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
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, …
…
Algorithmique numérique et systèmes d’équations linéaires (2.5 Mo) (Cours PDF)