Analyse numérique et algorithme cours, Résumés, exercices TD TP EXAMENS

L’analyse numérique a commencé bien avant la conception des ordinateurs et leur utilisation quotidienne que nous connaissons aujourd’hui.

Les premières méthodes ont été développées pour essayer de trouver des moyens rapides et efficaces de s’attaquer à des problèmes soit fastidieux à résoudre à cause de leur grande dimension (systèmes à plusieurs dizaines d’équations par exemple), soit parce qu’il n’existe pas solutions explicites connues même pour certaines équations assez simples en apparence.

Dès que les premiers ordinateurs sont apparus, ce domaine des mathématiques a pris son évolution et continue encore à se développer de façon très soutenue.

Les applications extraordinairement nombreuses sont entrées dans notre vie quotidienne directement ou indirectement. Nous les utilisons désormais sans nous en rendre compte mais surtout en ignorant la plupart du temps toute la théorie, l’expertise, le développement des compétences et l’ingéniosité des chercheurs pour en arriver là. Nous pouvons téléphoner, communiquer par satellite, faire des recherches sur internet, regarder des films où plus rien n’est réel sur l’écran, améliorer la sécurité des voitures, des trains, des avions, connaître le temps qu’il fera une semaine à l’avance,…et ce n’est qu’une infime partie de ce que l’on peut faire.

Plan du cours N°1 d’Analyse numérique et algorithme

Analyse Numérique

Calculs numériques approchés
Zéros de fonctions non-linéaires
Approximation et Interpolation Polynomiale
Intégration numérique
Equations différentielles
Systèmes linéaires

2. Algorithmique

Introduction et initiation à l’algorithmique
Terminologie – Définitions
Notions Complémentaires et avancées

Plan du cours N°2 d’ Analyse numérique et algorithme

1. Les systèmes linéaires

1.1 Introduction

1.1.1 Gestion des erreurs

1.1.2 Exemple de problème menant à la résolution d’un système linéaire

1.2 Quelques rappels sur les matrices

1.2.1 Notations

1.2.2 Lien avec les applications linéaires

1.2.3 Opérations

1.2.4 Trace et déterminant

1.2.5 Matrice et produit scalaire

1.2.6 Valeurs propres, vecteurs propres et réduction de matrices

1.3 Normes vectorielles et matricielles

1.3.1 Rappels sur les normes vectorielles

1.3.2 Boules

1.3.3 Normes matricielles

1.3.4 Conditionnement

1.4 Méthodes directes de résolution de systèmes linéaires

1.4.1 Principe des méthodes directes

1.4.2 Pivot de Gauss – Décomposition LU

1.4.3 Cas des matrices symétriques définies positives : la factorisation de Cholesky

1.4.4 Factorisation QR

1.5 Méthodes itératives de résolution de systèmes linéaires

1.5.1 Principe des méthodes itératives

1.5.2 Trois méthodes classiques

1.5.3 Critère général de convergence, étude des suites d’itérées de matrices

1.5.4 Quelques cas particuliers de convergence

1.6 Méthodes numériques de calcul de valeurs propres et vecteurs propres

1.6.1 Motivation : modes propres

1.6.2 Difficultés

1.6.3 Conditionnement spectral

1.6.4 Méthode de la puissance

1.6.5 Généralisation de la méthode de la puissance : la méthode QR

2. Résolution approchée d’équations non linaires

2.1 Introduction

2.2 Dichotomie

2.3 Méthode de type point fixe

2.3.1 Théorème-énoncé général

2.3.2 Construction de méthodes pour f(x)=0

2.3.3 Vitesse de convergence

2.4 Méthode de Newton

2.4.1 Principe

2.4.2 Théorème de convergence

2.5 Méthode de la sécante

2.6 Ordre d’une méthode itérative

2.7 Systèmes d’équations non linéaires

2.7.1 Point fixe

2.7.2 Méthode de Newton dans Rn

2.7.3 Retour sur les systèmes linéaires et aux méthodes itératives

3. Interpolation et approximation (polynomiales)

3.1 Introduction

3.2 Interpolation polynomiale

3.2.1 Interpolation de Lagrange

3.2.2 Interpolation d’Hermite

3.3 Approximation polynomiale au sens des moindres carrés

Lien de téléchargement des cours d’Analyse Numérique et Algorithme

Cours N°1 d’Analyse Numérique et Algorithme