Tout-en-un pour la Licence 2
On apprend les maths en faisant des exercices en apprenant à calculer Il s'agit d'un ouvrage de référence pour la Licence
livre-algebre-1.pdf - Exo7 - Cours de mathématiques
proposons de partir à la découverte des maths de leur logique et de leur En écrivant aL1 +bL2 (on multiplie la ligne (L1) par a
Cours dAlgèbre I et II avec Exercices CorrigésOM DE VOTRE
Un ensemble est une collection d'objets mathématiques (élé- ments) rassemblés d'après une ou plusieurs propriétés communes. Ces propriétés sont suffisantes pour
Cours complet de mathématiques pures par L.-B. Francoeur...
mathématiques pures. T. 1 / CLIQUER ICI POUR ACCÉDER AUX TARIFS ET À LA LICENCE. 2/ Les contenus de Gallica sont la propriété de la BnF au sens de.
Cours danalyse 1 Licence 1er semestre
2 = a/b. Si a et b sont pairs on peut simplifier la fraction a/b par 2. Une relation porte sur des objets mathématiques comme des nombres
Cours de Statistiques (L1 – MAP 201)
14 févr. 2018 la répartition statistique d'une variable au sein de la population est souvent voisine de modèles mathématiques proposés par le calcul des ...
Introduction `a la Topologie
1 avr. 2014 Ce cours s'adresse `a des étudiants de Licence en mathématiques. Il a pour ... 1.2.2 Topologie des espaces métriques .
livre-analyse-1.pdf - Exo7 - Cours de mathématiques
Elle est aussi l'occasion de découvrir la beauté des mathématiques de l'infiniment grand l2 ? 1 . Proposition 4 (Opérations sur les limites infinies).
Cours danalyse numérique de licence L2 MATH
de simulation sur ordinateurs de mod`eles mathématiques. Objectifs du cours. Introduction `a quelques algorithmes de bases en calcul scientifique.
L2´ECONOMIE & GESTION 2010-11 COURS DE M´ETHODES
L2´ECONOMIE & GESTION. 2010-11. COURS DE M´ETHODES. MATH´EMATIQUES 3. Alexandre VIDAL. Derni`ere modification : 11 janvier 2011
Cours d'analyse numerique de licence L2 MATH
Roland Masson
Annee 2018-2019
1IntroductionCalendrier du cours
Evaluation
Objectifs
Plan du cours
Exemples d'applications du calcul scientique
Debouches
2Quelques rappels d'algebre lineaire en dimension nieEspaces vectoriels
Applications lineaires
Matrices
Transposition de matrices et matrices symetriques
Determinants
Normes matricielles
3Methodes iteratives
Calendrier du cours
Cours le mercredi de 13h00 a 15h00 en Amphi InformatiqueTPs ou TDs
Groupe 1: PV201 le mercredi de 15h15 a 17h15 avec Roland Masson Groupe 2: PV202 le mercredi de 15h15 a 17h15 avec Samira Amraoui Groupe 3: PV314 le jeudi de 10h15 a 12h15 avec Samira Amraoui Groupe 4: PV314 le jeudi de 13h00 a 15h00 avec Boniface NkongaEvaluation
Un examen partiel de TD: notePartielUn examen partiel de TP: noteTPUn examen nal: noteEFNote nale: 0:4EF+ 0:3Partiel+ 0:3TP
Analyse numerique: objectifs
Analyse numerique: concoit et analyse mathematiquement les algorithmes de simulation sur ordinateurs de modeles mathematiquesObjectifs du cours Introduction a quelques algorithmes de bases en calcul scientique Fondements mathematiques (complexite, stabilite, convergence, consistance, ...)Exemples d'applications et mise en oeuvre informatique sous scilab en TPPlan du cours
Resolution des systemes lineairesAx=b,A2 Mn,b;x2RnMethodes iteratives: methode de Richardon, preconditionnement, Jacobi,
Gauss Seidel, SOR, SSORResolution des systemes non lineairesf(x) = 0,f:Rn!RnMethodes de point xe et de Newton
Resolution des systemes lineairesAx=b,A2 Mn,b;x2RnMethodes directes: methode d'elimination de Gauss, factorisation LU
Calcul des valeurs propres d'une matriceA2 MnMethode des puissances itereesReferences
Site web: http://math.unice.fr/massonr/L2MATH/L2MATH.html Cours d'analyse numerique de Raphaele Herbin (Universite de Provence): Livre de P.G. Ciarlet: Introduction a l'analyse numerique matricielle et a l'optimisation. Livre de Quateroni et al: \Methodes numeriques, algorithmes, analyse et applications", Springer, 2007.Domaines d'applications du calcul scientique
EnergieNucleaire
Petrole
Fusion nucleaire
Eolien, hydrolien, solaire, ...
Transport
Aeronautique
Spatial
Automobile
Environnement
Meteorologie
Hydrologie
Geophysique
Climatologie
Finance, Economie, Biologie, Sante, Telecommunications, Chimie, materiaux, ... Exemple de la simulation des reservoirs petroliersPetrole = huile de pierreBassin de paris
Exemple de la simulation des reservoirs petroliersReservoir: piege geologique rempli
d'hydrocarbures Exemple de la simulation des reservoirs petroliersEnjeux de la simulation
Prediction de la production
Optimisation de la production (ou du rendement economique)Integration des donnees
Evaluation des incertitudes sur la production
Debouches
Competences
Analyse numerique
Modelisation
Informatique
Metiers
Developpements de codes de calculs scientiques
Etudes en modelisation numerique
Ingenieur de recherches en calcul scientique
Chercheur academique en mathematiques appliquees
Employeurs
SSII en calcul scientique
EPIC: CEA, ONERA, IFPEN, BRGM, IFREMER, INRA, CERFACS, ... Industrie: EDF, EADS, Dassault, Michelin, Areva, Total, CGGVeritas, Thales, Safran, Veolia, Rhodia, ...Academique: Universites, CNRS, INRIA, Ecoles d'ingenieurs, ...Espaces vectoriels
Denition d'un e.v. surK=RouC: ensemble E muni d'une loi de composition interne notee + et d'une loi d'action deKsurEnotee:telsque:(E;+) est un groupe commutatif1:x=x, ():x=:(:x) (associativite)(+):x=:x+:x,:(x+y) =:x+:y(distributivite)Exemple:Rne.v. surR(Cne.v. surC):x=0
B @x 1 x n1 CA,x+y=0
B @x 1+y1 x n+yn1 CA,:x=0
B @x1 xn1 C AFamilles libres, generatrices, base, dimension
Famille libre demvecteursv1;;vmdeE:P
mi=1ivi= 0)i= 08i= 1;;mFamille generatrice demvecteursv1;;vmdeE:E= Vectfv1;;vmgBase: famille libre et generatrice
Dimension (supposee nie): toutes les bases ont m^eme dimension appeleedimension de l'espace vectorielEnoteenUne famille libre denvecteurs est generatrice, c'est une baseUne famille generatrice denvecteurs est libre, c'est une base
Espaces vectoriels normes
Denition: e.v. muni d'une norme, ie une application deE!R+, noteex! kxksatisfaisant les proprietes suivanteskxk= 0)x= 0k:xk=jjkxkkx+yk kxk+kykUne norme denit surEune topologie d'espace metrique avec
d(x;y) =kxykLimite de suite de vecteurs:limk!+1vk=v,limk!+1kvkvk= 0Exemples de normes surRnkxk1=Pn i=1jxij;kxk2=Pni=1jxij21=2;kxk1= maxi=1;;njxij.En dimension nie toutes les normes sont equivalentes ie il existec;C>0
telles queckxk kxk?Ckxk(attentioncetCdependent den).Espaces vectoriels euclidiens
e.v. muni d'un produit scalaire ie une forme bilineaire symetrique denie positive noteeh:;:iSurRnle produit scalaire canonique esthx;yi=Pn i=1xiyikxk=hx;xi1=2est une norme appelee norme euclidienneApplications lineaires
f:E!F,f(:x) =:f(x),f(x+y) =f(x) +f(y)L(E;F) espace vectoriel des applications lineaires deEdansFL(E) espace vectoriel des applications lineaires deEdansEou
endomorphismes deEL(E);+;:;
algebre non commutative munie de la loi de compositiondes applicationsfg(x) =f(g(x))Noyau def, Ker(f) =fx2Etels quef(x) = 0g(sous e.v. deE)Image def, Im(f) =ff(x);x2Eg(sous e.v. deF)Endomorphismes deEinversibles:Application bijective ssi il existef12 L(E) telle queff1=f1f=Idfbijective,finjective: Ker(f) =f0gfbijective,fsurjective: Im(f) =E
Matrice d'une application lineaire
Bases e j;j= 1;;n deEet f i;i= 1;;m deFf2 L(E;F) telle quef(ej) =Pm i=1Ai;jfix=Pn j=1xjej2Ey=f(x) =Pm i=1 Pn j=1Ai;jxj f iX=0 B @x 1... x n1 CA2Rn,Y=0
B @y 1... y m1 CA2Rm,Y=AXRetenir que lesncolonnesjdeAsont donnees par les imagesf(ej)Espace vectoriel des matrices de dimensionm;n:Mm;n(a coecients dans
K=RouC)Matrices remarquables: diagonale, symetrique, triangulaires inferieure ou superieureExercice: produit de matrices versus composition
d'applications lineairesSoientE;F;Gdes e.v de dimensions resp.n,m,p,f2 L(E;F) et g2 L(F;G)Des bases etant donnees,fa pour matriceA2 Mm;netga pour matriceB2 Mp;mgfa pour matrice le produitBA2 Mp;ntel que
(BA)i;j=mX k=1Bi;kAk;jProduit de matrices:Mp;m Mm;n! Mp;nproduit matrice vecteur:Mm;n Mn;1! Mm;1produit scalaire de deux vecteurs: ligne . colonneM1;n Mn;1! M1;1produit tensoriel de deux vecteurs: colonne. ligneMn;1 M1;n! Mn;n
Exercice: changements de base pour les vecteurs et les matricesP: matrice de passage d'une base dans une autre~ej=Pn k=1Pk;jek(colonnes de la nouvelle base dans l'ancienne)Changement de base pour les coordonnees des vecteurs:X=P~X.Changement de base pour les matrices des applications lineaires:X=P~X,
Y=Q~Yet~Y=~A~X,Y=AXimplique que
A=Q1AP:
Matrices carres inversibles
A2 Mn;n=Mnest inversible ssi l'une des proprietes suivantes est verieeIl existeA12 Mn;ntel queAA1=A1A=IAest injective ieAX= 0)X= 0Aest surjective ie Im(A) =fAX;X2Rng=RnA;B2 Mninversibles
(AB)1=B1A1Transposition de matrices
A2 Mm;n, on denittA2 Mn;mpar
tA)i;j=Aj;ipour tousi= 1;;n;j= 1;;mProduit scalaire canonique de deux vecteurs (colonnes)X;Y2Rn: t XY=nX i=1X iYiMatrice carreeA2 Mnest symetrique ssi t A=ADiagonalisation d'une matrice carree symetriqueA2 MnLes valeurs propres surCd'une matrice reelle symetriqueAsont reelles et il
existe une base orthonormee de vecteurs propresFi2Rn,i= 1;;ntelle que AFi=iFiet (tFi)Fj=i;jpour tousi;j= 1;;nSiPest la matrice de passage de la base canonique dans la baseFi,
i= 1;:::;n, alors on a P 1=tP et t PAP=0 B 10 0n1 C A Determinants denvecteurs dans un e.v.Ede dimensionn pour une base donneeUnique forme n-lineaire alternee surEvalant 1 sur la baseDet v1;;v;;v;;vn
= 0 (alternee)Antisymetrie: Det v1;;vi;;vj;;vn
=Det v1;;vj;;vi;;vnOn a donc aussi pour toute permutationdef1;;ng,
Det v 1;;vn = sign()Det v (1);;v(n)Determinant d'une matrice carreeA= determinant des vecteurs colonnes Det A = Det A :;1;;A:;n =X 2nn Y i=1sign()A(i);iProprietes du determinant
Les vecteurs colonnes deAsont libres ssi Det(A)6= 0DoncAest inversible ssi Det(A)6= 0Det(AB) = Det(A)Det(B) = Det(BA)Det(
tA) = Det(A)Developpement par rapport aux lignes ou aux colonnesDet(A) =nX
i=1(1)i+jAi;jDet(A(i;j)) =nX j=1(1)i+jAi;jDet(A(i;j))Normes matricielles
Une norme matricielle sur l'e.v.Mnest une norme telle que kABk kAkkBkUne norme matricielle induite par une normek:ksurRnest la norme matricielle denie par kAk= sup X6=0kAXkkXkOn a pour une norme matricielle induite:kAXk kAkkXkpour tout X2RnExercice: exemples de normes induites
kAk1= SupX6=0kAXk1kXk1= maxi=1;;nPn j=1jAi;jjkAk1= SupX6=0kAXk1kXk1= maxj=1;;nPn i=1jAi;jjkAk2= SupX6=0kAXk2kXk2=(tAA)1=2Norme et rayon spectral
Spectre de A:
spec(A) =f2Ctel qu'il existeu2Cnnon nul tel queAu=ugRayon spectral(A) = max2spec(A)jjC. On admettra le lemme suivant qui montre la proximite entre norme et rayonspectral (voir preuve dans le livre de Ciarlet ou le cours de Raphaele Herbin)(A) kAkquelle que soit la norme matricielle surMnQuels que soientA2 Mnet >0 il existe une norme induitek:kA;telle
que kAkA;(A) +: Theoreme: convergence de la suiteAkpourA2 MnLes propositions suivantes sont equivalentes(1)limk!+1Ak= 0(2)limk!+1Akx= 0 quel que soitx2Rn(3)(A)<1(4) Il existe une norme induitek:ktelle quekAk<1.
Theoreme: convergence de la suiteAkpourA2 Mn
Preuve:(1))(2): carkAkxk kAkkkxk(2))(3): par la contraposee non (3))non (2):(A)1 implique qu'il existe un vecteuru2Cnnon nul et2Ctels queAu=uetjj 1.Ceci implique queAku=kuet donc (2) ne peux ^etre verie.(3))(4): decoule du lemme ci-dessus(4))(1): on akAkk kAkkaveckAk<1 d'ou (1)
Corollaire: suiteAket rayon spectralRayon spectral et suite des puissances d'une matrice: on demontre la
propriete suivante:(A) =limk!+1kAkk1=kquelle que soit la norme matricielle surMn Preuve: on a tout d'abord(A)k=(Ak) kAkkd'ou(A) kAkk1=k Soit >0. On considereB=A(A)+, telle que(B)<1. D'apres le theoreme precedent lim k!+1(B)k= 0, donc il existeNtel que pour toutkNon a k(B)kk=kAkk((A) +)k1: On deduit que(A) kAkk1=k(A) +ce qui prouve le corollaire.Matrices de la formeI+AouIASi(A)<1 alors les matricesI+AetIAsont inversiblesLa serie de terme generalAkconverge (vers (IA)1ssi(A)<1Preuve:
PNk=0Ak(IA) =IAN+1et utiliser le lemme precedentSikAk<1 pour une norme matricielle, alorsIAest inversible et on a
k(IA)1k 11kAk(idem pourI+A)Conditionnement
Soitkkla norme induite dansMnpar une normekksurRn
Conditionnement deAinversible : Cond(A) =kAkkA1k
8 :Cond(A)1Cond(A) = Cond(A)
Cond(AB)Cond(A)Cond(B)
SoitAinversible et1,nles vp min et max detAA, on a pour la normekk2 Cond2(A) =n
1 1=2On en deduit que Cond
2(A) = 1 ssiA=QouQmatrice orthogonale
PourASDP de vp min et max1etn, on a pour la normekk2 Cond2(A) =n
1Erreur d'arrondi
SoitAune matrice inversible, on cherche a estimer l'in uence sur la solution du systemeAx=bd'une erreur d'arrondi sur le second membreb Ax=bA(x+x) =b+b
implique kxkkxk kAkkA1kkbkkbkMethodes iteratives: motivations
Matrice creuse:O(n) termes non nulsMethodes iteratives: calcul d'une suitexnfaisant intervenir que des
produits matrice - vecteurPour une matrice creuse, une iteration co^uteO(n) operations ottantesLe probleme a resoudre est la ma^trise de la convergence de la suitexnvers xet du nombre d'iterationsCo^ut pour une matrice creuse et une convergence ennititerationsO(n:nit)
matrices creuses: exemple du Laplacien 2D sur maillageCartesien
Maillage cartesien uniforme (n+1)(n+1) du carre
= (0;1)(0;1) de pas x=1n+1Laplacien avec conditions limites homogenes: @2u@x2@2u@y2=fsur u(x) = 0 sur@Discretisation:
1(x)2(4ui;jui+1;jui1;jui;j+1ui;j1=fi;jpouri;j= 1;;n
u i;j= 0 pouri= 0;n+ 1;j= 0;;n+ 1 etj= 0;n+ 1;i= 0;;n+ 1 Systeme lineaire: numerotation des inconnuesk=i+ (j1)nde 1 aN=n2 AU=FavecAmatrice pentadiagonale de largeur de bandeq=nCo^ut d'une methode directeLU: 2Nn2= 2N2
Co^ut d'une methode iterative convergente ennititerations: 10N:nitMethode de Richardson
SoitA2 Mninversible etb2Rn. Soitx2Rnsolution de
Ax=b: Methode de Richardson: soit2R, on construit une suite de solutionxkde la forme x k+1=xk+(bAxk):On a donc
(xk+1x) = (IA)(xkx); (xk+1x) = (IA)k(x1x); B= (IA)Convergence: ssi(B)<1Taux de convergence:kBkk1=k!(IA)Methode de Richardon pour les matrices SDP
SoitA2 MnSDP (Symetrique Denie Positive) eti>0;i= 1;;nses valeurs propres par ordre croissant (IA) =max j11j;j1nj opt=argmin2Rmax j11j;j1nj opt=21+n; (IoptA) =n1
1+n=1+ 1<1
Probleme: on ne connait pas les valeurs propres deA Voir Exercice: Methode de Richardson a pas variableMethode de Richardon pour les matrices SDP
Nombre d'iterations pour une precision xee:
kxk+1xk2 (IoptA) kkx1xk2; kxk+1xk21+ 1 kkx1xk2; On cherche le nb d'iterationkpour atteindre une precision, ie 1+ 1 k; kln(1 )ln( 1+1 11Pourgrand:
k >2 ln(1 Methode de Richardon a pas variable pour les matrices SDPSoitA2 MnSDP (Symetrique Denie Positive).
On poseek=xxk;rk=Aek=bAxk;
quotesdbs_dbs10.pdfusesText_16[PDF] cours maths mpsi pdf
[PDF] cours maths pcsi
[PDF] cours maths pcsi pdf
[PDF] cours maths sup pdf
[PDF] cours maths terminal e&s
[PDF] cours maths terminal e&s pdf
[PDF] cours maths terminale s pdf
[PDF] cours maths terminale stmg
[PDF] cours mecanique bac technique tunisie
[PDF] cours mécanique du point
[PDF] cours mécanique quantique mp
[PDF] cours mécanique quantique pdf mp
[PDF] cours mecanique rationnelle usthb pdf
[PDF] cours messagerie électronique pdf