Académique Documents
Professionnel Documents
Culture Documents
15/01/2023
C’est quoi l’analyse numérique ?
• L’analyse numérique est la conception et l’étude d’algorithmes pour obtenir des solutions à des
problèmes issus de la physique, l’ingénierie, la biologie, la finance …
• Les modèles considérés sont composés d’ensemble d’équations dont on ne sait pas déterminer
de solutions explicites ou qui prendraient trop de temps pour être résolus de manière analytique,
notamment en recherche et développement (études expérimentales coûteuses)
2
Plan du cours
• Introduction à Python
• Pourquoi Python ?
• Configuration de l’environnement de travail
• Quelques notes sur Jupyter Notebook
• Modules Python de base
• Numpy
• Pandas
• Scipy
4
3.Systèmes d’équations linéaires
(Analyse numérique matricielle)
5
3. Résolution de systèmes linéaires
6
3. Résolution numérique de systèmes linéaires
Rappel
Il existe une solution unique si et seulement si de(A) ≠ 0
7
3.Systèmes d’équations linéaires
Exemple
8
3. Résolution de systèmes linéaires
2 types de méthodes
9
3. Systèmes d’équations linéaires
Méthodes directes de résolution de Ax = b (Cas simples)
10
3. Systèmes d’équations linéaires
Méthodes directes de résolution de Ax = b (par l'inverse)
11
3. Systèmes d’équations linéaires
Méthodes itératives
• Les techniques itératives sont rarement utilisées pour résoudre des systèmes linéaires de petite dimension
car le temps de calcul requis pour la convergence dépasse généralement celui requis pour les méthodes
directes.
• Pour les très grands systèmes, en particulier les systèmes clairsemés (systèmes avec un pourcentage élevé
d'entrées 0 dans la matrice), ces techniques itératives peuvent être très efficaces en termes de temps
d'exécution de calcul et d'utilisation de la mémoire.
• Analyse du conditionnement d'un système linéaire : étudier l’influence d'une petite variation du second
membre ou des coefficients d'une matrice sur la valeur de la solution.
• Une petite perturbation des données peut engendrer un grand changement de la solution (problème mal conditionné)
• Les arrondis faits sur les données peuvent être interprétés comme de telles petites variations : il est donc
essentiel de connaitre leur impact sur le résultat calculé.
12
3. Systèmes d’équations linéaires
Méthodes itératives (Gauss Seidel)
• Soit un système de 3 équation à 3 inconnue
13
4. Systèmes d’équations linéaires
Méthodes itératives ( Algorithme de Gauss Seidel)
14
4. Systèmes d’équations linéaires
Méthodes itératives (Gauss Seidel –Exemple )
15
4. Résolution d’une équation non linéaire
16
4. Résolution d’une équation non linéaire
Méthode de la bissection (dichotomie)
• Calculer la valeur approchée d’une solution d’une équation de type f(x) = 0
17
4. Résolution d’une équation non linéaire
Méthode de la bissection (dichotomie)
18
4. Résolution d’une équation non linéaire
Méthode de Newton
• f est une fonction dérivable sur un intervalle I. L’équation f(x) = 0 admet une racine
unique α sur l’intervalle I.
19
4. Résolution d’une équation non linéaire
Méthode de Newton
Formule générale
20