Préface

Ce recueil d'exercices corrigés est essentiellement destiné aux étudiants de la troisième année de la lière SMA.
Les exercices, entièrement corrigés, permettent aux étudiants une vérication de l'acquisition des connaissances
du cours.
Cet document permet aussi la préparation au concours national des écoles d'ingénieurs aussi qu'aux étudiants
de certaine institution de l'enseignement supérieur.
Ce manuel d'exercices porte essentiellement sur les chapitres suivants :
 Résolution des systèmes non linéaires
 Approximation des valeurs et des vecteurs propres
 Méthode des diérences nies

Mohammed ZIANI
Professeur
Faculté des Sciences - Rabat
[email protected]

Analyse numérique 2 Page 2

Table des matières
I Énoncés des exercices 4
1 Systèmes d'équations non linéaires 5
2 Approximation des valeurs propres et des vecteurs propres 9
3 Méthode des diérences nies 12

II Corrigés des exercices 14

1 Systèmes d'équations non linéaires 15
2 Approximation des valeurs propres et des vecteurs propres 20
3 Méthode des diérences nies 26

3
 Première partie

Énoncés des exercices

4
Chapitre 1

Systèmes d'équations non linéaires

Exercice 1.
On suppose que le polynôme Q(t) = t − St + P admet deux racines réelles α ̸= β.
2

1. Montrer que (α, β) est solution du système F xy = 00 où F est dénie par

   
T

   
x xy − P
F : R 2 → R2 , F =
y (x + y) − S

2. Écrire l'algorithe de Newton pour approcher (α, β) . T

Exercice 2.
Considérons la fonction f : R 2
→ R2 dénie par
1 2

f (X) = f (x, y) = 2x +y
1 2
2y +x

1. Calculer la jacobienne de f et son inverse.

2. Soit X = (1, 0) . Calculer X , X et X ainsi que leurs normes euclidiennes.
(0) T (1) (2) (3)

3. Les approximations convergent vers (0, 0). Vérier numériquement que la convergence est quadratique.
Exercice 3.
1. Soient Ω un ouvert convexe de R , g : Ω → R une fonction de classe C et J la jacobienne de g. Montrer que
2 2 1

s'il existe une constante L telle ||J (x)|| < L pour tout x ∈ Ω, alors g est L−lipschitzienne sur Ω relativement
g

à la norme ||.||.
g

2. Considérons le système non linéaire

(1.1)
  T
3 1 1 1 1 1
T
où g (x, y) = + x + y , − + x − y
T T 2 2 2 2 2



(x, y) = g (x, y) ∈R ,
4 8 8 4 8 8

pour tout (x, y) ∈ R . On considère la région carrée D = (x, y) ∈ R , |x| ≤ 1, |y| ≤ 1 .

T 2 2

(a) Vérier que g est L-contractante sur D pour la norme ||.|| où L est une constante à déterminer.
∞
(b) Montrer que le système (1.1) admet une unique solution α dans D.
(c) Pour approcher la valeur de α, on considère l'itération de point xe suivante
X (k+1) = g(X (k) ), k = 0, 1, . . . ,

avec X = (x, y) ∈ R et X
T 2 (0)
=0 .
i. Montrer que ||X − α|| (k)
∞ ≤
Lk
1−L
||X (1) − X (0) ||∞ pour tout k ≥ 1.

5
 ii. Justier la convergence de la suite X
vers α.
(k)

iii. Déterminer le nombre d'itérations nécessaires pour que ||X .

k
(k)
− α||∞ < 10−6

Exercice 4.
Soit le système d'équations non linéaires suivant
(1.2)

−5x1 + 2 sin(x1 ) + 2 cos(x2 ) = 0
2 cos(x1 ) + 2 sin(x2 ) − 5x2 = 0.

1. Montrer que le système (1.2) peut s'écrire sous la forme

φ(x1 , x2 ) = (x1 , x2 ), (1.3)
où φ est L-contractante sur R pour la norme ||.|| et L est une constante à déterminer.
2

2. Montrer que le système (1.3) admet une unique solution α dans R .

1
2

3. On cherche maintenant à approcher la solution du système (1.2) par la méthode de Newton.

(a) Écrire l'itération de la méthode de Newton pour le système (1.2).
(b) Les itérations sont-elles toujours bien dénies?
Exercice 5.
Considérons le système non linéaire
e−x1
(1.4)
1

2x1 − x2 + 9 = −1
−x1 + 2x2 + 1
9 e−x2 = 1
1. Prendre x = (0, 1) et eectuer trois itérations de la méthode de Newton.
(0) T

2. Réécrire le système (1.4) sous la forme

Kx + ϕ(x) = b
où K , ϕ et b sont à déterminer. La méthode de point xe
  
x(k+1) = K −1 b − ϕ x(k)

est-elle convergente sur le domaine D = [−1, 0] × [0, 1] ?

Eectuer trois itérations de cette méthode pour x = (0, 1) .
(0) T

Exercice 6.
Soit f : D ⊂ R → R une fonction continue dans un voisinage V(α) ⊂ D où α ∈ R est solution du système
n n n

f (x) = 0. Supposons que J(α) est non singulière et notons K(x) = J (x) pour tout x ∈ R pour lequel J
−1 n −1

existe. On écrit l'itération de Newton sous la forme

x(k+1) = g(x(k) ), k = 0, 1, . . . ,

avec g(x) = x − K(x)f (x).

1. Montrer que pour tout x ∈ V(α), on a
n n
∂gi (x) X ∂Kir (x) X
= δij − fr (x) − Kir (x)Jrj (x), 1 ≤ i, j ≤ n,
∂xj r=1
∂xj r=1

avec δ est le symbole de Kronecker.

2. En déduire que la méthode de Newton a au moins une convergence quadratique.
Rappels et exercices supplémentaires
1. Soit V un espace vectoriel sur le corps K des scalaires. Une norme vectorielle sur V est une application
∥.∥ : V → R qui vérie les propriétés suivantes :
 ∥v∥ = 0 ⇔ v = 0, et ∥v∥ ≥ 0 pour tout v ∈ V ,
 ∥αv = |α|∥v∥ pour tout α ∈ K, v ∈ V ,
 ∥u + v∥ ≤ ∥u∥ + ∥v∥ pour tout u, v ∈ V .

Analyse numérique 2 Page 6

 Exercice 7.
Soit V un espace de dimension n. Montrer que les applications suivantes sont des normes sur V :
n n
! 21
X X
2
∥v∥1 = |vi |, ∥v∥2 = |vi | , ∥v∥∞ = max |vi |.
i
i=1 i=1

2. Une norme matricielle est une application 9.9 : M (K) → R qui vérie les propriétés suivantes
 9A9 = 0 ⇔ A = 0 et 9A9 ≥ 0 pour tout A ∈ M (K),
n

 9αA9 = |α| 9 A9 pour tout α ∈ K, A ∈ M (K),

n

 9A + B9 ≤ 9A 9 + 9 B9 pour tout A, B ∈ M (K),

n

 9AB9 ≤ 9A 9 . 9 B9 pour tout A, B ∈ M (K).

n

Exercice 8.
Étant donné une norme vectorielle ∥.∥ sur K . Montrer que l'application 9.9 : M (K) → R dénie par
n
n

∥Av∥ ∥Av∥ ∥Av∥

9A9 = sup = sup = sup ,
v̸=0 ∥v∥ ∥v∥≤1 ∥v∥ ∥v∥=1 ∥v∥

est une norme matricielle, appelée norme matricielle subordonnée (à la norme vectorielle ∥.∥).
3. Il résulte de la dénition d'une norme subordonnée que
∥Av∥ ≤ 9A 9 ∥v∥, pour tout v ∈ Kn ,
et que la norme 9A9 peut aussi se dénir par
9A9 = inf {α ∈ R; ∥Av∥ ≤ α∥v∥ pour tout v ∈ Kn } .

4. Soit A ∈ M (K). Alors

n

 9A9 = max X |a |,
n

1 ij
j
i=1

 9A9 = pρ(A A) = pρ(AA ) = 9A 9 ,

2
∗ ∗ ∗
2

 9A9 = max X |a |.
n
∞ ij
i
j=1

Exercice 9.
Soient 9.9 une norme matricielle subordonnée et A ∈ R . n×n

(a) Montrer que ρ(A) ≤ 9A9.

(b) Supposons que 9A9 < 1. Montrer que la matrice (I −A) est inversible et l'inégalité suivante est vériée :
1
9(I − A)−1 9 ≤ .
1 − 9A9
Exercice 10.
(a) Soit v un vecteur quelconque de R . Montrer que n

i. ||v|| ≤ ||v|| ≤ n||v|| ,

√

ii. ||v|| ≤ ||v|| ≤ n||v|| ,

2 1 2

iii. ||v|| ≤ ||v|| ≤ √n||v|| .

∞ 1 ∞

(b) Soit A ∈ M (R). Montrer que pour p = 1 ou p = ∞, on a

∞ 2 ∞

1 √
√ ||A||p ≤ ||A||2 ≤ n||A||p .
n
Exercice 11.

Analyse numérique 2 Page 7

 (a) Montrer que la norme 9.9 est invariante par transformation unitaire.
(b) Montrer que si la matrice A est normale, alors 9A9 = ρ(A).
2

5. Une partie F d'un espace vectoriel est dite convexe si le segment [x, y] est contenu dans F dès lors x, y ∈ F ,
où [x, y] = {tx + (1 − t)y; t ∈ [0, 1]}.
Exercice 12.
Montrer que tout sous-espace vectoriel est convexe et que toute boule est convexe.
6. Formule de Taylor : Soient U un ouvert de R , f : U → R et [a, a + h] un segment fermé quelconque
n n

contenu dans U . Si f est diérentiable en a, alors

f (a + h) = f (a) + Jf (a)h + ∥h∥ε(h), lim ε(h) = 0.
h→h

7. Théorème des accroissements nis : Soit f : U ⊂ R n

→ Rn une fonction diérentiable sur un ouvert
convexe U . Alors
∥f (y) − f (x)∥ ≤ sup 9Jf (x + t(y − x)) 9 ∥y − x∥, ∀(x, y) ∈ U × U.
t∈[0,1]

Analyse numérique 2 Page 8

Chapitre 2

Approximation des valeurs propres et des

vecteurs propres

Exercice 1.
Soient x ∈ R \{0} et A ∈ R
n n×n
une matrice symétrique. Le quotient de Rayleigh R(x) de A associé au vecteur x
est déni par
xt Ax
R(x) = .
xt x
1. Soit x un vecteur propre de A associé à une valeur propre λ de A. Calculer R(x).
2. Soient λ , . . . , λ des valeurs propres de A et x , . . . , x des vecteurs propres normalisés correspondants.
1 n
(1) (n)

Monter que si x = X α x , α , . . . , α ∈ R, alors R(x) = X λ α  /X α .

n n n
(j) 2 2
j 1 n j j j
j=1 j=1 j=1

3. Montrer que pour tout x ∈ R \{0}, λ ≤ R(x) ≤ λ , où λ et λ sont respectivement la plus petite
n

et la plus grande valeur propre de A. Quand a-t-on l'égalité?

min max min max

4. Soit x ∈ R \{0} un vecteur normalisé. Supposons que x est le k-ème vecteur propre normalisé de A, et
n (k)

que ||x − x || = O(ε) pour ε ∈ R assez petit. Montrer que

(k)
2

R(x) = λk + O(ε2 ).

5. Considérons la matrice A = trid (1, −2, 1). Calculer une estimation à la valeur propre dominante de A
4

sachant que u = − 3 , 1, −1, 23 est une estimation du vecteur propre associé.

  t
2

Exercice 2.  
4 1 0 0
Considérons la matrice 1
A=
0 . 4
1
1
4
0

1

En utilisant les disques de Gershgorin, montrer que A est inversible.

0 0 1 4

Exercice 3.
Soient A = −12 −12 et x = 10 .
  
(0)

Appliquer la méthode de la puissance itérée pour approcher la plus grande valeur propre de A en partant de x . (0)

Exercice 4.
Soit A ∈ M (R) une matrice symétrique dont on connait une valeur propre λ de A et un vecteur propre associé u
de norme ||u|| = 1. Soit B ∈ M (R) la matrice dénie par B = A − λuu .
n
t

1. Montrer que 0 est une valeur propre de B de vecteur propre associé u.

2 n

9
 2. Soit β une autre valeur propre de A (avec β ̸= λ) de vecteur propre associé v. Montrer que β est une valeur
propre de B de vecteur propre associé v.
3. Soient λ , . . . , λ les valeurs propres de A, comptées avec leur ordre de multiplicité, vériant :
1 n

|λ1 | > |λ2 | > |λ3 | ≥ |λ4 | ≥ . . . ≥ |λn |.

En utilisant la méthode de la puissance, donner une méthode qui permet de calculer λ et λ et préciser les
hypothèses sous lesquelles la méthode proposée converge.
1 2

Exercice 5.
Soit A ∈ M (R) une matrice symétrique de valeurs propres λ , . . . , λ . Soit µ ∈ R tel que 0 < |µ − λ | < |µ − λ |
pour tout j ̸= m et µ ̸= λ , j = 1, . . . , n.
n 1 n m j

1. Montrer que l'approximation de λ revient à appliquer la méthode de la puissance inverse à la matrice

j

B = A − µI .
m

2. Écrire alors l'algorithme pourtrouver λ .

µ n

m
2 1 0
3. Considérons la matrice A = 1 2 1.
0 1 2
(a) En prenant x = (1, 1, 1) , faire 3 itérations de la méthode de la puissance itérée pour approcher la
(0) t

plus grande valeur propre λ de A.

(b) En prenant µ = 3.0 et x = (1, 1, 1) , faire trois itérations de l'algorithme de la question 2 pour
1
(0) t

approcher λ . 1

Exercice 6.
Soit A ∈ M (R), n ≥ 3 une matrice symétrique. On suppose que les valeurs propres de A vérient :
n

|λ1 | > |λ2 | > |λ3 | ≥ . . . ≥ |λn |.

1. Supposons connus la valeur propre λ ainsi qu'un vecteur propre associé u = (u , . . . , u ) avec ||u || = 1
(1) t (1)

et u < 0. On considère une matrice de Householder élémentaire H telle que Hu = e . Soit B = HAH .
1 1 n 2
(1) (1) t

(a) Écrire H en fonction de u .

1
(1)

(b) Montrer que B a la forme suivante :

 
λ1 0 ... 0

...
 0 
B=  , B̃ ∈ Mn−1 (R).
 
 B̃ 
0

(c) Quelles sont les valeurs propres de B̃ ?

2. En utilisant ce qui précède, écrire un algorithme permettant de calculer les deux valeurs propres λ et λ en
utilisant la méthode de la puissance.
1 2

3. Soit A la matrice donnée par  

1 −1 0
A =  −1 2 −1  .
0 −1 1
√
(a) Sachant que λ = 3 et un vecteur propre associé est u = 66 (−1, 2, −1) , calculer B et B̃, puis
(1) t

déterminer une approximation de λ (faire √deux itérations de la méthode de la puissance).

1

(b) Donner la valeur de λ sachant que u = 22 (−1, 0, 1) est un vecteur propre associé à λ .
2
(2) t
2

Exercice7. 
1 1 1 1
Soit 0 0 3
A=
0 2 4
1
−4
 .
0 0 0 3

Analyse numérique 2 Page 10

 1. Calculer ||A|| et en déduire une localisation des valeurs propres de A.
2. Eectuer la décomposition QR de A.
1

3. En déduire la solution du système Ax = (1, 1, 1, 1) .

t

Analyse numérique 2 Page 11

Chapitre 3

Méthode des diérences nies

Exercice 1.
On considère le problème de Cauchy suivant
y ′ (t) = 1 + y(t), 0 < t < 1,
(3.1)


y(0) = 1

1. Avec une discrétisation de [0, 1] de pas h > 0, écrire le problème approché de (3.1) en utilisant :
(a) le schéma d'Euler rétrograde,
(b) le schéma d'Euler progressif,
(c) le schéma de Heun.
2. Pour h = 0.2, et pour chacun des schémas ci-dessus, calculer les valeurs approchées de la solution.
Exercice 2.
On considère le problème de Cauchy suivant
y ′ (t) = f (t, y(t)), t ∈ I = [0, T ], T > 0,
(3.2)


y(0) = 1,

où f est λ-lipschitzienne sur D = {(t, y), 0 ≤ t ≤ T et − ∞ < y < +∞}. Pour approcher la solution du problème
(3.2), supposée de classe C sur I , on considère le schéma
4

u
n+1 = u + h [θf (t , u ) + (1 − θ)f (t
n n n ,u )] ,n+1 n+1 (3.3)
où θ ∈ [0, 1], h = NT , N est un entier positif et t = nh, n = 0, 1, . . . , N .
n

1. Quel est l'ordre du schéma (3.3) pour chacun des cas θ = 0 et θ = 1 ?

2. Montrer que l'erreur de troncature locale au n÷ud t , n = 0, . . . , N − 1, est donnée par
n+1
   
1 θ 1
τn+1 (h) = h θ − y ′′ (tn ) + h2 − y ′′′ (tn ) + O(h3 ).
2 2 3

En déduire l'ordre du schéma (3.3).

Exercice 3.
On considère le schéma suivant
(
ûn = un + hf (tn , un ),
h
un+1 = un + (f (tn , un ) + f (tn+1 , ûn )) ,
2
où h est le pas de temps, supposé constant.
1. Mettre ce schéma sous la forme générale d'un schéma explicite à un pas.

12
 2. Montrer que le schéma est consistant d'ordre au moins 2.
3. En supposant que f est L-lipschitzienne, montrer que le schéma est stable.
Exercice 4.
On considère le problème aux limites suivant : trouver u ∈ C ([0, 1]) satisfaisant 2

u′′ (x) = c(x)u(x) + d(x), x ∈]0, 1[,

(3.4)


u(0) = u(1) = 0,
où c et d sont deux fonctions continues sur [0, 1]. On suppose qu'il existe une constante γ > 0 telle c(x) ≥ γ
pour tout x ∈ [0, 1]. On cherche à approcher la solution du problème (3.4) par la méthode des diérences nies.
Étant donné N ≥ 1, on pose h = N + 1 et on dénit un maillage uniforme de pas h de l'intervalle [0, 1] comme
1

étant l'ensemble des points x = ih, i = 0, . . . , N + 1. Dans la suite, on note u une approximation de u(x ) pour
i = 1, . . . , N , u = (u , . . . , u ) ∈ R et π (u) = (u(x ), . . . , u(x )) ∈ R .
i i i
T N T N

1. On suppose que u ∈ C ([0, 1]). Montrer que pour tout x ∈ [0, 1], il existe un θ avec |θ| < 1 tel que
h 1 N h 1 N
4

−u(x − h) + 2u(x) − u(x + h) h2 (4)

−u′′ (x) = + u (x + θh).
h2 12
2. En déduire que le vecteur u vérie un système linéaire de la forme
h

Ah πh (u) = bh + εh (u), (3.5)

où A , b et ε (u) sont à préciser.
h h h

3. Montrer que ||ε (u)|| ≤ h12 sup |u (x)|.

4
(4)
h ∞

On néglige le terme ε (u) dans (3.5) et on cherche u comme solution du problème discret
x∈[0,1]
h h

Ah uh = bh . (3.6)
4. En admettant que ||A −1
h ||∞ ≤
1
8h2
, montrer qu'il existe une constante β telle que
||uh − πh (u)||∞ ≤ βh2 .
Conclure.
Exercice 5.
On considère le problème aux limites suivant
u′′ (t) + sin(u(t)) = f (t), t ∈ [a, b],

(P)
u(a) = α, u(b) = β.
On construit un problème approché par une méthode de diérences nies centrées. Pour cela, l'intervalle [a, b] est
subdivisé avec un pas h = b N− a . On note t = a + ih, u ≈ u(t ), pour i = 0, . . . , N , et u = (u , . . . , u ) .
i i i h 1 N
T

1. Montrer que si u est de classe C sur [a, b], alors pour tout i ∈ {1, . . . , N }, il existe θ ∈ [t , t ] tel que
4
i i−1 i+1
2
u(ti−1 ) − 2u(ti ) + u(ti+1 ) h (4)
u′′ (ti ) = − u (ti + θi h).
h2 12
2. Montrer que le problème approché de (P) est donné par
Auh = h2 (F − sin(uh )) − B,
où A, F et B sont à déterminer. On a noté sin(u ) = (sin(u ), . . . , sin(u )) . T

3. Montrer alors que u est solution d'un problème de point xe φ(x) = x, où φ : R → R est une fonction à
h 1 N
N N

déterminer. Écrire les itérations permettant d'approcher u .

h

4. Le pas h est choisi tel que h ∥A ∥ < 1. Montrer que le système de la question précédente admet une et
h
2 −1

une seule solution dans R .

∞
N

Analyse numérique 2 Page 13

 Deuxième partie

Corrigés des exercices

14
Chapitre 1

Systèmes d'équations non linéaires

Exercice 1.
1. On suppose que le polynôme Q(t) = t 2
− St + P admet deux racines réelles α ̸= β. Alors Q(α) = Q(β) = 0,
ou encore  2
α − St + P = 0
β 2 − Sβ + P = 0
En simpliant on obtient le système non linéaire suivant

(α + β) − S = 0
αβ 2 − P = 0

Ainsi le vecteur (α, β) est solution du système où est dénie par

   
T x 0
F = F
y 0
   
x xy − P
F : R2 → R2 , F =
y (x + y) − S

2. Pour approcher la solution (α, β) , la méthode de Newton s'écrit

T

X donné
(0)

Pour k = 0, 1, . . .
i. Résoudre J (X )s = −F (X )
(k) (k) (k)

ii. Mettre à jour X

F
(k+1) (k) (k)
=X +s
Fin
où pour tout X = xy ∈ R , on a
 
2

 
y x
JF (X) = .
1 1

Exercice 2.
Considérons la fonction f : R 2
→ R2 dénie par
1 2

f (X) = f (x, y) = 2x +y
1 2
2 y +x

1. Pour tout , on a
 
x
X= ∈ R2
y

et det(J (X)) = xy − 1.
 
x 1
Jf (X) = , f
1 y

Ainsi, pour tout tel que xy ̸= 1, on a

 
x
X= ∈ R2
y
 
−1 1 y −1
Jf (X) =
xy − 1 −1 x

15
 2. Rappelons d'abord l'algorithme de Newton :
X donné
(0)

Pour k = 0, 1, . . .
i. Résoudre J (X )s = −F (X ) (k) (k) (k)

ii. Mettre à jour X

F
(k+1) (k) (k)
=X +s
Fin
Soit X = (1, 0) . Alors f (X ) = (1/2, 1) et J (X ) = 01 −11 . Ainsi s = (−1, 2) et par
 
(0) T (0) T (0) (0) T
f

conséquent X = (0, 1/2) , et ||X || = 0.5.

(1) T (1)

De même, on trouvera que X = (0.125, 0) , ||X || = 0.125, X = (0, 0.0078) , et ||X || = 0.00781.
(2) T (2) (3) T (3)

3. Les approximations convergent vers X = (0, 0) . Un calcul simple donne ∗ T

||X (1) − X ∗ || ||X (2) − X ∗ || ||X (3) − X ∗ ||

= 0.5, = 0.5, = 0.499140
||X (0) − X ∗ ||2 ||X (1) − X ∗ ||2 ||X (2) − X ∗ ||2

Ainsi, la convergence est quadratique.

Exercice 3.
1. Soient Ω un ouvert convexe de R , g : Ω → R une fonction de classe C et J la jacobienne de g.
2 2 1

Soient X, Y ∈ R . Considérons la fonction

g
2

ϕ : [0, 1] → R2
t 7→ g(tX + (1 − t)Y )

La fonction ϕ est dérivable, et on a

∀t ∈ [0, 1], ϕ′ (t) = Jg (tX + (1 − t)Y ).(Y − X)

Donc
R1
R1
||g(X) − g(Y )|| = ||ϕ(1) − ϕ(0)|| = || ϕ′ (t)dt|| = || 0 Jg (tX + (1 − t)Y ).(X − Y )dt||
0
Z 1
≤ sup ||Jg (tX + (1 − t)Y )|| dt.||X − Y || = L||X − Y ||
t∈[0,1] 0

Ainsi, il existe une constante L telle ||J (x)|| < L pour tout x ∈ Ω, alors g est L−lipschitzienne sur Ω
relativement à la norme ||.||.
g

2. Considérons le système non linéaire

(1.1)
  T
3 1 1 1 1 1
T
où g (x, y) = + x + y , − + x − y
T T 2 2 2 2 2



(x, y) = g (x, y) ∈R ,
4 8 8 4 8 8

pour tout (x, y) ∈ R . On considère la région carrée D = (x, y) ∈ R , |x| ≤ 1, |y| ≤ 1 .

T 2 2

(a) Soit X = (x, y) ∈ R , alors T 2

  1 1
Jg (X) = 4x 4y
1
4x − 14 y
Donc 1 1 1 1 1 1 1
||Jg (X)||∞ = max{ |x| + |y|, |x| + |y|} ≤ + = = L < 1
4 4 4 4 4 4 2
Ainsi, g est L-contractante sur D pour la norme ||.|| où L = . ∞
1

(b) On a
2

 D est fermé
 g est contractante sur D pour la norme ||.|| ∞
 g(D) ⊂ D
Donc il existe α unique dans D tel que g(α) = α.

Analyse numérique 2 Page 16

 (c) Pour approcher la valeur de α, on considère l'itération de point xe suivante
X (k+1) = g(X (k) ), k = 0, 1, . . . ,
avec X = (x, y) ∈ R et X
T 2 (0)
=0 .
i. Pour tout k ≥ 0, on a
||X (k) − α||∞ = ||g(X (k−1) ) − g(α)||∞
L||X (k−1) − α||∞
...
≤

≤ Lk ||X (0) − α||∞

En particulier, pour k = 1, on aura
||X (1) − α||∞ ≤ L||X (0) − α||∞ .
Donc ||X (0) − α||∞ ≤ ||X (1) − α||∞ + ||X (1) − X (0) ||∞
≤ L||X (0) − α||∞ + ||X (1) − X (0) ||∞
ou encore 1
||X (0) − α||∞ ≤ ||X (1) − X (0) ||∞
1−L
Ainsi, pour tout k ≥ 0, on a
Lk
||e(k) ||∞ = ||X (k) − α||∞ ≤ ||X (1) − X (0) ||∞
1−L
ii. Puisque lim
k→+∞
Lk = 0 alors lim ||e(k) ||∞ = 0
k→+∞
. D'où la convergence de la suite X (k)


k
vers α.
iii. Pour que ||e (k)
||∞ < ϵ = 10−6 , il sut que
Lk
||X (1) − X (0) ||∞ < ϵ,
1−L
ou encore 
ϵ(1 − L)

1
k > ln (1) (0)
× = 9.8572.
||X − X ||∞ ln(L)
Ainsi, le nombre d'itérations nécessaires pour que ||X (k)
− α||∞ < 10−6 est k 0 = 10.
Exercice 4.
Soit le système d'équations non linéaires suivant
(1.2)

−5x1 + 2 sin(x1 ) + 2 cos(x2 ) = 0
2 cos(x1 ) + 2 sin(x2 ) − 5x2 = 0.
1. Posons 2

sin x1 − sin x1

φ(x1 , x2 ) =
5 − cos x1 + sin x2
Alors
 φ(x , x ) = (x , x )
 Pour tout (x , x ) ∈ R ,
1 2 1 2
2
1 2  
2 cos x1 − sin x2
Jφ (x1 , x2 ) =
5 − sin x1 − cos x2
Donc 2
||Jφ (x1 , x2 )||1 = max{| cos x1 | + | sin x1 |, | cos x1 | + | sin x1 |}
5
4
≤ =L<1
5
Par conséquent, le système (1.2) peut s'écrire sous la forme
φ(x1 , x2 ) = (x1 , x2 ), (1.3)
où φ est L-contractante sur R pour la norme ||.|| et L = 45 .
2
1

Analyse numérique 2 Page 17

 2. On a
 R est fermé
2

 φ(R ) ⊂ R 2 2

 φ est contractante sur R pour la norme ||.|| 2

Donc e le système (1.3) admet une unique solution α dans R .

1
2

3. On cherche maintenant à approcher la solution du système (1.2) par la méthode de Newton. On construit
alors une fonction
f : R2 → R2    
T f1 (X) −5x1 + 2 sin(x1 ) + 2 cos(x2 )
X = (x1 , x2 ) 7 → f (X) = =
f2 (X) 2 cos(x1 ) + 2 sin(x2 ) − 5x2
Pour tout X = (x , x ) 1 2
T
∈ R2 , on a
 
−5 + 2 cos x1 −2 sin x2
Jf (X) =
−2 sin x1 2 cos x2 − 5
(a) L'itération de la méthode de Newton pour le système (1.2) s'écrit
X ∈ R donné
(0) 2

Pour k = 0, 1, . . .
i. Résoudre J (X )s = −F (X ) (k) (k) (k)

ii. Mettre à jour X

F
(k+1) (k) (k)
=X +s
Fin
(b) La méthode de Newton est bien dénie pour toute donnée initiale lorsque J (X) est inversible en tout
X ∈ R . On a
f
2

det(J (X)) = (−5 + 2 cos x )(2 cos x − 5) − 4 sin x sin x = 25 − 10(cos x + cos x ) − 4 sin x sin x ≥ 1.
f 1 2 1 2 1 2 1 2

Ce qui signie que les itérations sont toujours bien dénies.

Exercice 5.
Considérons le système non linéaire
e−x1
(1.4)
1

2x1 − x2 + 9 = −1
−x1 + 2x2 + 1
e−x2 = 1
1. Soit f la fonction dénie par
9

f : R2 → R2
2x1 − x2 + 91 e−x1 + 1
   
T f1 (x)
x = (x1 , x2 ) 7→ f (x) = =
f2 (x) −x1 + 2x2 + 19 e−x2 − 1
La matrice jacobienne de f est donnée par
2 − 91 e−x1
 
T 2 −1
∀x = (x1 , x2 ) ∈ R , Jf (x) =
−1 2 − 19 e−x2
L'algorithme de Newton s'écrit
x ∈ R donné
(0) 2

Pour k = 0, 1, . . .
i. Résoudre J (x )s = −f (x ) (k) (k) (k)

ii. Mettre à jour x

f
(k+1) (k) (k)
=x +s
Fin
Pour x = (0, 1) , on a
(0) T

       
0.1111 1.8889 −1 −0.5570 −0.5570
f (x(0) ) = , Jf (x(0) ) = , s(0) = , x(1) = x(0) + s(0) =
1.0409 −1 1.6980 0.9411 0.0589
       
0.0209 1.9363 −1 0.0684 −0.4886
f (x(1) ) = , Jf (x(1) ) = , s(1) = , x(2) = x(1) + s(1) =
−0.2204 −1 1.8821 0.1534 0.2124
       
(2) −0.0085 (2) 1.9318 −1 (2) 0.0048 (3) (2) (2) −0.4838
f (x ) = , Jf (x ) = , s = , x =x +s =
0.0032 −1 1.8626 0.0009 0.2133

Analyse numérique 2 Page 18

 2. Pour tout x = (x , x ) 1 2
T
∈ R2 , le système (1.4) s'écrit sous la forme
Kx + ϕ(x) = b

où K = , , et ϕ est la fonction dénie par

   
2 −1 −1
b=
−1 2 1
ϕ : R2 → R2
e−x1
1 
x = (x1 , x2 )T 7→ ϕ(x) = 9
1
9 e−x2

Étudions la convergence de la méthode de point xe  

x(k+1) = K −1 b − ϕ x(k) = g(x(k) ),

où g : R2 → R2
x = (x1 , x2 )T 7→ g(x) = K −1 (b − ϕ(x))
sur le domaine D = [−1, 0] × [0, 1] :
 Le domaine D est fermé.
 Il est facile de vérier que g(D) ⊂ D
 Pour tout x ∈ R , on a J (x) = −K , où K et J (x) = − 91 e−x1
. Donc
   
2 −1 −1 1 2 1 0
g Jϕ (x) = ϕ
3 1 2 0 e−x2
1 e
||Jg (x)||∞ ≤ ||K −1 ||∞ ||Jϕ (x)||∞ ≤ max{e−x1 , e−x2 } ≤ = L < 1.
9 9
Donc g est contractante sur D pour la norme ||.|| .
Par conséquent, l'itération de point xe converge.
∞

Pour x = (0, 1) , on a
(0) T
     
(1) (0) −0.4210 (2) (1) −0.4745 (3) (2) −0.4821
x = g(x )= , x = g(x )= , x = g(x )=
0.2690 0.2203 0.2144
Exercice 6.
Soit f : D ⊂ R → R une fonction continue dans un voisinage V(α) ⊂ D où α ∈ R est solution du système
n n n

f (x) = 0. Supposons que J(α) est non singulière et notons K(x) = J (x) pour tout x ∈ R pour lequel J −1 n −1

existe. On écrit l'itération de Newton sous la forme

x(k+1) = g(x(k) ), k = 0, 1, . . . ,
avec g(x) = x − K(x)f (x).
1. Pour tout x ∈ V(α), on a n
X
gi (x) = xi − Kir (x)fr (x), i = 1, . . . , n

Donc
r=1

n n
∂gi (x) ∂xi X ∂Kir (x) X ∂fr
= − fr (x) − Kir (x) (x)
∂xj ∂xj r=1 ∂xj r=1
∂xj
n n
X ∂Kir (x) X
= δij − fr (x) − Kir (x)Jrj (x), 1 ≤ i, j ≤ n,
∂xj
avec δ est le symbole de Kronecker.
r=1 r=1

2. D'après la question précédente, on a alors pour 1 ≤ i, j ≤ n,

∂gi (x)
(α) = 0,
∂xj
ou encore J (α) = 0. En écrivant la formule de Taylor au voisinage de α, on a pour tout k ≥ 0 :
g

e(k+1) = x(k+1) − α = g(x(k) ) − g(α) = Jg (α)e(k) + O(||e(k) ||2 ) = O(||e(k) ||2 )

Ainsi, la méthode de Newton a au moins une convergence quadratique.

Analyse numérique 2 Page 19

Chapitre 2

Approximation des valeurs propres et des

vecteurs propres

Exercice 1.
Soient x ∈ R \{0} et A ∈ R
n n×n
une matrice symétrique. Le quotient de Rayleigh R(x) de A associé au vecteur x
est déni par
xt Ax
R(x) = .
xt x
1. Soit x un vecteur propre de A associé à une valeur propre λ de A. Alors Ax = λx, et donc
xt λx
R(x) = = λ.
xt x

2. Soient λ X
, . . . , λ des valeurs propres de A et x
1 n
(1)
, . . . , x(n) des vecteurs propres normalisés correspondants.
Soit x = α x , α , . . . , α ∈ R, alors
n
(j)
j 1 n
j=1

n n n X
n n
X t X X t X
xt x = αj x(j) αi x(i) = αj αi x(j) x(i) = αj2
j=1 i=1 j=1 i=1 j=1

et n n n
X t X X
xt (Ax) = αj x(j) αi λx(i) = αj2 λj
j=1 i=1 j=1

Par conséquent,  
Xn n
X
R(x) =  λj αj2  / αj2 .
j=1 j=1

3. Soit x ∈ R \{0}. Alors pour tout j ∈ {1, . . . , n}, on a

n

λmin ≤ λj ≤ λmax

et n
X n
X n
X
λmin αj2 ≤ αj2 λj ≤ αj2 λmax
j=1 j=1 j=1

Par conséquent
λmin ≤ R(x) ≤ λmax .
On a l'égalité si x est un vecteur propre de A.

20
 4. Soit x ∈ R \{0} un vecteur normalisé. Supposons que x est le k-ème vecteur propre normalisé de A, et
n (k)

que ||x − x || = O(ε) pour ε ∈ R assez petit. Montrons que

(k)
2

R(x) = λk + O(ε2 ).

Soit x = X α x , alors x x . D'autre part,

n
(j) t (k)
j = αk
j=1

||x − x(k) ||2 = ||x||2 − 2xt x(k) + ||x(k) ||2 = 2(1 − αk )

Puisque ||x − x (k)

||2 = O(ε) alors ||x − x (k) 2
||2 = O(ε2 ). Donc
αk = 1 + O(ε2 ).

D'autre part, n
X
1 = ||x|| 2
= αj2
j=1 X
= αk2 + αj2
j̸=k X
= 1 + O(ε2 ) + αj2
j̸=k

Ainsi, X
αj2 = O(ε2 ) , ou encore α j = O(ε) pour tout j ̸= k. Donc
j̸=k
 
n
X Xn X
R(x) =  λj αj2  / αj2 = λk αk2 + λj αj2
j=1 j=1 j̸=k

Par conséquent
R(x) = λk + O(ε2 ).
5. Considérons la matrice A = trid (1, −2, 1). Une estimation à la valeur propre dominante de A sachant que
4

est une estimation du vecteur propre associé est donnée par

  t
2 2
u = − , 1, −1,
3 3

ut Au
R(u) = = −3.6154
ut u
Exercice 2.  
4 1 0 0
Considérons la matrice A=.
1
0
4
1
1
4
0

1

Les disques de Gershgorin associés à sont donnés par

0 0 1 4
A

R1 = R4 = C1 = C4 = {z ∈ C, |z − 4| ≤ 1}

R2 = R3 = C2 = C3 = {z ∈ C, |z − 4| ≤ 2}
Pour toute valeur propre λ de A, on a
λ ∈ (R1 ∪ R2 ∪ R3 ∪ R4 ) ∩ (C1 ∪ C2 ∪ C3 ∪ 44 ) = {z ∈ C, |z − 4| ≤ 2}.

En particulier, λ ̸= 0 et A est inversible.

Exercice 3.
Soient A = et x .
  
2 −1 (0) 1
=
−1 2 0
L'algorithme de la puissance itérée pour approcher la plus grande valeur propre de A en partant de x s'écrit : (0)

Analyse numérique 2 Page 21

 , sont donnés
x(0) A
Pour k = 0, 1, . . .
i. y (k) = Ax(k−1)
y (k)
ii. x(k) =
||y (k) ||2
t
x(k) Ax(k)
iii. λ(k)
= t
x(k) x(k)
Fin
Pour x , on a
 
(0) 1
=
0
t
y (1) x(1) Ax(1)
   
(1) (0) 2 (1) 0.89
y = Ax = , x = (1) = , λ(1) = t = 2.8
−1 ||y ||2 −0.44 x(1) x(1)
t
y (2) x(2) Ax(2)
   
1 1 0.78
y (2) = Ax(1) = √ , x(2) = = , λ(2) = t = 2.98
5 −4 ||y (2) ||2 −0.62 x(2) x(2)
Exercice 4.
Soit A ∈ M (R) une matrice symétrique dont on connait une valeur propre λ de A et un vecteur propre associé u
de norme ||u|| = 1. Soit B ∈ M (R) la matrice dénie par B = A − λuu .
n
t

1. On a Bu = Au − λu(u u) = Au − λu = 0u car u u = 1. Donc 0 est une valeur propre de B de vecteur propre

2 n
t t

associé u.
2. Soit β une autre valeur propre de A (avec β ̸= λ) de vecteur propre associé v. Alors
Bv = Av − λu(ut v) = Av = βv

car u v = 0. Donc β est une valeur propre de B de vecteur propre associé v.

t

3. Soient λ , . . . , λ les valeurs propres de A, comptées avec leur ordre de multiplicité, vériant :
1 n

|λ1 | > |λ2 | > |λ3 | ≥ |λ4 | ≥ . . . ≥ |λn |.

D'après la question précédente, les valeurs propres de B sont exactement λ , . . . , λ , 0. Ainsi pour trouver λ ,
il sut d'appliquer la méthode de la puissance itérée à la matrice B.
2 n 2

Pour trouver λ et λ on pourra appliquer l'algorithme suivant :

1. Appliquer la méthode de la puissance itérée pour calculer λ et u .
1 2
(1)
1

2. Construire la matrice B = A − λ u u (1) (1) t

3. Appliquer la méthode de la puissance itérée pour calculer λ et u .

1
(2)
2

Exercice 5.
Soit A ∈ M (R) une matrice symétrique de valeurs propres λ , . . . , λ . Soit µ ∈ R tel que 0 < |µ − λ | < |µ − λ |
pour tout j ̸= m et µ ̸= λ , j = 1, . . . , n.
n 1 n m j

1. Les valeurs propres de B = A − µI sont ξ = λ − µ, j = 1, . . . , n. Puisque µ ̸= λ alors ξ ̸= 0 pour

j

j = 1, . . . , n. Ainsi, B est inversible, et les valeurs propres de B sont σ = pour j = 1, . . . , n.

µ n j j j j
−1 1

On a |µ − λ | < |µ − λ |, donc
µ µ j ξj
m j
1 1
> , j = 1, . . . , n.
|µ − λm | |µ − λj |
Ainsi, en appliquant la méthode de la puissance itérée à B (ou encore la puissance itérée inverse à B ), on −1

obtient µ − λ , et donc λ . µ µ

2. L'algorithme pour trouver λ peut s'écrire sous la forme :

m m

1. x donné; x =
(0) (0) x(0)

2. Construire la matrice B = A − µI
||x(0) ||

3. Pour k = 0, 1, . . .
µ n

Analyse numérique 2 Page 22

 Résoudre B z µ
(k)
= x(k−1)
Calculer x = (k) z (k)
||z (k) ||2

Résoudre B y (k)
= x(k)
Calculer σ =
µ
(k) 1
+µ
Fin
xk t y (k)

Remarquer que la suite {σ } convergevers λ . (k)

m
2 1 0
3. Considérons la matrice A = 1 2 1.
0 1 2
(a) L'algorithme de la puissance itérée s'écrit
x , A sont donnés
(0)

Pour k = 0, 1, . . .
i. y (k) = Ax(k−1)
y (k)
ii. x(k) =
||y (k) ||2
t
x(k) Ax(k)
iii. λ(k) = t

Fin
x(k) x(k)

Soit x (0)
= (1, 1, 1)t , on a ||x (0)
||2 =
√
3 . Posons alors x x(0)
= √ (0)
3
   
1.732050 0.514496 t
y (1) x(1) Ax(1)
y (1) = Ax(0) = 2.309401 , x(1) = (1) = 0.685995 , λ(1) = t = 3.411765
1.732050 ||y ||2 0.514496 x(1) x(1)
   
1.714986 (2) 0.502519 t
y x(2) Ax(2)
y (2) = Ax(1) = 2.400980 , x(2) = (2) = 0.703526 , λ(2) = t = 3.414141
1.714986 ||y ||2 0.502519 x(2) x(2)
   
1.708564 0.500433 t
y (3) x(3) Ax(3)
y (3) = Ax(2) = 2.412090 , x(3) = (3) = 0.706494 , λ(3) = t = 3.414211
1.708564 ||y ||2 0.500433 x(3) x(3)

(b) En prenant µ = 3.0 et x (0)

= (1, 1, 1)t , on aura
     
1.154701 0.485071 1.212678
z (1) = 1.732051 , x(1) = 0.727606 , y (1) = 1.697750 , σ (1) = 3.414634
1.154701 0.485071 1.212678
     
1.212678 0.502519 1.206045
z (2) = 1.697749 , x(2) = 0.703526 , y (2) = 1.708564 , σ (2) = 3.414226
1.212678 0.502519 1.206045
     
1.206045 0.499567 1.207286
z (3) = 1.708564 , x(3) = 0.707719 , y (1) = 1.706852 , σ (1) = 3.414214
1.206045 0.499567 1.207285

Exercice 6.
Soit A ∈ M (R), n ≥ 3 une matrice symétrique. On suppose que les valeurs propres de A vérient :
n

|λ1 | > |λ2 | > |λ3 | ≥ . . . ≥ |λn |.

1. Supposons connus la valeur propre λ ainsi qu'un vecteur propre associé u = (u , . . . , u ) avec ||u || = 1 (1) t (1)

et u < 0. On considère une matrice de Householder élémentaire H telle que Hu = e . Soit B = HAH .
1 1 n 2
(1) (1) t

(a) On a Hu = e = ||u || e , donc H = H(v) où v = u − ||u || e .

1
(1) (1) (1) (1) (1) (1) (1)
2 2

Analyse numérique 2 Page 23

 (b) On a
Be(1) = HAH t e(1) = HAu(1) = λ1 Hu(1) = λ1 e(1)
 
λ1

Donc la première colonne de a la forme ... . Puisque est symétrique alors

0
B B
 
 
 
0
 
λ1 0 ... 0

...
 0 
B=  , B̃ ∈ Mn−1 (R).
 
 B̃ 
0

(c) On a
PB (λ) =det(B − λI ) = (λ − λ) × det(B̃ − λI ) = (λ − λ) × P (λ)
n 1 n 1 B̃

Si λ = λ alors λ est une valeur propre de B et donc une valeur propre de A (car A et B sont semblables).
Ceci contredit le fait que |λ | > |λ |. Donc P (λ) = 0, et les valeurs propres de B̃ sont {λ , . . . , λ }.
1

2. Un algorithme permettant de calculer les deux valeurs propres λ et λ en utilisant la méthode de la puissance
1 2 B̃ 2 n

peut s'écrire sous la forme :

1 2

i. Appliquer la puissance itérée à A pour calculer λ et u (1)

ii. Construire H et B = HAH , puis extraire B̃

1
t

iii. Appliquer la puissance itérée à B̃ pour calculer λ et x ∈ R (2) n−1

Question. Calculer u à partir de x .

2
(2) (2)

3. Soit A la matrice donnée par  

1 −1 0
A =  −1 2 −1  .
0 −1 1
√
(a) Sachant que λ 1 =3 et un vecteur propre associé est (1)
u =
6
6
(−1, 2, −1)
t
, soient
 
−1.408284
v = u(1) − e(1) =  0.816497 
−1.408284

et 
−0.408248 0.816497 −0.408248

vv t
H = H(v) = I3 − 2. t =  0.816497 0.526597 0.236700 
vv
−0.408248 0.236700 0.881650
Alors la matrice B est donnée par
 
3 0 0
B = HAH = 0 0.168081 −0.373939
0 −0.373939 0.831918

et la matrice B̃ est donnée par  

0.168081 −0.373939
B̃ =
−0.373939 0.831918
Appliquons la méthode de la puissance itérée à B̃ pour déterminer une approximation de λ pour
x = (1, 0) :
2
(0) t
   
0.168082 0.409978
y (1) = Ax(0) = , x(1) = , λ(1) = 1
−0.373939 −0.912096
   
0.409978 0.409978
y (2) = Ax(1) = , x(2) = , λ(2) = 1
−0.912096 −0.912096

Analyse numérique 2 Page 24

 √
(b) Sachant que u (2)
=
2
2
(−1, 0, 1)
t
est un vecteur propre associé à λ , alors
2

t
u(2) Au(2)
λ2 = R(u(2) ) = t =1
u(2) u(2)
Exercice7. 
1 1 1 1
Soit 0 0 3
A=
0 2 4
1
−4
 .
0 0 0 3
1. On a ||A|| = max{1, 3, 8, 9} = 9. Puisque ρ(A) ≤ ||A|| , alors pour toute valeur propre λ de A, on a |λ| < 9.
Ainsi, les valeurs propres de A sont dans le disque
1 1

D = {z ∈ C, |z| ≤ 9}

2. Eectuons la décomposition QR de A. Soient

     
0 2 0 −1 0
a = 2 , v = a + ||a||2 e(1) = 2 et vv t
H̃ = I3 − 2. t = −1
vv
0 1
0 0 0 0 1
 
1 0 0 1
Posons 0
H=
0
0
−1
−1
0
0

0
. Alors
0 0 0 1
 
1 1 1 1
0 −2 −4 4
HA =  =R
0 0 −3 −1
0 0 0 3

De plus,
A = H −1 R = H T R = QR
où Q = H = H .
T

3. La résolution système linéaire Ax = b = (1, 1, 1, 1) revient à résoudre les deux systèmes linéaires Qy = b
t

(noter que Q = Q = H ), puis Rx = y (noter que R est triangulaire supérieure). Il est facile de trouver que
−1


  
1 −5/18
−1
y=
−1
 et  13/18 
x=
 2/9 


1 1/3

Analyse numérique 2 Page 25

Chapitre 3

Méthode des diérences nies

Exercice 1.
On considère le problème de Cauchy suivant
y ′ (t) = 1 + y(t), 0 < t < 1,
(3.1)


y(0) = 1

Dans la suite, soient f (t, y(t)) = 1 + y(t), t = 0 et y = 1.

1. Avec une discrétisation de [0, 1] de pas h > 0, le problème approché de (3.1) s'écrit :
0 0

(a) Schéma d'Euler rétrograde :

un+1 = un + hf (tn , un ) = un + h(1 + un ) = h + (1 + h)un , n = 0, 1, . . . , N

(b) Schéma d'Euler progressif :

un+1 = un + hf (tn+1 , un+1 ) = un + h(1 + un+1 ), n = 0, 1, . . . , N

ou encore 1 h
un+1 = un + , n = 0, 1, . . . , N
1−h 1−h
(c) Schéma de Heun :
h
un+1 = un + (f (tn , un ) + f (tn+1 , un + hf (tn , un )))
2
h
= un + (1 + un + 1 + un + h(1 + un )) , n = 0, 1, . . . , N
2
ou encore h
un+1 = ((2 + h)(1 + un )) , n = 0, 1, . . . , N
2
2. Pour h = 0.2 on a N = 5. Notons que la solution exacte est donnée par y(x) = 2e − 1. x

t Euler expl. Euler impl. Heun Valeur exacte

1 1 1 1
n

1.4 1.5 1.44 1.4428

t =0
0

1.88 2.1225 1.9768 1.9836

t = 0.2
1

2.456 2.9062 2.6317 2.6442

t = 0.4
2

3.1472 3.8828 3.4307 3.4510

t = 0.6
3

3.9767 5.1035 4.4054 4.4366

t = 0.8
4
t =1
5

Exercice 2.
On considère le problème de Cauchy suivant
y ′ (t) = f (t, y(t)), t ∈ I = [0, T ], T > 0,
(3.2)

y(0) = 1,

26
où f est λ-lipschitzienne sur D = {(t, y), 0 ≤ t ≤ T et − ∞ < y < +∞}. Pour approcher la solution du problème
(3.2), supposée de classe C sur I , on considère le schéma
4

u = u + h [θf (t , u ) + (1 − θ)f (t
n+1 n n n ,u )] , n+1 n+1(3.3)
où θ ∈ [0, 1], h = NT , N est un entier positif et t = nh, n = 0, 1, . . . , N .
n

1. La valeur de θ = 0 donne le schéma d'Euleur implicite qui est d'ordre 1. La valeur de θ = 1 correspond au
schéma d'Euler explicite qui est aussi d'ordre 1.
2. Soit τ (h) l'erreur de troncature locale au n÷ud t . Notons y = y(t ) pour n = 0, 1, . . . , N − 1. On a
n+1 n+1 n n

1
τn+1 (h) = ϵn+1 (h)
h
yn+1 − yn
= + θy ′ (tn ) + (1 − θ)y ′ (tn+1 ),
h
où ϵ n+1 (h) est le résidu au point t quand on intègre la solution exacte dans le schéma numérique. On a
n+1

h2 ′′ h3 h4
yn+1 = yn + hy ′ (tn ) + y (tn ) + y (3) (tn ) + y (4) (ξ¯n ), ξ¯n ∈ (tn , tn+1 )
2 6 24
Donc yn+1 − yn h h2 h3
= y ′ (tn ) + y ′′ (tn ) + y (3) (tn ) + y (4) (ξ¯n )
h 2 6 24
D'autre part, on a
h2 (3) h2
y ′ (tn+1 ) = y ′ (tn ) + hy ′′ (tn ) + y (tn ) + y (4) (ξˆn ), ξˆn ∈ (tn , tn+1 )
2 6
En remplaçant dans l'expression de τ n+1 (h) , on obtient
   
1 θ 1
τn+1 (h) = h θ − y ′′ (tn ) + h2 − y ′′′ (tn ) + O(h3 )
2 2 3
pour n = 0, . . . , N − 1. Ainsi,
 Si θ = 21 , alors τ (h) = O(h ), et le schéma est d'ordre 2.
n+1
2

 Si θ ̸= 21 , alors τ (h) = O(h), et le schéma est d'ordre 1.

n+1

Exercice 3.
On considère le schéma suivant
(3.4)
(
ûn = un + hf (tn , un ),
h
un+1 = un + (f (tn , un ) + f (tn+1 , ûn )) ,
2
où h est le pas de temps, supposé constant.
1. Le schéma 3.4 s'écrit sous la forme générale d'un schéma explicite à un pas
un+1 = un + hϕ(tn , un ; h)

où 1
ϕ(t, y; h) = (f (t, y) + f (t + h, y + hf (t, y))) .
2
2. Pour que le schéma soit consistant d'ordre au moins 2, il sut que
∂lϕ 1 [l]
(t, y; 0) = f (t, y), l = 0, 1.
∂hl l+1

 On a ϕ(t, y; 0) = 21 (f (t, y) + f (t, y)) = f (t, y) = f [0]

(t, y) . Donc le schéma est consistent d'ordre au
moins 1.

Analyse numérique 2 Page 27

  On a ∂ϕ 1

∂f ∂f

(t, y; h) = (t + h, y + hf (t, y)) + (t + h, y + hf (t, y)) × f (t, y)
∂h 2 ∂t ∂y
Donc ∂ϕ

1 ∂f ∂f

(t, y; 0) = (t, y) + (t, y) × f (t, y)
∂h 2 ∂t ∂y
1 [1]
= f (t, y)
2
Donc le schéma est consistent d'ordre au moins . 2
3. Supposant que f est L-lipschitzienne, alors ∀t ∈ [t , t + T ], ∀x, y ∈ R, ∀h ≤ h , on a
0 0 max

1
|ϕ(t, x; h) − ϕ(t, y; h)| = |f (t, x) + f (t + h, x + hf (t, x)) − f (t, y) − f (t + h, y + hf (t, y))|
2
1 1
≤ |f (t, x) − f (t, y)| + |f (t + h, x + hf (t, x)) − f (t + h, y + hf (t, y))|
2 2
1
≤ (L|x − y| + L|x + hf (t, x) − y − hf (t, y)|)
2
1
2L|x − y| + L2 h|x − y|


≤
2
L + L2 hmax


≤ 2 |x − y|.

Donc le schéma est stable.

Exercice 4.
On considère le problème aux limites suivant : trouver u ∈ C ([0, 1]) satisfaisant 2

u′′ (x) = c(x)u(x) + d(x), x ∈]0, 1[,

(3.5)

u(0) = u(1) = 0,

où c et d sont deux fonctions continues sur [0, 1]. On suppose qu'il existe une constante γ > 0 telle c(x) ≥ γ
pour tout x ∈ [0, 1]. On cherche à approcher la solution du problème (3.4) par la méthode des diérences nies.
Étant donné N ≥ 1, on pose h = N + 1 et on dénit un maillage uniforme de pas h de l'intervalle [0, 1] comme
1

étant l'ensemble des points x = ih, i = 0, . . . , N + 1. Dans la suite, on note u une approximation de u(x ) pour
i = 1, . . . , N , u = (u , . . . , u ) ∈ R et π (u) = (u(x ), . . . , u(x )) ∈ R .
i i i
T N T N

1. On suppose que u ∈ C ([0, 1]). Soit x ∈ [0, 1]. Pour h susamment petit, u ∈ C ([x − h, x + h]). D'après la
h 1 N h 1 N
4 4

formule de Taylor, ∃θ , θ ∈]0, 1[ tels que

1 2

h2 ′′ h3 h4
u(x + h) = u(x) + u′ (x)h + u (x) + u(3) (x) + u(4) (x + θ1 h)
2 6 24
h2 ′′ h3 h4
u(x − h) = u(x) − u′ (x)h + u (x) − u(3) (x) + u(4) (x + θ2 h)
2 6 24
Donc −u(x − h) + 2u(x) − u(x + h) h2

u(4) (x + θ1 h) + u(4) (x + θ2 h)

′′
−u (x) = + .
h2 12 2
En appliquant le théorème des valeurs intermédiaires, ∃θ ∈]0, 1[ tel que
u(4) (x + θ1 h) + u(4) (x + θ2 h)
u(4) (x + θh) = .
2
Par conséquent, il existe un θ avec |θ| < 1 tel que
−u(x − h) + 2u(x) − u(x + h) h2 (4)
−u′′ (x) = + u (x + θh).
h2 12

2. Pour tout i ∈ {1, . . . , N }, on a

h4 (4)

−u(xi−1 ) + 2u(xi ) − u(xi+1 ) + h2 c(xi )u(xi ) = −h2 d(xi ) − 12 u (xi + θi h)
u(x0 ) = u(xN +1 ) = 0

Analyse numérique 2 Page 28

 Ce système s'écrit sous la forme matricielle suivante
  u(x )     (4) 

2 + h2 c(x1 ) −1 1 d(x1 ) u (x1 + θ1 h)

... ...
 u(4) (x2 + θ2 h) 
...
−1 2 + h2 c(x2 ) −1 u(x2 )   d(x2 ) 
... ... ...
 
 4
    

  2
  h  
 = −h 
...
 − 12 
... ...
     
  
 
−1
      
    
−1 2 + h2 c(xN ) u(xN ) d(xN ) u(4) (xN + θN h)
Ainsi, le vecteur u vérie un système linéaire de la forme
h

Ah πh (u) = bh + εh (u). (3.6)

u(4) (x1 + θ1 h)
 
 u(4) (x2 + θ2 h)
...


3. On a u , donc ||ε (u)|| h4

.
 
4
sup |u(4) (x)|
 
= − h12
...
h
  h ∞ ≤



 12 x∈[0,1]
 
u(4) (xN + θN h)
4. En négligeant le terme εh (u) dans (3.6), u est solution du système linéaire
h

Ah uh = bh . (3.7)
Donc A (uh h − πh (u)) = −εh , et par suite
1 h4
∥uh − πh (u)∥∞ ≤ ∥A−1
h ∥∞ .∥εh ∥∞ ≤ . sup |u(4) (x)| = βh2 ,
8h2 12 x∈[0,1]

où β = 961 sup |u (x)|. (4)

Finalement, le schéma d'approximation par diérences nies utilisé est convergent d'ordre 2 pour la norme
x∈[0,1]

∥.∥ .∞

Exercice 5.
On considère le problème aux limites suivant
u′′ (t) + sin(u(t)) = f (t), t ∈ [a, b],

(P)
u(a) = α, u(b) = β.
On construit un problème approché par une méthode de diérences nies centrées. Pour cela, l'intervalle [a, b] est
subdivisé avec un pas h = b N− a . On note t = a + ih, u ≈ u(t ), pour i = 0, . . . , N , et u = (u , . . . , u ) .
i i i h 1 N
T

1. En utilisant la même démonstration de la première question de l'exercice précédent, on montre que si u est
de classe C sur [a, b], alors pour tout i ∈ {1, . . . , N }, il existe θ ∈ [t , t ] tel que
4
i i−1 i+1
2
u(ti−1 ) − 2u(ti ) + u(ti+1 ) h (4)
u′′ (ti ) = − u (ti + θi h).
h2 12
2. On a pour tout i ∈ {1, . . . , N }, on a
h4 (4)
u(ti−1 ) − 2u(ti ) + u(ti+1 ) + h2 sin(u(ti )) = f (ti )h2 + u (ti + θh).
12
Ainsi, le problème approché de (P) est donné par
Auh = h2 (F − sin(uh )) − B,
où 
 
α

−2 1
 f (t1 )
...
0
...
 f (t2 ) 
−2
... ... ...
1 1   
 
 
...
     
...
A= , F =  , B=
    
    
1 −2 1
     
   
0
1 −2 f (tN )
β
et sin(u ) = (sin(u ), . . . , sin(u
h 1 N ))
T
.

Analyse numérique 2 Page 29

 3. u est solution d'un problème de point xe φ(X) = X , où
h

φ : RN → RN
X 7 → φ(X) = h2 A−1 (F − sin(X)) − A−1 b.

Les itérations permettant d'approcher u sont alors sous la forme

i. X donné
h
(0)

ii. X (k+1) = h2 A−1 (F − sin(X (k) ) − A−1 b

4. Supposons que le pas h est choisi tel que h ∥A ∥ < 1. Alors il est facile de vérier que φ est L-contractante,
2 −1

avec L = h ∥A ∥ , pour la norme ∥.∥ . De plus, R est fermé et φ(R ) ⊂ R . Donc le système de la
∞
2 −1 N N N

question précédente admet une et une seule solution dans R .

∞ ∞
N

Analyse numérique 2 Page 30