SlideShare une entreprise Scribd logo
Rapport Projet Analyse Numérique : M3O
Rapport Projet Analyse Numérique : M3O
-INTRODUCTION :
Le projet se fait en deux parties. La première s’intéresse à la résolution d’un système linéaire par des
méthodes dites directes et la seconde au calcul des éléments propres d’une matrice.
Soit A ∈ MN(IR) une matrice inversible, et b ∈IRN, on a comme objectif dans la première partie de
résoudre le système linéaire Ax = b, c’est–à– dire de trouver x solution de :
{ 𝑥𝜖ℝ 𝑁
𝐴𝑥 = 𝑏
On appelle méthode directe de résolution, une méthode qui donne exactement x après un nombre fini
d’opérations élémentaires (+, −,×,/).
Parmi les méthodes de résolution du système :
- la méthode LU
-la méthode de Cholesky
-la méthode de QR
Nous étudions la méthode de la puissance itérées, de la puissance inverse et QR pour le calcul des
valeurs propres d’une matrice dans la deuxième partie.
-PREMIERE PARTIE :
En premier lieu il faut utiliser la discrétisation du système linéaire pour avoir la matrice A et b
Méthode LU :
Soit A ∈ ℳ 𝑁 (IR) une matrice inversible, il existe un et un seul couple de matrices (L, U) où L est
triangulaire inférieure de termes diagonaux égaux à 1 et U est triangulaire supérieure, vérifiant
𝐴 = 𝐿𝑈
Donc il suffit de résoudre les 2 systèmes linéaires 𝐿𝑦 = 𝑏 et 𝑈𝑥 = 𝑦
Rapport Projet Analyse Numérique : M3O
Pour mieux comprendre la méthode LU il faut passer tout d’abord par la méthode de décomposition
de Gauss Le principe de la méthode de Gauss est de se ramener, par des opérations simples
(combinaisons linéaires), à un système triangulaire équivalent, qui sera donc facile à inverser. On
pose 𝐴(1)
= 𝐴 et 𝑏(1)
= 𝑏 Pour 𝑖 = 1, … , 𝑁-1, on cherche à calculer pose 𝐴(𝑖+1)
et 𝑏(𝑖+1)
tels
que les systèmes 𝐴(𝑖)
𝑥 = 𝑏(𝑖)
et 𝐴(𝑖+1)
𝑥 = 𝑏(𝑖+1)
soient équivalents, où 𝐴(𝑁)
est une matrice de la
forme suivante :
𝐴(𝑁)
= [
𝑎1,1
(𝑁)
⋯ 𝑎1,𝑁
(𝑁)
⋮ ⋱ ⋮
0 ⋯ 𝑎 𝑁,𝑁
(𝑁)
]
Une fois la matrice 𝐴(𝑁)
(triangulaire supérieure) et 𝑏(𝑁)
calculés, il reste qu’ a résoudre le système 𝐴(𝑁)
𝑥 = 𝑏(𝑁)
Le calcul de 𝐴(𝑁)
est l’étape de “factorisation", le calcul de 𝑏(𝑁)
l’étape de “descente", et le calcul de 𝑥 l’étape de
“remontée".
On ne change pas la i-ème ligne 𝑢𝑖,𝑗 = 𝑎𝑖,𝑗 pour 𝑗 = 𝑖, … , 𝑁, yi = bi. On change les lignes 𝑖 + 1 à n (et le
second membre) en utilisant la ligne i. Pour j allant de 𝑖 + 1 à 𝑙𝑖,𝑗 =
𝑎 𝑗,𝑖
𝑎𝑖,𝑖
Pour la méthode LU
1. (Factorisation) Pour i allant de 1 à n, on effectue les calculs suivants :
(a) On ne change pas la i-ème ligne
𝑢𝑖,𝑗 = 𝑎𝑖,𝑗 pour 𝑗 = 𝑖, … , 𝑁,
(b) On change les lignes 𝑖 + 1 à n (et le second membre) en utilisant la ligne i. Pour j allant de 𝑖 + 1 à 𝑛 ∶
𝑙𝑖,𝑗 =
𝑎 𝑗,𝑖
𝑎𝑖,𝑖
(si 𝑎𝑖,𝑖 = 0, prendre la méthode avec pivot partiel)
pour k de i + 1 à n, 𝑎𝑗,𝑘 = 𝑎𝑗,𝑘 − 𝑙𝑗,𝑖 𝑎𝑖,𝑘 (noter que 𝑎𝑗,𝑖 = 0)
2. (Descente) On calcule y (avec 𝐿𝑦 = 𝑏)
Pour i allant de 1 à n,
𝑦𝑖 = 𝑏𝑖 − ∑ 𝑙𝑖,𝑘
𝑛
𝑗=𝑖+1 𝑦 𝑘
(on a implicitement 𝑙𝑖,𝑖 = 1)
3. (Remontée) On calcule x (avec 𝑈x=y )
Pour i allant de n à 1,
𝑥𝑖 =
1
𝑢𝑖,𝑖
(𝑦𝑖 − ∑ 𝑢𝑖,𝑗
𝑛
𝑗=𝑖+1
𝑥𝑗)
Rapport Projet Analyse Numérique : M3O
Méthode de Cholesky :
La méthode de Cholesky est une méthode directe adaptée au cas où A est symétrique
définie positive. 𝐴 ∈ 𝑀 𝑁(ℝ) est symétrique si 𝐴 = 𝐴𝑡
La méthode de Cholesky consiste à trouver une décomposition de A de la forme 𝐴 = 𝐿𝐿𝑡
, où L est
triangulaire inférieure de coefficients diagonaux strictement positifs. On résout alors le système 𝐴𝑥 =
𝑏 en résolvant d’abord
𝐿𝑦 = 𝑏 puis le système 𝐿𝑡
𝑥 = 𝑦. Une fois la matrice A “factorisée", c’est–à–dire la décomposition
𝐿𝐿𝑡
obtenue.
1. Etape 1 : “descente" Le système 𝐿𝑦 = 𝑏 s’écrit :
𝐿𝑦 = [
𝑙1,1 0
⋮ ⋱ ⋮
𝑙 𝑁,1 ⋯ 𝑙 𝑁,𝑁
] [
𝑦1
⋮
⋮
𝑦 𝑁
] = [
𝑏1
⋮
⋮
𝑏 𝑁
]
Ce système s’écrit composante par composante en partant de 𝑖 = 1.
𝑙1,1 𝑦1 = 𝑏1 , donc 𝑦1 =
𝑏1
𝑙1,1
𝑙2,1 𝑦1 + 𝑙2,2 𝑦2 = 𝑏2 , donc 𝑦2 =
𝑏2
𝑙2,1 𝑦1+𝑙2,2 𝑦2
⋮ ⋮
∑ 𝑙𝑖,𝑗 𝑦𝑗
= 𝑏𝑖𝑗=1,𝑖 , donc 𝑦𝑖 =
1
𝑙 𝑖,𝑖
(𝑏𝑖 − ∑ 𝑙𝑖,𝑗 𝑦𝑗
)𝑗=1,𝑖
On calcule ainsi 𝑦1, 𝑦2, . . . , 𝑦𝑁 .
2. Etape 2 : “remontée" On calcule maintenant x solution de 𝐿𝑡
𝑥 = 𝑦.
𝐿𝑡
𝑥 = [
𝑙1,1 𝑙2,2 0 𝑙1,𝑁
⋮ ⋱ ⋮
0 ⋯ 𝑙 𝑁,𝑁
] [
𝑥1
⋮
⋮
𝑥 𝑁
] = [
𝑦1
⋮
⋮
𝑦 𝑁
]
On a donc :
𝑙 𝑁,𝑁 𝑥 𝑁 = 𝑦 𝑁,donc 𝑥 𝑁 =
𝑦 𝑁
𝑙 𝑁,𝑁
𝑙 𝑁−1,𝑁−1 𝑥 𝑁−1 + 𝑙 𝑁,𝑁−1 𝑥 𝑁 = 𝑦 𝑁−1 , donc 𝑥 𝑁−1 =
𝑦 𝑁−1−𝑙 𝑁,𝑁−1 𝑥 𝑁
𝑙 𝑁−1,𝑁−1
Rapport Projet Analyse Numérique : M3O
∑ 𝑙𝑗,𝑖 𝑥𝑗 = 𝑦1𝑗=1,𝑖 , donc 𝑥1 =
1
𝑙1,1
(𝑦1 − ∑ 𝑙𝑗,1 𝑥𝑗)𝑗=2,𝑁
On calcule ainsi 𝑥𝑁 , 𝑥𝑁 − 1, . . . , 𝑥1.
Méthode de QR :
La méthode de QR consiste à trouver une décomposition de A de la forme 𝐴 = 𝑄𝑅, où Q est une matrice
orthogonale et R est une matrice triangulaire supérieure. Il existe plusieurs méthodes pour réaliser cette
décomposition :
-La méthode de Householder où 𝑄 est obtenue par produits successifs de matrices orthogonales
élémentaires.
-La méthode de Givens où 𝑄 est obtenue par produits successifs de matrices de rotation plane.
- la méthode de Gram-Schmidt.
On va utiliser la méthode de Gram-Schmidt. On va considérer la matrice 𝐴 comme suit :
𝐴 = [𝑎1| 𝑎2| … | 𝑎 𝑁]
Puis,
𝑢1 = 𝑎1 , 𝑒1 =
𝑢1
‖ 𝑢1‖
𝑢2 = 𝑎2 − (𝑎2. 𝑒1)𝑒1 , 𝑒2 =
𝑢2
‖ 𝑢2‖
𝑢 𝑘+1 = 𝑎 𝑘+1 − (𝑎 𝑘+1. 𝑒1)𝑒1 − ⋯ − (𝑎 𝑘+1. 𝑒 𝑘)𝑒 𝑘, 𝑒 𝑘+1 =
𝑢 𝑘+1
‖ 𝑢 𝑘+1‖
Notons que ‖.‖ est la norme 2.
Le résultat de factorisation est donc :
𝐴 = [𝑎1| 𝑎2| … | 𝑎 𝑁] = [𝑒1| 𝑒2| … | 𝑒 𝑁] [
𝑎1. 𝑒1 𝑎2. 𝑒1 ⋯ 𝑎 𝑁. 𝑒1
0 𝑎2. 𝑒2 … 𝑎 𝑁. 𝑒2
⋮ ⋮ ⋱ ⋮
0 0 ⋯ 𝑎 𝑁. 𝑒 𝑁
] = 𝑄𝑅
Implémentation en Matlab :
Rapport Projet Analyse Numérique : M3O
function [ Q,R ] = QR( A )
[n,m]=size(A);
R=zeros(n);
u=[A(1:end,1)];
e=[u(1:end,1)./norm(u(1:end,1))];
for i=2:n
ux=A(1:end,i);
for j=1:i-1
ux=ux-(A(1:end,i)'*((e(1:end,j)))*e(1:end,j));
end
u=[u,ux];
e=[e,ux./norm(ux)];
end
Q=e;
for i=1:n
for j=i:n
R(i,j)=A(1:end,j)'*e(1:end,i);
end
end
end
-DEUXIEME PARTIE :
Les techniques de recherche des valeurs et vecteurs propres d’une matrice sont essentielles dans de
nombreux domaines d’application parmi les méthodes qu’on va utiliser
-Méthode des puissances itérées
-Méthode des puissances itérées inverse
-Méthode de QR pour la détermination des valeurs propres
Méthode des Puissances Itérée :
Pour utiliser la méthode de la puissance il est nécessaire que la matrice 𝐴 soit symétrique définie et
positive.
A ∈ ℳ 𝑁 (IR) et 𝑖 = 1 … 𝑁 𝑡𝑒𝑙𝑞𝑢𝑒 𝜆𝑖 ∈ 𝑠𝑝( 𝐴) | 𝜆1| < ⋯ < |𝜆 𝑁|
Soit ( 𝑓1
, . . . , 𝑓 𝑁
) ∈ (ℝ 𝑁
) 𝑁
une base orthonormée de vecteurs propres de 𝐴 associée aux valeurs
propres (𝜆1, … , 𝜆 𝑁) ∈ ℝ 𝑁
Soit 𝑥(𝑘)
un vecteur qui se décompose dans la base des vecteurs propres tel que 𝑥(𝑘+1)
= 𝐴𝑥(𝑘)
On aura donc
𝑥(𝑘)
= 𝐴𝑥(0)
= ∑ 𝜆𝑖
𝑘
𝑥𝑖
(0)
𝑓𝑖
𝑁
𝑖=1
Rapport Projet Analyse Numérique : M3O
𝑥(𝑘)
= 𝜆 𝑛
𝑘
(∑
𝜆𝑖
𝑘
𝜆 𝑛
𝑘
𝑥𝑖
(0)
𝑓𝑖
+ 𝑥 𝑁
(0)
𝑓 𝑁
𝑁−1
𝑖=1
)
Pour tout 𝑖 = 1 … 𝑁 lim
𝑘→∞
(
|𝜆𝑖|
|𝜆 𝑁|
) 𝑘
=0
lim
𝑘→∞
‖ 𝑥(𝑘+1)‖
‖ 𝑥(𝑘)‖
= lim
𝑘→∞
| 𝜆 𝑁
𝑘+1
|‖ 𝑥 𝑁
(0)
‖‖𝑓𝑁‖
| 𝜆 𝑁
𝑘
|‖ 𝑥 𝑁
(0)
‖‖𝑓𝑁‖
= |𝜆 𝑁|
𝑥(𝑘+1) = A
𝑥(𝑘)
‖ 𝑥(𝑘)‖
Implémentation en matlab
function [ lmbda,b ] = Puissit( A,x0,eps,maxe )
x=x0;
lmbdaN=1;
lmbda=0;
ite=1;
while abs(lmbda-lmbdaN)>eps && ite<maxe
lmbdaN=lmbda;
b=x./norm(x);
x=A*b;
lmbda=transpose(b)*x;
ite=ite+1;
end
end
Méthode des Puissances inverses :
Si 𝐴 est inversible, on applique l’algorithme de la puissance itérée à 𝐴−1
.La suite 𝜆𝑘 converge vers
l’inverse de la plus grande valeur propre de 𝐴−1
donc vers la valeur propre de 𝐴 de plus petit module.
Méthode de QR pour la détermination des valeurs propres :
Si 𝐴 = 𝑄𝑅 avec 𝑄 matrice orthogonale et 𝑅 matrice triangulaire alors
𝐴′ = 𝑅𝑄 est semblable à 𝐴
{
𝐴0 = 𝐴
𝑄 𝑘, 𝑅 𝑘 𝑡𝑞 𝐴 𝑘 = 𝑄 𝑘 𝑅 𝑘
𝐴 𝑘+1 = 𝑅 𝑘 𝑄 𝑘
Cette suite tend vers une matrice triangulaire ayant les mêmes valeurs propres que A
Rapport Projet Analyse Numérique : M3O
-Conclusion
L’objet de l’analyse numérique est de concevoir et d’étudier des méthodes de résolution de certains
problèmes mathématiques, en général issus de la modélisation de problèmes “réels", et dont on
cherche à calculer la solution à l’aide d’un ordinateur. On a utilisé quelques méthodes dirctes qui sont
les plus utilisés pour nous aider a comprendre la problématique .

Contenu connexe

Tendances

Cours 1 bases de matlab 2eme annees
Cours 1   bases de matlab 2eme anneesCours 1   bases de matlab 2eme annees
Cours 1 bases de matlab 2eme anneesTarik Taleb Bendiab
 
Modelisation des liaisons mecaniques
Modelisation des liaisons mecaniquesModelisation des liaisons mecaniques
Modelisation des liaisons mecaniquesSaid Benaissa
 
05 gamme
05 gamme05 gamme
05 gamme
Ahmed Taieb
 
Aide au diagnostic
Aide au diagnosticAide au diagnostic
Aide au diagnostic
SKYWARE COMPAGNY
 
Metrologie
MetrologieMetrologie
Metrologie
taktakghazi
 
Recherche Opérationnelle - Optimisation (notions de base)
Recherche Opérationnelle - Optimisation (notions de base)Recherche Opérationnelle - Optimisation (notions de base)
Recherche Opérationnelle - Optimisation (notions de base)
Mohammed TAMALI
 
04 cours matrices_suites
04 cours matrices_suites04 cours matrices_suites
04 cours matrices_suites
Fouzia Bch Fouzia Net
 
Cours-SysML
Cours-SysMLCours-SysML
Cours-SysML
abdesselambennani1
 
Tous les tests psychotechniques by Eckenschwiller (z-lib.org).pdf
Tous les tests psychotechniques by Eckenschwiller (z-lib.org).pdfTous les tests psychotechniques by Eckenschwiller (z-lib.org).pdf
Tous les tests psychotechniques by Eckenschwiller (z-lib.org).pdf
Félicien Kadima
 
Cahier Meca 3 ST Part 2/2
Cahier Meca 3 ST Part 2/2Cahier Meca 3 ST Part 2/2
Cahier Meca 3 ST Part 2/2
Mohamed Mtaallah
 
Solving Traveling Salesman problem using genetic algorithms, implementation i...
Solving Traveling Salesman problem using genetic algorithms, implementation i...Solving Traveling Salesman problem using genetic algorithms, implementation i...
Solving Traveling Salesman problem using genetic algorithms, implementation i...
MEJDAOUI Soufiane
 
Regulation PI
Regulation PIRegulation PI
Regulation PI
Hamza Lagueneb
 
Ppt mesure et analyse des vibrations
Ppt   mesure et analyse des vibrationsPpt   mesure et analyse des vibrations
Ppt mesure et analyse des vibrations
Maxime MIGNANWANDE
 
Mecanique rationnelle kadi ali
Mecanique rationnelle kadi aliMecanique rationnelle kadi ali
Mecanique rationnelle kadi ali
Smee Kaem Chann
 
00-2STE-Complet_2021-2022.pdf
00-2STE-Complet_2021-2022.pdf00-2STE-Complet_2021-2022.pdf
00-2STE-Complet_2021-2022.pdf
TouriyaMoukhles
 
Pince+bras+manipulateur+(corrigé)
Pince+bras+manipulateur+(corrigé)Pince+bras+manipulateur+(corrigé)
Pince+bras+manipulateur+(corrigé)Mohamed Trabelsi
 
Presentation af
Presentation afPresentation af
Presentation afGSUFLE
 
31886426 simulation-des-correcteurs-pid(1)
31886426 simulation-des-correcteurs-pid(1)31886426 simulation-des-correcteurs-pid(1)
31886426 simulation-des-correcteurs-pid(1)
Mayssa Rjaibia
 
Cours Transformée de Laplace.pdf
Cours Transformée de Laplace.pdfCours Transformée de Laplace.pdf
Cours Transformée de Laplace.pdf
SohaMoussaoui
 

Tendances (20)

Cours 1 bases de matlab 2eme annees
Cours 1   bases de matlab 2eme anneesCours 1   bases de matlab 2eme annees
Cours 1 bases de matlab 2eme annees
 
Modelisation des liaisons mecaniques
Modelisation des liaisons mecaniquesModelisation des liaisons mecaniques
Modelisation des liaisons mecaniques
 
05 gamme
05 gamme05 gamme
05 gamme
 
Aide au diagnostic
Aide au diagnosticAide au diagnostic
Aide au diagnostic
 
Systèmes Automatisés
Systèmes AutomatisésSystèmes Automatisés
Systèmes Automatisés
 
Metrologie
MetrologieMetrologie
Metrologie
 
Recherche Opérationnelle - Optimisation (notions de base)
Recherche Opérationnelle - Optimisation (notions de base)Recherche Opérationnelle - Optimisation (notions de base)
Recherche Opérationnelle - Optimisation (notions de base)
 
04 cours matrices_suites
04 cours matrices_suites04 cours matrices_suites
04 cours matrices_suites
 
Cours-SysML
Cours-SysMLCours-SysML
Cours-SysML
 
Tous les tests psychotechniques by Eckenschwiller (z-lib.org).pdf
Tous les tests psychotechniques by Eckenschwiller (z-lib.org).pdfTous les tests psychotechniques by Eckenschwiller (z-lib.org).pdf
Tous les tests psychotechniques by Eckenschwiller (z-lib.org).pdf
 
Cahier Meca 3 ST Part 2/2
Cahier Meca 3 ST Part 2/2Cahier Meca 3 ST Part 2/2
Cahier Meca 3 ST Part 2/2
 
Solving Traveling Salesman problem using genetic algorithms, implementation i...
Solving Traveling Salesman problem using genetic algorithms, implementation i...Solving Traveling Salesman problem using genetic algorithms, implementation i...
Solving Traveling Salesman problem using genetic algorithms, implementation i...
 
Regulation PI
Regulation PIRegulation PI
Regulation PI
 
Ppt mesure et analyse des vibrations
Ppt   mesure et analyse des vibrationsPpt   mesure et analyse des vibrations
Ppt mesure et analyse des vibrations
 
Mecanique rationnelle kadi ali
Mecanique rationnelle kadi aliMecanique rationnelle kadi ali
Mecanique rationnelle kadi ali
 
00-2STE-Complet_2021-2022.pdf
00-2STE-Complet_2021-2022.pdf00-2STE-Complet_2021-2022.pdf
00-2STE-Complet_2021-2022.pdf
 
Pince+bras+manipulateur+(corrigé)
Pince+bras+manipulateur+(corrigé)Pince+bras+manipulateur+(corrigé)
Pince+bras+manipulateur+(corrigé)
 
Presentation af
Presentation afPresentation af
Presentation af
 
31886426 simulation-des-correcteurs-pid(1)
31886426 simulation-des-correcteurs-pid(1)31886426 simulation-des-correcteurs-pid(1)
31886426 simulation-des-correcteurs-pid(1)
 
Cours Transformée de Laplace.pdf
Cours Transformée de Laplace.pdfCours Transformée de Laplace.pdf
Cours Transformée de Laplace.pdf
 

Similaire à Rapport m3o brini_anouar

FINAL.pptx
FINAL.pptxFINAL.pptx
FINAL.pptx
sara6496
 
Projet Methode numerique_(MENG Try)
Projet Methode numerique_(MENG Try)Projet Methode numerique_(MENG Try)
Projet Methode numerique_(MENG Try)meng try
 
Regression lineaire Multiple (Autosaved) (Autosaved)
Regression lineaire Multiple (Autosaved) (Autosaved)Regression lineaire Multiple (Autosaved) (Autosaved)
Regression lineaire Multiple (Autosaved) (Autosaved)Pierre Robentz Cassion
 
Corrigé TD chapitre I.pptx
Corrigé TD chapitre I.pptxCorrigé TD chapitre I.pptx
Corrigé TD chapitre I.pptx
Midoxotk
 
Exercices corrigés les matrices- djeddi kamel
Exercices corrigés les matrices- djeddi kamelExercices corrigés les matrices- djeddi kamel
Exercices corrigés les matrices- djeddi kamel
Kamel Djeddi
 
Regression logistque
Regression  logistqueRegression  logistque
Regression logistque
Ferdaous HDIOUD
 
Ball_beam_partie théorique2.docx
Ball_beam_partie théorique2.docxBall_beam_partie théorique2.docx
Ball_beam_partie théorique2.docx
SAIEFEDDINEELAMRI
 
Exercices corriges application_lineaire_et_determinants
Exercices corriges application_lineaire_et_determinantsExercices corriges application_lineaire_et_determinants
Exercices corriges application_lineaire_et_determinants
sarah Benmerzouk
 
Moyen de-recherche-d-emploi
Moyen de-recherche-d-emploiMoyen de-recherche-d-emploi
Moyen de-recherche-d-emploi
Karim Amane
 
Géométrie différentielle élémentaire pour la physique-Mostafa Bousder
Géométrie différentielle élémentaire pour la physique-Mostafa BousderGéométrie différentielle élémentaire pour la physique-Mostafa Bousder
Géométrie différentielle élémentaire pour la physique-Mostafa Bousder
Mostafa Bousder
 
Limites classiques de toutes les fonctions 4
Limites classiques de toutes les fonctions 4Limites classiques de toutes les fonctions 4
Limites classiques de toutes les fonctions 4
ulrich loemba
 
Projet Méthodes Numériques
Projet  Méthodes Numériques Projet  Méthodes Numériques
Projet Méthodes Numériques
Ramin Samadi
 
Bac 2022 - Corrigé maths
Bac 2022 - Corrigé mathsBac 2022 - Corrigé maths
Bac 2022 - Corrigé maths
LETUDIANT1
 
Chapitre 1 automatique de base
Chapitre 1 automatique de  baseChapitre 1 automatique de  base
Chapitre 1 automatique de base
simo927066
 
Chapitre 1 auto base
Chapitre 1 auto baseChapitre 1 auto base
Chapitre 1 auto base
simo927066
 
L'équation de la chaleur
L'équation de la chaleurL'équation de la chaleur
L'équation de la chaleur
pedro koli
 
Corrigé SERIE 2 cinématique du point.pptx
Corrigé SERIE 2 cinématique du point.pptxCorrigé SERIE 2 cinématique du point.pptx
Corrigé SERIE 2 cinématique du point.pptx
Midoxotk
 
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdf
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdfChapitre 3 _Conception et analyse d’algorithme-DPR.pdf
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdf
MbarkiIsraa
 
Cours programmation en matlab2 (1)
Cours programmation en matlab2 (1)Cours programmation en matlab2 (1)
Cours programmation en matlab2 (1)
Guesmi Amal
 
Laffly regression multiple
Laffly regression multipleLaffly regression multiple
Laffly regression multiple
afryma
 

Similaire à Rapport m3o brini_anouar (20)

FINAL.pptx
FINAL.pptxFINAL.pptx
FINAL.pptx
 
Projet Methode numerique_(MENG Try)
Projet Methode numerique_(MENG Try)Projet Methode numerique_(MENG Try)
Projet Methode numerique_(MENG Try)
 
Regression lineaire Multiple (Autosaved) (Autosaved)
Regression lineaire Multiple (Autosaved) (Autosaved)Regression lineaire Multiple (Autosaved) (Autosaved)
Regression lineaire Multiple (Autosaved) (Autosaved)
 
Corrigé TD chapitre I.pptx
Corrigé TD chapitre I.pptxCorrigé TD chapitre I.pptx
Corrigé TD chapitre I.pptx
 
Exercices corrigés les matrices- djeddi kamel
Exercices corrigés les matrices- djeddi kamelExercices corrigés les matrices- djeddi kamel
Exercices corrigés les matrices- djeddi kamel
 
Regression logistque
Regression  logistqueRegression  logistque
Regression logistque
 
Ball_beam_partie théorique2.docx
Ball_beam_partie théorique2.docxBall_beam_partie théorique2.docx
Ball_beam_partie théorique2.docx
 
Exercices corriges application_lineaire_et_determinants
Exercices corriges application_lineaire_et_determinantsExercices corriges application_lineaire_et_determinants
Exercices corriges application_lineaire_et_determinants
 
Moyen de-recherche-d-emploi
Moyen de-recherche-d-emploiMoyen de-recherche-d-emploi
Moyen de-recherche-d-emploi
 
Géométrie différentielle élémentaire pour la physique-Mostafa Bousder
Géométrie différentielle élémentaire pour la physique-Mostafa BousderGéométrie différentielle élémentaire pour la physique-Mostafa Bousder
Géométrie différentielle élémentaire pour la physique-Mostafa Bousder
 
Limites classiques de toutes les fonctions 4
Limites classiques de toutes les fonctions 4Limites classiques de toutes les fonctions 4
Limites classiques de toutes les fonctions 4
 
Projet Méthodes Numériques
Projet  Méthodes Numériques Projet  Méthodes Numériques
Projet Méthodes Numériques
 
Bac 2022 - Corrigé maths
Bac 2022 - Corrigé mathsBac 2022 - Corrigé maths
Bac 2022 - Corrigé maths
 
Chapitre 1 automatique de base
Chapitre 1 automatique de  baseChapitre 1 automatique de  base
Chapitre 1 automatique de base
 
Chapitre 1 auto base
Chapitre 1 auto baseChapitre 1 auto base
Chapitre 1 auto base
 
L'équation de la chaleur
L'équation de la chaleurL'équation de la chaleur
L'équation de la chaleur
 
Corrigé SERIE 2 cinématique du point.pptx
Corrigé SERIE 2 cinématique du point.pptxCorrigé SERIE 2 cinématique du point.pptx
Corrigé SERIE 2 cinématique du point.pptx
 
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdf
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdfChapitre 3 _Conception et analyse d’algorithme-DPR.pdf
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdf
 
Cours programmation en matlab2 (1)
Cours programmation en matlab2 (1)Cours programmation en matlab2 (1)
Cours programmation en matlab2 (1)
 
Laffly regression multiple
Laffly regression multipleLaffly regression multiple
Laffly regression multiple
 

Rapport m3o brini_anouar

  • 1. Rapport Projet Analyse Numérique : M3O
  • 2. Rapport Projet Analyse Numérique : M3O -INTRODUCTION : Le projet se fait en deux parties. La première s’intéresse à la résolution d’un système linéaire par des méthodes dites directes et la seconde au calcul des éléments propres d’une matrice. Soit A ∈ MN(IR) une matrice inversible, et b ∈IRN, on a comme objectif dans la première partie de résoudre le système linéaire Ax = b, c’est–à– dire de trouver x solution de : { 𝑥𝜖ℝ 𝑁 𝐴𝑥 = 𝑏 On appelle méthode directe de résolution, une méthode qui donne exactement x après un nombre fini d’opérations élémentaires (+, −,×,/). Parmi les méthodes de résolution du système : - la méthode LU -la méthode de Cholesky -la méthode de QR Nous étudions la méthode de la puissance itérées, de la puissance inverse et QR pour le calcul des valeurs propres d’une matrice dans la deuxième partie. -PREMIERE PARTIE : En premier lieu il faut utiliser la discrétisation du système linéaire pour avoir la matrice A et b Méthode LU : Soit A ∈ ℳ 𝑁 (IR) une matrice inversible, il existe un et un seul couple de matrices (L, U) où L est triangulaire inférieure de termes diagonaux égaux à 1 et U est triangulaire supérieure, vérifiant 𝐴 = 𝐿𝑈 Donc il suffit de résoudre les 2 systèmes linéaires 𝐿𝑦 = 𝑏 et 𝑈𝑥 = 𝑦
  • 3. Rapport Projet Analyse Numérique : M3O Pour mieux comprendre la méthode LU il faut passer tout d’abord par la méthode de décomposition de Gauss Le principe de la méthode de Gauss est de se ramener, par des opérations simples (combinaisons linéaires), à un système triangulaire équivalent, qui sera donc facile à inverser. On pose 𝐴(1) = 𝐴 et 𝑏(1) = 𝑏 Pour 𝑖 = 1, … , 𝑁-1, on cherche à calculer pose 𝐴(𝑖+1) et 𝑏(𝑖+1) tels que les systèmes 𝐴(𝑖) 𝑥 = 𝑏(𝑖) et 𝐴(𝑖+1) 𝑥 = 𝑏(𝑖+1) soient équivalents, où 𝐴(𝑁) est une matrice de la forme suivante : 𝐴(𝑁) = [ 𝑎1,1 (𝑁) ⋯ 𝑎1,𝑁 (𝑁) ⋮ ⋱ ⋮ 0 ⋯ 𝑎 𝑁,𝑁 (𝑁) ] Une fois la matrice 𝐴(𝑁) (triangulaire supérieure) et 𝑏(𝑁) calculés, il reste qu’ a résoudre le système 𝐴(𝑁) 𝑥 = 𝑏(𝑁) Le calcul de 𝐴(𝑁) est l’étape de “factorisation", le calcul de 𝑏(𝑁) l’étape de “descente", et le calcul de 𝑥 l’étape de “remontée". On ne change pas la i-ème ligne 𝑢𝑖,𝑗 = 𝑎𝑖,𝑗 pour 𝑗 = 𝑖, … , 𝑁, yi = bi. On change les lignes 𝑖 + 1 à n (et le second membre) en utilisant la ligne i. Pour j allant de 𝑖 + 1 à 𝑙𝑖,𝑗 = 𝑎 𝑗,𝑖 𝑎𝑖,𝑖 Pour la méthode LU 1. (Factorisation) Pour i allant de 1 à n, on effectue les calculs suivants : (a) On ne change pas la i-ème ligne 𝑢𝑖,𝑗 = 𝑎𝑖,𝑗 pour 𝑗 = 𝑖, … , 𝑁, (b) On change les lignes 𝑖 + 1 à n (et le second membre) en utilisant la ligne i. Pour j allant de 𝑖 + 1 à 𝑛 ∶ 𝑙𝑖,𝑗 = 𝑎 𝑗,𝑖 𝑎𝑖,𝑖 (si 𝑎𝑖,𝑖 = 0, prendre la méthode avec pivot partiel) pour k de i + 1 à n, 𝑎𝑗,𝑘 = 𝑎𝑗,𝑘 − 𝑙𝑗,𝑖 𝑎𝑖,𝑘 (noter que 𝑎𝑗,𝑖 = 0) 2. (Descente) On calcule y (avec 𝐿𝑦 = 𝑏) Pour i allant de 1 à n, 𝑦𝑖 = 𝑏𝑖 − ∑ 𝑙𝑖,𝑘 𝑛 𝑗=𝑖+1 𝑦 𝑘 (on a implicitement 𝑙𝑖,𝑖 = 1) 3. (Remontée) On calcule x (avec 𝑈x=y ) Pour i allant de n à 1, 𝑥𝑖 = 1 𝑢𝑖,𝑖 (𝑦𝑖 − ∑ 𝑢𝑖,𝑗 𝑛 𝑗=𝑖+1 𝑥𝑗)
  • 4. Rapport Projet Analyse Numérique : M3O Méthode de Cholesky : La méthode de Cholesky est une méthode directe adaptée au cas où A est symétrique définie positive. 𝐴 ∈ 𝑀 𝑁(ℝ) est symétrique si 𝐴 = 𝐴𝑡 La méthode de Cholesky consiste à trouver une décomposition de A de la forme 𝐴 = 𝐿𝐿𝑡 , où L est triangulaire inférieure de coefficients diagonaux strictement positifs. On résout alors le système 𝐴𝑥 = 𝑏 en résolvant d’abord 𝐿𝑦 = 𝑏 puis le système 𝐿𝑡 𝑥 = 𝑦. Une fois la matrice A “factorisée", c’est–à–dire la décomposition 𝐿𝐿𝑡 obtenue. 1. Etape 1 : “descente" Le système 𝐿𝑦 = 𝑏 s’écrit : 𝐿𝑦 = [ 𝑙1,1 0 ⋮ ⋱ ⋮ 𝑙 𝑁,1 ⋯ 𝑙 𝑁,𝑁 ] [ 𝑦1 ⋮ ⋮ 𝑦 𝑁 ] = [ 𝑏1 ⋮ ⋮ 𝑏 𝑁 ] Ce système s’écrit composante par composante en partant de 𝑖 = 1. 𝑙1,1 𝑦1 = 𝑏1 , donc 𝑦1 = 𝑏1 𝑙1,1 𝑙2,1 𝑦1 + 𝑙2,2 𝑦2 = 𝑏2 , donc 𝑦2 = 𝑏2 𝑙2,1 𝑦1+𝑙2,2 𝑦2 ⋮ ⋮ ∑ 𝑙𝑖,𝑗 𝑦𝑗 = 𝑏𝑖𝑗=1,𝑖 , donc 𝑦𝑖 = 1 𝑙 𝑖,𝑖 (𝑏𝑖 − ∑ 𝑙𝑖,𝑗 𝑦𝑗 )𝑗=1,𝑖 On calcule ainsi 𝑦1, 𝑦2, . . . , 𝑦𝑁 . 2. Etape 2 : “remontée" On calcule maintenant x solution de 𝐿𝑡 𝑥 = 𝑦. 𝐿𝑡 𝑥 = [ 𝑙1,1 𝑙2,2 0 𝑙1,𝑁 ⋮ ⋱ ⋮ 0 ⋯ 𝑙 𝑁,𝑁 ] [ 𝑥1 ⋮ ⋮ 𝑥 𝑁 ] = [ 𝑦1 ⋮ ⋮ 𝑦 𝑁 ] On a donc : 𝑙 𝑁,𝑁 𝑥 𝑁 = 𝑦 𝑁,donc 𝑥 𝑁 = 𝑦 𝑁 𝑙 𝑁,𝑁 𝑙 𝑁−1,𝑁−1 𝑥 𝑁−1 + 𝑙 𝑁,𝑁−1 𝑥 𝑁 = 𝑦 𝑁−1 , donc 𝑥 𝑁−1 = 𝑦 𝑁−1−𝑙 𝑁,𝑁−1 𝑥 𝑁 𝑙 𝑁−1,𝑁−1
  • 5. Rapport Projet Analyse Numérique : M3O ∑ 𝑙𝑗,𝑖 𝑥𝑗 = 𝑦1𝑗=1,𝑖 , donc 𝑥1 = 1 𝑙1,1 (𝑦1 − ∑ 𝑙𝑗,1 𝑥𝑗)𝑗=2,𝑁 On calcule ainsi 𝑥𝑁 , 𝑥𝑁 − 1, . . . , 𝑥1. Méthode de QR : La méthode de QR consiste à trouver une décomposition de A de la forme 𝐴 = 𝑄𝑅, où Q est une matrice orthogonale et R est une matrice triangulaire supérieure. Il existe plusieurs méthodes pour réaliser cette décomposition : -La méthode de Householder où 𝑄 est obtenue par produits successifs de matrices orthogonales élémentaires. -La méthode de Givens où 𝑄 est obtenue par produits successifs de matrices de rotation plane. - la méthode de Gram-Schmidt. On va utiliser la méthode de Gram-Schmidt. On va considérer la matrice 𝐴 comme suit : 𝐴 = [𝑎1| 𝑎2| … | 𝑎 𝑁] Puis, 𝑢1 = 𝑎1 , 𝑒1 = 𝑢1 ‖ 𝑢1‖ 𝑢2 = 𝑎2 − (𝑎2. 𝑒1)𝑒1 , 𝑒2 = 𝑢2 ‖ 𝑢2‖ 𝑢 𝑘+1 = 𝑎 𝑘+1 − (𝑎 𝑘+1. 𝑒1)𝑒1 − ⋯ − (𝑎 𝑘+1. 𝑒 𝑘)𝑒 𝑘, 𝑒 𝑘+1 = 𝑢 𝑘+1 ‖ 𝑢 𝑘+1‖ Notons que ‖.‖ est la norme 2. Le résultat de factorisation est donc : 𝐴 = [𝑎1| 𝑎2| … | 𝑎 𝑁] = [𝑒1| 𝑒2| … | 𝑒 𝑁] [ 𝑎1. 𝑒1 𝑎2. 𝑒1 ⋯ 𝑎 𝑁. 𝑒1 0 𝑎2. 𝑒2 … 𝑎 𝑁. 𝑒2 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 𝑎 𝑁. 𝑒 𝑁 ] = 𝑄𝑅 Implémentation en Matlab :
  • 6. Rapport Projet Analyse Numérique : M3O function [ Q,R ] = QR( A ) [n,m]=size(A); R=zeros(n); u=[A(1:end,1)]; e=[u(1:end,1)./norm(u(1:end,1))]; for i=2:n ux=A(1:end,i); for j=1:i-1 ux=ux-(A(1:end,i)'*((e(1:end,j)))*e(1:end,j)); end u=[u,ux]; e=[e,ux./norm(ux)]; end Q=e; for i=1:n for j=i:n R(i,j)=A(1:end,j)'*e(1:end,i); end end end -DEUXIEME PARTIE : Les techniques de recherche des valeurs et vecteurs propres d’une matrice sont essentielles dans de nombreux domaines d’application parmi les méthodes qu’on va utiliser -Méthode des puissances itérées -Méthode des puissances itérées inverse -Méthode de QR pour la détermination des valeurs propres Méthode des Puissances Itérée : Pour utiliser la méthode de la puissance il est nécessaire que la matrice 𝐴 soit symétrique définie et positive. A ∈ ℳ 𝑁 (IR) et 𝑖 = 1 … 𝑁 𝑡𝑒𝑙𝑞𝑢𝑒 𝜆𝑖 ∈ 𝑠𝑝( 𝐴) | 𝜆1| < ⋯ < |𝜆 𝑁| Soit ( 𝑓1 , . . . , 𝑓 𝑁 ) ∈ (ℝ 𝑁 ) 𝑁 une base orthonormée de vecteurs propres de 𝐴 associée aux valeurs propres (𝜆1, … , 𝜆 𝑁) ∈ ℝ 𝑁 Soit 𝑥(𝑘) un vecteur qui se décompose dans la base des vecteurs propres tel que 𝑥(𝑘+1) = 𝐴𝑥(𝑘) On aura donc 𝑥(𝑘) = 𝐴𝑥(0) = ∑ 𝜆𝑖 𝑘 𝑥𝑖 (0) 𝑓𝑖 𝑁 𝑖=1
  • 7. Rapport Projet Analyse Numérique : M3O 𝑥(𝑘) = 𝜆 𝑛 𝑘 (∑ 𝜆𝑖 𝑘 𝜆 𝑛 𝑘 𝑥𝑖 (0) 𝑓𝑖 + 𝑥 𝑁 (0) 𝑓 𝑁 𝑁−1 𝑖=1 ) Pour tout 𝑖 = 1 … 𝑁 lim 𝑘→∞ ( |𝜆𝑖| |𝜆 𝑁| ) 𝑘 =0 lim 𝑘→∞ ‖ 𝑥(𝑘+1)‖ ‖ 𝑥(𝑘)‖ = lim 𝑘→∞ | 𝜆 𝑁 𝑘+1 |‖ 𝑥 𝑁 (0) ‖‖𝑓𝑁‖ | 𝜆 𝑁 𝑘 |‖ 𝑥 𝑁 (0) ‖‖𝑓𝑁‖ = |𝜆 𝑁| 𝑥(𝑘+1) = A 𝑥(𝑘) ‖ 𝑥(𝑘)‖ Implémentation en matlab function [ lmbda,b ] = Puissit( A,x0,eps,maxe ) x=x0; lmbdaN=1; lmbda=0; ite=1; while abs(lmbda-lmbdaN)>eps && ite<maxe lmbdaN=lmbda; b=x./norm(x); x=A*b; lmbda=transpose(b)*x; ite=ite+1; end end Méthode des Puissances inverses : Si 𝐴 est inversible, on applique l’algorithme de la puissance itérée à 𝐴−1 .La suite 𝜆𝑘 converge vers l’inverse de la plus grande valeur propre de 𝐴−1 donc vers la valeur propre de 𝐴 de plus petit module. Méthode de QR pour la détermination des valeurs propres : Si 𝐴 = 𝑄𝑅 avec 𝑄 matrice orthogonale et 𝑅 matrice triangulaire alors 𝐴′ = 𝑅𝑄 est semblable à 𝐴 { 𝐴0 = 𝐴 𝑄 𝑘, 𝑅 𝑘 𝑡𝑞 𝐴 𝑘 = 𝑄 𝑘 𝑅 𝑘 𝐴 𝑘+1 = 𝑅 𝑘 𝑄 𝑘 Cette suite tend vers une matrice triangulaire ayant les mêmes valeurs propres que A
  • 8. Rapport Projet Analyse Numérique : M3O -Conclusion L’objet de l’analyse numérique est de concevoir et d’étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de la modélisation de problèmes “réels", et dont on cherche à calculer la solution à l’aide d’un ordinateur. On a utilisé quelques méthodes dirctes qui sont les plus utilisés pour nous aider a comprendre la problématique .