Scribd Logo
Importer

Bienvenue sur Scribd !

  • 33 vues

    TP1: R Esolution Num Erique Des Syst' Emes Lin Eaires: M Ethodes Directes Exercice 1

    Transféré par

    naimaaziz18
    TP Méthodes numériques

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    TP1: R Esolution Num Erique Des Syst' Emes Lin Eaires: M Ethodes Directes Exercice 1

    Transféré par

    naimaaziz18
    33 vues2 pages
    TP Méthodes numériques

    Titre original

    TP1

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    TP Méthodes numériques

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    33 vues2 pages

    TP1: R Esolution Num Erique Des Syst' Emes Lin Eaires: M Ethodes Directes Exercice 1

    Transféré par

    naimaaziz18
    TP Méthodes numériques

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    Vous êtes sur la page 1sur 2

    Méthodes Numériques pour

    Ingénieur 2 Année : 2024-2025

    TP1 : Résolution numérique des systèmes linéaires

    Objet : Le but de ce TP est de programmer en langage python les méthodes directes et itératives vu dans le
    cours pour la résolution numérique des systèmes linéaires.

    Méthodes directes
    Exercice 1.
    Programmer la méthode de remontée pour résoudre le système Ax = b avec A une matrice triangulaire supérieure
    (Nom de la fonction : remontee U).
    Cette fonction renverra un message d’erreur lorsque la résolution ne peut pas être effectuée.
    De la même façon, programmer la méthode de descente pour résoudre Ax = b, A une matrice triangulaire
    inférieure (Nom de la fonction :descente L).
    Tester ces deux fonctions sur des exemples : vous pourrez comparer vos résultats à ceux de python.

    Exercice 2.
    Programmer la factorisation LU d’une matrice fact LU.
    En utilisant les fonctions remontee U/descente L précédentes et fact LU, programmer la méthode LU complète
    pour la résolution d’un système linéaire.
    A nouveau, vous donnerez des exemples et vous comparerez avec les fonctions de python.
    Programmer la factorisation PLU d’une matrice fact PLU.
    En utilisant les fonctions remontee U/descente L précédentes et fact PLU, programmer la méthode PLU
    complète pour la résolution d’un système linéaire.
    A nouveau, vous donnerez des exemples et vous comparerez avec les fonctions de python.

    Exercice 3.
    Programmer la factorisation de Cholesky d’une matrice fact Cholesky.
    En utilisant les fonctions remontee U/descente L de la partie 1 et fact Cholesky, programmer la méthode de
    Cholesky complète pour la résolution d’un système linéaire.
    Tester cette fonction et la comparer avec les fonctions python prédéfinies.

    Méthodes itératives
    On rappelle que les méthodes itératives reposent sur le principe suivant :
    pour résoudre le système Ax = b, A matrice inversible et b vecteur donnés, on suppose que l’on a décomposé la
    matrice A en M − N , avec M inversible.
    Ainsi, pour u0 vecteur initial (choisi arbitrairement), on définit une suite de vecteurs xk par :

    xk+1 = M −1 N xk + M −1 b.

    On effectue ce calcul jusqu’à k0 tel que xk0 ≈ xk0 +1 (cette relation est précisée plus loin). La solution est alors
    donnée par le dernier vecteur calculé.
    Méthodes Numériques pour
    Ingénieur 2 Année : 2024-2025

    Exercice 4.
    Programmer cet algorithme dans une fonction : def Resol Iter(M, N, b, x0 , eps) : où :
    • M , N et b sont les matrices et vecteur décrits ci-dessus,
    • x0 est le vecteur initial,
    • eps est la précision voulue pour la résolution, c’est-à-dire que l’on arrêtera l’algorithme lorsque kxk+1 −
    xk k ≤ eps. On renvoie N iter, nombre d’itérations qui ont été effectuées pour atteindre cette précision,
    • on renvoie également x, solution (approchée) du problème.

    Attention : on ne calculera pas M −1 mais on résoudra le système M xk+1 = N xk + b.

    Exercice 5.
    La méthode de Jacobi consiste à choisir M diagonale, dont la diagonale est égale à la diagonale de A, et
    N = M − A.

    Programmer une fonction def Jacobi(A) qui renvoie la décomposition de Jacobi de la matrice A.

    Programmer une fonction def Gauss − Seidel(A) qui renvoie la décomposition de Gauss-Seidel de la matrice A.

    Programmer une fonction def SOR(A, w) qui renvoie la décomposition de la méthode SOR de la matrice A.

    En utilisant les fonctions précédentes, écrire un programme qui, pour une matrice A, un vecteur b et une précision
    eps donnés, calcule la solution du système Ax = b par les trois méthodes itératives, solution approchée à eps
    près.
    Tester et comparer les trois méthodes sur le système Ax = b, A matrice carrée d’ordre 4 à diagonale strictement
    dominante.

    Vous aimerez peut-être aussi