Algorithmes numériques: Les bases de l’algorithmique numérique

Sommaire: Algorithmes numériques les bases de l’algorithmique numériqueAlgorithmes numériques

Première partie : Les bases de l’algorithmique numérique
•  Généralités
•  Les nombres sur l’ordinateur
•  Les calculs sur ordinateur
•  Les erreurs, les chiffres significatifs, les tests
•  les arithmétiques alternatives
•  Considérations algorithmiques
Deuxième partie : Equations non linéaires
•  Racine d’une équation
•  Evaluation d’un polynôme
•  Dichotomie
•  Méthode de Newton
•  Localisation des racines
•  Méthode de Bairstow
Troisième partie : Systèmes d’équations linéaires
•  Généralités et définitions
•  Méthodes directes
–  Méthode de Gauss
–  Méthode du LU
–  Méthode de Cholesky
•  Méthodes itératives
•  Problèmes aux moindres carrés
•  Résolution aux moindres carrés
Quatrième partie : Différentiation et Intégration numériques
•  Approximation par un polynôme
•  Différentiation numérique
•  Intégration numérique
•  Intégrales multiples
Cinquième partie : Interpolation – Approximation – Lissage: notions
•  Problème
•  Interpolation
•  Meilleure approximation
•  Lissage
Conclusion
Bibliographie succincte

Extrait du cours algorithmes numériques les bases de l’algorithmique numérique

Généralités
•  Algorithmique numérique ou Analyse Numérique ?
•  2 approches complémentaires possibles (nécessaires)
–  Unicité de la solution, convergence, vitesse de convergence, …
•  En lien direct avec les cours d’algèbre et d’analyse
–  Développement d’algorithmes pour résoudre les problèmes
•  Dans les meilleures conditions
•  Avec le problème tel qu’il se pose
–  Et pas tel que l’analyse numérique « aimerait » qu’il se pose
•  L’approche algorithmique n’exclut pas
–  De savoir calculer avec un ordinateur
–  De savoir analyser et maîtriser les calculs
–  De connaître les principaux résultats théoriques
…..
Algorithmique numérique : les erreurs
•  Les erreurs sont très nombreuses
•  Elles peuvent se compenser
•  Elles ont plutôt tendance à se cumuler
•  Les erreurs introduites par l’ordinateur doivent être
–  Maîtrisées,
–  Analysées,
–  Compatibles avec les erreurs sur les données et de modélisation,
–  Compatibles entre elles,
–  Acceptables au niveau du résultat.
….
•  On peut aussi avoir un algorithme mal conditionné (instable)
•  Cas particulier des matrices mal conditionnées
•  Données arrondies, coefficients arrondis, calculs approximatifs
–  L’erreur d’arrondi sur les données peut entraîner à elle seule d’énormes erreurs sur le résultat
–  Plus tout le reste
–  On peut avoir 0 chiffres corrects avec un problème très mal conditionné
•  Voir TP
•  En prime : propagation des erreurs, méthodes de résolution instables, …
……..
Si le lien ne fonctionne pas correctement, veuillez nous contacter (mentionner le lien dans votre message)
Algorithmes numériques: Les bases de l’algorithmique numérique (2.5 Mo)  (Cours PDF)
Algorithmes numériques

Merci de partager le cours et de laisser vos suggestion..

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *