LST Génie Mécanique
COMPTE RENDU DE TP
MODULE : METHODES NUMERIQUES
Réalisé par :
• BAKERRI Amine
• TALHI Fatima Ezzahra
Encadré par :
Mr. BENZIRAR
Année universitaire :
2024 / 2025
SOMMAIRE
I. TP 1 : Résolution des systèmes linéaires
i. Méthodes directes
1. Gauss (avec et sans permutation)……………………………………………… 2
2. Matrice triangulaire supérieure…………………………………………………. 3
3. Inverse d’une matrice………………………………………………………………… 3
4. Gauss-Jordan……………………………………………………………………………… 4
5. Jordan inverse (Inverse d’une matrice)………………………………………. 4
ii. Méthodes Itératives
6. Jacobi………………………………………………………………………………………… 5
7. Gauss- Seidel…………………………………………………………………………….. 5
iii. Objectives et observations
II. TP 2 : Résolution des équations aux dérivées partielle
{Méthodes de différences finies}
1. Shéma implicite……………………………………………………………….. 7
2. Shéma explicite……………………………………………………………….. 8
3. Grank-Nicolsen………………………………………………………………… 9
4. Von-Neumann…………………………………………………………………. 10
5. ADI…………………………………………………………………………………… 11
III. TP 3 : Résolution des systèmes différentielles ordinaires à
conditions Initiales
1. Méthode d’Euler d’ordre 2………………………………………………………. 12
2. Runge-Kutta (ordre 4) …………………………………………………………….. 13
3. Simulink…………………………………………………………………………………… 14
IV. CONCLUSION ………………………………………………………………………………… 15
1
TP 1 :
Résolution des systèmes linéaires
i. Méthodes directes
1. Méthode de Gauss (avec et sans permutation)
Avec permutation :
Sans permutation :
2
2. Matrice triangulaire supérieure
3. Inverse d’une matrice
4. Gauss-Jordan
3
5. Jordan inverse (Inverse d’une matrice)
iv. Méthodes Itératives
6. Jacobi
4
7. Gauss- Seidel
Objectives et observations
5
Les méthodes directes offrent des solutions exactes pour les
systèmes linéaires en utilisant des opérations élémentaires sur les
matrices.
La méthode de Gauss est fondamentale pour transformer les systèmes
linéaires en formes échelonnées.
Les matrices triangulaires supérieures simplifient les calculs pour les
systèmes déjà en forme triangulaire.
Les méthodes comme Gauss-Jordan et Jordan inverse permettent de
trouver des solutions uniques ou multiples en travaillant sur des matrices
augmentées,
Ils offrent aussi des approches alternatives pour résoudre les systèmes
linéaires.
Les méthodes itératives comme Jacobi et Gauss-Seidel offrent des
alternatives pour résoudre des systèmes de petite à moyenne taille en
utilisant des approximations successives pour converger vers la solution.
Chaque méthode itérative a ses propres avantages en termes de vitesse
de convergence et de complexité algorithmique.
6
TP2 :
Résolution des équations aux dérivées partielle
{Méthodes de différences finies}
1. Shéma implicite
Les schémas implicites offrent une stabilité accrue pour les équations
non linéaires.
7
2. Schéma explicite
Les schémas explicites sont simples et offrent une simplicité
d'implémentation mais peuvent nécessiter des pas de temps très petits.
3. Grank-Nicolsen
Grank-Nicolsen combine les avantages des schémas implicites et explicites pour une
meilleure stabilité et précision.
8
9
4. Von-Neumann
L'utilisation du schéma de Von-Neumann permet d'évaluer la stabilité
des schémas numériques en se basant sur leurs propriétés spectrales.
10
5. ADI
L'approche ADI (Alternating Direction Implicit) améliore l'efficacité en
découpant les calculs dans des directions alternatives pour réduire la
complexité.
{On veut Ecrire un programme qui correspond à l’équation ∂u/∂t=∆u}
11
TP 3 :
Résolution des systèmes différentielles ordinaires
à conditions Initiales
1. Méthode d’Euler d’ordre 2
La méthode d’Euler d’ordre 2 améliore la précision par rapport à l'Euler standard, elle offre
une meilleure précision grâce à une approximation de dérivée d'ordre supérieur.
12
2. Runge-Kutta (ordre 4)
La méthode de Runge-Kutta d'ordre 4 est réputée pour sa précision et sa stabilité, elle est
fiable pour des systèmes différentiels ordinaires complexes.
3. Simulink
13
L'outil Simulink est largement utilisé pour la modélisation et la simulation de systèmes
dynamiques, offrant une approche visuelle et intuitive.
La méthode de Runge-Kutta est couramment utilisée pour la résolution
numérique d'équations différentielles, tandis que Simulink offre une approche
visuelle pour modéliser et simuler des systèmes dynamiques.
Comme une petite remarque,
On conclut que La méthode de Runge-Kutta d'ordre 4 et simulink ont même
graphe, cela renforce la confiance dans la précision des solutions.
14
.
CONCLUSION
Nous avons couvert une gamme diversifiée de concepts en analyse
numérique à travers trois travaux pratiques distincts.
Le premier TP a porté sur la résolution des systèmes linéaires, explorant des
méthodes directes telles que Gauss et des approches itératives comme Jacobi.
Ensuite, le TP 2 a abordé les équations aux dérivées partielles en utilisant des
schémas numériques implicites et explicites ainsi que des techniques d'analyse
de stabilité.
Enfin, le TP 3 s'est concentré sur les systèmes différentiels ordinaires, mettant
en œuvre des méthodes de résolution telles que l'Euler d’ordre 2 et le Runge-
Kutta d’ordre 4, ainsi que l'utilisation de Simulink pour la modélisation.
Ces expériences nous ont offert une compréhension approfondie des
méthodes numériques essentielles pour la résolution précise et efficace de
problèmes en ingénierie et en sciences appliquées.
15
