Cours Physique Numérique Cours Et TP

MASTER D'ENSEIGNEMENT EN SCIENCES PHYSIQUES
Cours et TP
Physique Numérique
Pr.Mostafa El MALLAHI
UNIVERSITÉ SIDI MOHAMED BEN ABDELLAH
ECOLE NORMALE SUPERIEURE
Physique Numérique
Résolution des équations non linéaires
Partie 1
Exercice 1
Resoudre les deux equalités suivantes
5x^2 + 3xyz + 4 sin(y)cos(x) = 1
-2x^2 + 3xy + 4 sin(y) = 6
7x^2+y - 2x+y^2+z + 3 cos(x)tg(z) = 3
3x^2 - 2xy^2 + 3 cos(x) = -4
5x+tg(y)-cos(z)=9
Convertissez les équations sous la forme F (x) = 0.
vous devez d'abord écrire une fonction pour calculer la valeur de la fonction donnée. Par exemple:
function y = f (x)
y = zeros (2, 1);
y(1) = -2*x(1)^2 + 3*x(1)*x(2) + 4*sin(x(2)) - 6;
y(2) = 3*x(1)^2 - 2*x(1)*x(2)^2 + 3*cos(x(1)) + 4;
endfunction
Ensuite, appelez fsolve avec une condition initiale spécifiée pour trouver les racines du système d'équations
Résolvez le système d'équations en commençant au point [1,2]
[x, fval, info] = fsolve (@f, [1; 2])
Une valeur de info = 1 indique que la solution a convergé

Exercice 2
Convertissez les équations sous la forme F (x) = 0.
Écrivez une fonction qui calcule le côté gauche de ces deux équations.
function F = Zerofonction(x)
F(1) = exp(-exp(-(x(1)+x(2)))) - x(2)*(1+x(1)^2);

F(2) = x(1)*cos(x(2)) + x(2)*sin(x(1)) - 0.5;
endfunction
Résolvez le système d'équations en commençant au point [0,0]

fun = @Zerofonction;
x0 = [0,0];
x = fsolve(fun,x0)
fsolve terminé car le vecteur des valeurs de fonction est proche de zéro
tel que mesuré par la valeur de la tolérance de fonction, et
le problème apparaît régulier tel que mesuré par le gradient.
x = 0,3532 0,6061
Université de Skikda 20 août 55
Niveau
MASTER : 2D'ENSEIGNEMENT EN SCIENCES
eme année LMD Sciences PHYSIQUES
et Technologie
TP : Analyse numérique,
Physique Numérique
2013/2014

TP 01 : Résolution des équations non linéaires
1) La méthode de Bissection (dichotomie)

Les entrées Les sorties
f la fonction concernée x La racine trouvée par la méthode
a et b les limites de l’intervalle [a, b] niter Le nombre d’itérations effectuées
tol L’erreur tolérée par le résultat

1) Si f(a).f(b)>0 alors l’intervalle [a, b] ne contient pas de racines et on s’arrête
2) Si la valeur de |b ‐ a| est inférieure à tol on s’arrête
3) On calcule le milieu de l’intervalle [a, b] par : x = (a+b)/2
4) Si f(a).f(x)>0 alors a  x (l’intervalle [a, b] devient [x, b])
Sinon b  x (l’intervalle [a, b] devient [a, x])
5) Aller à l’étape 2.

function [x,niter] = bissection(f,a,b,tol)
niter = 0;
bissection.m

if f(a)*f(b)>0

error('Intervalle inadapté'); bisection.m
end

while abs(b‐a) > tol
x = (a+b)/2;
if f(a)*f(x) > 0

a = x;
else
b = x;
end
niter = niter +1;
end

2) La méthode du point fixe
2
g la fonction étudiée zero La racine trouvée par la méthode.

x0 le point initial erreur L’erreur estimée.
nmax le nombre maximal d’itérations niter Le nombre d’itérations effectuées.
tol Le critère d’arrêt (erreur tolérée)

1. On commence par choisir le point initial x0 (n=0)

2. On calcule xn+1 = g(xn)
3. Si |xn+1 ‐ xn| < tol alors la méthode a convergé, et on s’arrête
4. Si niter atteint nmax alors la méthode a divergé, ou elle n’a pas pu

converger avec nmax itérations et on s’arrête.
5. Sinon, on passe à l’étape 2 pour une nouvelle itération n+1 (n devient n+1).
2
1
Niveau : 2eme année LMD Sciences et Technologie
TP : Analyse numérique, 2013/2014
function [zero,erreur,niter] = pointfixe(g,x0,tol,nmax) pointfixe.m

zero = x0;

for niter = 1 : nmax
x = zero;
zero = g(x);
erreur = abs(zero‐x);
if erreur < tol
return
end
end

disp('Pas de convergence avec le nombre d''itérations indiqués')

3) La méthode de Newton

f la fonction concernée zero La racine trouvée par la méthode.
df la fonction dérivée de f erreur L’erreur estimée.
x0 le point initial niter Le nombre d’itérations effectuées.
nmax le nombre maximal d’itérations
tol Le critère d’arrêt (erreur tolérée)

1) On commence par x0 (n = 0)
2) On calcule : ‐
′
| |
3) Si < tol alors la méthode a convergé, et on s’arrête.
| |

4) Si niter atteint nmax alors la méthode a divergé ou elle n’a pas pu converger
avec nmax itérations et on s’arrête.
5) Sinon, on passe à l’étape 2 avec une nouvelle itération n+1 (n devient n+1).

function [zero, erreur, niter] = newton(f, df, x0, nmax, tol)
newton.m

zero = x0;

for niter = 1 : nmax
x = zero;
zero = x ‐ f(x)/df(x);
erreur = abs(zero‐x)/abs(zero);
if erreur < tol
return
end
end

disp('Pas de convergence avec le nombre d''itérations indiqués')

2
Les questions La méthode de bisection :

Considérant l’équation :
f x x3 x2‐3x‐3
1. Dessinez la courbe de f x sur l’intervalle ‐2,2 , puis trouvez des intervalles
convenables pour appliquer la méthode de bissection.
2. Pour chaque intervalle un pour chaque racine , appliquez la fonction Matlab
‘bissection.m’ sur f x , en considérant : tol 0.001.

La solution La méthode de bissection :

 Dessiner la courbe
>> f = inline ('x^3+x^2‐3*x‐3','x');
>> fplot (f,[‐2,2]), grid on

 Choisir les intervalles :
Il existe 3 racines, donc on choisit 3 intervalles
I1 ‐2, ‐1.5 Pour la première racine
I2 ‐1.5, ‐0.5 Pour la deuxième racine
I3 1.5, 2 Pour la troisième racine
Chaque intervalle [a,b] est choisie tel que f(a).f(b)<0

3
 Appliquer la fonction ‘bisection.m’ :

>> [X,N] = bissection (f,‐2,‐1.5,0.001) % Pour l’intervalle [‐2,‐1.5]
X =
‐1.7314
N =
9

>> f(X) % voir si f(‐1.7314)  0
ans =
0.0015

>> [X,N] = bissection (f,‐1.5,‐0.5,0.001) % Pour l’intervalle [‐1.5,‐0.5]
X =
‐1.0010
N =
10

>> [X,N] = bissection (f,‐1.5,‐0.5,0.00001) % avec tol le précision change
X =
‐1.0000
N =
17

>> [X,N] = bissection (f,1.5,2,0.001) % Pour le 3eme intervalle [1.5,2]
X =
1.7314
N =
9

Les questions La méthode du point fixe :

Considérons l’équation non linéaire : f (x) = x3 + 4x2 − 10 = 0

Qui admet une racine r dans l’intervalle [1, 2].

Voici trois façons d’écrire f x 0 sous la forme d’un point‐fixe :

√
 4 10 0 ⟹ 4 10 ⟹
 4 10 0 ⟹ 4 10 ⟹
 4 10 0 ⟹ ⟹ 4 10

1. Appliquez la fonction Matlab ‘pointfixe.m’ sur g1 x , g2 x , et g3 x , en mettant :
x0 1.5, tol 0.001, nmax 50.
2. Quelle est la fonction g1, g2 ou g3 qui donne la convergence la plus rapide.
4
La solution La méthode du point fixe :

 Appliquer la fonction ‘pointfixe.m’ sur g1 x :
>> g1 = inline('sqrt(10‐x^3)/2','x') % Créer la fonction g1(x)
>> [X,E,N] = pointfixe(g1,1.5,0.001,50) % Appliquer la méthode
X =
1.3654 La racine trouvée
E =
L’erreur
5.3184e‐004
N =
Le nombre d’itérations effectués
10


>> g2=inline('sqrt(10/(x+4))','x') % Créer la fonction g2(x)
X =
1.3653
E =
3.0773e‐004
N =
4


>> g3 = inline('x‐x^3‐4*x^2+10','x') % Créer la fonction g3(x)
Pas de convergence avec le nombre d'itérations indiqués
X =
NaN
NaN (Not a Number) est causée par la divergence de la
méthode (dépassement de capacité)
E =
NaN
N =
50 Le nombre d’itérations effectuées a atteint nmax

 La meilleure fonction :
La fonction g1 x converge avec N 10 donc avec dix itérations .
La fonction g2 x converge avec N 4 donc avec quatre itérations .
La fonction g3 x diverge avec N 50 nmax présume la non convergence .
Donc, c’est la fonction g2 x qui donne la convergence la plus rapide.
5
Les questions La méthode de Newton :

1. Considérant l’équation : f(x) = e-x-x
Appliquez la fonction Matlab ‘newton.m’ sur f x , en mettant :
x0 0, tol 10‐3 0.001, nmax 50.
2. Montrez que l’équation f(x) = x3-2 possède une racine et qu’on peut obtenir
celle‐ci en utilisant la méthode de Newton à partir de x0 1.

La solution La méthode de Newton :

>> f = inline('exp(‐x)‐x')
>> df = inline('‐exp(‐x)‐1')
>> [X,E,N] = newton(f, df, 0, 50, 0.001)
X =
0.5671
E =
2.2106e‐007
N =
4
Pour la deuxième fonction

>> f = inline('x^3‐2')
>> df = inline('3*x^2')
>> [X,E,N] = newton(f, df, 1, 50,0.001)
X =
1.2599

E =
9.8764e‐006

N =
4
6
MASTER
Niveau D'ENSEIGNEMENT
: 2eme année EN SCIENCES PHYSIQUES
LMD Sciences et Technologie, TP : Analyse numérique, 2013/2014
Physique Numérique

TP 02 : Résolution des systèmes d’équations linéaires
1) La méthode directe de Gauss (sans pivotation)

A la matrice des coefficients
x Le vecteur solution
b le vecteur du second membre

function x = gauss(A,b)
gauss.m

n = length(b);
% ------------------ Triangularisation -------------------

for k = 1:n‐1 1, … , 1

for i = k+1:n 1, … ,
m = A(i,k)/A(k,k); ⁄

A(i,k+1:n) = A(i,k+1:n) ‐ m*A(k,k+1:n); .
1, … ,

b(i) = b(i) ‐ m*b(k);
end .

end
% ---------------------- Solution ------------------------

x(n) = b(n)/A(n,n); 1

for i = n‐1:‐1:1

somme = sum(A(i,i+1:n).*x(i+1:n));
x(i) = (b(i)‐somme)/A(i,i); 1
, 1, … ,1
end

x = x';

2) La méthode directe de décomposition LU (Crout)

A la matrice des coefficients L La matrice triangulaire inferieure L
b le vecteur du second membre U La matrice triangulaire supérieure U
x Le vecteur solution

function [L,U,x] = decompositionLU(A,b) decompositionLU.m

n = length(b); L = zeros(n,n); U = zeros(n,n); x = zeros(n,1);
% --------- Factorisation LU ------------------------------------

for i = 1:n , U(i,i) = 1; end
1, 1,2, … ,
for k = 1:n

for i = k:n
, ,…,

L(i,k) = A(i,k)‐L(i,1:k‐1)*U(1:k‐1,k);
1, … ,

end
for j = k+1:n 1

U(k,j) = (A(k,j)‐L(k,1:k‐1)*U(1:k‐1,j))/L(k,k); , 1, … ,
end
end

% ---------- Résoudre Ly = b ------------------------------------
y = zeros(1,n);

for i = 1:n 1
somme = sum(L(i,1:i‐1).*y(1:i‐1)); , 1,2, … ,

y(i) = (b(i)‐somme)/L(i,i);
end

% ---------- Résoudre Ux = y ------------------------------------
for i = n:‐1:1
somme = U(i,i+1:n)*x(i+1:n);
, , … ,1
x(i) = y(i)‐somme;
end

1
MASTER
Niveau D'ENSEIGNEMENT
: 2eme année EN SCIENCES PHYSIQUES
LMD Sciences et Technologie, TP : Analyse numérique, 2013/2014
Physique Numérique
3) La méthode directe de Cholesky (matrice symétrique définie positive)

A la matrice des coefficients L La matrice triangulaire inferieure L avec LL’ A

b le vecteur du second membre x Le vecteur solution

function [L,x] = cholesky(A,b) cholesky.m
cholesky.m

n = length(b); L = zeros(n,n); x = zeros(n,1);

% ----------------------- Factorisation LL' ----------
for i = 1:n

L(i,i) = sqrt(A(i,i)‐sum(L(i,1:i‐1).^2));
1, … ,

for j = i+1:n
L(j,i) = (A(i,j)‐sum(L(i,1:i‐1).*L(j,1:i‐1)))/L(i,i);
1
end , 1, … ,
end

% ------------------------- Résoudre Ly = b ----------

y = zeros(1,n);
for i = 1:n 1
+
somme = sum(L(i,1:i‐1).*y(1:i‐1)); , 1,2, … ,
y(i) = (b(i)‐somme)/L(i,i);

end

% ------------------------- Résoudre L'x = y ---------
for i = n:‐1:1

somme = sum(L(i+1:n,i).*x(i+1:n)); 1
x(i) = (y(i)‐somme)/L(i,i); , , … ,1

end

4) Méthodes itératives de Jacobi & Gauss‐Seidel

A la matrice A X Le vecteur solution.
b le vecteur b niter Le nombre d’itérations effectuées.
X0 le vecteur initial
tol le nombre maximal d’itérations
nmax
L’erreur tolérée par le résultat

function [X,niter] = jacobi(A,b,X0,nmax,tol) function [X,niter] = gseidel(A,b,X0,nmax,tol)

n = length(b); X = X0; n = length(b); X = X0;

for niter = 1:nmax for niter = 1:nmax
% Calculer l'itération suivante % Calculer l'itération suivante

for i = 1:n for i = 1:n
j = [1:i‐1,i+1:n]; somme1 = A(i,1:i‐1)*X(1:i‐1);

somme = A(i,j)*X0(j); somme2 = A(i,i+1:n)*X0(i+1:n);

X(i) = (b(i)‐somme)/A(i,i); X(i)=(b(i)‐somme1‐somme2)/A(i,i);
end end
% Tester la convergence % Tester la convergence
if norm(X‐X0) < tol if norm(X‐X0) < tol

return return

end end
% L'ancien X0 devient le nouveau X % L'ancien X0 devient le nouveau X

X0 = X; X0 = X;
end end
% En cas de divergence % En cas de divergence

disp('Pas de convergence') disp('Pas de convergence')

1 1
, 1, … , , 1, … ,
,
2
MASTER Niveau
D'ENSEIGNEMENT
: 2eme année LMD EN SCIENCES PHYSIQUES
Sciences et Technologie
Physique Numérique
TP : Analyse numérique
TP N°2 : Analyse numérique

En Matlab un système linéaire Ax b peut être résolu en écrivant :
>> A\b
La méthode directe de Gauss :

En utilisant la méthode de Gauss, trouvez les solutions des systèmes suivantes :
2 0 4 7
3 2 5 1 4 8 21
3 2 4 2 5 15
3 3 2 3 4 2
2 2 5 7 5 4 1
3 2 6 12 2 8 5

>> A = [2 ‐1 1 ; 3 2 ‐5 ; 1 3 ‐2];
>> b = [0 ; 1 ; 4];
>> X = gauss(A,b)
X =
0.4643
1.6786
0.7500
>> A = [4 ‐1 1 ; 4 ‐8 1 ; ‐2 1 5];
>> b = [7 ; ‐21 ; 15];
>> X = gauss(A,b)
X =
2
4
3
>> A = [1 3 3 ; 2 2 5 ; 3 2 6];
>> b = [‐2 ; 7 ; 12];
>> X = gauss(A,b)
X =
4
‐3
1
>> A = [‐1 3 ‐4 ; 1 ‐5 4 ; 2 1 8];
>> b = [2;‐1;5];
>> X = gauss(A,b)
X =
NaN
NaN
Inf

Le quatrième système ne peut pas être résolu car son déterminant est null La
matrice A est singulière

>> det(A)
ans =
0
1
Physique Numérique Niveau : 2eme année LMD Sciences et Technologie
La méthode directe de Décomposition LU :
Trouvez la solution d’un des systèmes d’équation linéaires précédents en utilisant la

décomposition LU de Crout.

>> A = [2 ‐1 1 ; 3 2 ‐5 ; 1 3 ‐2];
>> b = [0 ; 1 ; 4];
>> [L,U,X] = decompositionLU(A,b)
L =
2.0000 0 0
3.0000 3.5000 0
1.0000 3.5000 4.0000

U =
1.0000 ‐0.5000 0.5000
0 1.0000 ‐1.8571
0 0 1.0000

X =
0.4643
1.6786
0.7500

On peut vérifier si L*U A en mettant :

>> L*U

ans =

2 ‐1 1
3 2 ‐5
1 3 ‐2
La méthode directe de Cholesky :
Cette méthode est utilisable uniquement sur les systèmes ayant la matrice A symétrique
et définie positif.
Pour obtenir une telle matrice on peut écrire en Matlab la commande :
A = gallery('moler',n)
Ou bien
A = gallery('lehmer',n)
Où n représente le nombre de ligne/colonne de la matrice.
Exemple 1:
>> A = gallery('moler',4)
A =
1 ‐1 ‐1 ‐1
‐1 2 0 0
‐1 0 3 1
‐1 0 1 4

>> b = [5 ; ‐1 ; 4 ; 3];
2
>> [L,X] = cholesky(A,b)
L =
1 0 0 0
‐1 1 0 0
‐1 ‐1 1 0
‐1 ‐1 ‐1 1

X =
135
67
38
25

On peut vérifier si la réponse est correcte en mettant :

>> A\b
ans =
135
67
38
25

On peut vérifier si : L*L’ = A en écrivant :

>> L*L'
ans =
1 ‐1 ‐1 ‐1
‐1 2 0 0
‐1 0 3 1
‐1 0 1 4

>> L*L'‐A
ans =

0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0

Exemple2 :

>> A = gallery('lehmer',5) ;
>> b = rand(5,1) ; % des valeurs aléatoires
>> [L,X] = cholesky(A,b)

3
Les méthodes itératives de Jacobi & Gauss-Seidel :

Pour le système suivant, on va utiliser la méthode de Jacobi et Gauss‐Seidel en
considérant que le vecteur initiale est 0,0,0 T :
4x1 – x2 x3 7
4x1 8x2 x3 21
2x1 x2 5x3 15
>> A = [4,‐1,1 ; 4,‐8,1 ; ‐2,1,5]
A =
4 ‐1 1
4 ‐8 1 Créer la matrice A
‐2 1 5

>> b = [7;‐21;15]
b =
7
‐21 Créer le vecteur b
15

>> X0 = [0;0;0]
X0 =
0
0 Le vecteur initial
0

>> [X,N] = jacobi(A,b,X0,50,0.0001)
X =
2.0000 Nombre maximal d’itérations epsilon (tolérance)
4.0000
3.0000 Le vecteur solution trouvé par la méthode

N =
11
Le nombre d’itérations effectuées

>> [X,N] = gseidel(A,b,X0,50,0.0001)
X =
2.0000
4.0000
3.0000

N =
7

Pour voir les itérations on modifie le programme en ajoutant : X'
Juste âpres : % L'ancien X0 devient le nouveau X
X0 = X;
X'
Et avant le end L’instruction ajoutée ici

4

Puis on ecrit les commandes suivantes :
>> format compact

>> [X,N] = jacobi(A,b,X0,50,0.0001)
ans =
1.7500 2.6250 3.0000
ans =
1.6563 3.8750 3.1750
ans =
1.9250 3.8500 2.8875
ans =
1.9906 3.9484 3.0000
ans =
1.9871 3.9953 3.0066
ans =
1.9972 3.9944 2.9958
ans =
1.9996 3.9981 3.0000
ans =
1.9995 3.9998 3.0002
ans =
1.9999 3.9998 2.9998
ans =
2.0000 3.9999 3.0000
X =
2.0000
4.0000
3.0000
N =
11

>> [X,N] = gseidel(A,b,X0,50,0.0001)
ans =
1.7500 3.5000 3.0000
ans =
1.8750 3.9375 2.9625
ans =
1.9937 3.9922 2.9991
ans =
1.9983 3.9990 2.9995
ans =
1.9999 3.9999 3.0000
ans =
2.0000 4.0000 3.0000
X =
2.0000
4.0000
3.0000
N =
7
5
Interpolation polynomiale de Lagrange

L’interpolation consiste à trouver l’expression générale d’une fonction à partir d’un nombre
limité de points.
Quand la fonction recherchée est un polynôme l’interpolation est dite polynomial.
Dans notre TP on va arborer l’implémentation de la méthode d’interpolation polynomiale de
Lagrange.

Principe :

Soit f une fonction donnée définie sur . Interpoler la fonction f par un polynôme P de degré
n sachant les n+1 points : ( x0, f(x0) ), ( x1, f(x1) ), . . . , ( xn, f(xn) ) consiste à résoudre le
problème suivant :
Trouver un polynôme P de degré ≤ n tel que : yi=P(xi) = f(xi), 0 ≤ i ≤ n.
Ce polynôme est donnée par :

Pj est un polynôme qui passe par le point (xj, f(xj)) et qui s’annule dans tous les autres points,
et on peut le calculer par :
Construction du polynôme d'interpolation de Lagrange
Supposons que le polynôme d'interpolation est donné par :
⋯
Afin que ce dernier passe par l'ensemble des points à interpoler, il faut que les coefficients
a0…an respectent le système d’équation linéaire suivant :

Donc pour trouver la formule du polynôme P il suffit de résoudre ce système d’équation.

1

function P = lagrange(X,Y)

N = length(X)‐1;

A = ones(N+1,N+1);
for i=1:N+1

for j=1:N
A(i,j) = X(i)^(N+1‐j);
end
end
P = A\Y';

>> x = [‐3,‐2,‐1,0,1,2, 3];
>> y = [‐1, 1, 3,7,2,0,‐2];
>> P = lagrange(x,y)
P =
‐0.1028
‐0.0083
1.4722
0.1250
‐5.8694
‐0.6167
7.0000

>> a = ‐3.2:0.2:3.2;
>> b = polyval(P, a);
>> plot(a,b,x,y,'o')

On aurait pu faire le même travail en utilisant la fonction Matlab polyfit comme suit :
>> x = [‐3,‐2,‐1,0,1,2, 3];
>> y = [‐1, 1, 3,7,2,0,‐2];
>> P = polyfit(x,y,6)
P =
‐0.1028 ‐0.0083 1.4722 0.1250 ‐5.8694 ‐0.6167 7.0000

>> a = ‐3.2:0.2:3.2;
>> b = polyval(P, a);
>> plot(a,b,x,y,'o')

2

Pour programmer une fonction Matlab qui permet l’évaluation du polynôme mais sans
donner son expression (les coefficients) on peut utiliser le code suivant :

function y = lagrangeEval(x,PX,PY)

N = length(PX);

y = 0;
for j=1:N
prod = 1;

for k = [1:j‐1,j+1:N]
prod = prod*(x‐PX(k))/(PX(j)‐PX(k));
end
y = y + PY(j)*prod;
end

>> x = [‐3,‐2,‐1,0,1,2, 3];
>> y = [‐1, 1, 3,7,2,0,‐2];
>> lagrangeEval(5,x,y)
ans =
‐839.0000

Pour vérifier si le résultat est correct, on utilise la fonction Matlab polyval comme suit :

>> P = polyfit(x,y,6);
>> polyval(P,5)
ans =
‐839.0000

3

Physique
Numérique

Langue

Cours Physique Numérique Cours Et TP

Transféré par

Informations du document

Titre original

Copyright

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 :

Cours Physique Numérique Cours Et TP

Titre original :

Transféré par

Droits d'auteur :

MASTER D'ENSEIGNEMENT EN SCIENCES PHYSIQUES

Une valeur de info = 1 indique que la solution a convergé

Convertissez les équations sous la forme F (x) = 0.

F(1) = exp(-exp(-(x(1)+x(2)))) - x(2)*(1+x(1)^2);

Résolvez le système d'équations en commençant au point [0,0]

Les questions La méthode de bisection :

La solution La méthode de bissection :

 Appliquer la fonction ‘bisection.m’ :

Les questions La méthode du point fixe :

La solution La méthode du point fixe :

Les questions La méthode de Newton :

La méthode directe de Décomposition LU :

Trouvez la solution d’un des systèmes d’équation linéaires précédents en utilisant la

La méthode directe de Cholesky :

Les méthodes itératives de Jacobi & Gauss-Seidel :

Centres d'intérêt liés

Vous aimerez peut-être aussi