Encadré par : Pr safae EL HAJ BENALI Réalisé par : Rezki Nisrine

Anas Benkady

GINFO1

Année universitaire : 2021-2022

 Plan :
TP 1 -> Résolution des systèmes linéaires Ax=b ………………………………………………………………………………

TP 2-> Solution d’une équation à un seul variable ……………………………………………………………………………

TP3 -> Interpolation et approximation polynomial ………………………………………………………………………….

TP4 -> Intégration numérique …………………………………………………………………………………………………………..

 TP 1 : Résolution des systèmes linéaires
Ax=b

But de TP:

Le but de ce TP est d’écrire les différentes script Matlab

des méthodes de Résolution de système Ax=b et comparer
entre eux.

Exercice 1:

Q1:

Script :

Fenêtre de commande :
Q2:

Script :

Fenêtre de commande :

Q3:

Script :

Fenêtre de commande :
Q4:
Lorsqu’on connaît la décomposition LU le déterminant de A alors est
le produit des éléments diagonaux de U.

Q5:

Script :

Fenêtre de commande :

Q6:

Script :
Fenêtre de commande :

Q7. Application:
a. Cas de A dense :

Script :
Comparaison :

Remarque :

On remarque que pour n très grand le calcul prend beaucoup de

temps par notre méthode. Pour éviter ce problème il faut que la
matrice A doit ne contenir que des éléments non nuls pour faire
moins de calcul. On conclure que les méthodes de Gauss et lu qui
ont déjà implémentées par Matlab modifié la matrice entrée A avant
de commencer le calcul.

b. Cas de A Creuse :
Script :

Conclusion :
On conclure que le calcul est très rapide cette fois car
sparse permet de négliger les éléments nuls.

Exercice 2:

Q1:

Script :

Q2:

Script :

Q3:
Script :

Q4 Application:

Script :

Fenêtre de commande :
Conclusion :
On conclure que la méthode de Gauss-Seidel est la plus rapide à
converger puis Jacobi et puis Relaxation.
 TP 2 : Solution d’une équation à un seul variable

Exercice 1 : (dichotomie )
Ecrivant un programme qui consiste à réaliser la fonction de la dichotomie
qui permet de trouver une valeur approchée d’un zéro d un f après un test
sur chaque intervalle on voit s il y a un changement de signe au niveau des
bornes f(a)*f(b)<0 alors il contient de la racine
Voici un programme qui réalise la fct dernière :

Notre programme reçoit comme

entrées la fonction qu’on va la
déterminer sa racine et les
bornes a et b qu’on faire le test
de bissection

Avec une tolérance tol qui

réalise le test d’arret
On admet comme sortie la
solution qui indique l’erreur
sous forme d’un vecteur à fin de
calculer l’erreur plusieurs fois et
avec N le nombre d’itération .

𝑥
on prend notre exemple f(x) =8 (63𝑥 4 -70𝑥 2 +15 ) avec x appartient à [-1,1]
On remarque bien que notre fonction admettent 4 racines on souhaite
maintenant d’obtenir la dernière racine pour cela on doit modifier notre
intervalle , on prend [0 .5, 1 ]
On a alors obtenu notre racine 0.5385 après 20 itérations
 La convergence de cette fonction est de type linéaire d’après la
dernière figure du vecteur de l’erreur

Exercice : 2 (Newton )
Ecrivant un programme qui réalise la fonction de Newton qui retourne une
solution s et le nombre d’itération N ,et comme entrée notre fonction f , a,b ,
la tolérance tol = 10^-6 et la dérivé qui nous permettent de calculer
l’expression Xn= Xn-1 - f(x(n-1))/df(Xn)
pour déterminer cette dernière on entraine une boucle while initialisé par le
calcul de X1 et X2 .
On constate que sur l’ intervalle [5,10] le nombre d’itération moins que celle de
dichotomie alors la méthode de Newton est plus rapide (5 itérations pourtant en
Dichotomie on a trouvé 20 itérations )

Exercice 3 : (point fixe)

Ecrivant un programme qui réalise la fonction de point fixe à partir d’une
valeur estimé x0, l’intérêt de cet algorithme réside dans sa généralité et la
facilité avec laquelle on peut faire l’analyse de convergence. Il en résulte
l’algorithme suivant
On prend comme application la fonction :
f(x) = 2sin(x) - x on vérifie les conditions sur la fonction g(x)=2sin(x)
*sur l’intervalle [1.5,2] on a bien f([1,5,2])=[ 1.81, 1.99] il est bien inclus
*sur [1.5,2] max|f(x)’|<1
La valeur 1.8955 est la racine de f(x)

Exercice 4 : (Sécante )
Ecrivant la fonction de la sécante permettant de calculer aussi une valeur approché d un zero

Prenons comme application f(x)=exp(x)-2cos(x)

0,5398 est la racine de f(x)

Pour représenter l’erreur en fonction de nombre des itérations de chaque méthode :

Pour cette fontion la méthode de sécante est plus rapide puis la méthode de dichotomie et ensuite la
méthode de newton en terme de temps d’exécution.
 TP3 : Interpolation polynomiale

Exercice 1 : ( Interpolation de lagrange )

1)- écrivant une foction en matlab y=interpol1(X,Y,x) avec X et Y représentent

les abscisses et les ordonnées et x est une abscisse supplémentaire , on
cherche à renvoyer l’ordonnée du polynome d’interpolation construit par X et
Y
Pour réaliser le programme on calcule tout d abord le produit puis on le somme
avec les ordonnées par y
2)- on peut modifier la fonction par syms x et disp (y) qui permettent d afficher l’expression du
polynome d’interpolation .

On utilise la commande simplify (y) pour simplifier l experssion d interpolation

3)- Ecrivant une fonction y=interpol2(X, Y) qui prend en entrées des

abscisses x0 …… Xn et y0 ……. Yn en tracant sur un graphe les n+1 points a l
aide de la commande scartter et aussi leur polynome on fait appel à la
fonction interpol1
4)-
Exercice 2 :
2)- comparaison :
 TP4 : Intégration

Le but de ce TP est d’écrire les fonctions MATLAB

associés aux trois méthodes d’intégration numériques
(Quadrature,Trapéze,Simpson) et de comparer entre eux.

Enoncé:

Script:
Application:

Comparaison de la convergence :

Script :

Fenêtre de commande :
Comparaison :

On remarque alors que la méthode de Simpson est la plus

rapide puis de Quadrature et finalement de Trapèze.