Department of Mechanical Engineering

https://www.univ-soukahras.dz/en/dept/gm

Lecturer	Racim BOUTELIDJA
Information	Master - Electromechanical Department of Mechanical Engineering Website : https://www.univ-soukahras.dz/en/module/3721 Semester : S2 Unit : UEM12 Credit : 3 Coefficient: 2
Content	Chapitre I. Rappels de quelques méthodes numériques (04 semaines) - Résolution des systèmes d’équations linéaires et non linéaires par les méthodes itératives (Méthode de Jacobi, Méthode de Gauss-Seidel, Méthode de Newton Raphson) - Interpolation et approximation (Méthode de Lagrange, Méthode des différences divisées) - Intégration numérique (Méthode des Trapèzes, Méthode de Simpson, Méthode composite des Trapèzes, Méthode composite de Simpson) - Résolution des équations différentielles ordinaires (Méthode d\\\'Euler, Méthode de Runge-Kutta, Méthode d\\\'Adams) Chapitre II. Résolution des équations aux dérivées partielles (06 semaines) - Classifications des équations aux dérivées partielles et des conditions aux limites - Méthode des différences finies - Méthode des éléments finis Chapitre III. Techniques d’optimisation (05 semaines) - Définition et formulation - Types d\\\'optimisation - Algorithmes d’optimisation - Optimisation sans contraintes (Méthodes déterministes, Méthodes stochastiques) - Traitement des contraintes (Méthodes de transformation, Méthodes directes) Travaux pratiques: - Initiation à l’environnement MATLAB - Calcule des intégrales par les méthodes: Trapèze, Simpson et générale - Résolution des équations différentielles ordinaires par les méthodes: Euler, Runge-Kutta - Interpolation et approximation par la méthode de Lagrange - Résolution des systèmes d’équations linéaires et non-linéaires par les méthodes: Jacobi ; Gauss-Seidel ; Newton-Raphson - Résolution des équations aux dérivées partielles par la méthode des différences finies - Résolution des équations aux dérivées partielles par la méthode des éléments finis - Minimisation d’une fonction à plusieurs variables sans contrainte par les méthodes: Gradient, Gradient conjugué, Quasi-Newton - Minimisation d’une fonction à plusieurs variables avec contraintes par les méthodes: Gradient projeté et Lagrange-Newton Remarque: Les 3 premières séances peuvent être effectuées comme travail personnel
Evaluation	60% EXAMEN 40% CONTROL CONTUNU