Vous êtes sur la page 1sur 19

Université Claude Bernard, Lyon 1 Licence Sciences & Technologies

43, boulevard du 11 novembre 1918 Spécialité : Mathématiques


69622 Villeurbanne cedex, France Analyse numérique L3- Automne 2015

Série d’exercices no 4/6


Recherche de valeurs propres
Résolution numérique d’équations non linéaires
Quelques rappels sur les valeurs propres
1. Les valeurs propres de A 2 Mn,n (R) sont les tels qu’il existe un vecteur x 2 Rn⇤ qui
vérifie Ax = x. On dit que x est un vecteur propre associé à .
2. Les valeur propres de A sont les racines du polynôme caractéristique de A,
P ( ) = det(A In ).
3. Une matrice A 2 Mn,n (R) possède n valeurs propres complexes.
ATTENTION : une matrice réelle peut avoir des valeurs propres complexes.
4. Deux matrices A et B sont dites semblables s’il existe une matrice inversible P telle que
A = P 1 BP . Deux matrices semblables ont les mêmes valeurs propres.
5. une matrice A est diagonalisable s’il existe une matrice D diagonale (composée de valeurs
propres de A) et une matrice inversible P telles que A = P 1 DP . Si A 2 Mn,n (R) possède
n valeurs propres distinctes, alors A est diagonalisable.
6. Soit A 2 Mn,n (R), il existe une matrice unitaire U telle que U 1 AU soit triangulaire.
7. Si A 2 Mn,n (R) est normale (i.e. AT A = AAT ), il existe une matrice unitaire U telle que
U 1 AU soit diagonale.
8. Si A 2 Mn,n (R) est symétrique (i.e. A = AT ), il existe une matrice orthogonale O telle
que O 1 AO soit diagonale et réelle.
9. Si A 2 Mn,n (R) est orthogonale (i.e. AT A = AAT = In ), il existe une matrice unitaire U
telle que U 1 AU soit diagonale avec des valeurs propres de module 1.

Exercice 1. Localisation des valeurs propres


1. Rappeler et démontrer le théorème de Gershgorin.
2. Localiser les valeurs propres des matrices suivantes
0 1 0 1
1 2 1 10 2 3
A=@ 2 7 0 A, B = @ 1 2 1 A,
1 0 5 0 1 3
0 1 0 1
1 2 1 2 1 0
C=@ 0 3 1 A, D = @ 1 3 1 A.
1 0 6 0 1 2

1
Exercice 2. Méthode de la puissance

a) Calculer les valeurs propres et les vecteurs propres de


✓ ◆
10 0
A= .
9 1

b) Que donne la méthode de la puissance pour la matrice A en partant de x0 = (2, 1)T ?

c) Calculer les valeurs propres et les vecteurs propres v1 et v2 de


✓ ◆
1 3
A= .
3 1

d) Exprimer x0 = (1, 0)T en fonction de v1 et v2 . En déduire l’expression de Ak x0 , puis de


Ak x0 /kAk x0 k e conclure.

Exercice 3. Points fixes attractifs et répulsifs


1. Soient I ⇢ R un intervalle ouvert et g : I ! I une fonction de classe C 1 . Soit x⇤ 2 I
un point fixe de g. Pour x0 2 I donné on considère la suite définie par récurrence par la
relation
xp+1 = g(xp ), pour tout p 2 N.
Dans toute cette partie, pour tout h > 0, nous noterons Vh l’intervalle fermé [x⇤ h, x⇤ +h].
(a) On suppose que |g 0 (x⇤ )| < 1.
Montrer qu’il existe h > 0 avec Vh ⇢ I tel que pour tout x0 2 Vh , on ait xp 2 Vh , pour
tout p 2 N et qu’en plus la suite (xp )p2N converge vers x⇤ quand p tend vers +1.
On dit alors que x⇤ est un point attractif de g.
(b) On suppose maintenant |g 0 (x⇤ )| > 1.
Montrer qu’il existe h > 0 avec Vh ⇢ I tel que pour tout x0 2 Vh {x⇤ } on ait
|g(x0 ) x⇤ | > |x0 x⇤ |.
On s’éloigne du point fixe x⇤ si le point de départ n’est pas x⇤ . Dans ce cas on dit que
le point fixe est répulsif.
2. Soit f : R ! R donnée par f (x) = x3 4x + 1. On se propose de résoudre numériquement
l’équation
f (x) = 0 (E).
(a) Montrer que l’équation (E) admet 3 racines réelles notées a1 , a2 et a3 avec
5 1 3
< a1 < 2, 0 < a2 < et < a3 < 2.
2 2 2
(b) On réécrit (E) sous la forme x = '(x) avec
2
1
'(x) = (x3 + 1).
4
Montrer que seul a2 est un point fixe attractif de '. Conclure.
1
(c) Montrer que pour x > l’équation (E) est équivalente à x = '+ (x), où
4 r
1
'+ (x) = 4 .
x
Montrer alors que a3 est un point fixe attractif de '+ .
(d) Montrer que pour x < 0 l’équation (E) est équivalente à x = ' (x), où
r
1
'+ (x) = 4 .
x
Montrer alors que a1 est un point fixe attractif de ' .

Exercice 4. Convergence globale partielle Soit f : R ! R une fonction de classe C 2 . On suppose


qu’il existe ↵ 2 R racine de f ( c’est à dire f (↵) = 0) telles que les fonctions f , f 0 et f 00 ne
s’annulent pas sur l’intervalle ]↵, +1[ et ont toutes le même signe sur ]↵, +1[ (elles sont soit
toutes les trois strictement positives, soit strictement négatives).
On considère la suite (xk )k2N réelle définie par récurrence par la relation
f (xk )
x0 > ↵ donné, et xk+1 = xk pour tout k 2 N.
f 0 (xk )
1. Soit p 2 N tel que l’élément xp soit bien défini avec en plus xp > ↵.
Montrer que xp+1 est bien défini et qu’il existe cp 2]↵, xp [ tel que
(xp ↵)2 f 00 (cp )
xp+1 ↵= .
2f 0 (xp )
En déduire que la suite (xk )k2N est bien définie et que pour tout k 2 N on a xk > ↵.
2. Montrer que la suite (xk )k2N est décroissante. En déduire que
lim xk = ↵.
k!+1

3. Supposons en plus que f 0 (↵) 6= 0 et f 00 (↵) 6= 0. Quel est l’ordre de convergence de la suite
(xk )k2N ?
4. Application : supposons que f soit un polynôme de degré n, ayant n racines réelles dis-
tinctes et soit ↵ 2 R la plus grande racine de f .
Montrer que les hypothèses des ponts précédents sont satisfaites. Que peut-on en déduire ?

Exercice 5. Méthode de Newton.


1. On cherche à calculer les zéros de f : R ! R, x 7! x2 2.
(a) Montrer que chacun des zéros de f peut être approché par la méthode de Newton.
(b) Écrire explicitement la relation de récurrence vérifiée par les suites des itérés.
(c) L’algorithme est-il globalement défini ?
3
2. On s’intéresse au système en (x1 , x2 ) 2 R2

5x1 + 2 sin x1 + 2 cos x2 = 0,
5x2 + 2 sin x2 + 2 cos x1 = 0.

(a) Récrire la recherche de solutions au système précédent comme la recherche de zéros


d’une certaine fonction f : R2 ! R2 .
(b) Montrer que chacun des zéros éventuels de f peut être approché par la méthode de
Newton.
(c) Écrire la relation de récurrence vérifiée par la suite des itérées et justifier que l’algo-
rithme est globalement bien défini.

4
5 Méthode de Newton.
Exercice 3.
1. (a) La fonction f est de classe C 3 (et même de classe C 1 ) sur R. Or pour tout réel x on a :

f 0 (x) = 0 () 2x = 0 () x = 0 .

Comme f (0) = 2 6= 0, tous les zéros de f sont simples et peuvent donc être approchés par
la méthode de Newton.
(b) Pour construire une suite d’approximations, on choisit x0 2 R puis l’on définit (x(k) )k2N par

f (x(k) )
x(0) = x0 et 8k 2 N, x(k+1) = x(k)
f 0 (x(k) )
ou plus explicitement

(x(k) )2 2
x(0) = x0 et 8k 2 N, x(k+1) = x(k)
2 x(k)
c’est-à-dire
1 1
x(0) = x0 et 8k 2 N, x(k+1) = x(k) + (k) .
2 x
(c) L’algorithme s’arrête à l’étape k si x(k) = 0. Cela arrive à l’étape 0 si x0 = 0. Sinon l’algorithme
est globalement défini puisque une récurrence montre que :
– si x0 > 0 alors, pour tout k 2 N, x(k) > 0 ;
– si x0 < 0 alors, pour tout k 2 N, x(k) < 0.
2. (a) Il suffit, par exemple, de définir f : R2 ! R2 par : pour tout (x1 , x2 ) 2 R2 ,

f (x1 , x2 ) = ( 5x1 + 2 sin x1 + 2 cos x2 , 5x2 + 2 sin x2 + 2 cos x1 ) .

(b) La fonction f est bien de classe C 3 (et même de classe C 1 ) sur R2 . De plus, pour tout
(x1 , x2 ) 2 R2 , on a :
✓ ◆ ✓ ◆
@x1 f1 (x1 , x2 ) @x2 f1 (x1 , x2 ) 5 + 2 cos x1 2 sin x2
Jac(f )(x1 , x2 ) = =
@x1 f2 (x1 , x2 ) @x2 f2 (x1 , x2 ) 2 sin x1 5 + 2 cos x2
donc
det(Jac(f )(x1 , x2 )) = ( 5 + 2 cos x1 )( 5 + 2 cos x2 ) 4 sin x1 sin x2
= 25 10(cos(x1 ) + cos(x2 )) + 4 sin(x1 + x2 )
25 20 4 = 1 > 0
et df (x1 , x2 ) est inversible. En particulier, tous les zéros de f peuvent être approchés par la
méthode de Newton.
(c) L’algorithme est défini globalement car, en tout point (x1 , x2 ) 2 R2 , df (x1 , x2 ) est inversible.
Pour construire une suite d’approximations, on choisit X0 2 R2 puis l’on définit (X (k) )k2N
par X (0) = X0 et, pour tout k 2 N,

X (k+1) = X (k) Y (k)

où Y (k) vérifie
! !
(k) (k) (k) (k) (k)
5 + 2 cos X1 2 sin X2 5X1 + 2 sin X1 + 2 cos X2
(k) (k) Y (k) = (k) (k) (k) .
2 sin X1 5 + 2 cos X2 5X2 + 2 sin X2 + 2 cos X1