max |Pn (t)| soit le plus petit possible est :
λN ≤t≤λ1

1 λ1 + λN λ1 − λN 2i − 1 π
= + cos( . )
αi 2 2 n 2
.
K(A) − 1 n
(c) Montrer que "Pn (A)"2 ≤ 2( . ) où K(A) est le nombre de conditionnement de
K(A) + 1
A.

On suppose que la matrice A est symétrique, définie positive.

On note (λ1 , . . . , λn ) les valeurs propres de la matrice A rangées par ordre croissant : 0 < λ 1 ≤
λ2 ≤ . . . ≤ λn .
2
(a) Montrer que la méthode itérative proposée est convergente si et seulement si 0 < α < .
λn
2
(b) Montrer qu’il existe 0 < α∗ < tel que
λn
2
ρ(I − α∗ A) = min{ρ(I − αA) ; 0 < α < }.
λn
Calculer α∗ et exprimer ρ(I − α∗ A) à l’aide du conditionnement κ2 (A) de la matrice A
relatif à la norme euclidienne.

6
 Feuille d’exercices no 3 : Méthodes itératives pour les systèmes linéaires

M(n, n) désigne toujours l’ensemble des matrices carrées réelles d’ordre n.

1 Méthode de relaxation
Soit A = (aij ∈ M(n, n) une matrice symétrique inversible dont les coefficients diagonaux sont non
nuls. On introduit la matrice diagonale D = diag(a ii )1≤i≤n .
Soit b ∈ Rn . Pour résoudre le système A x = b, on se donne ω > 0 et on considère la méthode itérative
dite de relaxation.
2
1. Montrer que si les matrices A et D − A sont définies positives, alors la méthode itérative
ω
converge.

2. Dans cette question, on suppose que a ii > 0 pour tout i et que la méthode itérative converge.
√
On notera D 1/2 la matrice d’éléments diagonaux ( aii ) et D −1/2 son inverse.

(a) Soit S = D −1/2 A D −1/2 . Comparer les valeurs propres des matrices D −1 A et S. Comment
leurs vecteurs propres se correspondent-ils ?
(b) Montrer que le spectre de Bω = I − ωD −1 A est inclus dans l’intervalle ] − 1, 1 [.
2
(c) En déduire que l’on a xt Ax > 0 et xt D − Ax > 0 pour tout vecteur propre x de B ω .
ω
2
(d) En conclure que les matrices A et D − A sont définies positives.
ω
3. Soient µ1 ≤ . . . ≤ µn les valeurs propres de la matrice J = I − D −1 A. On suppose qu’elles
appartiennent toutes à ] − 1, 1 [.

(a) On note f (ω) le rayon spectral de B ω . Montrer qu’il est minimal pour une valeur particulière
ωo . Préciser ωo et f (ωo .
(b) Montrer que si la matrice A est tridiagonale, le spectre de J est symétrique par rapport à
0. Est-il pertinent dans ce cas là de relaxer la méthode de Jacobi.

2 Algorithme du Gradient à pas constant

On veut résoudre le système Ax = b, x ∈ R n (avec A symétrique, définie, positive) par une méthode
de gradient à paramètre constant. Soit x̄ la solution de ce système. On propose l’algorithme suivant :

 • xo , ro = b − Axo

• xk+1 = xk + αrk


où rk = b − Axk
α est un réel constant .

7
 1. Soit ek = xk − x̄ ( pour k ≥ 0) ; montrer que ek = (I − αA)k eo , ( pour k ≥ 0).

2. Soient 0 < λn ≤ λn−1 ≤ · · · ≤ λ1 les valeurs propres de A. Montrer que l’algorithme converge si
2
et seulement si 0 < α < .
λ1
2
3. Montrer que le meilleur choix de α est : α opt = et qu’alors :
λ1 + λn
λ1 − λ n
ρ(I − αopt ) =
λ1 + λ n

3 Gradient conjugué
1. On note (x, y) le produit scalaire euclidien de R n , xt y sous forme matricielle, ui le vecteur propre
associé à une valeur propre λi et Wk le sous-espace engendré par les k vecteurs propres (u i )1≤i≤k .
On appelle Quotient de Rayleigh de la matrice A l’application de R n − {0} vers R définie par
:
(Ax, x)
RA (x) =
(x, x)
Montrer que :

• λk = RA (uk ).
• λk = min RA (x).
x∈Wk
• λk = max RA (x).
⊥
x∈Wk−1

Pour x *= 0 et λ scalaire quelconque, on définit η = Ax − λx.

Montrer que
"η"2
min |λ − λi | ≤
i∈{1,···,n} "x"2
et que η est minimum au sens de la norme euclidienne pour λ = R A (x) .

2. Soit A une matrice carrée d’ordre N symétrique , définie positive .

Deux vecteurs u *= 0 et v *= 0 sont dits A-conjugués si (Av|u) = 0.

(a) Montrer que si les vecteurs vo , v1 , · · · , vN −1 sont A-conjugués, ils forment une base de R N .
(b) On définit les deux suites de matrices suivantes :
k−1
" vi vit
Ck =
(Avi |vi )
i=0

Dk = I − Ck A .

 Ck Avj = vj

Montrer que pour 0 ≤ j ≤ k − 1 : Dk vj = 0 .

 t
Dk Avj = 0
Que valent alors DN et CN ?

8
(c) Supposons que vo , v1 , · · · , vk−1 soient connus .
Si Dk = 0 , que peut-on conclure ?
Sinon , soit v ∈ Rn tel que Dk v *= 0 . Montrer que vk = Dk v est A-conjugué par rapport à
vo , v1 , · · · , vk−1 .
(d) Ecrire un algorithme qui à partir de v o ∈ Rn −{0}, donné, construit la suite v1 , v2 , · · · , vN −1 .
Pour cela on pourra considérer, tant que le D k *= 0, un vecteur de la forme Dk ei où ei est
le ième vecteur de la base canonique.
En déduire un algorithme pour calculer A −1 .

9
 Feuille d’exercices no 4

Soit N un entier supérieur à 1 et h = π/(N + 1). On considère le problème discrétisé de Laplace-

Dirichlet : étant donné (fi )1≤i≤N trouver (ui )1≤i≤N tel que

−(ui+1 + ui−1 − 2ui )/h2 = fi , uo = uN +1 = 0. (2)

Le but du problème est de trouver une méthode itérative de résolution de (6).

1. Calcul préliminaire

1. Monter que (6) est équivalent à la résolution de

Au = f (3)

où on explicitera la matrice A = (aij )1≤i,j≤N et où u et f sont les vecteurs de composantes
(ui )1≤i≤N et (fi )1≤i≤N .

2. Montrer que tous les vecteurs propres v k et toutes les valeurs propres λk de A sont donnés par
les formules 3 4
4 kh
(vk )i = sin(i kh), λk = 2 sin2 .
h 2

3. Calculez la plus petite et la plus grande valeur propre de A et leur rapport. Comment se
comporte-t-il pour N → +∞ ?
Qu’en déduisez-vous ?

2. Méthode itérative de résolution de (7)

On définit les matrices D et E par

dij = aij δij , eij = −aij si i *= j, 0 sinon.

Pour résoudre (6)-(7), on construit la suite de vecteurs u (n) définis par

D u(n+1) = f + E u(n) .

1. Comment s’appelle cette méthode ? montrer qu’elle définit effectivement la suite u (n) .

2. Soit J = I − D −1 A; montrer que

u(n+1) = D −1 f + J u(n) .

3. Calculer les vecteurs propres et valeurs propres µ k de J.

4. Calculez le rayon spectral ρ(J).

Les calculs des questions 3 et 4 de cette section servent dans la suite.

3. Convergence de la méthode

10
1. Soit u la solution de (7) et e(n) = u − u(n) . Montrez que

e(n) = J n e(o) .

2. Montrer que
"e(n) "/"e(o) " ≤ "J n "

où " · " désigne la norme euclidienne (et la norme matricielle induite).

3. Montrer que
"J n " ≤ (cos h)n = sn .

En déduire que la méthode converge.

4. On pose n = k (N + 1)2 . Montrer que pour k fixé,

kπ 2
sn → exp(− ) pour N → +∞. (4)
2

5. Calculez approximativement k de façon à réduire l’erreur sur u (n) de 10−8 lorsque N est très
grand. Justifiez que l’on peut utiliser (8).

6. Quel est le coût de la méthode pour réaliser un calcul à 10 −8 près en partant d’une donnée u(o)
telle que "u(o) " = 1.

7. Comparez ceci aux autres méthodes que vous connaissez.

11
 Feuille d’exercices no 5

Problème 1.: une méthode itérative du type directions alternées.

Soient A ∈ Mn (R) symétrique, définie positive et b ∈ R n .

On décompose la matrice A sous la forme

A = rI +H +V ,

où r ∈ R, r > 0, H et V sont des matrices de M n (R) symétriques telles que r I + H et r I + V soient
inversibles.
On considère la méthode itérative pour la résolution du système A x = b définie par

 xo ∈ R donné, et pour tout k ∈ N
 n

(r I + H)xk+1/2 = −V xk + b , (5)


(r I + V )xk+1 = −Hxk+1/2 + b .
On rappelle que le rayon spectral d’une matrice M est noté ρ(M ).
1. Montrer que la méthode itérative (5) converge si et seulement si
5 6
ρ (r I + V )−1 H(r I + H)−1 V < 1 .

1 1
2. Soient B = H et C = V .
r r
(a) Montrer que les matrices B (I + B)−1 et C (I + C)−1 sont symétriques.
(b) montrer que
5 6 5 6 5 6
ρ (r I + V )−1 H(r I + H)−1 V ≤ ρ B (I + B)−1 ρ C (I + C)−1 .
5 6 1
(c) Montrer que ρ B (I + B)−1 < 1 si et seulement si I + B est définie positive.
2
r r
(d) En déduire que , si les matrices I + H et I + V sont définies positives, la méthode
2 2
itérative (5) converge.

Problème 2.

Soient A = (aij ) ∈ Mn (R) une matrice telle que aii *= 0 pour tout 1 ≤ i ≤ n et b ∈ Rn (n ≥ 2).
n
"
Pour tout x = (x1 , . . . , xn )t ∈ Rn , on note "x"2 la norme euclidienne sur Rn , "x"1 = |x|i et
i=1
"x"∞ = max{|x|i , i = 1, . . . , n}.
Pour x(o) ∈ Rn donné, on construit une suite de vecteurs (x (k) )k∈N par récurrence : on pose r (k) =
(k)
b − A x(k) , on choisit i = i(k) ∈ { 1, . . . , n } tel que |r i | = "r (k) "∞ et on définit x(k+1) composante
par composante : 
 (k)
 (k+1) (k) ri
xi = xi + ,
aii

 x (k+1) (k)
j = x , j *= i, 1 ≤ j ≤ n .
j

12
1. On désigne par Ai ∈ Rn la i-ème colonne de la matrice A. Montrer que pour tout k ∈ N
(k)
ri
r (k+1) = r (k) − Ai .
aii
(k+1)
Quelle est la valeur de ri ?

2. Dans cette question, on suppose de plus que

n
" |aj# |
<1,
|a## |
j=1,j(=#

pour tout 1 ≤ " ≤ n. (On dit que A est à diagonale strictement dominante sur les colonnes).

(a) Etablir que , pour tout k ∈ N, on a :

  
n
"
1 |aji |  (k)
"r (k+1) "1 ≤ 1 − 1 − "r "1 où i = i(k) .
n |aii |
j=1,j(=i

(b) Justifier que le système linéaire A x = b admet une solution unique que l’on notera x ∗ , puis
montrer que la suite (x(k) )k∈N converge vers x∗ .

3. Dans cette question, on suppose que A est symétrique, définie positive.

(a) Etablir, que pour tout k ∈ N, on a

; < ; < "r (k) "2
∞
A−1 r (k+1) , r (k+1) = A−1 r (k) , r (k) − ,
ai(k)i(k)

où (·, ·) désigne le produit scalaire euclidien sur R n .

(b) Vérifier que, pour tout e ∈ Rn tel que "e"2 = 1, on a
5 6
(Ae, e) A−1 e, e ≥ 1 .

En déduire que
d(A) "A−1 "2 ≥ 1 ,

où d(A) = max{ajj , 1 ≤ j ≤ n }.

5 61/2
(c) Pour tout x ∈ Rn , on note "x"A−1 = A−1 x, x . Montrer que
3 41/2
1
"r (k+1)
"A−1 ≤ 1− "r (k) "A−1 ,
n d(A) "A−1 "2

pour tout k ∈ N.
En déduire que la suite (x(k) )k∈N converge vers la solution x∗ du système linéaire A x = b.

13
 Examen - Décembre 2000

Les documents ne sont pas autorisés. Les deux problèmes sont indépendants.
Exercice 1
Soient u et v deux vecteurs non nuls de R n .

1. Ecrire les coefficients de la matrice A = u v t

2. Quelle est le noyau de A ? Quelle est l’image de A ?

3. On suppose que v est colinéaire à u ;

(a) Quelles sont les valeurs et vecteurs propres de A ?

(b) Calculer le rayon spectral de A + α I , α ∈ R, (I représente la matrice Identité).

4. On suppose que v n’est pas colinéaire à u .

(a) Quels sont les valeurs propres de A ?

(b) Quels sont ses vecteurs propres ?
(c) Ecrire la matrice A dans une base du type (u, v, w 1 , · · · , wn−2 ) où v t wi = 0.
(d) Rappeler la méthode de Gauss-Seidel . Pour cette méthode, calculer la matrice des itérations
appliquée à Aα = A + α I (pour résoudre un système linéaire de la forme A α x = b).
(e) Pour quelles valeurs de α cette méthode converge -t’elle ?
(f) Dans la base (u+ v, u− v) pour n = 2, pour quelles valeurs de α la méthode de Gauss-Seidel
converge-t’elle ?

Exercice 2
On considère des méthodes itératives de résolution du type

Ax = b

sous la forme :
xk+1 = Bxk + c

Soit la matrice : ! #
2 −1
−1 2

1. Calculer la matrice BJ de la méthode de Jacobi et la matrice B G de la méthode de Gauss-Seidel

2. Calculer les valeurs propres de BJ et de BG

3. Les méthodes de Jacobi et de Gauss-Seidel convergent-elles pour cette matrice ?

14
 4. Calculer les taux de convergence asymptotiques des deux méthodes et comparer leurs vitesses
de convergence .
On considère maintenant la méthode SOR où B vaut :

BS = (D − ωE)−1 [(1 − ω)D + ωF ]

 
−F
 
avec A =  D 
−E

5. Calculer BS dans le cas particulier précédent .

6. Calculer le déterminant de BS . Que se passe-t’il pour ω = 2 ? Est-ce particulier à cette matrice

A?

7. Calculer la trace de BS et donner les deux valeurs propres de B S lorsqu’elles existent.

√
8. Pour 1 ≤ ω ≤ 4 − 2 2, indiquer pour quelle valeur de ω ces deux valeurs propres sont égales.

9. Calculer alors le rayon spectral de B S et comparer les taux de convergence de SOR et Gauss-
Seidel .

On rappelle que le taux de convergence d’une méthode est le rayon spectral de la matrice associée.

15
 Examen - Juin 2001

Les documents ne sont pas autorisés.

Soit N un entier supérieur à 1 et h = π/(N + 1). On considère le problème discrétisé de Laplace-
Dirichlet : étant donné (fi )1≤i≤N trouver (ui )1≤i≤N tel que

−(ui+1 + ui−1 − 2ui )/h2 = fi , uo = uN +1 = 0. (6)

Le but du problème est de trouver une méthode itérative de résolution de (6).

1. Calcul préliminaire

1. Monter que (6) est équivalent à la résolution de

Au = f (7)

où on explicitera la matrice A = (aij )1≤i,j≤N et où u et f sont les vecteurs de composantes
(ui )1≤i≤N et (fi )1≤i≤N .

2. Montrer que tous les vecteurs propres v k et toutes les valeurs propres λk de A sont donnés par
les formules 3 4
4 kh
(vk )i = sin(i kh), λk = 2 sin2 .
h 2

3. Calculez la plus petite et la plus grande valeur propre de A et leur rapport. Comment se
comporte-t-il pour N → +∞ ?
Qu’en déduisez-vous ?

2. Méthode itérative de résolution de (7)

On définit les matrices D et E par

dij = aij δij , eij = −aij si i *= j, 0 sinon.

Pour résoudre (6)-(7), on construit la suite de vecteurs u (n) définis par

D u(n+1) = f + E u(n) .

1. Comment s’appelle cette méthode ? montrer qu’elle définit effectivement la suite u (n) .

2. Soit J = I − D −1 A; montrer que

u(n+1) = D −1 f + J u(n) .

3. Calculer les vecteurs propres et valeurs propres µ k de J.

4. Calculez le rayon spectral ρ(J).

Les calculs des questions 3 et 4 de cette section servent dans la suite.

16
3. Convergence de la méthode

1. Soit u la solution de (7) et e(n) = u − u(n) . Montrez que

e(n) = J n e(o) .

2. Montrer que
"e(n) "/"e(o) " ≤ "J n "

où " · " désigne la norme euclidienne (et la norme matricielle induite).

3. Montrer que
"J n " ≤ (cos h)n = sn .

En déduire que la méthode converge.

4. On pose n = k (N + 1)2 . Montrer que pour k fixé,

kπ 2
sn → exp(− ) pour N → +∞. (8)
2

5. Calculez approximativement k de façon à réduire l’erreur sur u (n) de 10−8 lorsque N est très
grand. Justifiez que l’on peut utiliser (8).

6. Quel est le coût de la méthode pour réaliser un calcul à 10 −8 près en partant d’une donnée u(o)
telle que "u(o) " = 1.

7. Comparez ceci aux autres méthodes que vous connaissez.

17
 1

Université d’Orléans Licence de Mathématiques

Unité MA6.07 2001/2002

Feuille de révision

1. Soit α une racine double de la fonction f , c’est-à-dire f (α) = f ! (α) = 0.

(a) En tenant compte du fait qu’on peut écrire la fonction f comme

f (x) = (x − α)2 h(x), où h(x) "= 0 ,

vérifier que la méthode de Newton pour l’approximation de la racine α est

seulement d’ordre 1.
(b) On considère la méthode de Nexton modifiée

f (xn )
xn+1 = xn − 2 .
f ! (xn )

Vérifier que cette méthode est d’ordre 2 si on veut approcher α.

2. On cherche les zéros de la fonction

1 !π x"
f (x) = sin +1−x .
2 2
(a) Vérifier qu’il y a au moins un zéro x∗ dans l’intervalle [0, 2].
(b) Vérifier que x∗ est un zéro de multiplicité 1.
(c) Écrire la méthode de Newton pour trouver le zéro x∗ de la fonction f et calculer
la première itération à partir de la valeur initiale xo = 1.
(d) Vérifier que cette méthode est d’ordre 2.

3. On se donne la fonction
f (x) = x3 − 2 x − 5

sur l’intervalle [1, 3]

(a) Montrer qu’il y a au moins un zéro dans l’intervalle [1, 3].

(b) Montrer que ce zéro x∗ est unique.
(c) Écrire la méthode de Newton pour trouver le zéro x∗ de la fonction f .
(d) En interprétant cette méthode comme une méthode de point fixe, montrer
qu’elle est d’ordre 2.
 2

4. Polynômes Orthogonaux d’Hermite

Soit la famille de polynômes définie de la façon suivante :

2 dn −x2
Hn (x) = (−1)n ex [e ].
dxn
On note Pn l’ensemble des fonctions polynômiales de degré n de R dans R. On
désigne par E l’ensemble des fonctions de R dans R telles que
#
2
f (t)2 e−t dt < +∞ ,
R

muni du produit scalaire

#
2
(f, g) = f (t) g(t)e−t dt .
R

(a) Montrer que Hn ∈ Pn ; calculer Ho et H1 .

(b) Pour tout n ≥ 2 et x ∈ R, donner l’expression de Hn (x) en fonction de
Hn−1 (x), Hn−2 (x) et n.
(c) En déduire le terme de plus haut degré de Hn ainsi que H2n (0).
(d) Pour tous (n, m) ∈ N × N tels que m ≤ n calculer (Hn , xm ). En déduire
(Hn , Hm ) pour tous (n, m) ∈ N × N .
 1

Université d’Orléans Licence de Mathématiques

Unité MA6.07 2002/2003

Examen - 30 avril 2003 - Session 1- 2h

Les documents ne sont pas autorisés. La calculatrice est recommandée.

Les exercices sont indépendants.

! 1
1. Calculer x e−x dx par la méthode de Gauss-Legendre à 2 points et par la formule de
0
Simpson qui demande 3 évaluations fonctionnelles. Laquelle est la plus précise?
2. Soit à résoudre ln(x) + x = 0.
(a) Montrez que cette équation à une solution unique sur [0,1].
(b) Par dichotomie, donnez la racine avec deux décimales significatives. Combien d’itérations
sont-elles nécessaires? Pouvait-on le prévoir?
(c) Par la méthode de Newton (en partant de 1), donnez la racine avec deux décimales
significatives. Combien d’itérations sont-elles nécessaires ? Comparez avec le résultat
précédent.
3. Soit f de R dans R de classe C ∞ dont la dérivée et la dérivée seconde ne s’annulent pas au
voisinage de a vérifiant f (a) = 0. On considère les suites xn et yn définies par la donnée de
xo et les relations :
f (xn )
yn = xn − # ,
f (xn )
f (yn )
xn+1 = yn − .
f # (xn )
On suppose que ces suites convergent vers a et que ∀n ∈ N, xn $= a et yn $= a.

(a) Donner une interprétation géométrique de ces suites.

(b) Effectuer un développement limité à l’ordre 2 de f (a) − f (xn ) puis démontrer que

yn − a f ”(a)
lim = # .
n→+∞ (xn − a)2 2f (a)

(c) Effectuer un développement limité à l’ordre 2 de f (a) − f (yn ) puis démontrer que

xn+1 − a f ”(a)
lim = # .
n→+∞ (xn − a)(yn − a) f (a)

(d) Démontrer que les suites xn et yn sont d’ordre au moins 3.

Correction de l’examen du 30 avril 2003
Exercice 2
Exercice 3