Travaux Dirigés avec Correction

Analyse Numérique

(LPMF3)

2022/2023
Présenté Par
A. Ou-yassine
Professeur à la Faculté Polydisciplinaire de Ouarzazate.
Université Ibn Zohr d’Agadir.
 2

Feuille 1 d’exercices corrigés :

Exercice 1 :
1) Donner une condition suffisante pour qu’une matrice carrée admette une décomposition LU .
Montrer que si la décomposition LU existe alors cette décomposition est unique.
2) Déterminer l’inverse de la matrice triangulaire A (utiliser la méthode de remontée) et appliquer la
méthode de Gauss pour résoudre le système linéaire (S)
 
1 2 0 0 
   4x + 8x + 12x = 4
1 2 3
0 1 2 0 
A=  , (S) 3x1 + 8x2 + 13x3 = 5
0 0 1 2 
   2x + 9x + 18x = 11
1 2 3
0 0 0 1
Exercice 2 :
On considère le système linéaire Ax = b :
     
4 2 0 x 0
   1  
A = 2 5 2 , x = x2  , b=0
     
0 2 5 x3 16
.
1) Vérifier que A admet une décomposition LU .
2) Calculer la factorisation LU de A.
3) Résoudre le système Ax = b (utiliser la décomposition LU )
Exercice 3 :

On considère le système linéaire Ax = b :


 x +x +x +x =1
1 2 3 4

 2x + 2x + 5x + 3x = 2
1 2 3 4
 4x + 6x + 8x = 5
1 2 3

 3x + 3x + 9x + 8x = 0
1 2 3 4

.
1) Expliquer pourquoi A n’admet pas de décomposition LU ?
2) Trouver une matrice P de permutation de façon à ce que la matrice P A soit factorisable, puis
calculer la factorisation LU de P A.
3) Résoudre le système Ax = b (utiliser la factorisation trouvée).
 3

Exercice 4 :
 
1 1 1 1
 
 
1 2 2 2
Soit A = 

.

1 2 3 3
 
1 2 3 4
1) Montrer que la matrice A est symétrique définie positive.
2) Ecrire l’algorithme de factorisation de Cholesky
3) Déterminer la matrice L triangulaire inférieure telle que A = LT L.
4) Calculer le déterminant de la matrice A en utilisant la factorisations LT L.
Exercice 5 :  
1 2 −2
 
1) Soit A = 1 1 1 . Montrer que ρ(J) < 1 < ρ(LGS ),
 
 
2 2 1
avec 
J matrice de 
Jacobi et LGS matrice de Gauss-Seidel.
2 −1 1
 
2) B =  2 2. Montrer que ρ(LGS ) < 1 < ρ(J).
 
2
 
−1 −1 2
Exercice 6 :
Soit le système linéaire Ax = b suivant :
    
6 1 1 x 12
   1  
0 x2  =  0 
    
2 4
    
1 2 6 x3 6
.
1) Approcher la solution avec la méthode de Jacobi avec 3 itérations à partir de x(0) = (2, 2, 2).
2) Approcher la solution avec la méthode de Gauss-Seidel avec 3 itérations à partir de x(0) =
(2, 2, 2).    
1 0 0 6 1 1
   
1
3) En utilisant la factorisation LU , on obtient : L =  3 11 −1 
0, et U = 0 .
 
1 3 3 
  
1 1
6 2 1 0 0 6
Donner la solution exacte de Ax = b.
 4

Correction

Exercice 1 :

1) • Pour que A admette une décomposition LU , il suffit que tous les mineurs fondamentaux
sont non nuls.
• Supposons que la matrice A admette deux factorisations LU , c-à-d. ∃ L1 ∈ Mn (R) et L2 ∈
Mn (R) deux matrices triangulaires inférieures inversibles à diagonale unité tq : L1 6= L2 ,
et deux matrices U1 ∈ Mn (R) et U2 ∈ Mn (R) triangulaires supérieures inversibles tq :
U1 6= U2 , alors A = L1 U1 = L2 U2 avec L1 6= L2 , et U1 6= U2 . On a

A = L1 U1 = L2 U2 ⇔ U1 = L−1 −1
1 L2 U2 ⇔ U1 U2 = L−1
1 L2 (∗)

Le seul cas pour vérifier l’égalité (∗) est :

U1 U2−1 = In et L−1
1 L2 = In .

On obtient U1 = U2 et L1 = L2 .

Contradiction avec l’hypothèse. D’où LU est unique.

2) • Ax = b ⇔ x = A−1 b
Alors :     
1 2 0 0 x1
b
     1
    
0 1 2 0 x2  b2 
   =  
    
0 0 1 2 x3  b3 
    
0 0 0 1 x4 b4
, donc 


 x1 + 2x2 = b1



 x2 + 2x3 = b2
,


 x3 + 2x4 = b3



 x 4 = b4
ainsi 


 x1 = b1 − 2b2 + 4b3 − 8b4


b2 − 2b3 + 4b4

 x
2 =
,


 x3 = b3 − 2b4



 x
4 = b4
ce qui donne :     
x1 1 −2 4 −8b
     1
−2 4  b2 
    
x2  0 1
 =  .
1 −2 b3 
    
x3  0 0
    
x4 0 0 0 1 b4
 5

D’où  
1 −2 4 −8
 
−2
 
0 1 4
A−1 = .
−2
 
0 0 1
 
0 0 0 1
• Appliquer la méthode de Gauss pour résoudre le système linèaire S.

 4x1 + 8x2 + 12x3 = 4



(S) 3x1 + 8x2 + 13x3 = 5 .



 2x + 9x + 18x = 11
1 2 3

Essayer de suivre les étapes de calcul expliquées en exemple traité dans le cours magistral.
Ici une réponse non détaillée.
Etape 1 : On obtient 


 4x1 + 8x2 + 12x3 = 4

(S (2) ) 2x2 + 4x3 = 2 .



 5x + 12x = 9 2 3

Etape 2 : On obtient 


 4x1 + 8x2 + 12x3 = 4

(S (3) ) 2x2 + 4x3 = 2 .



 2x = 4 3

D’où    
x1 1
   
x2  . = −3 .
   
   
x3 2
Exercice 2 :

4 2
1) On a ∆1 = |4| = 4 6= 0, ∆2 = = 20 − 4 = 16 6= 0, et det(A) = 64 6= 0. Donc tous les
2 5
mineurs fondamentaux de A sont non nuls, alors A admet une décomposition LU .

2) Calculons la factorisation
 LU de A.   
(1) (1) (1)
a a1,2 a1,3 4 2 0
 1,1   
Posons A(1) = A = a(1) (1) (1) 
a2,2 a2,3  = 2 2.
  
5
 2,1   
(1) (1) (1)
a3,1 a3,2 a3,3 0 2 5
(1) (1)
a2,1 2 a3,1
Etape 1 : On a : g2,1 = (1) = 4 = 12 , g3,1 = (1) = 04 = 0.
a1,1
   a1,1 
1 0 0 4 2 0
  
Alors A(2) = G1 A(1) = −g2,1 2 , ensuite
  
1 0 2 5
  
−g3,1 0 1 0 2 5
 6
      
(1) (1) (1)
1 0 4 0 2 0 4 2 0 a a1,2 a1,3
      1,1 
(2) (2) 
A(2) = − 12 2 = 0 2 =  0 a2,3  .
     
1 0 2 5 4 a2,2
      
(2) (2)
0 0 1 0 2 5 0 2 5 0 a3,2 a3,3
  
1 0 0 4 2 0
(2)   
a3,2 2
Etape 2 : On a g3,2 = = = 12 . On trouve A(3) = G2 A(2) = 0 2 ,
  
(2)
a2,2 4 1 0 0 4
  
0 −g3,2 1 0 2 5
ensuite       
(1) (1) (1)
1 0
0 4 2 0 4 2 0 a a1,2 a1,3
      1,1 
(3) (2) (2) 
A = 0 1 0 0 4 2 = 0 4 2 =  0 a2,2 a2,3  = U.
     
      
−1 (3)
0 2 1 0 2 5 0 0 4 0 0 a3,3
   
1 0 0 1 0 0
   
Calculons L, on a L = g2,1 0 =  21 1 0.
   
1
   
g3,1 g3,2 1 0 12 1
 
 Ly = b  y T = (0 0 16)
3) On a Ax = b ⇔ LU x = b ⇔ ⇔
 Ux = y  xT = (1 − 2 4)
Exercice 3 :
On considère le système linéaire Ax = b :
     
1 1 1 1 x 1
   1  
     
2 2 5 3 x2  2
A= 
,
 x=
 ,
 b=
 

4 6 8 0 x3  5
     
3 3 9 8 x4 0
.
1 1
1) On a ∆2 = = 0, alors A n’admet pas de décomposition LU .
2 2
2) On veut que la troisième ligne devient la deuxième ligne, donc on considère la permutation
σ : (1, 2, 3, 4) 7→ (1, 3, 2, 4).  
1 0 0 0
 
 
 0 0 1 0
On obtient la matrice de permutation Pσ =  .

 0 1 0 0
 
0 0 0 1
    
1 0 0 0 1 1 1 1 1 1 1 1
    
    
0 0 1 0 2 2 5 3 4 6 8 0
On a : Pσ A = 
 


=
  .

0 1 0 0 4 6 8 0 2 2 5 3
    
0 0 0 1 3 3 9 8 3 3 9 8
Posons Pσ A = B. Ensuite, on calcule les mineurs fondamentaux de B.
 7

1 1 1 1
1 1 1
1 1 4 6 8 0
On a bien : ∆1 = 1 6= 0, ∆2 = = 2 6= 0, ∆3 = 4 6 8 = 6 6= 0 et ∆4 = =
4 6 2 2 5 3
2 2 5
3 3 9 8
18 6= 0. Les mineurs fondamentaux sont non nuls, donc B admet une décomposition LU .
Calculons la factorisation
 LU de B = Pσ A.   
(1) (1) (1) (1)
a a1,2 a1,3 a1,4 1 1 1 1
 1,1   
 (1)
a2,1 a(1) (1) (1)   
(1) 2,2 a2,3 a2,4  4 6 8 0
Posons B = B =   (1)
= .
a3,1 a(1) (1) (1)   
3,2 a3,3 a3,4  2 2 5 3
   
(1) (1) (1) (1)
a4,1 a4,2 a4,3 a4,4 3 3 9 8
(1) (1) (1)
a2,1 4 a3,1 a4,1
On a : g2,1 = (1) = 1 = 4, g3,1 = (1) = 21 = 2 et g4,1 = (1) = 31 = 3.
a1,1 a1,1 a1,1
  
1 0 0 0 1 1 1 1
  
−g2,1 1 0 0 4 6 8 0
  
Alors B (2) = G1 B (1) =     , ensuite
−g3,1 0 1 0 2 2 5 3
 
  
−g4,1 0 0 1 3 3 9 8
      
(1) (1) (1) (1)
1 0 0 0 1 1 1 1 1 1 1 1 a a1,2 a1,3 a1,4
      1,1 
(2) (2) (2) 
−4 0 4 6 8 0 0 2 4 −4  0
     
1 0 a2,2 a2,3 a2,4 
B (2) =  = =
(2) (2)
.
(2) 
−2
     
0 1 0 2 2 5 3 0 0 3 1   0 a3,2 a3,3 a3,4 
      
(2) (2) (2)
−3 0 0 1 3 3 9 8 0 0 6 5 0 a4,2 a4,3 a4,4
(2) (2)
a3,2 a4,2
On a g3,2 = (2) = 0 et g4,2 = (2) = 0, alors G2 = I4 .
a2,2 a2,2
   
(1) (1) (1) (1)
1 1 1 1 a1,1 a1,2 a1,3 a1,4
   
(2) (2) (2) 
−4  0
  
0 2 4 a2,2 a2,3 a2,4 
On trouve B (3) = G2 B (2) = I4 B (2) = B (2) = 

=
  (3)
.
(3) 
0 0 3
1  0 0 a3,3 a3,4 
   
(3) (3)
0 0 6
5 0 0 a4,3 a4,4
  
1 0 0 0 1 1 1 1
  
−4
  
(3)
a4,3 6 (4) (3)
0 1 0 0   0 2 4 
On a g4,3 = (3) = 3 = 2, donc U = B = G3 B =     ,
a3,3  
0 0 1 0 0 0 3 1 
  
0 0 −g4,3 1 0 0 6 5
ensuite
      
(1) (1) (1) (1)
1 0 0 0 1 1 1 1 1 1 1 1 a1,1 a1,2 a1,3 a1,4
      
(2) (2) (2) 
2 4 −4 0 2 4 −4  0
     
0 1 0 0 0 a2,2 a2,3 a2,4 
U = 


=
 
=
  (3)
.
(3) 
0 0 1 0 0 0 3 1  0 0 3 1   0 0 a3,3 a3,4 
      
(4)
0 0 −2 1 0 0 6 5 0 0 0 3 0 0 0 a4,4
 8
  

1 0 1 0 0 0
0 0
   
   
g2,1 1 0 0  4 1 0 0
Calculons L, on a L = 

=
  .

g3,1 g3,2 1 0 2 0 1 0
   
g4,1 g4,2 g4,3 1 3 0 2 1
3) Ax = b ⇔ Pσ Ax = Pσ b ⇔ Bx = b0 avec b0 = (1
 5 2 0) .
T

 Ly = b0  y T = (1 1 0 − 3)
On a Bx = b0 ⇔ LU x = b0 ⇔ ⇔
 Ux = y  xT = 23 −13 1 − 1

6 6 3
Exercice 4 :
(à faire sous forme d’un mini projet)
Exercice 5 :
 
1 2 −2
 
1) • Soit A = 1 1  , et BJ la matrice de Jacobi associée à la matrice A tq :
 
1
 
2 2 1

BJ = D−1 (E + F ).

On a

A = D−E−F
     
1 0 0 0 0 0 0 −2 2
     
= 0 1 0 − −1 0 − 0 −1 .
     
0 0
     
0 0 1 −2 −2 0 0 0 0
Alors
  
1 0 0 0 −2 2
  
BJ = 0 1 0 −1 0 −1
  
  
0 0 1 −2 −2 0
 
0 −2 2
 
= −1 0 −1 .
 
 
−2 −2 0
Calculons les valeurs propres de BJ

P (λ) = det(BJ − λI3 ) = 0

−λ −2 2
⇔ −1 −λ −1 = 0
−2 −2 −λ
⇔ −λ(λ2 − 2) + (2λ + 4) − 2(2 + 2λ) = 0

⇔ −λ3 = 0

⇔ λ=0
 9

Alors Sp(BJ ) = {0}, donc P(J) = 0 < 1.

D’où la méthode de Jacobi converge.
• Pour la méthodede Gauss-Seidel, on a :
BGS = (D − E)−1 F la matrice de Gauss-Seidel associée à la matrice A.
(D − E)x = b ⇔ x = (D − E)−1 b
Alors :     
1 0 0 x b
   1  1
0 x2  = b2 
    
1 1
    
2 2 1 x3 b3
, donc 
 x = b1
 1


x1 + x2 = b2 ,



 2x + 2x + x
1 2 3 = b3
ainsi 
 x = b1
 1


x2 = −b1 + b2 ,


−2b2 + b3

 x =
3

ce qui donne :     
x 1 0 0 b
 1    1
x2  = −1 0 b2  .
    
1
    
x3 0 −2 1 b3
D’où  
1 0 0
 
(D − E)−1 = −1 0 .
 
1
 
0 −2 1
Calculons maintenant BGS
  
1 0 0 0 −2 2
  
−1
BGS = (D − E) F = −1 −1 .
  
1 0 0 0
  
0 −2 1 0 0 0
Donc  
0 −2 2
 
BGS = 0 −3 .
 
2
 
0 0 2
 10

Cherchons les valeurs propres de BGS

P (λ) = det(BGS − λI3 ) = 0

−λ −2 2
⇔ 0 2−λ −3 =0
0 0 2−λ
⇔ −λ(2 − λ)2 = 0

On obtient 
 −λ = 0
 (2 − λ)2 = 0

Donc 
 λ=0
 λ=2

Alors Sp(BBG ) = {0; 2}, donc P(J) = 2 > 1.

D’où la méthode de Gauss-Seidel ne converge pas.
2) (Cette question est déja traitée dans le cours magistral)
 11

Exercice 6 :
Notez que :
Pour calculer x(k+1) à partir de x(k) par la méthode de Jacobi, on a :

n
(k+1) 1 X (k)
xi = [bi − ai,j xj ] i = 1, ..., n.
ai,i
j=1,j6=i

Pour calculer x(k+1) à partir de x(k) par la méthode de Gauss-Seidel, on a :

n i−1 n
(k+1) 1 X (k) (k+1) 1 X (k+1)
X (k)
x1 = [b1 − a1,j xj ] et xi = [bi − ai,j xj − ai,j xj ] i = 2, ..., n.
a1,1 j=2
ai,i j=1 j=i+1

 
2
1. Méthode de JACOBI : A partir de x(0)
 
=
2, on a


12−(1× −2 +1× 10 )
   
 12−(1×2+1×2)    12−(1×(−1)+1×0)  
3 9
 
4 13 52
6 3 6 6
 6   27 
 
 0−(2× 43 +0×0)  0−(2× 13 +0× 10 ) 
 
(1)  0−(2×2+0×2)
   (2)  −2  , (3)  
−13 
x = 4
 = −1 , x =  4
 =  3  x = 6 9
 12  .
=
     4 
4
 
6−(1×2+2×2) 6−(1× +2×(−1)) 10 6−(1× 13 +2× −2 ) 31
 
6 0 3
9 6 3 36
6 6

Ainsi  
1.926
 
x=
−1.083 .


0.861
 
2
2. Méthode de GAUSS-SEIDEL : A partir de x(0)
 
=
2, on a


12−(1× −2 +1×1) 12−(1× 35 +1× −35 )

     
12−(1×2+1×2)  
3
 
18 36
 
4 35 431
 0−(2× 64 +0×2)   3 
 6 
 18 
 6 
 216 
(1) (2) 0−(2× 35 +0×1)  (3) 0−(2× 431 +0×1
   
x = 3 =  −2  , x = =  −35  , x = = −431 
 432  .
18 216
  
 4   3   4   36   4 
6−(1× 4 +2× −2 )
 
6−(1× 35 +2× −35 ) 6−(1× 431 +2× −431 )
   
3 3 1 18 36 1 216 432 1
6 6 6

Ainsi  
1.955
 
x=
−0.995 .


3. Pour résoudre le système linéaire on résout les systèmes triangulaires Ly = b

    
1 0 0 y 12
   1  
1
0 y2  =  0  ⇒ y1 = 12, y2 = −4, y3 = 6,
   
3 1
    
1 1
6 2 1 y3 6
et U x = y
    
6 1 1 x 1
   1  

0 11 −1 
   = −4 ⇒ x3 = 1,
   
x2 = −1, x1 = 2.
 3 3  x2   
0 0 6 x3 6
 12

Feuille 2 d’exercices corrigés :

Exercice 1 :

Montrer que la fonction f (x) = 1 − 3e−x a unique racine l ∈ R.

1) Par un procédé de dichotomie, trouver un intervalle de longueur 1 contenant cette racine.
Pour l’approcher, on propose les schémas suivants :
2) x0 ∈ [1, 2], xn+1 = xn + f (xn ).
Cette suite converge-t-elle vers l ? Pourquoi ?
3) Trouver une valeur de λ ∈ R qui assure la convergence de la suite xn+1 = xn +λf (xn ) = gλ (xn ).
(Indication : Pour que xn converge il suffit d’avoir maxx∈[1,2] |gλ (x)| < 1).
4) Appliquer à f (x) la méthode de Newton pour trouver l. Sur quelle fonction définit-on les
itérations de point fixe ? Dans quel intervalle doit-on choisir la valeur de départ pour que la
convergence soit assurée ? (Indication : Utiliser un théorème de cours).
Exercice 2 :

On se propose de calculer les zéros de la fonction f (x) = xex − cos(x).

1) Montrer que la fonction f ne s’annule pas sur [1, +∞[
2) En déduire que la fonction f possède une racine unique sur [0, +∞[.
3) Utiliser la méthode de dichotomie pour trouver la racine positive de f avec une précision de
l’ordre de 10−2 en considérant l’intervalle [0, 1].
4) Evaluer le coût de la méthode de dichotomie dans le cas ci-dessus.
5) Utiliser la méthode de Newton pour trouver une racine de f avec une précision de l’ordre de
10−3 avec x0 = 1.
6) Evaluer le coût de la méthode de Newton dans le cas ci-dessus.
7) Utiliser la méthode de la sécante pour trouver une racine de f avec une précision de l’ordre de
10−3 avec x0 = 0 et x1 = 0, 5.
8) Evaluer le coût de la méthode de la sécante dans le cas ci-dessus.
9) Faire une comparaison entre les différentes méthodes utilisées sur la base de cet exemple.
 13

Exercice 3 :

x
On considère la fonction à valeurs réelles f (x) = 4e 4 − 6 dans l’intervalle [0, 4].
1) Montrer qu’il existe un zéro α pour la fonction f dans l’intervalle ]0, 4[ et trouver α de façon
analytique.
2) Peut-on appliquer la méthode de bissection (ou dichotomie) pour calculer α ? Justifiez votre
réponse.
3) Pour approcher le zéro α on considère les méthodes de point fixe :

x(k+1) = φi (x(k) ), i = 1, 2, 3 avec

x
x −x e4 3
φ1 (x) = x + 4e 4 − 6, φ2 (x) = x − 4 + 6e 4 , φ3 (x) = x − + .
16 32
Etablir si les trois méthodes sont convergentes et, en cas affirmatif, en établir l’ordre de conver-
gence.
Exercice 4 :

Soit l’équation
x = e−x , x ∈ [0, +∞[. (0.0.1)

On considère la méthode itérative suivante


 x ∈ [0, +∞[,
0
(0.0.2)
 x = e−xn ,
n+1 ∀n ≥ 0.

1) Montrer que la méthode (0.2) est convergente si x0 est bien choisi. Donner dans ce cas l’ordre
de convergence.
2) Appliquer la méthode de Newton à l’équation (0.1) et montrer que la convergence est quadra-
tique.
 14

Exercice 5 :
Soit les points (x, f (x)) suivants.

(0, 0), (1, 2), (2, 36), (3, 252) et (4, 1040).

1) Obtenir le polynôme de Lagrange passant par les 3 premiers points.

2) Obtenir le polynôme de Lagrange passant par les 4 premiers points. Est-ce possible d’utiliser
les calculs faits en 1) ?
3) Donner l’expression analytique de l’erreur pour les polynômes obtenus en 1) et en 2).
4) Obtenir des approximations de f (1, 5) à l’aide des 2 polynômes obtenus en 1) et en 2).
Exercice 6 :

Répondre aux mêmes questions qu’à l’exercice 2 précédent, mais en utilisant la méthode de Newton.
Donner en plus des approximations des erreurs commises en 4).
Exercice 7 :
Calculer :

Z 1
2
e−x dx
0

1) En utilisant la méthode des rectangles à gauche avec 8 intevalles.

2) En utilisant la méthode des trapèses avec 8 intevalles.
Exercice 8 :
Calculer :

Z π
2
sin(x)dx
0

En utilisant la méthode des trapèses avec 8 intevalles.

 15

Correction

Exercice 1 :
On a : lim f (x) = −∞ < 0, lim f (x) = 1 > 0, f 0 (x) = 3e−x > 0∀x.
x→−∞ x→+∞
f est donc continue, strictement croissante entre −∞ et 1 : il existe une unique racine l ∈ R.
3 3
1) f (1) = 1 − e < 0, f (2) = 1 − e2 > 0, donc l ∈ [1, 2].
2) La fonction d’itération est φ(x) = x + f (x). On a bien φ(x) = x ssi f (x) = 0, mais

|φ0 (x)| = |1 + 3e−x | > 1 ∀x ∈ [1, 2].

Donc la suite ne converge pas vers l.

3) On a φλ (x) = x + λf (x). Pour λ 6= 0, on a bien φλ (x) = x ssi f (x) = 0. On cherche λ telle que

|φ0λ (x)| = |1 + 3λe−x | < 1∀x ∈ [1, 2].

Il faut donc choisir λ ∈] −2

3 e, 0[.

4) La méthode de Newton donne la suite

1
xn+1 = xn + 1 − exn .
3

On a g(x) = x − 13 ex ⇒ g 0 (x) = 1 − 13 ex , donc |g 0 (x)| < 1 ssi x ∈ [1, ln(6)].

Exercice 2 :

Soit la fonction f (x) = xex − cos(x).

1) Pour x ≥ 1, on a : ex ≥ e1 alors xex ≥ 1×e1 ce qui implique que f (x) = xex −cos(x) ≥ e−cos(x).
De plus, on a −1 ≤ cos(x) ≤ 1 ∀x ∈ [1, +∞[, alors e − cos(x) > 0 ∀x ∈ [1, +∞[
x
D’où f (x) = xe − cos(x) > 0 ∀x ∈ [1, +∞[.
2) Déduire de la question 1 que f possède une racine unique sur [0, +∞[. D’après la question
précédente, si x∗ est une racine de f alors x∗ ∈ [0, 1] ( car f (x) > 0∀x ∈ [1, +∞[)
On a f (0) = 0e0 − cos(0) = −1 et f (1) = e − cos(1) = 2.178
NB : Utiliser l’unité de radian pour calculer le cosinus.
On a f 0 (x) = ex + xex + sin(x), on sait que sin(x) ≥ 0∀x ∈ [0, 1], xex ≥ 0∀x ∈ [0, 1] et
ex > 0∀x ∈ [0, 1], alors f 0 (x) > 0∀x ∈ [0, 1]. D’où f est strictement croissante sur [0, 1]
Résultat : f est continue sur [0, 1] et f (0) × f (1) < 0. de plus f est strictement croissante sur
[0, 1], d’aprés le théorème des valeurs intermédiaire, f possède une racine unique sur [0, 1].
3) Dichotomie :
 16

i ai f (ai ) bi f (bi ) ci f (ci ) |erri |

0 0 -1 1 2,178 0,5 -0,053 0,5
1 0,5 -0,053 1 2,178 0,75 0,856 0,25
2 0,5 -0,053 0,75 0,856 0,625 0,356 0,125
3 0,5 -0,053 0,625 0,356 0,562 0,141 0,062
4 0,5 -0,053 0,562 0,141 0,531 0,041 0,031
5 0,5 -0,053 0,531 0,041 0,515 -0,006 0,015
6 0,515 -0,006 0,531 0,041 0,523 Pas nécessaire 0,007
4) Le coût de la méthode de dichotomie est le nombre d’évaluation de la fonction f (nombre de
fois la fonction f est calculée). Dans le cas ci-dessus f est calculée 8 fois.
5) Méthode de Newton :

i xi f (xi ) f 0 (xi ) xi+1 |erri+1 |

0 1 2,178 6,278 0,653 0,347
1 0,653 0,4603 3,7835 0,5313 0,1216
2 0,5313 0,0417 3,1116 0,5179 0,0134
3 0,5179 0,0004 3,043 0,5177 0,0001
6) Le coût de la méthode de Newton : f est calculée 4 fois et f 0 est calculée 4 fois.
7) Méthode de la sécante :

i xi xi+1 f (xi ) f (xi+1 ) |erri+1 |

0 0 0,5 -1 -0,0532 0,5
1 0,5 0,5281 -0,0532 0,0318 0,0281
2 0,5281 0,5176 0,0318 -0,0005 0,0105
3 0,5176 0,5178 Pas nécessaire Pas nécessaire 0,0002
8) Le coût de la méthode de la secante : f est calculée 4 fois.
9) Il est facile de voir que la comparaison va porter sur le coût de chacune des méthodes :
Puisque toutes les convergent et arrivent à donner une valeur approximative de la racine de f .
- La méthode de dichotomie est très couteuse. En effet, pour réaliser une précision de 10−2 , il
faut calculer f 8 fois.
- La méthode de Newton nécessite de calculer f 4 fois et f 0 4 fois, mais avec une bonne précision
de 10−3 . Le problème ici est que la méthode de Newton nécessite le calcul de la dérivée de f
qui s’avère parfois difficile.
- La méthode de la sécante est la meilleure pour cet exemple. Elle permet d’obtenir une précision
de 10−3 avec seulement 4 fois le calcul de f .
 17

Exercice 3 :

x
On considère la fonction à valeurs réelles f (x) = 4e 4 − 6 dans l’intervalle [0, 4].
1) On f (0) = −2 < 0, et f (4) = 4e − 6 > 0 : f étant continue ∃α ∈]0, 4[ : f (α) = 0 Le zéro est
unique ( car f est strictement croissante), et son expression explicite est
3
α = 4ln( ).
2
2) Vu que f (0)f (4) < 0, on peut bien appliquer la méthode de bissection pour calculer le zéro de
α.
3) Il est facile de prouver que α est un point fixe de φi pour i = 1, 2, 3. La méthode i est (locale-
ment) convergente si
|φ0i (α)| < 1,

donc, vu que
5 125
|φ01 (α)| = > 1, |φ02 (α)| = 0 < 1, |φ03 (α)| = < 1,
2 128
On a que la méthode 1 n’est pas convergente, tandis que les méthodes 2 et 3 le sont : la
méthode 2 est d’ordre 2 (car φ02 (α) = 0 et φ002 (α) 6= 0) et la méthode 3 est d’ordre 1 Remarque :
en calculant
3 −x 1 x
φ02 (x) = 1 − e 4 , φ03 (x) = 1 − e 4 ,
2 64
on peut vérifier que pour i = 2, 3 on a maxx∈[0,4] |φi (x)| < 1, donc les méthodes 2 et 3 sont
globalement convergentes sur [0, 4].
Exercice 4 :
Soit l’équation
x = e−x , x ∈ [0, +∞[. (0.0.1)

On considère la méthode itérative suivante


 x ∈ [0, +∞[,
0
(0.0.2)
 x = e−xn ,
n+1 ∀n ≥ 0.

1) Posons g(x) = e−x . Clairement 0 n’est pas solution de l’équation (0.1). Pour x ∈]0, +∞[,
g 0 (x) = −e−x , donc |g 0 (x)| < 1 ce qui implique que g est contractante sur ]0, +∞[. Comme
]0, +∞[ est un ouvert, le théorème du point fixe ne s’applique pas. Il faut trouver un fermé
[a, b] ⊂]0, +∞[, tel que g([a, b]) ⊂ [a, b].
1
Prenons a = 1
10
1
et b = 1. On a g( 10 ) = e− 10 ≤ 1 et g(1) = e−1 ≥ 1
10 .
1
On a bien g([ 10 , 1]) ⊂
1
[ 10 1
, 1] par continuité de g sur [ 10 , 1]. Comme |g 0 (x)| < 1 sur le fermé [ 10
1
, 1] de ]0, +∞[, on peut
1
appliquer le théorème du point fixe. Il existe l ∈ [ 10 , 1] tel que l = g(l).
Ordre de convergence
Comme g 0 (c) = −e−c 6= 0, la méthode est convergente à l’ordre 1.
 18

2) Appliquer la méthode de Newton à l’équation (3.1) et montrer que la convergence est quadra-
tique. Pour appliquer la méthode de Newton à l’équation (3.1), on pose h(x) = x−e−x . Comme
h0 (x) = 1 + e−x 6= 0 sur ]0, +∞[, la méthode de Newton pour l’équation h(x) = 0 s’écrit

 x ∈ [ 1 , 1] donné,
0 10
 x = x − h(xn ) , ∀n ≥ 0.
n+1 n h0 (xn )

Ou encore 
 x ∈ [ 1 , 1] donné,
0 10
xn −e−xn
n+1 = xn − 1+e−xn , ∀n ≥ 0.
 x

Ordre de convergence La fonction h(x) = x − e−x est C 2 . Soit α la racine de h que l’on souhaite
approcher par la méthode de Newton. Cette méthode peut se mettre sous la forme :

 x donné,
0
 x
n+1 = φ(xn ), ∀n ≥ 0.

où φ est donnée par

h(x)
φ(x) = x −
h0 (x)
On a
(h0 (x))2 − h(x)h00 (x) h(x)h00 (x)
φ0 (x) = 1 − = ,
(h0 (x))2 (h0 (x))2
et donc
h(x)h00 (α)
φ0 (α) = ,
(h0 (α))2
car h(α) = 0.
De l’expression de la d’erivée seconde

(h0 (x))3 h00 (x) + h(x)h(3) (x)(h0 (x))2 − 2h(x)h0 (x)(h00 (x))2
φ00 (x) =
(h0 (x))4

il vient
h00 (α) e−α
φ00 (α) = 0
=− 6= 0.
h (α) 1 + e−α
Par suite, d’après l’exercice 1, la convergence de la méthode de Newton est quadratique pour
l’équation x = e−x , x ∈ [0, +∞[.
Exercice 5 :

1) On a P2 (x) = 0 (x−1)(x−2) (x−0)(x−2) (x−0)(x−1) 2

(0−1)(0−2) + 2 (1−0)(1−2) + 36 (2−0)(2−1) , alors P2 (x) = 16x − 14x

2) On a

(x − 1)(x − 2)(x − 3) (x − 0)(x − 2)(x − 3)

P3 (x) = 0 +2
(0 − 1)(0 − 2)(0 − 3 (1 − 0)(1 − 2)(1 − 3)
(x − 0)(x − 1)(x − 3) (x − 0)(x − 1)(x − 2)
+ 36 + 252 ,
(2 − 0)(2 − 1)(2 − 3) (3 − 0)(3 − 1)(3 − 2)
 19

alors P3 (x) = 25x3 − 59x2 + 36x

Le principal inconvénient de la méthode d’interpolation de Lagrange est que le fait de rajouter
un nœud change complètement les interpolants de base de Lagrange et on doit donc recalculer
entièrement le nouveau polynôme.
f (3) (ξ)(x−0)(x−1)(x−2)
3) E2 = 3! ,ξ ∈ [0, 2]
(4)
f (ξ)(x−1)(x−2)(x−3)
E3 = 4! ,ξ ∈ [0, 3]
4) Calculer P2 (1, 5) en utilisant P2 (x) = 16x2 − 14x, et P3 (1, 5) en utilisant P3 (x) = 25x3 − 59x2 +
36x
Exercice 6 :

1) P2 (x) = 2x + 16x(x − 1)
2) P3 (x) = P2 (x) + 25x(x − 1)(x − 2)
3) Les expressions analytiques des erreurs sont les mêmes qu’à l’exercice précédent. Cependant,
on peut estimer la valeur de ces erreurs :
E2 ' 25x(x − 1)(x − 2), E3 ' 10x(x − 1)(x − 2)(x − 3)
4) Mêmes réponses qu’a l’exercice précédent. De plus, en utilisant les expressions de la question
3 pour calculer E2 (1, 5) et E3 (1, 5).
Exercices 7 et 8 : (à faire)