Cours Matlab 1

Cours : MATLAB
Filière : Ingénierie
ayoub.azzayani@eigsica.ma
Pr: Ayoub AZZAYANI
Année universitaire 2023-2024

1
PLAN
 Rappel
P  Graphiques 2D et 3D
 Recherche de zéro d’une fonction
L  Résolution numériques des équations différentielles
A  Initiation à Simulink
 Initiation à SimScape
N
Evaluation:
 TP 25% +15% Mini projet et Examen écrit 60%
2
Introduction (Rappel)
Introduction
Matlab (MATrix LABoratory) est l’une des principales plateformes de développement.
Calculs élémentaires
Graphiques 2D et 3D Matlab est un système interactif de calcul numérique et de visualisation graphique.

Recherche de zéro Il possède un langage de programmation simple et efficace, constitué de :
d’une fonction
 de nombreux outils du calcul matriciel,
Résolution numérique
 des principaux algorithmes de l’analyse numérique (schémas d’intégration, différentiation...),
d’équations
 des outils pour le traitement du signal,
différentielles
 des outils de visualisation en 2D et 3D,
 l’outil Simulink, pour modéliser et simuler des systèmes en utilisant des schémas-blocs,
 des outils pour concevoir des interfaces utilisateur graphiques (GUI pour « Graphical User Interface »)
personnalisées,
 la prise en charge d’échange de données et de signaux avec plusieurs type de matériels (oscilloscope,
carte d’acquisition, carte de contrôle, etc.),
 l’intégration d’applications externes écrites en C, C++, Fortran, Java, Excel, etc.
 la conversion d'applications MATLAB en C et C++ . 3
A.AZZAYANI
Introduction
Graphiques 2D et 3D
Recherche de zéro d’une
fonction
d’équations
différentielles
La fenêtre de commande (ou ligne de
commande):
c’est l’outil de base de Matlab. Elle permet entre
autre de faire n’importe quelle opération, de définir
et affecter les variables d’environnement, d’utiliser
les toolboxes via leurs fonctions, …
4
A.AZZAYANI
Introduction
Graphiques 2D et 3D
fonction
d’ équations
différentielles
La fenêtre d’historique de commande :
permet de répéter les commandes précédentes en
double-cliquant sur la commande concernée dans
cette fenêtre. On peut obtenir le même résultat en
ligne de commande par l’appui répétitif sur la
touche « flèche haut » du pavé numérique.
5
A.AZZAYANI
Introduction
Graphiques 2D et 3D
fonction
d’équations
différentielles
La fenêtre d’espace de travail :
Cette fenêtre permet de visualiser les différentes
variables existantes, en affichant leur nom, leur
contenu (ou leur dimension) ainsi que le min et le
max des données qu’elle contient. On peut obtenir
la liste des variables ainsi que leurs dimensions en
ligne de commande en tapant la commande
« whos ».
6
A.AZZAYANI
Introduction
Graphiques 2D et 3D
fonction
d’équations
différentielles
La fenêtre de répertoire courant :

Cette fenêtre permet de visualiser le répertoire
de travail dans lequel vous êtes. C’est ici que
sont chargés / enregistrés les scripts, les modèles
ou les données.
7
A.AZZAYANI
Calculs élémentaires (Rappel)
Introduction Matlab comme Calculatrice
Calculs élémentaires  Le symbole [>>] indique à l’utilisateur où il faut rentrer la commande
Graphiques 2D et 3D  Commençons par les operateurs les plus courants : +, -, *, /, ^. Le dernier signifie «puissance».
Recherche de zéro d’une Les parenthèses s’utilisent de manière classique.
fonction
 Un dernier point sur les variables :
 MATLAB fait la différence entre les minuscules et les majuscules.
d’équations
 Les noms de variables peuvent avoir une longueur quelconque.
différentielles
 Les noms de variables doivent commencer par une lettre.
 Matlab comporte un très grand nombre d’opérateurs, de commandes et de fonctions. On peut
taper à titre d’exemple les commandes suivantes :
• help permet d’obtenir l’aide de l’aide et donne une liste thématique ;
• help nom de fonction donne la définition de la fonction désignée;
• lookfor sujet donne une liste des rubriques de l’aide en ligne en relation avec le sujet
indiqué,
• clear permet d’effacer une partie ou toutes les variables définies jusqu’à Présent,
• who affiche les noms de toutes les variables en cours,
• whos affiche toutes les variables avec les détails..
A.AZZAYANI
Introduction
Dans Matlab, on trouve des variables prédéfinies :
• ans qui contient le dernier résultat de calcul
Graphiques 2D et 3D
• i et j qui représentent racine .
• Pi qui représente
fonction
• eps qui est un nombre prédéfini.
• inf qui représente plus infini
d’équations
• NaN : pas un nombre (not a number)
différentielles
Attention : Ces variables ne sont pas protégées, donc si vous les affectez, elles ne gardent pas leur
valeur. C’est souvent le problème pour i et j que l’on utilise souvent spontanément comme indices
de boucles, de telle sorte qu’on ne peut plus ensuite définir de complexe ! !
 Toutes les fonctions courantes et moins courantes existent dans Matlab. On retiendra que pour
appliquer une fonction à une valeur, il faut mettre cette dernière entre parenthèses.
 Voici une liste non exhaustive :
• Fonctions trigonométriques et inverses : sin, cos, tan, asin, acos, atan
• Fonctions hyperboliques (on rajoute «h») : sinh, cosh, tanh, asinh, acosh, atanh
• Racine, logarithmes et exponentielles : sqrt, log, log10, exp
9
M.SAYYOURI
Introduction • La notion de fonction est plus générale dans Matlab, et certaines fonctions peuvent avoir
Calculs élémentaires plusieurs entrées (comme besselj par exemple) mais aussi plusieurs sorties.
Graphiques 2D et 3D
 Dans Matlab, toutes les variables représentent des matrices. On peut considérer donc qu’il y a un seul
type principal de données : le type matrice.
fonction
 Les éléments d’une matrice peuvent être :
 des nombres (réels ou complexes),
d’équations  ou des caractères.
différentielles
 On utilise les crochets [ et ] pour définir le début et la fin de la matrice. Ainsi pour définir une variable M
contenant la matrice , on écrira:
>> % 3 écriture d'une matrice
>> M=[1 2 3
456
7 8 9]
>> M=[1 2 3; 4 5 6 ; 7 8 9]
>> M=[1, 2 ,3 ; 4, 5, 6 ; 7, 8, 9]
 Matlab propose des commandes pour créer certaines matrices particulières très simplement. Pour plus
d’information, lire le help de chaque fonction.
10
A.AZZAYANI
Introduction Commande Description
Calculs élémentaires ones(n,m) Matrice de taille n × m ne contenant que des 1.
Graphiques 2D et 3D zeros(n,m) Matrice de taille n × m ne contenant que des 0.
Recherche de zéro d’une eye(n,m) Matrice de taille n × m contenant des 1 sur la première diagonale et des 0 ailleurs.
fonction diag(v) Matrice diagonale où les éléments de la diagonale sont les composantes du vecteur v.
Résolution numérique rand(n,m) Matrice de taille n × m contenant des nombres aléatoires
d’équations
 Matlab dispose également de moyens très simples pour créer des listes. La commande [a:p:b] crée une
différentielles
liste dont les éléments sont: a, a + p, a + 2*p, . . . , a + n*p, où n ∈ N,
a+n*p ≤ b < a+(n+1)*p
 Le cas particulier [a:b] est un raccourci pour [a:1:b]. Si les conditions initiales sont erronées,
Matlab renvoie un message d’erreur.
 linspace : Un autre cas particulier de [a:p:b] est la fonction linspace(a,b,n). Celle-ci crée une
liste de n éléments uniformément répartis entre a et b. Autrement dit, linspace(a,b,n) est la
même chose que [a: (b−a)/(n−1):b].
 Une dernière méthode pour créer des tableaux est la concaténation. Si A et B sont deux tableaux, alors
[A B], ou [A,B] est le tableau obtenu en collant B à la droite de A, et [A ;B] est le tableau obtenu en
collant B au-dessous de A. Comme d’habitude, il faut faire attention aux tailles de A et de11B.
A.AZZAYANI
Introduction  Opérations avec les matrices
Calculs élémentaires  Matlab permet de faire certaines opérations avec des matrices. Dans ce qui suit, A et B sont des tableaux et
Graphiques 2D et 3D c est un scalaire.
Recherche de zéro d’une Commande Description
fonction
A+B Addition terme à terme ; A et B doivent avoir le même format.
A+c = c+A Addition de c aux éléments de A.
A-B Soustraction terme à terme ; A et B doivent avoir le même format.
différentielles A-c Soustraction de c aux éléments de A.
A*B Produit matriciel standard ; nb. col. A doit être le même que nb de ligne de B
A.*B Multiplication terme à terme ; A et B doivent avoir le même format.
Aˆn (n ∈ ) A * A * . . . * A (n fois) ; A doit être carrée.
A.ˆB Tableau dont les éléments sont
A’ Transposition et conjugaison.
B/A Le résultat est un tableau X tel que XA = B. Si A est inversible, alors X = B;
nb. col. A doit être le même que nb. col. B.
A\B Le résultat est un tableau X tel que AX = B. Si A est inversible, alors X =B
; nb. Ligne de A doit être le même que nb. Ligne de B.
A./B Division terme à terme des éléments de A par ceux de B ; A et B doivent avoir le
même format.
A.\B Division terme à terme des éléments de B par ceux de A ; A et B doivent avoir le
même format.
12
M.SAYYOURI
Introduction Fonctions sur les matrices
Calculs élémentaires  Etant donnée une matrice A, il y a un certain nombre de choses que l’on peut calculer en rapport
Graphiques 2D et 3D avec A. Nous présentons ici quelques fonctions définies dans Matlab prenant comme paramètre
Recherche de zéro d’une des tableaux.
fonction Commande Description
Résolution numérique det(A) Renvoie le déterminant de A ; celle-ci doit être carrée.
d’équations trace(A) Renvoie la trace de A.
différentielles
rank(A) Renvoie le rang de A
diag(A) Renvoie la première diagonale de A.
norm(v) Renvoie la norme euclidienne de v ; v est un vecteur. Il est aussi possible de
calculer d’autres normes ;
mean(A) Renvoie une liste contenant la moyenne des éléments de chaque colonne.
sum(A) Renvoie une liste contenant la somme des éléments de chaque colonne.
prod(A) Renvoie une liste contenant le produit des éléments de chaque colonne.
max(A) Renvoie une liste contenant la valeur maximale chaque colonne.
min(A) Renvoie une liste contenant la valeur minimale de chaque colonne.
length(A) Renvoie le maximum entre le nombre de lignes et de colonnes
 Finalement, on précise que toutes les fonctions mathématiques classiques (cos, sin, log, exp, etc)
s’appliquent également aux tableaux. Le résultat est un tableau où l’on a appliqué terme
13 à terme la
A.AZZAYANI fonction en question.
Exercices d’application
Exercice 1
3
Introduction
  2
11 , e , 9 , ln(5) , log (5) , sin( ) , 1   , 1  2i  (1  3i )
2 1.25 2
Calculs élémentaires 1. Calculer sous Matlab 10

4  2 
Graphiques 2D et 3D 2. Afficher les résultats précédents sous format long , long e , short e, bank, et rational.
fonction
Exercice 2
Résolution numérique 1. Créer le vecteur colonne
d’équations
différentielles 2. Saisir la matrice
a) Créer un vecteur colonne à 3 éléments, appelé ua; contenant les éléments de la troisième colonne de A:
b) Créer un vecteur colonne à 5 éléments, appelé ub; contenant les éléments de la deuxième ligne de A:
c) Créer un vecteur colonne à 9 éléments, appelé uc; formé par les éléments de la première, de la troisième et
de la cinquième colonne de A:
d) Créer un vecteur colonne à 10 éléments, appelé ud; formé par la première et la deuxième ligne de A:
14
A.AZZAYANI
Programmation sous Matlab (Rappel)
Introduction
 Un script Matlab est composé d'une suite d'instructions ou de commandes, toutes séparées par une virgule
Programmation sous
Matlab
(,), un point-virgule (;) ou un retour a la ligne ().
Graphiques 2D et 3D  Matlab facilite l’édition d’un nouveau script en utilisant le bouton (New Script) qui fait appel a l’éditeur
de Matlab.
fonction
 L’éditeur de Matlab crée par défaut un nouveau script sous le nom ‘untitled.m’. Le programmeur peut
d’équations spécifié ultérieurement un nom de son choix en utilisant le bouton (Save).
différentielles
 Généralement, le script est sauvegardé dans un fichier avec l’extension ‘.m’ (ex : script1.m) sous le
dossier courant. On peut aussi charger un fichier déjà édite en utilisant le bouton (Open).
 L’exécution du script se fait a travers l’invite de commande en spécifiant juste le nom du script.
 L’exécution peut être effectuée directement depuis l’éditeur en cliquant sur le bouton (Run). Néanmoins,
les sorties des scripts (affichage des résultats) se fait toujours sur la fenêtre des commandes.
15
A.AZZAYANI
Introduction
Affichage
Programmation sous
 L’affichage des variables se fait simplement par la spécification de leurs noms sans point virgule à la fin
Matlab
Graphiques 2D et 3D de la ligne.
Recherche de zéro d’une  La commande disp(X) affiche une variable X (chaine de caractères, entier, …) sur la fenêtre des
fonction
commandes. La commande disp n’accepte qu’un seul type de donnée à la fois.
 La commande fprintf() accepte tous genre de variable en utilisant leurs formats de types : %d pour les
d’équations
différentielles entiers, %f pour les réels, %s pour les chaines de caractères, %c pour le caractères, … . On peut ajouter un
retour a la ligne via ‘\n’ et une tabulation via ‘\t’.
 La commande sprintf() sauvegarde tous genre de variables de la même manière que fprintf, mais sans
affichage sur la fenêtre des commandes. sprintf() retourne une chaine de caractères qui peut être affichée
ultérieurement en utilisant la commande disp().
Introduction des données à partir du clavier :

 La commande input(msg) fait introduire une valeur à partir du clavier en affichant d’abord un message msg.
16
A.AZZAYANI
clear all
Introduction
clc;
Programmation sous % lecture de deux valeurs
Matlab
a = input ('Entrer la valeur de a : ');
b = input ('Entrer la valeur de b : ');
Graphiques 2D et 3D % somme
Recherche de zéro d’une c = a + b;
% affichage
fonction
fprintf('%f + %f = %f \n', a, b, c);
Résolution numérique % introduction d'un vecteur
vec = input('entrer un vecteur de 5 éléments : ');
d’équations
% introduction d'une matrice
différentielles mat = input('entrer une matrice de 3x3 éléments : ');
vec
mat
Entrer la valeur de a : -2.5

Entrer la valeur de b : 3.18
-2.500000 + 3.180000 = 0.680000
entrer un vecteur de 5 éléments : zeros(1,5)
entrer une matrice de 3x3 éléments : randi(3,3)
vec =
0 0 0 0 0
mat =
3 3 1
3 2 2 17
A.AZZAYANI 1 1 3
Introduction Les instructions d’alternative (IF et SWITCH):
Programmation sous
 Comme dans la majorité des langages de programmation, Matlab permet d’utiliser l’instruction if selon
Matlab
la syntaxe suivante :
if condition
Graphiques 2D et 3D
Commandes
elseif condition
fonction
Commandes
Résolution numérique …
d’équations else
différentielles Commandes
end ;
 Les segments de elseif est else sont optionnels, par contre la parution de if et end est obligatoire
 Exercice
1. Écrire un script Matlab eq2degre.m qui permet de résoudre une équation de second degré à une seule
variable ,
2. Écrire un script Matlab qui permet de tester la parité d’un nombre entier naturel donné par l’utilisateur
18
A.AZZAYANI
Introduction %équation de second degré
a=input('entrer a: ');
Programmation sous
b=input(' entrer b: ');
Matlab c=input('entrer c : ');
Graphiques 2D et 3D delta=b^2-4*a*c;
if delta > 0
disp('l'‘équation admet deux solutions différentes');
fonction x1=(-b+sqrt(delta))/2*a
Résolution numérique x2=(-b-sqrt(delta))/2*a
elseif delta==0
d’équations
disp('l'‘équation admet une seule solution');
différentielles x2=-b/2*a
else
disp('l'‘équation n''admet pas de solutions');
end
entrer a: 1
entrer b: -3
entrer c : 2
l‘équation admet deux solutions différentes
x1 =
2
x2 =
19
A.AZZAYANI
1
Introduction  On a aussi la possibilité d'utiliser l’instruction switch-case comme pour le langage C :
Programmation sous
Matlab switch expression % variable (comme a) ou % lecture d'un entier

expression de variables (a+b, f(a), …) a = input('Entrer un entier entre 1 et 5:');
Graphiques 2D et 3D
case cas1 % valeur 1 de l’expression switch a
case 1
commandes
fonction disp('UN');
case cas2 % valeur 2 de l’expression case 2
commandes disp('DEUX');
d’équations
… case 3
différentielles
otherwise % autre valeurs de l’expression disp('TROIS');
commandes case 4
end ; disp('QUATRE');
case 5
disp('CINQ');
Exemple otherwise
Écrire un script Matlab qui demande un disp('cet entier n''est pas entre 1 et 5');
nombre compris entre 1 et 5 à l’utilisateur end;
et le convertit en lettre .
Entrer un entier entre 1 et 5 : 3
TROIS
Entrer un entier entre 1 et 5 : 8
20
A.AZZAYANI cet entier n'est pas entre 1 et 5
Introduction Les boucles:
Programmation sous
 En Matlab, on utilise deux formes de boucle:
Matlab
 L’instruction for pour les boucles à nombre d’itération connu :
Graphiques 2D et 3D
Recherche de zéro d’une for variable = valeur initiale : pas : valeur finale
fonction commandes
end ;
d’équations
 et l’instruction while pour les boucles à condition de continuation.
différentielles
while condition de continuation

commandes
end ;
% affichage des nombres naturels % avec la boucle while

%impairs et inférieurs à 10 i = 1;
% avec la boucle for while i <= 10
for i = 1:2:10 disp(i);
disp(i); i = i + 2;
end; end; 21
A.AZZAYANI
Introduction Les fonctions
Programmation sous
 Les fonctions peuvent être déclarées directement dans un fichier script qui doit obligatoirement porter le
Matlab
Graphiques 2D et 3D
même nom de la fonction à déclarer:
Recherche de zéro d’une  Une fonction est déclarée comme suit :
fonction
function nomdefonction(inpar1, inpar 2, …)
% une fonction sans paramètre de sortie.
d’équations
différentielles
function outpar = nomdefonction(inpar1, inpar 2, …)
% une fonction avec un seul paramètre de sortie.
function [outpar1, outpar2, …] = nomdefonction(inpar1, inpar 2, …)
% une fonction avec plusieurs paramètres de sortie.
 Il faut noter que :
 La fonction ne se termine pas par end comme dans les autres langages évolués.
 Le point-virgule n’est pas nécessaire à la fin des lignes, sauf si un affichage du résultat de la ligne en
question est requis.
22
A.AZZAYANI
Introduction %le factoriel d’un nombre function seconeq(a,b,c); %équation de second degré
function fact(n) delta=b^2-4*a*c;
Programmation sous
s=1; if delta > 0
Matlab disp('l''équation admet deux solutions différentes');
for i=1:n x1=(-b+sqrt(delta))/2
Graphiques 2D et 3D s=s*i; x2=(-b-sqrt(delta))/2
Recherche de zéro d’une end elseif delta==0
fonction
S disp('l''équation admet une seule solution');
>> fact(5) x1=-b/2
Résolution numérique elseif delta<0
s =
d’équations 120 disp('l''équation n’admet pas de seule solution');
end
différentielles
>> seconeq(1,-3,2)
function [s p]=somprod(n); l'équation admet deux solutions différentes
s=0; p=1; x1 =
for i=1:n 2
s=s+i; x2 =
p=p*i; 1
End
function [s p]=somprod(n);
>>[s p]=somprod(5)
s=0; p=1;
s = i=1;
15 while i<=n
p = s=s+i; p=p*i; i=i+1;
120 end;
23
A.AZZAYANI
Introduction  Opérateurs relationnels et logiques
Programmation sous
Des expressions relationnelles et logiques peuvent être utilisées dans MATLAB exactement comme dans les
Matlab
Graphiques 2D et 3D
autres langages de programmation.
Recherche de zéro d’une  Opérateurs relationnels
fonction Les opérateurs relationnels sont : <, <=, >, >=, ==, ~=
La comparaison d’égalité se fait à l’aide de [==] et l’inégalité à l’aide de [~=]. Ces opérateurs peuvent être
d’équations
différentielles
utilisés avec des scalaires ou des matrices. Le résultat d'évaluation d'une expression relationnelle est 1 (vrai)
ou 0 (faux).
 Opérateurs logiques
Les expressions relationnelles peuvent être combinées en utilisant les opérateurs logiques suivants : &, | , ~
qui signifient respectivement "et" (AND), "ou" (OR) et "non" (NOT). Ces opérateurs sont appliqués sur les
matrices élément par élément. Les opérateurs logiques ont une priorité plus faible que les opérateurs
relationnels, qui à leur tour ont une priorité plus faible que les opérateurs arithmétiques.
!! Il est conseillé d'utiliser les parenthèses afin d'éviter toute ambiguïté.
A.AZZAYANI 24
Introduction >> a=(1<=5) >> A=[1 2 3 4]
Programmation sous a= A=
1 2 3 4
Matlab 1 >> B=[4 2 5 4]
Graphiques 2D et 3D >> b=(5==12/3) B=
Recherche de zéro d’une b= 4 2 5 4
fonction 0 >> A==B
Résolution numérique >> c=(a | b) ans =
0 1 0 1
d’équations c= >> A<B
différentielles 1 ans =
>> d= (a & b) | c 1 0 1 0
d= >> A~=B
1 ans =
1 0 1 0
>> f=(~a)&(~b) >> ~(A<B)
f= ans =
0 0 1 0 1
x=(a~=b) >> A~=B
x= ans =
0 1 1 0
1
A.AZZAYANI 25
?
Calcul polynômial (Rappel)

Introduction Les polynômes
Calcul polynômial  Définition
Graphiques 2D et 3D • Un polynôme de la forme p ( x)  a x  a x  ...  a x  a x  a est représenté en Matlab par un
n
n
n 1
n 1
2
2
1 0
Recherche de zéro d’une vecteur ligne [a , a ,..., a , a , a ] (ou vecteur colonne) .

n n 1 2 1 0
fonction • Afin d’évaluer un polynôme pour une valeur fixe a, on utilise la commande polyval(P, a).
Résolution numérique  Opérations arithmétiques
d’équations
• Matlab fournit deux opérations arithmétiques de multiplication et de division à travers les commande conv
différentielles
et deconv. Il reste au programmeur de programmer les deux autres opérations d’addition et de soustraction.
• C = conv(A, B) est la convolution des tableaux A et B, c'est à dire les coefficients du produit des deux
polynômes.
• [Q, R] = deconv(A, B) est la déconvolution des tableaux A et B ou Q est le quotient de la division et R est
le reste (A = conv(B ,Q) + R).
 Exemple
Soient p et q deux polynômes définis par :
P(x)=2x^3-x^2+3x-5 et q(x)=3x^2-5x+3
Calculer p(2) et q(1.5)
Calculer s(x)=p(x)+q(x) ; r(x)=2p(x)-3q(x) ; t(x)=p(x)q(x) ; u(x)=p(x)/q(x)
A.AZZAYANI 26
?

Introduction Les polynômes
Calcul polynômial
>> p=[2 -1 3 -5], q=[3 -5 3] >> t=conv(p,q)
Graphiques 2D et 3D
p= t=
2 -1 3 -5 6 -13 20 -33 34 -15
fonction q= >> [u,v]=deconv(p,q)
Résolution numérique 3 -5 3
d’équations >> a=polyval(p,-2) u=
différentielles a= 2/3 7/9
-31
>> b=polyval(q,1.5) v=
b= 0 0 44/9 -22/3
9/4
>> s=p+[0 q] >> conv(q,u)+v
s= ans =
2 2 -2 -2 2 -1 3 -5
>> r=2*p-3*[0 q] >> p
r= p=
4 -11 21 -19 2 -1 3 -5
A.AZZAYANI 27
?

Introduction  Racines et Interpolations
Calcul polynômial • La commande roots(P) fait extraire les racines d’un polynôme P.
Graphiques 2D et 3D • La commande poly(V) retourne un polynôme depuis ses racines stockées dans le vecteur V.
• La commande Polyfit(X, Y, n) permet d’approximer un polynôme de dégrée n qui passent
fonction
approximativement par les points (X, Y). Cette approximation P(X(i))=Y(i) est au sens des moindres
carrées :
d’équations p1=[1 -5 6] >> x=[0 1 4]; y=[0 2 3];
différentielles p1 = >> p11=polyfit(x,y,2)
1 -5 6 p11 =
>> a=roots(p1) -0.4167 2.4167 -0.0000
a= >> p12=polyfit(x,y,1)
3 p12 =
2 0.6538 0.5769
>> poly(a) >> polyval(p11,4)
ans = ans =
1 -5 6 3
>> poly([1 1 1]) >> polyval(p12,4)
ans = ans =
1 -3 3 -1 3.1923
A.AZZAYANI 28
?

Introduction  Dérivation et Intégration d’un polynôme
Calcul polynômial • La commande polyder(P) retourne la dérivée d’un polynôme P.
Graphiques 2D et 3D • La commande polyint(P) retourne l’intégral d’un polynôme P. Si on veut calculer l’intégral entre deux
Recherche de zéro d’une point x1 et x2, on utilise la commande polyval pour évaluer l’intégral sur ces deux points puis on applique
fonction
la soustraction.
d’équations >> p=[1 1 1 1]; % p(x)=x^3+x^2+x+1

différentielles >> der_p=polyder(p)
der_p =
3 2 1 %p’(x)=3x^2+2x+1
>> der_p=polyder(polyder(p))
der_p =
6 2 %p’’(x)=6x+1
>> int_p=polyint(p)
int_p =
1/4 1/3 1/2 1 0 %intégral de p(x)=1/4x^4+1/3x^3+1/2x^2+x+0
>> int_p12=polyval(int_p,2)-polyval(int_p,1)
int_p12 =
103/12
A.AZZAYANI 29
?
Résolution des Systèmes Linéaires (Rappel)

Introduction
 Résolution des Systèmes Linéaires
Résolution des Systèmes
• Un système linéaire est un ensemble de n équations à p variables de la forme :
Linéaires
Graphiques 2D et 3D a x  a x  ...  a x
11 1 12 2 1p p
b1

a x  a x  ...  a x b
21 1 22 2 2p p 2
fonction

Résolution numérique ...
d’équations a x  a x  ...  a x b
différentielles  p 11 1 p 12 2 p 1 p p p

a x  a x  ...  a x
p1 1 p2 2 pp p
b p
Les sont aij appelés les coefficients du système ; les bk sont le second membre du système (ou la partie
gauche).
En calcul matriciel, un système linéaire s’écrit sous la forme: AX = B, ou

• A matrice des coefficients.
• X vecteur colonne des inconnues.
• B vecteur colonne comme second membre. 30
A.AZZAYANI
?
Résolution des Systèmes Linéaires

(Rappel)
Introduction  Résolution d’un système linéaire
 Matlab fournie plusieurs techniques afin de résoudre un système linéaire. Néanmoins, il reste a
Linéaires
l’utilisateur de vérifier la compatibilité du système linéaire (s’il existe solution).
Graphiques 2D et 3D
 Par exemple, si le déterminant de A est non-nul alors le système accepte une solution. Par contre, si le
Recherche de zéro d’une déterminant est nul le système peut accepter un nombre infini de solution ou un ensemble vide des
fonction solutions.
Résolution numérique  La commande X = A\B fait résoudre le système linéaire AX = B (noter l’antislash).
d’équations  La commande X = B/A fait résoudre le système linéaire XA = B (noter le slash).
différentielles On peut calculer directement l’inverse de A en le multipliant par B. Il faut noter que la multiplication
matricielle n’est pas commutative !
 La commande X = inv(A)*B fait résoudre le système linéaire AX = B.
 La commande X = B*inv(A) fait résoudre le système linéaire XA = B.
Exemple
Résoudre le système suivants:
x  2 y  z  1  1 2 1 x  1 
  1 1 1 y    0 
x  y  z  0     
2 x  3 y  z  1  2 3 1 z  1 
A.AZZAYANI       31
?
Résolution des Systèmes Linéaires (Rappel)

Introduction Pour les commande A\B et B/A, si la matrice A n’est pas singulière, le
>> A=[1 2 1;1 -1 1;2 3 1],B=[1 ;0; 1] résultat est (0/0) pour un nombre infini de solutions, et (k/0, k≠0)
A= pour l’ensemble vide (). Pour les commande inv(A)*B et B*inv(A), si
Linéaires 1 2 1 la matrice A n’est pas singulière, le résultat est toujours (k/0, k≠0).
Graphiques 2D et 3D 1 -1 1
Recherche de zéro d’une 2 3 1 >> A1=[1 2;2 4],B1=[2 ;3] >> A1=[1 2;2 4],B1=[2 ;4]
fonction B= A1 = A1 =
1 1 2 1 2
d’équations
0 2 4 2 4
1 B1 = B1 =
différentielles
>> X=A\B 2 2
X= 3 4
-1/3 >> X1=A1\B1 >> X1=inv(A1)*B1
1/3 X1 = X1 =
2/3 1/0 1/0
>> X=inv(A)*B -1/0 1/0
X= >> X1=inv(A1)*B1 >> X1=A1\B1
-1/3 X1 = X1 =
1/3 1/0 0/0
2/3 1/0 0/0
A.AZZAYANI 32
?
Calcul symbolique Matlab (Rappel)

Introduction  Résolutions des équations et des inéquations, linéaires et non-linéaires
Calcul symbolique
Matlab utilise la commande solve afin de résoudre les équations et les inéquations, les systèmes linéaires et
Matlab
non linéaires.
Graphiques 2D et 3D
 Tout d’abord, il est nécessaire de déclarer des variables symboliques des équations (ou inéquations, …)
fonction
en utilisant la commande syms.
 Il faut noter que solve retourne des solutions sous forme symbolique ou formelle au lieu de numérique
d’équations (racine de 2 a la forme numérique de 1.4142 et la forme formelle 2^(1/2)).
différentielles >> sqrt(sym(2)) >> syms x %équation de 2 >> syms a b x inéquation de 2 degré
ans = degré >> solve(a*x+b,x)
2^(1/2) >> solve(x^2-3*x+2) ans =
>> a=sym(1)/sym(3) ans =
a= 1 -b/a
1/3 2 >> syms a b c x
>> b=sym(2)/sym(5) >> syms x, solve(x^2+x+1) >> solve(a*x^2+b*x+c, x)
b =2/5 ans = ans =
>> c=a+b - 1/2 - (3^(1/2)*i)/2 -(b + (b^2 - 4*a*c)^(1/2))/(2*a)
c =11/15 - 1/2 + (3^(1/2)*i)/2 -(b - (b^2 - 4*a*c)^(1/2))/(2*a)
A.AZZAYANI 33
?

Introduction La commande solve permet aussi de résoudre une inéquation ou un système linéaire ou non linéaire des
Calcul symbolique inéquations.
Matlab
>> syms x y % système à deux inconnues >> syms x % inéquation de 2 degré
Graphiques 2D et 3D
>> S = solve(x+y-5, x-y-1) >>solve('x^2-9 <=0')
Recherche de zéro d’une S= ans =
fonction x: [1x1 sym]
Résolution numérique y: [1x1 sym] Dom::Interval([-3], [3])
>> [S.x S.y] >> syms x, solve('x^2-9 <0')
d’équations
ans = ans =
différentielles
[ 3, 2]
>> syms x y z % système à trois inconnues Dom::Interval(-3, 3)
>>S=solve(x+y+z-5, x-y-z-1,2*x+y-2*z+1) >> syms x, solve('x^2-9 >=0')
S= ans =
x: [1x1 sym]
y: [1x1 sym] Dom::Interval([3], Inf)
z: [1x1 sym] Dom::Interval(-Inf, [-3])
>> [S.x S.y S.z]
ans =
[ 3, -1, -1]
A.AZZAYANI 34
?

Introduction La boîte à outils de Calcul symbolique permet de calculer la dérivé , l’intégral et les limites d’une fonction.
Calcul symbolique
 Calcul de la dérivée d’une fonction
Matlab
diff(f) calcule la dérivée de f par rapport à x :
Graphiques 2D et 3D

Pour calculer la dérivée seconde : diff(f,2) ou bien diff(f,x,2)
fonction La fonction diff peut également agir sur une matrice. Dans ce cas la dérivation est effectuée sur chaque
Résolution numérique élément de la matrice,
d’équations
>> syms a b x >> A=[cos(3*x) sin(2*x); tan(x) 1]
différentielles
A=
>> f=a*cos(x)+b
[ cos(3*x), sin(2*x)]
f=
[ tan(x), 1]
b + a*cos(x) >> diff(A)
>> diff(f) ans =
ans = [ -3*sin(3*x), 2*cos(2*x)]
-a*sin(x) [ tan(x)^2 + 1, 0]
>> diff(A,2)
>> diff(x^3+2*x^2+3*x+1,x)
ans =
ans = [ -9*cos(3*x), -4*sin(2*x)]
3*x^2 + 4*x + 3 [ 2*tan(x)*(tan(x)^2 + 1), 0]
A.AZZAYANI 35
?

Introduction  Calcul de l’intégral d’une fonction
Calcul symbolique
Si f est une expression symbolique, alors int(f)tente de trouver une autre expression symbolique F telle que
Matlab
diff(F)=f , c’est-à-dire que int(f) donne l’intégrale indéfinie de f si elle existe.
Graphiques 2D et 3D
Recherche de zéro d’une >> syms x >> syms a b w t

fonction >> int(x^3+x+1) >> f=a*cos(w*t+b)
ans = f=
(x*(x^3 + 2*x + 4))/4 a*cos(b + t*w)
d’équations
>> int(x^3+x+1,0,1) >> int(f,t)
différentielles
ans = ans =
7/4 (a*sin(b + t*w))/w
>> int(log(x)) >> int(f,t,0,pi)
ans = ans =
x*(log(x) – 1 (a*(sin(b + pi*w) - sin(b)))/w
 Exercice
La vitesse d’une particule est exprimée par la fonction v(t)=tsin(t/2)
1. Trouver la position de la particule 𝑥(𝑡) sachant que la position initiale est 𝑥(0) = 0
2. Trouver l’accélération de la particule 𝑎( 𝑡) 36
A.AZZAYANI
?

Introduction  Calcul des limites d’une fonction
Calcul symbolique Les commandes syms a x, limit( f(x),x,a) permettent le calcul de la limite de f en a
Matlab
>> syms x >> syms n x >> syms x >> syms x
Graphiques 2D et 3D
>> limit(sin(x)/x,x,0) >> limit((1+x/n)^n,n,inf) >> limit(log(x)/x,x,inf) >> limit(x*log(x),x,0)
Recherche de zéro d’une ans ans = ans = ans =
fonction 1 exp(x) 0 0
d’équations
 Calcul des sommes
différentielles
On peut calculer des sommes symboliques quand elles existent en utilisant la commande symsum
Exemple
1 

2
• Ecrire la commande qui permet de calculer  

k
k 0
6 2
1 
x 
k
• Ecrire la commande qui permet de calculer 1 x

k 0 pour |x| < 1
>> syms k n >> syms k x

>> symsum(1/k^2,1,inf) >> symsum(x^k,k,0,inf)
ans = ans =
pi^2/6 piecewise([1 <= x, Inf], [abs(x) < 1, -1/(x - 1)])
A.AZZAYANI 37
Graphique 2D
Introduction  Les possibilités graphiques de Matlab sont innombrables. Pour créer le graphe de la fonction sinus par
exemple, nous commençons par définir deux vecteurs: x = -2*pi : pi/4 : 2*Pi ; y = sin(x);
Graphiques 2D et 3D
 Ensuite nous construisons le graphe au moyen de la commande: plot(x , y)
fonction
 On peut superposer un quadrillage (ou le faire disparaitre) par les commandes: grid (ou grid off)
Résolution numérique  On peut aussi mettre un titre, mettre des étiquettes aux axes: title ('graphe de sinus'), xlabel('x'),
d’équations ylabel('sinus(x)')
différentielles
>> x = -2*pi : 0.01 : 2*pi ;

>> y = sin(x);
>> plot(x, y)
>> grid % afficher la grille
>> % afficher le titre et les étiquettes
>> title ('Graphe de Sinus')
>> xlabel('x')
>> ylabel('y=sinus(x)')
38
A.AZZAYANI
Graphique 2D
Introduction
 Afin d'afficher deux ou plusieurs graphes en même temps, une série des coordonnées (x, y) est
introduise a la fonction plot: plot(x1, y1, x2, y2, …) .
Graphiques 2D et 3D
 La legende (surtout en cas de plusieurs graphes) peut être affichée en utilisant la commande
legend(legend1, legend2, …).
fonction
 La commande legend('show') permet de montrer la légende, par contre la commande
Résolution numérique legend('hide') permet de la cacher.
d’équations
différentielles
>> x = -2*pi : 0.01 : 2*pi ; y = sin(x); z=cos(x);

>> plot(x, y, x, z)
>> legend('sin(x)','cos(x)')
>> legend('hide')
>> legend('show')
>> title ('Graphe de Sinus et cosnus')
>> xlabel('x')
>> ylabel('y')
39
A.AZZAYANI
Graphique 2D
Introduction  La commande plot(x, y, LineSpec) affiche un graphe avec la spécification donnée par LineSpec qui est
Calculs élémentaires formée au plus de trois valeurs: style de ligne, type de marquer, et la couleur.
Graphiques 2D et 3D Par exemple plot(x, y, '-+b') affiche un graphe bleu de la forme -+-+-+…
Recherche de zéro d’une  Noter bien que la spécification 'type de marqueur' est utilisée pour les points choisies (vecteurs x et y), par
fonction
contre la spécification 'style de ligne' couvre toute la courbe.
Symbole Style de ligne Symbole Type de Marqueur
d’équations
- Ligne solide (par défaut) o Cercle
différentielles
-- La ligne non continue + Signe plus
: La ligne pointillée * Astérisque
-. La ligne tiret-point . Point
Symbole Couleur x Croix
y Jaune s Carré
m Magenta d Diamant
c Cyan ^ Triangle vers le haut
r Rouge V Triangle vers le bas
g Vert > Triangle pointant à droite
b Bleu < Triangle pointant à gauche
w Blanc p Pentagramme
k Noir h Hexagramme 40
A.AZZAYANI
Graphique 2D
Introduction
Exemple
Graphiques 2D et 3D >> x = -2*pi : 0.1 : 2*pi ;

>> y = sin(x);
fonction
>> z=cos(x);
d’équations
différentielles >> plot(x, y, '-ob', x, z, '-.dr')
>> title('Graphe de Sinus et cosnus')
>> xlabel('x')
>> ylabel('y')
41
A.AZZAYANI
?
Graphique 2D
Introduction  Exemples
Calculs élémentaires Imaginons que l'on veut définir la fonction suivante :
Graphiques 2D et 3D C'est une fonction définie par morceaux puisque sa valeur dépend d'un test logique définissant, dans cet
Recherche de zéro d’une exemple, deux domaines de définition.
fonction
Voilà comment définir y en fonction de x:
>> x=-4*pi : pi/20 : 4*pi;
d’équations
>> y=sin(x).*(x>0)+sin(2*x).*not(x>0);
différentielles >> plot(x,y,'-b*')
>> xlabel('x')
>> ylabel('y')
>> title ('sin(x) et sin(2x)')
x=-4*pi:pi/20:4*pi;
inds1=find(x>0);
x1=x(inds1);
inds2=find(x<=0);
x2=x(inds2);
y1=sin(x1);
y2=sin(2*x2);
y=[y2, y1];
plot(x,y,'-b*')
A.AZZAYANI 42
Graphique 3D
Introduction  Courbes dans un espace 3D
Comme une courbe en 2D est définie par une liste de doublets (x,y) on peut définir une courbe en 3D par
Graphiques 2D et 3D une liste de triplets (x,y,z). Puisque l'instruction plot attendait deux arguments, le vecteurs des abscisses, et
Recherche de zéro d’une celui des ordonnées, l'instruction plot3 en attend trois : le vecteur des abscisses Vx, le vecteur des
fonction ordonnées Vy et le vecteur des cotes Vz.
Résolution numérique Syntaxe: plot3(Vx, Vy, Vz) ;
d’équations Voici un exemple de courbe paramétrée tracée dans un espace à trois dimensions :
différentielles
 x=sin(t)e-t/10

 y=cos(t)e
-t/10
t  [-2π,2π]
 z=e-t

t = -2*pi:2*pi/100:2*pi;
plot3(exp(-t/10).*sin(t), exp(-t/10).*cos(t), exp(-t));
grid;
43
A.AZZAYANI
Graphique 3D
Introduction  Tracé d'un nuage de points 3D
Le principe est le même que pour un nuage 2D: les points possèdent 3 coordonnées (x , y , z) représentés
Graphiques 2D et 3D par des marqueurs non liés.
fonction T1=ones(1,100);
% Premier nuage de valeurs
d’équations
A = 0.2 * randn(3,100) + [1*T1 ; 2*T1 ; 1*T1]
plot3( A(1, : ) , A(2 , : ) , A(3 , : ) , '.' )
différentielles
hold on
% Deuxième nuage de valeurs
B = 0.6 * randn(3,100) + [2*T1 ; 3*T1 ; 2*T1] ;
plot3( B(1, : ) , B(2 , : ) , B(3 , : ) ,'+r')
grid on ; axis([0 3 0 4 0 4])
44
A.AZZAYANI
Graphique 3D
Introduction  Tracé d'une surface
Calculs élémentaires Une surface est une application de ( x , y) vers z de la forme z= f ( x , y) .
Graphiques 2D et 3D Exemple: le plan est décrit par l'équation z=a x+b y+z0
Recherche de zéro d’une La représentation est calculée pour un maillage des valeurs de
fonction l'espace de départ; le tracé de ce maillage forme une grille
Résolution numérique rectangulaire ou carrée. Chaque point du maillage est caractérisé
d’équations
par le couple des coordonnées (x , y) .
différentielles
Exemple de plan
a = 1.5 ; b = .7 ; z0 = 2 ;
x = [ -5 : .5 : 5 ]; y = [ -7 : .3 : 7 ];
[X Y]=meshgrid(x,y)
Z=a*X+b*Y+z0 ;
surf(Z)
Les fonctions les plus courantes sont :

mesh, qui trace une série de lignes entre les points de la surface en mode «lignes cachées» ;
meshc, qui fonctionne comme mesh mais en ajoutant les courbes de niveau dans le plan ;
surf, qui «peint» la surface avec une couleur variant selon la cote ;
surfl, qui «peint» la surface comme si elle était éclairée ;
surfc, qui fonctionne comme mesh mais en ajoutant les courbes de niveau dans le plan 45
A.AZZAYANI
Graphique 3D
Introduction Exemple : Tracer la représentation graphique de la fonction f(x,y)=x^2+y^2 sur [-1 1] x [-2 2]
Graphiques 2D et 3D x = -1:0.2:1;
y = -2:0.2:2;
fonction
[X,Y] = meshgrid(x,y);
Z = Y .^2 + X.^2;
subplot(221)
d’équations
mesh(X, Y, Z);
différentielles
xlabel('x'); ylabel('y'); zlabel('z'); title('mesh’);
subplot(222)
meshc(X, Y, Z);
xlabel('x'); ylabel('y');zlabel('z'); title('meshc');
subplot(223)
surf(X, Y, Z);
xlabel('x'); ylabel('y');zlabel('z'); title('surf');
subplot(224)
surfl(X, Y, Z);
xlabel('x'); ylabel('y’); zlabel('z'); title('surfl');
46
A.AZZAYANI
Graphique 3D
Introduction  Tracé de courbes de contour
Calculs élémentaires Pour tracer les courbes z=cste d'une surface définie par z=f(x,y) , on peut utiliser la fonction contour.
Graphiques 2D et 3D Elle s'utilise comme les instructions précédentes, mais fournit un graphe 2D dans le plan . Plusieurs paramètres
Recherche de zéro d’une optionnels peuvent être spécifiés, notamment le nombre de courbes de contours à afficher.
fonction x = -1:0.05:1; x = -1:0.05:1; y = -2:0.05:2;
y = -2:0.05:2; [X,Y] = meshgrid(x,y);
[X,Y] = meshgrid(x,y); Z = Y .^2 + X.^2;
d’équations
Z = Y .^2 + X.^2; ch= contour(X,Y,Z,5);
différentielles contour(X,Y,Z,5); clabel(ch);
il est également
intéressant d'ajouter
sur le tracé les valeurs
de le long des
différentes lignes de
contour. Pour cela il
faut affecter à une
variable la valeur de
sortie de la commande
contour et utiliser la
fonction clabel
47
A.AZZAYANI
Recherche de zéro d’une fonction
Introduction  Introduction
 Il existe toute une panoplie de méthodes numériques (dichotomie, point fixe, Newton, Lagrange)
Graphiques 2D et 3D
conduisant à chercher numériquement les zéros de fonction 𝑓( 𝑥) = 0 d’une variable réelle.
 La majorité de ces méthodes sont itératives.
fonction
 Elles calculent des approximations successives 𝑥1, 𝑥2, 𝑥3, ... de la véritable racine 𝑥* de l’équation
𝑓(𝑥)=0, à partir d’une valeur initiale 𝑥0 plus au moins bien choisie. Ce qui les distingue, entre autre, c’est leur
d’équations
vitesse de convergence et leur robustesse.
différentielles
 Méthode de Newton
Le but dans cette section, est la programmation, sous Matlab, de la méthode itérative de Newton. Afin
d’appréhender cette dernière, soit la figure ci-dessous :
Géométriquement, la solution approchée 𝑥𝑛+1 n’est autre que le
point d’intersection de l’axe des abscisses et la tangente, au point
(𝑥𝑛, 𝑓(𝑥𝑛)), d’équation D : 𝑦 = 𝑓′(𝑥𝑛) × (𝑥𝑛 − 𝑥𝑛+1) + 𝑓(𝑥𝑛).
Notons que 𝑥* est la véritable racine de l’équation 𝑓(𝑥) = 0, dont
on cherche à approcher. À partir de la figure ci-dessus, on a :
48
A.AZZAYANI
Introduction
Graphiques 2D et 3D
fonction
d’équations
différentielles
49
A.AZZAYANI
Introduction Or on sait que :
Graphiques 2D et 3D
Recherche de zéro d’une À partir des deux équations précédentes on obtient ainsi le schéma numérique de la méthode de Newton,
fonction
soit :
d’équations
différentielles  on constate que la méthode de Newton nécessite à chaque itération l’évaluation de deux fonctions, à
savoir 𝑓 et de sa dérivée. Néanmoins, cet effort est compensé par une vitesse de convergence accrue,
puisque cette méthode est d’ordre deux. Cet accroissement de la vitesse de convergence est
conditionné par le choix de la valeur initiale qui doit être la proche possible du zéro recherché.
 On rappelle que le vecteur erreur 𝑒𝑛 est calculé à partir de : 𝑒𝑛 = |𝑥𝑛 − 𝑥𝑎𝑝𝑝|. Avec, 𝑥𝑎𝑝𝑝 est la solution
approchée, de la valeur exacte, déterminée avec une tolérance fixée préalablement. 𝑛, étant le nombre
d’itérations.
 l’estimation de l’erreur sert à comparer la vitesse de convergence pour des méthodes numériques
différentes. Sur le plan pratique, l’erreur est représentée graphiquement en traçant 𝑒𝑛+1 en fonction de 𝑒𝑛
avec une échelle logarithmique. Ainsi, l’ordre noté 𝑝, d’une méthode numérique s’obtient à partir de :
50
A.AZZAYANI
Introduction Ainsi l’ordre, 𝑝, est quantifié via la pente de l’équation ci-dessus. On en déduira que :
 Si 𝑝 = 1 ⇒ 𝑥𝑛 converge linéairement vers la solution approchée. Dans ce cas on gagne la même quantité
Graphiques 2D et 3D
de précision à chaque itération.
 Si 𝑝 = 2 ⇒ 𝑥𝑛 converge quadratiquement vers la solution approchée. Dans ce cas on gagne le double de
précision à chaque itération.
fonction
 Si 𝑝 = 3 ⇒ 𝑥𝑛 converge cubiquement vers la solution approchée. Dans ce cas on gagne le triple de
précision à chaque itération.
d’équations
différentielles
Nmax=100; x=-0.5; it=1; tol=10^-5; verif=tol+0.01;
while (it<=Nmax & verif>tol)
if df(x)==0
disp('pas de solution')
elseif dfx(x)~=0
xn=x-(f(x)/df(x));
verif=abs(f(x)/df(x));
x=xn
end
if(it==Nmax & verif >tol)
disp('La méthode de newton ne converge pas pour la tolérance considérée')
end
it=it+1;
end 51
A.AZZAYANI
Introduction
Exercice
Graphiques 2D et 3D Nous allons résoudre l’équation : 𝑓(𝑥) = 𝑥+𝑒𝑥𝑝(𝑥)+1. Nous choisissons 𝑥0 = −1/2 comme valeur initiale.
A. Écrire un code Matlab, portant sur l’implémentation de la méthode de Newton, en suivant les étapes
fonction
suivantes :
d’équations 1. Faire un test si 𝑓’(𝑥) = 0 ⇒ arrêt du programme.
différentielles
2. Le critère d’arrêt est : |𝑥𝑛+1 − 𝑥𝑛| < 𝜀, 𝑥𝑛 étant la solution approchée et 𝜀, la tolérance considérée.
3. Afficher la solution approchée 𝑥𝑛.
4. Afficher le nombre d’itérations conduisant à la solution approchée.
5. Afficher sur le même graphe, la fonction 𝑓( 𝑥), la solution approchée 𝑥𝑛 et la droite tangente au point
(𝑥𝑛, 𝑓(𝑥𝑛)).
B. Appliquez le même algorithme pour résoudre l’équation : 𝑓( 𝑥) = 8 𝑥^3 − 12 𝑥^2 + 1
52
A.AZZAYANI
Introduction clear all; close all; clc ;
Nmax=100; x=-1/2; it=0; tol=1e-04;
verif=tol+1/2;
Graphiques 2D et 3D
Recherche de zéro d’une while(it<Nmax & verif>=tol)

fonction fx =inline('x+exp(x)+1’);
dfx=inline('1+exp(x)’);
fx=feval(fx,x);
d’équations
dfx=feval(dfx,x);
différentielles if dfx~=0
xn=x-(fx/dfx);
verif=abs(fx/dfx);
x=xn;
elseif dfx==0
disp('PAS DE SOLUTION,LA DERIVEE EST NULLE’)
end
if(it==Nmax & verif >tol)
disp('LA METHODE DE NEWTON NE CONVERGE PAS POUR LA TOLERANCE CONSIDEREE’)
end
it=it+1;
end
53
A.AZZAYANI
Introduction disp(strcat('CONVERGENCE, LA SOLUTION APPROCHEE EST xn = ',num2str(xn)))
disp(strcat('LE NOMBRE D''ITERATION EST= ',num2str(it)))
Graphiques 2D et 3D
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Recherche de zéro d’une xi=linspace(-12/2,6/2,1000);
fonction fx=inline('xi+exp(xi)+1');
fxi=feval(fx,xi);
dfx=inline('1+exp(x)');
d’équations
droite=dfx(xn)*(xi-xn)+fx(xn);
différentielles figure('color',[1 1 1]);plot(xi,fxi,'LineWidth',2)
hold on; plot(xi,droite,'r','LineWidth',1)
hold on
plot(x,fx(x),'kx','MarkerSize',12,'LineWidth',2)
hold on
plot(x,fx(x),'ko','MarkerSize',12,'LineWidth',2)
xlabel('x','fontweight','b','fontsize',12,'LineWidth',1)
ylabel('f(x)','fontweight','b','fontsize',12,'LineWidth',1)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
text('Interpreter','latex','String','f(x)=x+exp(x)+1','Position',[-10/2
20/2],'FontSize',15)
text(xn,2*xn,['xn=',num2str(xn)],'Position',[-3 2],'BackgroundColor',[1
54
1 1]);
A.AZZAYANI
 Méthode de dichotomie
Introduction
La méthode de dichotomie est une méthode pour trouver une solution approchée à une équation f(x)=0 telle que f est une
Graphiques 2D et 3D fonction continu sur un intervalle [a, b] avec f(a)*f(b) ≤0 . Elle consiste à répéter des partages d’un intervalle en deux parties
Recherche de zéro d’une puis à sélectionner le sous-intervalle dans lequel existe le zéro de cette fonction. Le principal défaut de l'algorithme est que
fonction
seul le signe de f est utilisé, ce qui mène à une convergence plutôt lente (convergence quasiment linéaire).
la méthode de dichotomie, est basé sur le théorème de la valeur intermédiaire. La méthode est décrite comme
d’équations
suit : soit, 𝑓 : [𝑎 𝑏] → 𝑅, une fonction continue sur l’intervalle [ 𝑎 𝑏]. Si 𝑓( 𝑎)× 𝑓( 𝑏) < 0 → il existe donc au
différentielles
moins une racine de 𝑓(𝑥) appartenant à l’intervalle [ 𝑎 𝑏]. On prend 𝑐 =(a+b)/2 la moitié de l’intervalle [ 𝑎 𝑏]
tel que :
1. Si 𝑓(𝑐) = 0 → 𝑐 est la racine de 𝑓(𝑥).
2. Sinon, nous testons le signe de 𝑓(𝑎) × 𝑓(𝑐) (et de 𝑓(𝑐) × 𝑓(𝑏)).
3. Si 𝑓(𝑎)×𝑓(𝑐) < 0 → la racine se trouve dans l’intervalle [ 𝑎 𝑐] qui est la moitié de [ 𝑎 𝑏].
4. Si 𝑓(𝑐) × 𝑓(𝑏) < 0 → la racine se trouve dans l’intervalle [ 𝑐 𝑏] qui est la moitié de [a b]
Ce processus de division, par deux, de l’intervalle (à chaque itération on divise l’intervalle par deux) de la
fonction est réitéré jusqu’à la convergence pour la tolérance considérée. Ainsi, pour la nième itération, on
divise : [𝑎𝑛 𝑏𝑛] en [𝑎𝑛 𝑐𝑛] et [𝑐𝑛 𝑏𝑛], avec à chaque fois 𝑐𝑛=(an+bn)/2.
L’erreur absolue de la méthode de dichotomie est au plus en=(b-a)/2^(n+1) après n étapes car 55
l'erreur est
A.AZZAYANI diminuée de moitié à chaque étape.
Introduction a=; b=; itmax=100; tol=1e-6; it=0; c=(b+a)/2; x=[a,c,b]
f =inline('x+exp(x)+1')
Graphiques 2D et 3D
while (it<itmax)
if f(a)*f(c)<0
b=x(2); a=x(1); c=(a+b)/2; x=[a,c,b];
fonction
elseif f(c)*f(b)<0
b=x(3); a=x(2); c=(a+b)/2; x=[a,c,b];
d’équations end
différentielles if abs(f(c))<tol
sol=c;
break
end
if it==itmax & abs(f(c))>tol
disp('PAS DE CONVERGENCE POUR LA TOLERANCE CONSIDEREE')
end
it=it+1;
end
disp(strcat('LA RACINE APPROCHEE VAUT :', num2str(sol)))
disp(strcat('LE NOMBRE D''ITERATION EST :', num2str(it)))
56
A.AZZAYANI
 Méthode de Lagrange
Introduction
La méthode de Lagrange est une variante de la méthode de Newton.
Soit f∈C1([a,b],R)ayant une convexité déterminée. Rappelons que pour calculer un zéro de f par la méthode
Graphiques 2D et 3D de Newton, on considère la suite (xn)définie par :
fonction
d’équations
Dans certaines situations, la dérivée de f est très compliquée voir même impossible à calculer. Dans ce cas,
nous approchons la dérivée par un taux d'accroissement. Ce que nous obtenons est appelée la méthode de
différentielles
Lagrange ou méthode de la sécante :
Ici, xn+1 dépend de xn et de xn−1: on dit que c'est une méthode à deux pas ; nous avons d'ailleurs
besoin de deux itérés initiaux x0 et x1.
L'avantage de cette méthode est qu'elle ne nécessite pas le calcul de la dérivée f′. L'inconvénient est que
la convergence n'est plus quadratique.
La fonction g correspondante vérifie :
57
A.AZZAYANI
Introduction
compt=1; maxiter=100; % limiter le nombre d'itération pour trouver la solution
f = input('Entrer la fonction en x: ' );% entrer la fonction
Calculs élémentaires a = input('Entrer la premiére valeur : ');%enter la premiere valeur de l'intervalle
Graphiques 2D et 3D b = input('Entrer la deuxième valeur: ');%entrer la derniere valeur de l'intervalle
maxerr = input('Entrer la tolérence: ');% enter la valeur de la tolérance
c = (a*f(b) - b*f(a))/(f(b) - f(a));%
fonction disp(' Xn-1 f(Xn-1) Xn f(Xn) Xn+1 f(Xn+1)');
disp([a f(a) b f(b) c f(c)]);
d’équations while abs(f(c)) > maxerr

différentielles
a = b;
b = c;
c = (a*f(b) - b*f(a))/(f(b) - f(a));
disp([a f(a) b f(b) c f(c)]);
compt = compt + 1;
if(compt == maxiter)
break;
end
end
if compt < maxiter
display(['la racine est x = ' num2str(c)]);
else
display('la racine n’existe pas');
end
y = c;
58
A.AZZAYANI
Introduction
 Méthode de point fixe
Le principe de cette méthode consiste à transformer l’équation f (x) = 0 en une équation équivalente g(x) = x
Graphiques 2D et 3D
où g est une fonction auxiliaire "bien" choisie. Le point α est alors un point fixe de g.
Recherche de zéro d’une Approcher les zéros de f revient à approcher les points fixes de g. Le choix de la fonction g est motivé par les
fonction exigences du théorème de point fixe. En effet, elle doit être contractante dans un voisinage I de α, ce qui
Résolution numérique revient à vérifier que |g’(x)| < 1 sur ce voisinage.
Dans ce cas, on construit une suite (Xn) n∈N définie par :
d’équations
différentielles
x0 dans un voisinage I de α
∀ n ≥ 0, Xn+1 = g(Xn)
tol=10^-6;n_max=100;x0=0.8;
f=inline('cos(x)','x');
n_iter=0; x1=f(x0);
while(abs(x1-x0)>tol && n_iter<n_max)
x0=x1;
x1=f(x0);
n_iter=n_iter+1;
end
if n_iter==n_max & abs(x1-x0)>tol
disp('PAS DE CONVERGENCE POUR LA TOLERANCE CONSIDEREE')
end 59
A.AZZAYANI
Introduction Exercice :
En utilisant les méthodes de Newton, point fixe , dichotomie de Lagrange, trouver les
Graphiques 2D et 3D
Recherche de zéro d’une racines des fonctions:

fonction
d’équations
différentielles
2. Tracer, sur la même figure, la fonction et sa racine approchée.
60
A.AZZAYANI
Résolution numérique d’équations différentielles
Introduction  Rappel sur les équations différentielles
Graphiques 2D et 3D  Définition et généralités

Une équation différentielle ordinaire (ODE, ordinary differential equation) est une équation reliant une
fonction
Résolution numérique fonction d’une variable réelle et ses dérivées. Dans sa forme la plus générale, elle s’écrit f(y, y’, t) = 0
d’équations
où y est la fonction inconnue, y’ sa dérivée et t la variable réelle. Cette formulation est extrêmement
différentielles
générale et peut poser de grosses difficultés mathématiques. Dans tout ce qui suit, on se limitera aux
équations différentielles ordinaires explicites, c’est à dire de la forme y’= f(y, t)
 Conditions initiales et théorème de Cauchy-Lipschitz
Une équation différentielle admet généralement une infinité de solution, mais un problème physique, par
exemple la chute d’une pierre, n’a qu’une seule solution : celle qu’on mesure. Pour trouver la solution
physique du problème considéré, il faut fixer une condition initiale, c’est à dire un couple (t0, y0)
tel que y(t0) = y0.
61
A.AZZAYANI
Introduction
On appelle problème de Cauchy la donnée d’une équation différentielle et d’une condition initiale. Le
Graphiques 2D et 3D
théorème de Cauchy-Lipschitz assure alors que si la fonction f est suffisamment régulière, il existe une
Recherche de zéro d’une unique solution au problème de Cauchy. On considèrera que cette condition de régularité est toujours
fonction
respectée par la suite.
d’équations
Exemple : le problème de Cauchy y’ = y, y(0) = 1 admet une unique solution, la fonction exponentielle.
différentielles
 Résolution d’une équation différentielle
Dans la grande majorité des cas, on ne connaît pas de solution exacte à une équation différentielle : les
solutions analytiques sont des exceptions.
On sait qu’une solution exacte existe, mais on ne peut pas en dire plus. À défaut d’une solution exacte, on
peut résoudre numériquement une équation différentielle, c’est à dire obtenir une valeur numérique
approchée y(t) pour un ensemble de temps discrets.
L’objectif est que lorsque le pas de temps diminue, la solution approchée converge vers la solution
exacte. 62
A.AZZAYANI
Introduction  Méthodes numériques
Calculs élémentaires Nous allons détailler quelques méthodes numériques permettant de résoudre l’équation différentielle
Graphiques 2D et 3D
dy
Recherche de zéro d’une  f ( y, t ), y (t0 )  y0
fonction
dt
 Méthode d’Euler
d’équations  La méthode d’Euler est la méthode numérique la plus simple pour résoudre une équation différentielle.
différentielles
Elle consiste à partir du point y0 à t0 et à intégrer la dérivée y’ obtenue en utilisant l’équation différentielle.
dy
On part du développement limité y(t +t) = y(t) + t + O( t 2 )
dt
 On fixe un pas de temps fini t et une grille de temps, {t }
i  {t0  it} et on note yi = y(ti) ,
on obtient alors: yi 1= yi + t . f(ti ,yi )

 L’erreur est cumulative : à chaque étape, on utilise le résultat de l’étape précédente et on accroît l’erreur. À
chaque étape, l’erreur commise est en O(t ) , l’erreur totale sur le résultat final est donc contrôlée comme
2
O(t ) (méthode d’ordre 1), ce qui est assez lent : il faut un pas de temps très petit pour obtenir un résultat
63
A.AZZAYANI
Introduction  Une implémentation de la méthode d’Euler pour résoudre l’équation (re-feq : ODE) sur l’intervalle [t0, tf ]
avec un pas de temps dt est donc, en code Matlab :
Graphiques 2D et 3D
t = t0:dt:tf; % on fixe la grille de temps
n = length(t);
fonction
y = zeros(1,n); % on fixe la taille du tableau y
y(1) = y0; % on fixe la condition initiale
d’équations for i=1:n-1 % on écrit y(i+1) : i+1 ne doit donc pas dépasser n
différentielles y(i+1) = y(i) + dt*f(y(i),t(i)); % on applique le schéma numérique
end
Exercice :
1. Résoudre numériquement, par le biais des méthodes de Euler, l’équation différentielle du premier ordre
suivante :
2. Afficher la solution
3. Analyser l’erreur en fonction du pas de discrétisation .
A.AZZAYANI
Introduction
1.02
clear all;
Euler
Calculs élémentaires clc; 1
Graphiques 2D et 3D %%
Recherche de zéro d’une dydt=inline('(-y.*t.^2-y.^2+2.*t)./(1-t.^3)','t','y'); 0.98
fonction a=0;
b=1; 0.96
d’équations
n=70;
0.94
h=(b-a)/n;
différentielles
t=a:h:b;
0.92
epsilon=0.0001;
u(1)=1+epsilon; 0.9
%%
for i=1:n-1 0.88
u(i+1)=u(i)+h*(dydt(t(i),u(i)));
end 0.86
%%
0.84
plot(t(1:end-1),u,'o-b')
legend('Euler')
0.82
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
A.AZZAYANI
Introduction
 Autres méthodes numériques
Graphiques 2D et 3D
 La méthode d’Euler converge très lentement, l’erreur est mal contrôlée. On cherche donc des algorithmes
Recherche de zéro d’une plus efficaces. On ne détaillera pas le déroulé des méthodes, le lecteur intéressé est renvoyé à la littérature sur
fonction
le sujet.
d’équations  Méthode du point du milieu :

différentielles la méthode du point du milieu consiste à prendre la valeur de la dérivée au point situé au milieu de chaque
intervalle de temps. C’est une méthode d’ordre 2, c’est à dire que l’erreur est contrôlée en O(t ) .
2
Le schéma numérique s’écrit

yi 1= yi + t . f(ti 1/2 ,yi 1/2 )
avec ti 1/2= ti + t/2 et yi 1/2= yi + t/2 . f(ti ,yi )
A.AZZAYANI
1.02
Introduction f=inline('(-y.*t.^2-y.^2+2.*t)./(1-t.^3)','y','t') point milieu
1
Calculs élémentaires t0=0;
Graphiques 2D et 3D tf=1; 0.98
n=70;
0.96
fonction
dt=(tf-t0)/n;y0=1;
t = t0:dt:tf; 0.94
d’équations
n = length(t);
différentielles 0.92
y = zeros(1,n);
y(1) = y0; 0.9
for i=1:n-1 0.88

y(i+1) = y(i)+ dt*f(y(i)+(dt/2)*f(y(i),t(i)),t(i)+dt/2);
0.86
end 0.84
plot(t(1:end),y,'o-b')
0.82
legend('point milieu') 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
A.AZZAYANI
Introduction  Méthode de Heun :
la méthode de Heun, ou méthode d’Euler améliorée ou encore méthode de Runge-Kutta d’ordre 2 est une
Graphiques 2D et 3D
autre méthode d’ordre O(t ) Son schéma numérique est :
2

t  yi + t . f(ti ,yi )
avec y=
fonction yi 1= yi + 
. (f(ti 1 ,y)+f(t i ,yi ))
2
1
d’équations f=inline('(-y.*t.^2-y.^2+2.*t)./(1-t.^3)','y','t') 0.98
heun
différentielles
t0=0;tf=1; n=70; dt=(tf-t0)/n; y0=1; 0.96
t = t0:dt:tf; n = length(t);
0.94
y = zeros(1,n); y(1) = y0;
0.92
for i=1:n-1
yy(i)=y(i)+dt*f(y(i),t(i)); 0.9
y(i+1) = y(i) +(dt/2)*(f(yy(i),t(i+1)) 0.88
+f(y(i),t(i))); 0.86
end 0.84
plot(t(1:end),y,'o-b') 0.82
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
legend('heun')
A.AZZAYANI
Introduction  Méthode de Runge Kutta d’ordre 4 :
la méthode de Runge-Kutta est une méthode
Graphiques 2D et 3D

générale utilisable à n’importe quel ordre. Le
fonction schéma numérique de l’ordre 4 s’écrit :
d’équations f=inline('(-y.*t.^2-y.^2+2.*t)./(1-t.^3)','y','t')
différentielles t0=0;tf=1; n=70; dt=(tf-t0)/n;y0=1; 1
runge-Kuta
t = t0:dt:tf; n = length(t); 0.98
y = zeros(1,n); y(1) = y0; 0.96
for i=1:n-1 0.94

k1=dt*f(y(i),t(i));
0.92
k2=dt*f(y(i)+k1/2,t(i)+dt/2)
k3=dt*f(y(i)+k2/2,t(i)+dt/2) 0.9
k4=dt*f(y(i)+k3,t(i+1)) 0.88
y(i+1) = y(i)+(k1+2*k2+2*k3+k4)/6; 0.86
end 0.84
plot(t(1:end),y,'o-b’), legend('runge-Kuta')
0.82
A.AZZAYANI 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Introduction Exercice
1. Résoudre numériquement, par le biais des méthodes de Euler, de Heun et de Runge-Kutta d’ordre 4,
Graphiques 2D et 3D
l’équation différentielle du premier ordre suivante :
fonction
d’équations 2. Afficher sur la même figure, la solution des trois méthodes.

différentielles 3. Connaissant la solution exacte de l’équation différentielle ci-dessous:
La solution exacte est : 3 𝑒𝑥𝑝(−𝑡/2) + 𝑡 − 2

4. Tracer le graphique donnant l’erreur relative, pour chaque pas de discrétisation, en fonction du nombre
d’itérations.
5. Tracer le graphique donnant le maximum de l’erreur relative en fonction du pas de discrétisation.
A.AZZAYANI
Introduction Exercice
1. Résoudre numériquement, par le biais des méthodes de Euler, de Heun et de Runge-Kutta d’ordre 4,
Graphiques 2D et 3D
l’équation différentielle du premier ordre suivante :
fonction
d’équations 2. Afficher sur la même figure, la solution des trois méthodes.

différentielles 3. Connaissant la solution exacte de l’équation différentielle ci-dessous:
La solution exacte est : 3 𝑒𝑥𝑝(−𝑡/2) + 𝑡 − 2

4. Tracer le graphique donnant l’erreur relative, pour chaque pas de discrétisation, en fonction du nombre
d’itérations.
5. Tracer le graphique donnant le maximum de l’erreur relative en fonction du pas de discrétisation.
A.AZZAYANI
clear all; clc;
Introduction
dydt=inline('(t-y)/2','y','t');
funex=inline('3*exp(-t/2)-2+t','t’);
Graphiques 2D et 3D a=0;b=6; ik=0; epsilon=0.0001; y(1)=1; col={'k','b','r','m','c','g'};
Recherche de zéro d’une for n=60:10:110
fonction dt=(b-a)/n; t=a:dt:b;
for i=1:n-1
k1=dt*dydt(y(i),t(i));
d’équations
k2=dt*dydt(y(i)+k1/2,t(i)+dt/2);
différentielles
k3=dt*dydt(y(i)+k2/2,t(i)+dt/2);
k4=dt*dydt(y(i)+k3,t(i+1));
y(i+1)=y(i)+(k1+2*k2+2*k3+k4)/6;
end
ik=ik+1; t=t(1:end-1);
err=abs((funex(t)-y)./funex(t)); max_err(ik)=max(err); pas(ik)=dt;
figure(1); hold on; plot(err,col{ik});
xlabel('NOMBRE D''ITERATIONS '); ylabel('ERREUR RELATIVE')
end
figure(2); plot(t,y,'-*');
hold on; plot(t,funex(t),'o-r')
figure(3); plot(pas,max_err,'r-+’); axis([0.05 0.11 0 7e-08])
A.AZZAYANI xlabel('PAS DE DISCRETISATION’); ylabel('MAXIMUM DE L''ERREUR RELATIVE')
Introduction  Équations différentielles d’ordre 𝑛
N’importe quelle équation différentielle d’ordre 𝑛 peut être ramenée à un systèmes de 𝑛 équations du premier
Graphiques 2D et 3D
ordre. Nous allons illustrer ceci par un exemple. Soit l’équation différentielle du second ordre suivante :
fonction
d’équations
différentielles
Posons
il vient
 u '1 (t )   0 1   u1 (t )   0 
Donc
     
 u '2 (t )   1 t / 2   u2 (t )   3 
A.AZZAYANI
Introduction a=0;b=1;n=64;h=(b-a)/n;t=a:h:b; 2
SOLUTION NUMERIQUE
SOLUTION EXACTE
fun=inline('[u(2),(t*u(2))/2-u(1)+3]','t','u');
1.8
Graphiques 2D et 3D
%ou bien fun=@(t,u)[u(2),(t*u(2))/2-u(1)+3];
u=[1 0]; 1.6
for i=1:n
y(t)
fonction 1.4
u(i+1,:)=u(i,:)+h*feval(fun,t(i),u(i,:));
end 1.2
d’équations funex=t.^2+1;
différentielles plot(t,u(:,1),'o','MarkerSize',8); 1
hold on 0.8
0 0.2 0.4 0.6 0.8 1
plot(t,funex,'r','LineWidth',1.5); t FONCTION DERIVEE
2
hold on
axis([-0.05 1.1 0.8 2.1])
legend('SOLUTION NUMERIQUE','SOLUTION EXACTE’); 1.5
xlabel('t');
dy/dt
ylabel('y(t)') 1
figure
plot(t,u(:,2),'or','MarkerSize',8)
0.5
axis([-0.05 1.1 0 2.2]);
legend('FONCTION DERIVEE’); xlabel('t’); ylabel('dy/dt')
A.AZZAYANI 0
0 0.2 0.4 0.6 0.8 1
Introduction  Au moyen de routines Matlab
Calculs élémentaires Matlab comprend un certain nombre de solveurs destinés à la résolution d’équations différentielles. Les
Graphiques 2D et 3D plus utilisés sont ode23 et ode45, qui sont basés sur la méthode de Runge-Kutta explicite à un pas. Le
Recherche de zéro d’une solveur ode113, utilise la méthode de Adams-Bashforth-Moulton multi-pas. Les autres solveurs sont
fonction ode15s, ode23s, ode23t, ode23tb.
Résolution numérique  Ils ont tous la même syntaxe :[t, y] = solveur(eqs, [ti ; tf], yinit, opts).
d’équations  Cette syntaxe renvoie la solution y au temps t.
différentielles
 L’argument eqs est le système d’équations différentielles. Ce système peut être défini de plusieurs
manières. Soit à travers un fichier M-file, dans ce cas on doit rajouter l’identifiant @eqs. Soit à travers
une commande inline ou bien au moyen de la fonction anonyme.
 Ce système d’équations différentielles est résolu sur l’intervalle [ti ; tf], avec les conditions initiales
yinit= [y(ti) ; y(tf)].
 L’argument d’entrée opts, de type srtucture, compte les options d’optimisation indiquées dans odeset, sa
syntaxe est donnée par : opts = odeset(’Property1’, value1, ’Property2’, value2, ...).
Ainsi, chaque propriété est suivie de sa valeur. À titre illustratif, la propriété (’Stats’, ’on’, ...) affiche, à la
fin de l’exécution, des statistiques relatives au calcul effectué.
 Pour plus d’informations sur les paramètres d’optimisation, taper help odeset.
A.AZZAYANI
Introduction Exercice 4
1. Résoudre symboliquement et numériquement au moyen du solveur ode23, l’équation différentielle du
Graphiques 2D et 3D
Recherche de zéro d’une second ordre suivante :

fonction
d’équations
différentielles 2. Afficher sur la même figure, la solution numérique et la solution analytique.

Exercice 5
1. Résoudre numériquement au moyen du solveur ode45, l’équation différentielle du second ordre suivante :
 y "(t )   (1  y 2 ) y '  y

 y (0)  1 , y'(0)=0
2. Afficher sur la même figure, la solution numérique pour différentes valeurs de 𝛼. Il en est de même pour
les fonctions dérivées. Avec, le paramètre 𝛼 qui prend ses valeurs de 1.5 à 4 par pas de 0.5.
A.AZZAYANI
Introduction %exercice 4
Calculs élémentaires %solution analytique
Graphiques 2D et 3D syms t
Recherche de zéro d’une ySym=dsolve('D2y+3*y=4*sin(t)+exp(-t)','y(0)=1','Dy(0)=1','t’)
fonction %Solution numerique
a=0; b=10; n=200; h=(b-a)/n; tn=a:h:b; y=[1;1];
d’équations
eqs=@(tn,y)[y(2);-3*y(1)+4*sin(tn)+exp(-tn)];
différentielles
opts=odeset('Stats','on','RelTol',1e-3);
[tn,ysol]=ode23(eqs,[tn(1);tn(end)],y , opts);
plot(tn,ysol(:,1),'o-','LineWidth',1);
hold on ;
plot(tn,double(subs(ySym,t,tn)),'o-r','LineWidth',1)
xlabel('t','FontSize',12);
ylabel('y(t)','FontSize',12);
ih1=legend('SOLUTION NUMERIQUE','SOLUTION ANALYTIQUE');
set(ih1,'Interpreter','none','Location','NorthWest','Box','off','Color','
none')
A.AZZAYANI
Introduction %exercice 5
clc;
Graphiques 2D et 3D
clear all;
close all;
a=1;b=25;n=100;h=(b-a)/n;t=a:h:b; y=[1;0];
fonction
alpha=[1.5;2.0;2.50;3.0;3.5;4.0];
col={'o-k','o-m','-co','o-g','o-','o-r'};
d’équations for ik=1:numel(alpha)
différentielles eqs=@(t,y)[y(2);alpha(ik)*(1-y(1).^2)*y(2)-y(1)];
opts=odeset('Stats','on','RelTol',1e-3);
[t,ySol]=ode45(eqs,[t(1);t(end)],y, opts);
figure(1);
plot(t,ySol(:,1),col{ik});
hold on;
ylabel('y(t)','FontSize',12)
figure(2);plot(t,ySol(:,2),col{ik});
hold on;
ylabel('y^{’’}(t)','FontSize',12)
A.AZZAYANI end
Introduction
MERCI POUR
Graphiques 2D et 3D
VOTRE ATTENTION
fonction
d’équations différentielles
Fin
A.AZZAYANI

Cours Matlab 1

Transféré par

Informations du document

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

Cours Matlab 1

Transféré par

Droits d'auteur :

Formats disponibles

Cours : MATLAB

Année universitaire 2023-2024

Graphiques 2D et 3D Matlab est un système interactif de calcul numérique et de visualisation graphique.

Recherche de zéro d’une

Recherche de zéro d’une

Recherche de zéro d’une

Recherche de zéro d’une

La fenêtre de répertoire courant :

Calculs élémentaires 1. Calculer sous Matlab 10

différentielles 2. Saisir la matrice

Introduction des données à partir du clavier :

Entrer la valeur de a : -2.5

Matlab switch expression % variable (comme a) ou % lecture d'un entier

while condition de continuation

% affichage des nombres naturels % avec la boucle while

Calcul polynômial (Rappel)

Recherche de zéro d’une vecteur ligne [a , a ,..., a , a , a ] (ou vecteur colonne) .

Calcul polynômial (Rappel)

Calcul polynômial (Rappel)

Calcul polynômial (Rappel)

d’équations >> p=[1 1 1 1]; % p(x)=x^3+x^2+x+1

Résolution des Systèmes Linéaires (Rappel)

En calcul matriciel, un système linéaire s’écrit sous la forme: AX = B, ou

Résolution des Systèmes Linéaires

Résolution des Systèmes Linéaires (Rappel)

Calcul symbolique Matlab (Rappel)

Calcul symbolique Matlab (Rappel)

Calcul symbolique Matlab (Rappel)

Recherche de zéro d’une

Calcul symbolique Matlab (Rappel)

Recherche de zéro d’une >> syms x >> syms a b w t

Calcul symbolique Matlab (Rappel)

• Ecrire la commande qui permet de calculer  

• Ecrire la commande qui permet de calculer 1 x

>> syms k n >> syms k x

>> x = -2*pi : 0.01 : 2*pi ;

>> x = -2*pi : 0.01 : 2*pi ; y = sin(x); z=cos(x);

Graphiques 2D et 3D >> x = -2*pi : 0.1 : 2*pi ;

Les fonctions les plus courantes sont :

Recherche de zéro d’une

Recherche de zéro d’une while(it<Nmax & verif>=tol)

d’équations while abs(f(c)) > maxerr

Recherche de zéro d’une racines des fonctions:

2. Tracer, sur la même figure, la fonction et sa racine approchée.

Graphiques 2D et 3D  Définition et généralités

on obtient alors: yi 1= yi + t . f(ti ,yi )

d’équations  Méthode du point du milieu :

Le schéma numérique s’écrit

for i=1:n-1 0.88

Recherche de zéro d’une

y(i+1) = y(i) +(dt/2)*(f(yy(i),t(i+1)) 0.88

Recherche de zéro d’une

y = zeros(1,n); y(1) = y0; 0.96

for i=1:n-1 0.94

y(i+1) = y(i)+(k1+2*k2+2*k3+k4)/6; 0.86

d’équations 2. Afficher sur la même figure, la solution des trois méthodes.

La solution exacte est : 3 𝑒𝑥𝑝(−𝑡/2) + 𝑡 − 2

d’équations 2. Afficher sur la même figure, la solution des trois méthodes.

La solution exacte est : 3 𝑒𝑥𝑝(−𝑡/2) + 𝑡 − 2

Recherche de zéro d’une second ordre suivante :

différentielles 2. Afficher sur la même figure, la solution numérique et la solution analytique.

Recherche de zéro d’une

Vous aimerez peut-être aussi

>> x = -2pi : 0.01 : 2pi ;

>> x = -2pi : 0.01 : 2pi ; y = sin(x); z=cos(x);

Graphiques 2D et 3D >> x = -2pi : 0.1 : 2pi ;

y(i+1) = y(i)+(k1+2k2+2k3+k4)/6; 0.86