Introduction

Lanalyse numrique est une discipline des mathmatiques .Elle

sintresse tant aux fondements thoriques qu la mise en
pratique des mthodes permettant de rsoudre, par des calculs
purement numriques, des problmes danalyse mathmatique.
Plus formellement, lanalyse numrique est ltude
des algorithmes permettant de rsoudre les problmes
de mathmatiques continues (distingues des mathmatiques
discrtes). Cela signifie quelle soccupe principalement de
rpondre numriquement des questions variable
relle ou complexe comme lalgbre linaire numrique sur les
champs rels ou complexes, la recherche de solution numrique
dquations diffrentielles et dautres problmes lis survenant
dans les sciences physiques et lingnierie.

Triangsup :
commande :

Mthode de Gauss :
Function :

 Commande :

Mthode Gauss :
Function :

 Commande :

Mthode de Gauss pivot partiel :

Function :

 Commande :

Mthode de Jacobi :
Function :

 Commande :

Autre exemple de la mthode de Jacobi :

Function :

 Commande :

Schma implicite :

k=200;
Nx=10;
h=1/Nx;
alpha=2.28*1e-4;
r=alpha*k/h^2
t(:,1)=200;
a=zeros(Nx-1,Nx-1);
a=(1+2*r)*diag(ones(Nx-1,1))-r*diag(ones(Nx2,1),1)-r*diag(ones(Nx-2,1),-1)
b=zeros(Nx-1,1);
b(Nx-1)=200*r
epsilon=1e-3;
itmax=100;
it=0;
told=zeros(Nx-1,1);
told(:)=200;
t=told;
R=1;
while(R>epsilon)&&(it<itmax)
it=it+1;
t=a\(told+b);

R=norm(t-told);
told=t;
hold on
plot(t);
grid on
end

A.D.I :
Nx=5;
Ny=5;

h=1/(Nx+1);
k=200;
r=k/h^2;
A=zeros(Nx*Ny,Nx*Ny);
B=zeros(Nx*Ny,Nx*Ny);
A=(1+r)*diag(ones(Nx*Ny,1))r/2*diag(ones(Nx*Ny-1,1),1)-r/2*diag(ones(Nx*Ny1,1),-1);
for k=1:Ny-1;
A(k*Nx,k*Nx+1)=0;
A(k*Nx+1,k*Nx)=0;
end;
B=(1-r)*diag(ones(Nx*Ny,1))
+r/2*diag(ones(Nx*Ny-Nx,1),Nx)
+r/2*diag(ones(Nx*Ny-Nx,1),-Nx);
c=zeros(Nx*Ny,1);
for k=Nx*Ny-Nx+1:Nx*Ny;
s=k-Nx*Ny-Nx;
c(k)=sin(pi*h*s);
end;
D=zeros(Nx*Ny,Nx*Ny);
E=zeros(Nx*Ny,Nx*Ny);

D=(1+r)*diag(ones(Nx*Ny,1))r/2*diag(ones(Nx*Ny-Nx,1),Nx)r/2*diag(ones(Nx*Ny-Nx,1),-Nx);
E=(1-r)*diag(ones(Nx*Ny,1))
+r/2*diag(ones(Nx*Ny1,1),1)+r/2*diag(ones(Nx*Ny-1,1),-1);
for k=1:Ny-1;
E(k*Nx,k*Nx+1)=0;
E(k*Nx+1,k*Nx)=0;
end;
F=zeros(Nx*Ny,1);
for k=Nx*Ny-Nx+1:Nx*Ny;
s=k-Nx*Ny-Nx;
F(k)=sin(pi*h*s);
end;
T=zeros(Nx*Ny,1);
Told=T;
it=0;
r=1;
epsilon=1e-5;
itmax=100;
while(r>epsilon)&&(it<itmax)

it=it+1;
T=A\(B*T+c);
T=D\(E*T+F);
r=norm(T-Told);
Told=T;
end;
n=1 ;
for j=1:Ny;
for i=1:Ny;
u(i,j)=T(n);
n=n+1;
end;
end;
surf(u)

Schma SIMULINK :

Conclusion

Certains problmes de mathmatiques peuvent tre rsolus

numriquement (sur ordinateur) de faon exacte par un
algorithme en un nombre fini d'oprations. Ces algorithmes
sont parfois appels mthodes directes ou qualifis de finis. Des
exemples sont llimination de Gauss-Jordan pour la rsolution
dun systme dquations linaires et lalgorithme du
simplexe en optimisation linaire.
Cependant, aucune mthode directe nest connue pour certains
problmes.Dans de tels cas, il est parfois possible dutiliser
une mthode itrative pour tenter de dterminer une
approximation de la solution. Une telle mthode dmarre depuis
une valeur devine ou estime grossirement et trouve des
approximations successives qui devraient converger vers la
solution sous certaines conditions. Mme quand une mthode
directe existe, une mthode itrative peut tre prfrable car
elle est souvent plus efficace et mme souvent plus stable
(notamment elle permet le plus souvent de corriger des erreurs
mineures dans les calculs intermdiaires).