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] 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 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: Alors8>>>>>>>>><>>>>>>>>>:p
n(x0) =y0 p n(x1) =y1::: p n(xn) =yn=)8 >>>>>>>>><>>>>>>>>>:a0+a1x0+a2x2
0+:::+anxn
0=y0 a0+a1x1+a2x2
1+:::+anxn
1=y1:::
a0+a1xn+a2x2n+:::+anxnn=yn
8/41Polynôme d"interpolation de Vandermonde :
8 >>>>>>>>><>>>>>>>>>:p(x0) =y0 p(x1) =y1::: p(xn) =yn=)0BBBBBBBBBBBBBBB@1x0x2
0xn01x1x2
1xn 1:::1xnx2nxnn1
CCCCCCCCCCCCCCCA0
BBBBBBBBBBBBBBB@a
0 a 1::: a n1CCCCCCCCCCCCCCCA=0
BBBBBBBBBBBBBBB@y
0 y 1::: y n1CCCCCCCCCCCCCCCA
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.PropriétéLe déterminant de la matrice B vérifie
det(B) =Y0i 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 9/41Polynôme d"interpolation de Vandermonde :
Le polynôme d"interpolationpns"obtient donc par la résolution du systèmelinéaireBa=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 !