[PDF] [PDF] 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 5



Previous PDF Next PDF





[PDF] 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



[PDF] 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 5



[PDF] Analyse Numérique

Algorithme numérique, méthodes numériques pour la résolution de syst`emes linéaires Dans ce cours, nous nous intéressons `a l'analyse numérique ; cette 



[PDF] Analyse Numérique - Institut de Mathématiques de Toulouse

nées, un cours d'analyse numérique destiné à des étudiants de la filière informatique Si la Providence seule explique le premier, le cours d'informatique



[PDF] ANALYSE NUMERIQUE I

points (cf cours de mise à niveau) : On souhaite calculer x dans l'intervalle [3] P Lascaux, R Theodor,Analyse numérique matricielle appliquée à l'art



[PDF] Analyse Numérique

Analyse Numérique Cours de Takéo Takahashi Polycopié rédigé par Michel Pierre et Antoine Henrot Cours électif CE33 Semestre S7 : 2013-2014



[PDF] Analyse Numérique

Analyse Numérique : organisation et évaluation • Organisation : Cours : 7 séances d'1h30 Au cours de l'exécution de l'élimination de Gauss, si on tombe sur



[PDF] Cours danalyse numérique de licence de mathématiques

16 nov 2011 · Références Cours d'analyse numérique de Rapha`ele Herbin (Université de Provence): http://www cmi univ-mrs fr/∼herbin/anamat html



[PDF] INTRODUCTION À LANALYSE NUMÉRIQUE Résumé du cours - Inria

INTRODUCTION À L'ANALYSE NUMÉRIQUE Résumé du ni illustration) d'un premier cours sur l'approximation numérique des fonctions, de leurs dérivées



[PDF] M33 Analyse numérique - Gloria FACCANONI

Ce fascicule est un support au cours d'analyse numérique en deuxième année d' une Licence de Mathématiques Il aborde : la recherche de racines d'une 

[PDF] Cours Analyse Numérique

[PDF] M33 Analyse numérique - Gloria FACCANONI

[PDF] les exercices au format pdf - Exo7

[PDF] Exercices de Licence - Analyse numérique 1 Normes matricielles

[PDF] Cours Analyse Numérique

[PDF] Analyse Numérique : SMA-SMI S4 Cours, exercices et examens

[PDF] Recueil d 'exercices pour les cours MTH2210x

[PDF] pour analyser une oeuvre - mediaeduscoleducationfr

[PDF] Méthode d 'analyse structurée pour la mise au point de logiciels

[PDF] introduction analyse organisationnelle m2 - FOAD #8212 MOOC

[PDF] positionner mon entreprise : l 'analyse pestel - Formasup

[PDF] Analyse du marché des produits biologiques en - Agri-Réseau

[PDF] Secteur des textiles, de l 'habillement et du cuir - Europa EU

[PDF] Consommateurs et consommation de fromages de chèvre en France

[PDF] Le marché des produits laitiers - ANIMA Investment Network

1/18 Chapitre 1 : Introduction à L"Analyse Numérique 2/18

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 dont

on 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 numérique

Coût algorithmique

3/18 Plan du cours1Introduction à l"analyse numérique

2Interpolation et approximation

3Intégration numérique

4Résolution de systèmes linéaires

5Equations non linéaires

6Equations différentielles ordinaires

7Equations aux dérivées partielles

4/18Quelques exemples

Mouvement du penduleθl

mg

Equation

8

00(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

7/18

1Représentation 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 pours

9/18Le 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 nombres

10/18Exercices

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 xposmin

11/18Erreur d"arrondi

Seuls les éléments deFsont autorisésUn nombre réelxm2e,m=0:1m2m3:::pourxposmin><>>:0:1m2:::m532esim54=0; (0:1m2:::m53+253)2esim54=1;Exercice Calculer le nombre le plus petit tel que rd(x+1)>1et proposer un algorithme pour retrouver numériquement ce nombre

12/18Erreur arrondi

Sixposmin2532e:L"erreur d"arrondi relative est xrd(x)x 12 2

532ejmj2e253'1016

13/18

1Représentation 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 multiplication

16/18Stabilité 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 amplifier

d"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 x

1=b+pb

24ac2a;x2=bpb

24ac2a

s"avère instable en pratique : exemple aveca=1020;b=1;c=1Exercice

Proposer 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 polynomial

O(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 ? 1/41

Chapitre 2 : Interpolation et approximation

2/41

A 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

4/41

1Interpolation 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:Théorème

Il 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 p

2(1) =2,p2(0) =3 etp2(1) =6. Alors

8>>>>><>>>>>:p

2(1) =2

p

2(0) =3

p

2(1) =6=)8

>>>>><>>>>>:a

0a1+a2=2

a 0=3 a

0+a1+a2=6=)8

>>>>><>>>>>:a 0=3 a 1=2 a 2=1

La 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: Alors

8>>>>>>>>><>>>>>>>>>:p

n(x0) =y0 p n(x1) =y1::: p n(xn) =yn=)8 >>>>>>>>><>>>>>>>>>:a

0+a1x0+a2x2

0+:::+anxn

0=y0 a

0+a1x1+a2x2

1+:::+anxn

1=y1:::

a

0+a1xn+a2x2n+:::+anxnn=yn

8/41Polynôme d"interpolation de Vandermonde :

8 >>>>>>>>><>>>>>>>>>:p(x0) =y0 p(x1) =y1::: p(xn) =yn=)0

BBBBBBBBBBBBBBB@1x0x2

0xn

01x1x2

1xn 1:::

1xnx2nxnn1

CCCCCCCCCCCCCCCA0

BBBBBBBBBBBBBBB@a

0 a 1::: a n1

CCCCCCCCCCCCCCCA=0

BBBBBBBBBBBBBBB@y

0 y 1::: y n1

CCCCCCCCCCCCCCCA

Les coefficientsaidu polynôme d"interpolation s"obtiennent donc en résolvant le système linéaire suivant Ba=y; où (B)i;j=xi1 j,(a)i=aiet(y)i=yi.Propriété

Le déterminant de la matrice B vérifie

det(B) =Y

0i

9/41Polynôme d"interpolation de Vandermonde :

Le polynôme d"interpolationpns"obtient donc par la résolution du système

linéaireBa=y! Mais en pratiqueBest une matrice mal conditionnée !Coût de la résolution du système linéaire enO(n3)!

Idée :Exprimer le polynômepndans une autre base dePnet pour laquelle, la décomposition depnest explicite !

10/41Polynôme d"interpolation de Lagrange

On souhaite trouver le polynôme d"interpolation associé aux noeuds (1;2);(0;3);(1;6). On introduit alors les trois polynômesL0,L1etL2définis par L

0(x) =12

x(x1);L1(x) =1x2;etL2(x) =12 x(1+x);qui vérifient

8>>>>><>>>>>:L

0(1) =1;L0(0) =0;L0(1) =0;

L

1(1) =0;L1(0) =1;L1(1) =0;

L

2(1) =0;L2(0) =0;L2(1) =1;Exercice

Montrer que la famille

fL0;L1;L2gest libre et expliciter la décomposition de p

2dans cette base

11/41Polynôme d"interpolation de Lagrange

Plus généralement, on introduit une base dePnnotéenLn ko k=0:n, où les polynômesLn ksont définis par la propriété suivante : L n k(xi) =8 >><>>:1 sik=i

0 sinonExercice

Montrer que le polynômeLn

ks"explicite sous la forme L n k(x) =Q n i=0;i,k(xxi)Q n i=0;i,k(xkxi):Exercice

Montrer que le polynôme d"interpolation p

nau noeuds(xi;yi) i=0:nvérifie p n=n X i=0y iLn i 12/41 fig: Inter polationpolynomiale de la f onctionf(x) =11+x2sur[1;1]avec respectivementn=6,n=14 etn=24fig:Inter polationpolynomiale de la f onctionf(x) =11+x2sur[5;5]avec respectivementn=6,n=14 etn=24

13/41Erreur d"interpolation

On suppose quef: [a;b]!Rest une fonction suffisamment régulière. On vient d"expliquer comment obtenir le polynôme d"interpolationpnau noeuds(xi;f(xi)) i=0:n. On souhaite maintenant donner une estimation de l"erreurE(x)commise entrepnetf:

E(x) =f(x)pn(x):

14/41Erreur d"interpolation

Théorème

Soit f2Cn+1[a;b]avec a=x015/41Erreur d"interpolation

Si les noeuds sont équirépartis sur[a;b]alors n Y i=0(xxi) n!4 hn+1; oùh= (ba)=n, et jEj sup x2[a;b] f(n+1)(x) ban n+114(n+1): A noter, rien n"assure queE!0 lorsquen! 1!Exercice

Montrer le résultat précédent

16/41Noeuds d"interpolation de tchebychev

quotesdbs_dbs22.pdfusesText_28