Analyse Numérique
Un des buts de l'analyse numérique consiste justement à évaluer ces erreurs de discrétisation pour chaque algorithme mis en place.
Chapitre 1 : Introduction à LAnalyse Numérique
Plan du cours. 1. Introduction à l'analyse numérique. 2. Interpolation et approximation. 3. Intégration numérique. 4. Résolution de systèmes linéaires.
Analyse Numérique
2 déc. 2014 chapitre consacrés à l'analyse numérique matri- cielle ne sont sans doute que des esquisses. Les exercices donneront aux lecteurs ...
Analyse numérique
Le but de ce cours et s'initier aux bases de l'analyse numérique en espérant 1.6 Méthodes numériques de calcul de valeurs propres et vecteurs propres .
Analyse Numérique
analyse numérique. Le but de ce chapitre est d'étudier des méthodes de résolution numérique d'un linéaire Ax = b o`u A est une matrice carrée inversible.
ANALYSE NUMÉRIQUE ET ÉQUATIONS DIFFÉRENTIELLES
de techniques fondamentales de l'Analyse Numérique : interpolation polynomiale intégration numérique
Méthode danalyse numérique.
12 sept. 2006 Ce cours est une introduction aux méthodes d'analyse numérique tr`es lar- gement utilisées en physique afin de résoudre les équations ...
Analyse Numérique
Algorithme de substitution rétrograde x1 = x2 = x3 = 1. 8. Thomas Cluzeau (Univ. de Limoges - ENSIL). Analyse Numérique. Page 46. Point de vue numérique :
ANALYSE NUMERIQUE Mazen SAAD
Devoir surveillé d'Analyse Numérique (2010) et son corrigé. Algorithme numérique méthodes numériques pour la résolution de syst`emes linéaires.
Méthodes et Analyse Numériques
18 janv. 2011 Méthodes et Analyse Numériques. ... METHODES ANALYSE ET CALCULS. NUMERIQUES ... La stabilité numérique d'une méthode de calcul.
1Définition
L"analyse numérique est la conception et l"étude d"algorithmes pour obtenir des solutions à des ensembles d"équations issus de modèles issus de la physique, de la biologie, de la finance ...2Motivations : Recherche et développement : études expérimentales coûteuses Les modèles considérés sont composés d"ensemble d"équations donton ne sait pas déterminer de solutions explicitesProposer une solution approchée, calculée à l"aide de l"ordinateur.
3Développer des algorithmes efficaces
Convergence et stabilité de la méthode numériqueCoût algorithmique
3/18 Plan du cours1Introduction à l"analyse numérique2Interpolation et approximation
3Intégration numérique
4Résolution de systèmes linéaires
5Equations non linéaires
6Equations différentielles ordinaires
7Equations aux dérivées partielles
4/18Quelques exemples
Mouvement du penduleθl
mgEquation
800(t) +gl
sin((t)) =0; (0) =0;0(0) =1Solution exacte ?Solution approchée pour <<1
8>>><>>>:
00(t) +gl
(t) =0; (t) =0cos qg l t +ql g 1sin qg l tUtiliser une approximation numérique de la solution !5/18Quelques exemples
Calculer les racines du polynômep(x) =ax2+bx+c
6/18Quelques exemples
Temps de calcul pour l"inversion d"une matrice
7/181Représentation des réels sur l"ordinateur
2Conditionnement, stabilité et complexité
8/18Représentation des réels en basebTous nombre réelxpeut être représenté sous la forme
x=m be;avecb2:avec la mantissem: m=m1b1+m2b2+:::;etmi2 f0;1;:::;b1get l"exposante: e=e0b0+e1b1+:::es1bs1;avec s2NReprésentation unique ?Ordinateur : mémoire finie !
La mantisse est tronquée au bout derchiffres,Valeur maximale pours9/18Le standard IEE (754-1985)
Float double précision : utilisation de 8 octets ( 64 bits ),b=2e : 11 bitsm : 52 bitsSigne: 1 bitPour la mantisse : utilisation de 52 bits
m=21+m222+m323+:::+m53253;Pour l"exposant : 11 bits :e2[1022;1025]avec e=c020+c121+:::+c102101022;avecci2 f0;1gLes valeurse=1022 ete=1025 sont réservées à la représentation de 0 et de InfOn appelleFl"ensemble fini de ces nombres10/18Exercices
Exercice
Calculer x
maxle nombre le plus grand deFet xposmin, le nombre positif le plus petit deFExercice Proposer deux algorithmes pour déterminer respectivement une approximation numérique de x maxet xposmin11/18Erreur d"arrondi
Seuls les éléments deFsont autorisésUn nombre réelxm2e,m=0:1m2m3:::pourxposmin12/18Erreur arrondi
Sixposmin532ejmj2e253'1016
13/181Représentation des réels sur l"ordinateur
2Conditionnement, stabilité et complexité
14/18Conditionnement d"un problème numérique
Definition
Le conditionnement représente la sensibilité du résultat par rapport à de petites variations des données ...On dit qu"un problème est
-bien conditionnési une petite variation des données entraîne une petite variation du résultat -mal conditionnési une petite variation des données entraîne une grande variation du résultatExemple : soitf:R!RDéveloppement de Taylor f(x+x) =f(x) +f0(x)x+o(x) f:=f(x+x)f(x)'f0(x)xConditionnement k=ffx x'xf0(x)f(x)15/18Conditionnement des opérations arithmétiques
élémentairesSoitf2 C2(Rn;R). Quel est le conditionnement def?D"après le développement de Taylor def,
f=f(x+dx)f(x) =n X i=1@f@xixi+0(jxj2):Le conditionnement est donc déterminé par les nombres k i=@f@xix if(x):Exercice Calculer le conditionnement de l"addition et de la multiplication16/18Stabilité d"un algorithme
Definition
La stabilité d"un algorithme se réfère à la propagation des erreurs au cours des étapes du calcul, à la capacité de l"algorithme de ne pas trop amplifierd"éventuels écarts, à la précision des résultats obtenus.Exemple : l"algorithme qui calcule les racines du polynôme
p(x) =ax2+bx+cbasé sur les formules x1=b+pb
24ac2a;x2=bpb
24ac2a
s"avère instable en pratique : exemple aveca=1020;b=1;c=1ExerciceProposer un autre algorithme plus stable
17/18Complexité algorithmique
Definition (Coût algorithmique)
Nombre d"opérations élémentaires effectuées par l"algorithme (+, *, sqrt, puissance ...)Exemple : Evalutation du polynômep(x) =Pn i=0aixi:Nombre de multiplications : Pn i=0i=n(n+1)2 Nombre d"additions :nCoût algorithmique!O(n2)Definition8 >>>>><>>>>>:O(nk)!coût polynomialO(an)!coût exponentiel
O(n!)!coût factoriel
18/18Complexité algorithmique
Exemple : Evalutation du polynômep(x) =Pn
i=0aixi:Schéma de Horner p(x) =a0+x(a1+x(a2+x(:::an)))Coût algorithmique ? 1/41Chapitre 2 : Interpolation et approximation
2/41A partir d"un ensemble de points(xi;yi)
i=0:n, on recherche dans un espace de fonctions,Interpolation :une fonctionsqui interpole les noeuds(xi;yi), s(xi) =yi;8i=0:n Approximation au sens des moindres carrés :une fonctionsqui minimise l"énergie, nX i=0jyis(xi)j2 3/41 Exemples d"interpolation :fig:Inter polationpolynomiale ,linéaire par morceaux et spline Exemples d"approximation au sens des moindres carrés : fig:Rég ressionlinéaire ,quadr atique
4/411Interpolation polynomiale
2Interpolation polynomiale par morceaux
3Approximation au sens des moindres carrés
5/41Interpolation polynomiale :
Définition
On note P
nl"ensemble des polynômes réels de degré n P n=np(x) ;p(x) =a0+a1x+a2x2+:::+anxno avec a i2ROn recherche un polynômepn2Pntel que pour touti=0:n, p n(xi) =yi:ThéorèmeIl existe un unique polynôme p
n2Pnqui interpole les noeuds(xi;yi) i=0:n.6/41Polynôme d"interpolation de Vandermonde :
On souhaite trouver un polynôme de degré 2 qui interpole les noeuds (1;2);(0;3);(1;6). On cherche le polynômep2sous la formep2(x) =a0+a1x+a2x2tel que p2(1) =2,p2(0) =3 etp2(1) =6. Alors
8>>>>><>>>>>:p
2(1) =2
p2(0) =3
p2(1) =6=)8
>>>>><>>>>>:a0a1+a2=2
a 0=3 a0+a1+a2=6=)8
>>>>><>>>>>:a 0=3 a 1=2 a 2=1La solution du problème est doncp2(x) =3+2x+x2
7/41Polynôme d"interpolation de Vandermonde :
Plus généralement,Pnest un espace vectoriel dont la base canonique s"écritn1;X;X2;:::;Xnoet p n(x) =n X k=0a kxk:quotesdbs_dbs29.pdfusesText_35[PDF] SERIE D 'EXERCICES N° 3 - THEORIE DU CONSOMMATEUR
[PDF] TD Microéconomie - Numilog
[PDF] Statistique descriptive, exercices maths standard secondaire II
[PDF] Les modulations analogiques
[PDF] Eléments de correction TD EDT4 Exercices corrigés
[PDF] Hydraulique industrielle Correction TD 1
[PDF] Exercice sur la variance et l 'écart-type
[PDF] Exercices MS Project - Chamilo
[PDF] Correction - limsi
[PDF] ED Biologie moléculaire - Free
[PDF] Soins et pharmacologie automne 2009 (Corrigé) Exercice : associer
[PDF] Livre du professeur - Le livre du prof
[PDF] Exercice 1 -A : Approche déterministe du calcul des stocks de
[PDF] Exercice 12