TP Matlab Niou

Ecole Supérieure de Technologies Industrielles – Annaba
Département du Second Cycle

Année universitaire 2017/2018
Filière : Génie Industriel
TP MATLAB
Réalisé par: Mr NIOU Slimane

En collaboration avec: Mr BOUZITOUNA Abdallah
Mr BELAMADI Riyadh
5/9/2018 Réalisé M Slimane NIOU 1

Introduction
5/9/2018 Réalisé par S.NIOU 2

Introduction

Introduction

Introduction

Introduction

Introduction

Prise en main

Prise en main
Démarrage, quitter:
• Pour lancer le programme, tapez
dans une fenêtre de commandes.
Une fenêtre logo Matlab fait une
brève apparition, puis dans la
fenêtre de commandes, le symbole
>> apparaît : c'est l'invité de MATLAB
qui attend vos commandes .
• Vous pourrez quitter la session avec

la commande quit.
Prise en main

Prise en main

Prise en main

Prise en main

Prise en main

Prise en main

Prise en main

Prise en main

Structures de contrôle

Boucle:

Condition et boucle

Condition et boucle

Application variable et fonction

Fonction prédéfinies

Application variable et Fonction
Fonction prédéfinies

Calculer de p(x) pour x =2 et x = 9

Application fonction prédéfinies
Exercice 1:
Voici les nombre complexes Z1 et Z2
Z1= 10+9i; Z2= 20+5j;
On utilisons les fonctions prédéfinies:
* Extraire la partie réel et la partie imaginaire de Z1 et Z2?
* Trouver les modules de Z1 et Z2
* Calculer (Z1*Z2) ,(Z1+Z1)^2,(Z1-Z2)^2,
* Déterminer l’angle thêta de Z1 et Z2 en radian

Application sur les vecteurs
Exercice 2:
1. Créer un vecteur de 11 coordonnées contenant les nombres

-5,-4,...,4,5 et déterminer sa taille.
2-Créer un vecteur de 1001 coordonnées contenant les

nombres -500,-499,-498...,499,500

Application sur les Matrices

Exercice.1:
1. Utilisez les commandes Matlab pour :
a) Créez la matrice M:
b) Extraire la deuxième ligne de M
c) Extraire la troisième colonne de M
• 2. Indiquez pour chacune des opérations ci-dessous, ce que vaut la matrice
D au final :
a) D=M'
b) D=ones(4,4)*zeros(4,4)
c) D=diag(M)

Solution Exercice.1:
Go to MATLAB

Solution Exercice.1:
Go to MATLAB

Exercice.2: Déclaration des matrices
[A] [B] [C]

Solution Exercice.2: Déclaration d’une matrice Tri-diagonale
L’objectif est de déclarer la matrice [A] sous la forme tri-diagonale suivante:
On peut la définir par une seule commande

combinée:
[A]=
» A=2 * eye (n) + diag (- ones (1 , n-1 ) , 1 ) + diag ( - ones ( 1 , n-1 ) , -1 )

Solution Exercice.2: Déclaration d’une matrice Tri-diagonale
Go to Matlab

Solution Exercice.2: Déclaration d’une matrice par Bloc

1er variante:
est de déclarer chaque bloc à part, ensuit on fait une concaténation
• » M1=ones(2,3) ; M2=eye(2) ;
• M3=-2*eye(3) ; M4=eye(3,2);
• » B = [M1 M2 ; M3 M4]
•»B

Solution Exercice.2: Déclaration d’une matrice par Bloc
Go to MATLAB

Solution Exercice.2: Déclaration des matrices diagonale par bloc
La deuxième variante est d’utiliser la commande “blkdiag” où la matrice
[C] est diagonale par bloc
[C]=
• » blkdiag ( ones ( 2 ) , eye ( 1 ) , eye ( 3 ) + ones ( 3 ) )

Solution Exercice.2: Déclaration des matrices diagonale par bloc
Go to MATLAB

Application- Représentation graphique

Il existe plusieurs représentations graphiques, « plot » est la plus
courante


Graphe 3D 35
30
25
20
t
15
10
0
1
0.5 1
0 0.5
0
-0.5
-0.5
cos(t) -1 -1
sin (t)

Exercice-1 :Représentation de f(x) et g(x)
• Soit un vecteur x contenant des valeurs comprises entre -2 et 2 avec un
pas de 0:05.
• Soit deux fonctions f et g dénie par :
𝜋 𝜋
f(x) =sin( x) et g(x) =cos( x)
4 4
• Pour représenter f et g en fonction de x ; on va utiliser l’éditeur de

Matlab.

Solution exercice-1 :Représentation de f(x) et g(x
Go to MATLAB

Exercice-2 : Etude comparative des courbes
• Ecrire le programme Matlab qui permet de tracer sur le même graphe
les fonctions F1, F2 et F3 sur l'intervalle [-1 1].
1
• f1(x) =xsin( )
𝑥
3
• f2(x) =𝑥
• f3(x) =𝑥 2 +3𝑥 + 5
Titre 'Etude comparative des courbes'

Solution exercice-2 :
Go to MATLAB
Représentation

Application- Function

Programmation MATLAB-Function
Il existe de nombreuses fonctions prédéfinies en Matlab, mais il arrivera forcément un moment où vous voudrez utiliser une
fonction qui n’est pas définie. Heureusement, il est possible de définir ses propres fonctions et de s’en servir exactement
comme les fonctions préexistantes.
Le mot-clé function de la
première ligne indique que
le script est une définition
de fonction ;
La suite de la première
ligne spécifie le nom de
la fonction;
Le nom du fichier M-File
doit prendre le même
nom que la fonction

Programmation MATLAB-Function
Exemple: Function z=x^3+2*x^2-y^2+sqrt(y)

Exercice-1: une plaque (tôle) rectangulaire en Acier doux hautement chauffée a
une température de Tp=500°C soumise au refroidissement par un jet d’eau de
température Tf =23°C, le contacte d’eau avec la tôle fait une ébullition avec un
coefficient de convection h=1500w/m2K
Les dimension de la plaque sont:
Longueur de L= 2500mm et largeur de l=500mm,
Question:
En utilisons la lois de Newton sous forme de
Function sous Matlab, calculons le flux de
chaleur par convection dans la surface de la
plaque

Solution Exercice-1:
Go to
MATLAB

Go to
MATLAB

Résolution d’équation second ordre:
𝑎𝑥 2 +𝑏𝑥 + 𝑐 = 0

Exercice-2: Résolution d’équation second ordre
Go to
MATLAB

Application Opérations et calcul formel :
dérivée, intégrale

Calcul formel
Calcul symbolique
Opérations et calcul formel : dérivée, intégrale
• La boîte à outils de calcul symbolique définit un nouveau type de variable

MATLAB appelé objet symbolique.
• Un objet symbolique est une structure de données qui enregistre une
représentation du symbole sous la forme d’une chaîne.
La boîte à outils utilise des objets symboliques pour représenter:
• Variables symboliques,
• Expressions symboliques
• Matrices symboliques.

Calcul formel
Calcul symbolique
L’exemple suivant illustre la différence entre des types de variable
standard de MATLAB et l’objet correspondant.

Calcul formel
Calcul symbolique

Calcul formel
Calcul symbolique
Expressions symboliques: La commande sym permet de construire

Calcul formel
Calcul symbolique
Dérivée:
1/
2/

Calcul formel
Calcul symbolique
La dérivation d’une Matrice:
La fonction diff peut également agir sur une matrice. Dans ce cas la dérivation est
effectuée sur chaque élément de la matrice.
Exemple:
Sa dérivée alors:

Calcul formel
Calcul symbolique
Intégrale:
Si f est une expression symbolique, alors int(f) tente de trouver une autre expression
symbolique F telle que diff(F)=f , c’est-à-dire que int(f) donne l’intégrale indéfinie de f si
elle existe.

Exercice 1:
I1= d1=
I2=
d2=
I3=
d3=
I4=

Solution Ex 1:
Go to
MATLAB

Application: Opérations et calcul formel :
Exercice 2:

Solution Ex 2:
Go to
MATLAB

Exercice 3:

Solution Ex 3:
Go to
MATLAB

Applications : Calcul Matricielle
Résolution des systèmes linéaires

Résolution des systèmes linéaires:
• Méthode directe:
Elimination de Gauss,
Pivot de gauss
• Méthodes itératives:
Méthode de Jacobi
Méthode de Gauss-Seidel

Un système d’équations linéaires est un ensemble fini d’équations linéaires.
En analyse numérique, résoudre un système linéaire, en générale c’est résoudre:
Où A est une matrice, b est un vecteur, et X est le vecteur inconnu.

Un système d’équations linéaires arbitraire C’est la matrice augmentée du système

• Méthode directe: (Elimination de Gauss , Méthode du pivot):

Stratégie de la méthode:
Transformer le système linéaire en un système équivalent … facile à
résoudre Triangulaire ! Supérieur ou Inférieur.

• Méthode directe: (Elimination de Gauss)

On dit que deux matrices sont équivalentes-lignes si on peut les obtenir l’une de l’autre par une série
d’opérations élémentaires sur les lignes.
1)Multiplication d’une ligne par un constant non nul :
2) Permutation des deux lignes :
3) Addition ou soustraction multiple d’une ligne à une autre ligne :

Méthode directe (Méthode du pivot):
Les étapes principale de la méthode : Méthode du rectangle :
• 1er étape : Choisir le pivot.

• 2- Diviser la ligne du pivot par le pivot.
• 3- Les éléments de la colonne du pivot autre
que le pivot sont des zéro.
• 4-Tous les autres éléments vous les calculer à l’aide de
la méthode du rectangle.
Déterminant de la matrice = produit des pivots

Méthode directe (Méthode du pivot):

Exercice1:
Dans une usine de fabrication de meubles non peints, on cherche
éliminer les pertes de temps en fabriquant trois nouveaux modèles de
chaises M1, M2 et M3.
Le temps en heure nécessaire à la réalisation d’un exemplaire de ces
modèles et les temps libres sont indiqués dans le tableau ci-contre.
Atelier Modèles Temps libre
Question: M1 M2 M3 par atelier
Déterminer combien
il faut de chaise de Sciage 1 2 1 80
chaque modèle afin
Assemblage 2 3 2 150
d’éliminer les temps mort ?
NB: Utilisé le pivot ou l’élimination de Gauss. Sablage 1 5 3 190

Exercice1: Pivot de Gauss - solution Analytique

Solution Exercice1: Pivot de Gauss solution Analytique

Exercice1: Pivot de Gauss solution Numérique
Go to
Matlab

Résolution des systèmes Non linéaires
Méthodes Itératives

Méthodes Itératives :
Pour résoudre un système linéaire Ax=b consiste à utiliser une
approximation x(0) pour construire une suite de vecteurs x(1) , x(2) … qui
converge vers la solution x.
• La méthode itérative contrairement à d’autres méthode à l’avantage de

ne pas avoir besoin de garder en mémoire la totalité d’un matrice de
très grande taille gourmande en capacités mémoire. Cette méthode
permet de garder en mémoire que les coefficient non nuls d’une matrice
de grande taille.
• Cependant, le succès de calcul n’est pas assuré quelque soit la matrice,

certaines conditions sont nécessaire afin d’obtenir un résultat
convergent,

Systèmes linéaires à « n » inconnues:
Considérons le système linéaire suivant qui consiste à résoudre: A x = B
Système linéaire: Le système matricielle :
• Les x1, x2, … xn sont les n inconnues du système de n équations linéaires à n

inconnues, on parle d’un vecteur solution x à « n » composantes.

Stratégie: Ax = B
- Décomposition de la matrice A:
A=M–N
- Il est ensuite possible d’écrire le système Ax = B sous la forme :
Mx = Nx + b
• Où encore :
x = 𝑴−𝟏 Nx+𝑴−𝟏 B
• Et enfin:
(1)

Méthode de Jacobi: Méthode de Gauss-Seidel:
𝑥 𝑘+1 = M−1 N 𝑥 𝑘 + M−1 b (1) 𝑥 𝑘+1 = M −1 N 𝑥 𝑘 + M −1 b (1)
Avec M = D, N = E+ F,, nous obtenons la relation Avec M = D - E, & N = F, nous obtenons la relation
suivante: suivante:
(2) (2)
Par calculs successifs, la relation de Jacobi est Par calculs successifs, la relation de Jacobi est la
la suivante (3) : suivante (3) :

Exercice1 :
Soit a résoudre le système de 3 équations à 3 inconnues :
3x1 +x2 −x3= 2

x1+5x2+2x3= 17
2x1−x2−6x3= −18
Avec les deux méthode Jacobi et Gauss Seidel en comparons les

résultats des méthodes
1er Solution par la méthode de Jacobi:
Première Itération : Seconde itération :

1er Solution par la méthode de Jacobi:
Cela permet de remplir le tableau suivant :
k 𝒙𝒌𝟏 𝒙𝒌𝟐 𝒙𝒌𝟑 Les valeurs convergent

0 0.00000 0.00000 0.00000
1 0.66667 3.40000 3.00000 vers la solution [1 2 3]
2 0.53333 2.26667 2.65556 avec une convergence
3 0.86296 2.23111 2.93333
4 0.86741 2.09407 2.91580 assez lente
5 0.94057 2.06020 2.94012
6 0 .95997 2.03583 2.97016
7 0.97811 2.01994 2.98069
8 0.98242 2.01210 2 .98398
9 0.99242 2.00686 2.99362
10 0.99558 2.00407 2.99633
Simulation sous Matlab par la méthode de Jacobi:
Go to Matlab
Converge
Après 18 iteration

2ème Solution par la méthode de Gauss-Seidel :
Première Itération : Seconde itération :

2ème Solution par la méthode de Gauss-Seidel :
Cela permet de remplir le tableau suivant :
k 𝒙𝒌𝟏 𝒙𝒌𝟐 𝒙𝒌𝟑

0 0.00000 0.00000 0.00000 On constate que pour le même
1 0.66667 3.26667 2.67778
2 0.47037 2.23481 2.78432
nombre d’itérations, la solution
3 0.84983 2.11630 2.93056 approximative obtenue par la
4 0.93808 2.04016 2.97267 méthode de Gauss-Seidel est plus
5 0.97750 2.01543 2.98993
6 0 .99150 2.00573 2.99621
précise. Les valeurs convergent vers
7 0.99683 2.00515 2.99858 la solution x = [1 2 3] avec une
8 0.99881 2.00080 2 .99947 convergence plus rapide.
9 0.99955 2.00030 2.99980
10 0.99983 2.00011 2.99993

Simulation sous Matlab par la méthode de Gauss-Seidel :
Go to Matlab
Converge
Après 12 iteration

Résolution des systèmes Non linéaires

Résolution des systèmes Non linéaires:
Résolution systèmes d’équation non linéaires:
Méthode de Résolution
Soit une fonction f : R  R
n n
continue sur ...  Newton

Dérivable sur ...  Point fixe
Résolution de f(x)=0  Dichotomie
 La sécante
Principe :
 La corde
Trouver une méthode itérative uk+1 = g(uk)
qui converge vers la solution  ………..

Méthode de Newton
Algorithme: Mé thode de Newton-Raphson
f(b)
f(c)
a c b
f(a)

Méthode de Dichotomie
Algorithme: Mé thode de la dichotomie
f(b)
a c=a+b/2 b
f(x)
f(c)
f(a)

% Déclaration d’une fonction a l’aide de la commande: inline

Lorsqu’il y a un seul argument de sortie et la structure de la fonction est simple il
convient de réaliser la fonction avec inline.
f = inline(’expression’) si la fonction a un seul argument

Exp1 : f(x) = 𝑥 2 𝑒 𝑥 , f = inline(’x^2 * exp(x)’); f(0.75) = 1.1908
f = inline(’expression’,’arg1 ’,’arg2 ’) s’il y a plusieurs arguments
Exp2 : f(x, y) = 2 sin(𝑥)2 /log(y),

f = inline(’2*sin(x)^2 / log(y)’, ’x’, ’y’); f(1, 4) = 1.0215

Exercice1:
f(x) = 2 sin(x) – x
Appliquer la méthode de Newton, puis de dichotomie pour trouver la
valeur approchée de la racine de f(x) dans l’intervalle [1, 6]
Indications : On prendra un test d'arrêt de la forme |xn+1 - xn| < eps =

10−6 et on prendra soin de prévoir un compteur d'itérations pour les
deux méthode,

Solution Exercice1: Méthode de Dichotomie
Go to Matlab
Converge
Après 16 iteration
2ème Solution : Méthode de Newton
Go to Matlab
Converge
aprés 5 iteration

2ème Solution : Comparaison entre les deux méthodes
Pour cela on va considérer trois critére : la racine trouvé et le nombre d'itéraion

(rapidité de calcul), ainsi que l'erreur (err= 0 – f(x) :
Méthode / Critère Nombre d'itération Racine trouvé Erreur

Dichotomie 16 1.89546 0.00005
Newton 5 1.89549 0.00000
On remarque bien que selon ces trois critères la Méthode de Newton est la plus précise et la plus
rapide en terme de temps de calcul.

Application- Transfert de chaleur/ Méthode des différences Finis
Sous Matlab

Application- TDC/DF/Matlab
Compétence:
1- Transfert de chaleur: * Equation de chaleur - Conduction

* Régime stationnaire –permanent
2-Méthode Numérique:
* Méthode des différence finis
* Méthode de Gauss- Seidel
3-Programmation:
* Matlab – Condition et boucle

Application- TDC/DF/Matlab
Rappel sur Transfert de chaleur:
Equation de chaleur – Conduction (2-D)
𝜕𝑇 𝜕 𝜕𝑇 𝜕 𝜕𝑇
𝜌𝑐 = 𝜆𝑥 + 𝜆𝑦
𝜕𝑡 𝜕𝑥 𝜕𝑥 𝜕𝑦 𝜕𝑦
𝜕𝑇
Régime stationnaire –permanent : 𝜌𝑐 =0
𝜕𝑡
Donc:
𝜕 𝜕𝑇 𝜕 𝜕𝑇
+ =0
𝜕𝑥 𝜕𝑥 𝜕𝑦 𝜕𝑦

Application- MDF-TDC
Exercice-1: Étude de la répartition de la température dans les parois d’un four

Exercice-1: Étude de la répartition de la température dans les parois d’un four
35°C
Figure: Géométrie et
maillage des parois du 1220°C
four

Solution Exercice-1: Étude de la répartition de la température dans les parois d’un four




Go to
MATLAB

Go to
MATLAB

Go to
MATLAB

Go to
MATLAB

Go to
MATLAB



Mini projet: Etude de la distribution de la température dans
l’opération du soudage bout à bout du tube en polyéthylène

Mini projet:

Mini projet:

Mini projet:

Mini projet:

Mini projet:

Mini projet:

Mini projet:

‫قال اإلمام الشافعي رحمه هللا‪:‬‬
‫‪5/9/2018‬‬ ‫‪Réalisé M Slimane NIOU‬‬ ‫‪127‬‬

TP Matlab Niou

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TP Matlab Niou

Transféré par

Droits d'auteur :

Formats disponibles

Ecole Supérieure de Technologies Industrielles – Annaba

Département du Second Cycle

Réalisé par: Mr NIOU Slimane

5/9/2018 Réalisé M Slimane NIOU 1

5/9/2018 Réalisé par S.NIOU 2

5/9/2018 Réalisé par S.NIOU 3

5/9/2018 Réalisé par S.NIOU 4

5/9/2018 Réalisé par S.NIOU 5

5/9/2018 Réalisé par S.NIOU 6

5/9/2018 Réalisé par S.NIOU 7

5/9/2018 Réalisé par S.NIOU 8

• Vous pourrez quitter la session avec

5/9/2018 Réalisé par S.NIOU 10

5/9/2018 Réalisé par S.NIOU 11

5/9/2018 Réalisé par S.NIOU 12

5/9/2018 Réalisé par S.NIOU 13

5/9/2018 Réalisé par S.NIOU 14

5/9/2018 Réalisé par S.NIOU 15

5/9/2018 Réalisé M Slimane NIOU 16

5/9/2018 Réalisé M Slimane NIOU 17

5/9/2018 Réalisé par S.NIOU 20

5/9/2018 Réalisé par S.NIOU 21

5/9/2018 Réalisé par S.NIOU 22

5/9/2018 Réalisé par S.NIOU 23

5/9/2018 Réalisé par S.NIOU 24

5/9/2018 Réalisé par S.NIOU 25

5/9/2018 Réalisé par S.NIOU 26

Calculer de p(x) pour x =2 et x = 9

5/9/2018 Réalisé M Slimane NIOU 27

5/9/2018 Réalisé M Slimane NIOU 28

1. Créer un vecteur de 11 coordonnées contenant les nombres

2-Créer un vecteur de 1001 coordonnées contenant les

5/9/2018 Réalisé M Slimane NIOU 29

5/9/2018 Réalisé par S.NIOU 30

5/9/2018 Réalisé M Slimane NIOU 31

5/9/2018 Réalisé M Slimane NIOU 32

5/9/2018 Réalisé M Slimane NIOU 33

[A] [B] [C]

L’objectif est de déclarer la matrice [A] sous la forme tri-diagonale suivante:

On peut la définir par une seule commande

» A=2 * eye (n) + diag (- ones (1 , n-1 ) , 1 ) + diag ( - ones ( 1 , n-1 ) , -1 )

5/9/2018 Réalisé M Slimane NIOU 35

Solution Exercice.2: Déclaration d’une matrice Tri-diagonale

5/9/2018 Réalisé M Slimane NIOU 36

Solution Exercice.2: Déclaration d’une matrice par Bloc

5/9/2018 Réalisé M Slimane NIOU 37

5/9/2018 Réalisé M Slimane NIOU 38

• » blkdiag ( ones ( 2 ) , eye ( 1 ) , eye ( 3 ) + ones ( 3 ) )

5/9/2018 Réalisé M Slimane NIOU 40

5/9/2018 Réalisé par S.NIOU 41

5/9/2018 Réalisé par S.NIOU 42

5/9/2018 Réalisé par S.NIOU 43

5/9/2018 Réalisé par S.NIOU 44

• Pour représenter f et g en fonction de x ; on va utiliser l’éditeur de

5/9/2018 Réalisé M Slimane NIOU 45

5/9/2018 Réalisé M Slimane NIOU 46

Titre 'Etude comparative des courbes'

5/9/2018 Réalisé M Slimane NIOU 47

5/9/2018 Réalisé M Slimane NIOU 48

5/9/2018 Réalisé par S.NIOU 49

5/9/2018 Réalisé par S.NIOU 50

Exemple: Function z=x^3+2*x^2-y^2+sqrt(y)

5/9/2018 Réalisé par S.NIOU 51