Outils Mathematiques Et Numeriques Pour La Physique

cel-00520195, version 1 - 22 Sep 2010
UE SPM-PHY-S07-101 Outils math ematiques et num eriques pour la physique

N. Fressengeas
Laboratoire Mat eriaux Optiques, Photonique et Syst` emes Unit e de Recherche commune ` a lUniversit e Paul Verlaine Metz et ` a Sup elec
Document ` a t el echarger sur http://moodle.univ-metz.fr/
N. Fressengeas
UE SPM-PHY-S07-101, version 2.0.1, planche 1
cel-00520195, version 1 - 22 Sep 2010
Quelques ouvrages. . .
[GJP05, Pie01, Bis04]
Christopher M. Bishop. Neural Networks for Pattern Recognition, chapter 7 :Parameter Optimization Algorithms. Oxford University Press, 2004. 2005 Grivet Jean-Philippe. Analyse num erique pour les sciences physiques. Association Libre Cours, 2005. Nougier Jean Pierre. M ethodes de calcul num erique. Hermes Sciences, 2001.
N. Fressengeas
N ecessit e dun format de donn ees Formats binaires Formats ASCII Formats dimage
cel-00520195, version 1 - 22 Sep 2010
Partie I Formats num eriques et codage
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
I Formats num eriques et codage

1
N ecessit e dun format de donn ees Fonctionnement dun ordinateur Stockage des donn ees en m emoire Un format, obligatoirement Formats binaires Formats binaires simples Formats binaires complexes Formats ASCII Le code ASCII Formats ASCII simples Formats ASCII complexes Formats dimage Analyse dune image num erique Vectoriel ou BitMap ? Formats comprim es avec ou sans perte ? N. Fressengeas UE SPM-PHY-S07-101, version 2.0.1, planche 4 Formats vid eo
Fonctionnement dun ordinateur Stockage des donn ees en m emoire Un format, obligatoirement
cel-00520195, version 1 - 22 Sep 2010

1
N ecessit e dun format de donn ees Fonctionnement dun ordinateur Stockage des donn ees en m emoire Un format, obligatoirement Formats binaires Formats binaires simples Formats binaires complexes Formats ASCII Le code ASCII Formats ASCII simples Formats ASCII complexes Formats dimage Analyse dune image num erique Vectoriel ou BitMap ? Formats comprim es avec ou sans perte ? Formats vid eo N. Fressengeas UE SPM-PHY-S07-101, version 2.0.1, planche 5
cel-00520195, version 1 - 22 Sep 2010
Fonctionnement el ementaire dun ordinateur

Courte introduction pour ceux qui ne sauraient pas
Un ordinateur est un outil pour le traitement des donn ees Il utilise des donn ees dentr ee Eectue dessus un traitement programmm e Fournit des donn ees en sortie Et cest tout ! Les programmes les plus complexes se r esument ` a ca
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Fonctionnement el ementaire dun ordinateur

Courte introduction pour ceux qui ne sauraient pas
Un ordinateur est un outil pour le traitement des donn ees Il utilise des donn ees dentr ee Eectue dessus un traitement programmm e Fournit des donn ees en sortie Et cest tout ! Les programmes les plus complexes se r esument ` a ca
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
3 composants principaux
Le(s) microprocesseur(s) Eectue(nt) toutes1 les t aches de traitement Cest un circuit electronique Les informations sont transmises sur des bus : ensembles de ls electriques La m emoire Stockage des donn ees dentr ee et de sortie Stockage des r esultats interm ediaires Stockage des programmes de traitement Les p eriph eriques Sans eux, ni entr ee, ni sortie de donn ee
1 Certaines t aches de traitement, comme la gestion de lachage, peuvent etre sous-trait ees ` a des cartes sp ecialis ees N. Fressengeas UE SPM-PHY-S07-101, version 2.0.1, planche 6
CPU
cel-00520195, version 1 - 22 Sep 2010
CPU
cel-00520195, version 1 - 22 Sep 2010
CPU
cel-00520195, version 1 - 22 Sep 2010
La m emoire
2 grands types de m emoire
La m emoire vive Tr` es rapide (ns) Capacit ee limit ee ` a quelques Giga Octets Sert au stockage temporaire des donn ees Le Disque Dur 103 ` a 106 fois plus lent que la RAM Grandes capacit es (Tera Octet) Stockage permanent Emulation de la RAM (swap) si elle vient ` a manquer
RAM
HDD
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
La m emoire
2 grands types de m emoire
La m emoire vive Tr` es rapide (ns) Capacit ee limit ee ` a quelques Giga Octets Sert au stockage temporaire des donn ees Le Disque Dur 103 ` a 106 fois plus lent que la RAM Grandes capacit es (Tera Octet) Stockage permanent Emulation de la RAM (swap) si elle vient ` a manquer
RAM
HDD
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

1
Un simple condensateur charg e/non charg e : 1/0 Tr` es volatile
cel-00520195, version 1 - 22 Sep 2010
Cellule (BIT) de RAM
BIT
Rafraichissement r egulier (ms)
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Organisation et traitement de la m emoire

BITs regroup es en Octets 1 octet : 8 BITS ` a 0 ou 1 1 octet entier de 0 ` a 28 1 = 255 Z81,6809 Motorola,68000 Intel AMD/Intel Traitement des octets par le microprocesseur Un par un pour les microprocesseurs 8 bits 2 par 2 pour les microprocesseurs 16 bits Quatre ` a la fois pour les 32 bits 8` a la fois pour les 64 bits Octets organis e en un tableau unique Chacun porte un num ero : son adresse
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

1
cel-00520195, version 1 - 22 Sep 2010
Prenons un exemple
Comment stocker les entiers n egatifs ou sup erieurs ` a 255 ?
Stockage des grands entiers 8 bits ne susent pas : prenons 2 octets 2 octets : entiers de 0 ` a 216 1 = 65535 b1111 1111 1111 1110 vaut donc 65534 Nombre n egatifs Prenons la convention du compl ement2 ` a2: Si le premier BIT est 1, le nombre repr esent e est loppos e du compl ement ` a 2 des autres bits b1111 1111 1111 1110 vaut b000 0000 0000 0001 donc 1
Cette convention est commode car, gr ace ` a elle, laddition relative est compatible avec les additionneur binaires de nombres entiers naturels
N. Fressengeas UE SPM-PHY-S07-101, version 2.0.1, planche 10 2
cel-00520195, version 1 - 22 Sep 2010
Prenons un exemple
Comment stocker les entiers n egatifs ou sup erieurs ` a 255 ?
Stockage des grands entiers 8 bits ne susent pas : prenons 2 octets 2 octets : entiers de 0 ` a 216 1 = 65535 b1111 1111 1111 1110 vaut donc 65534 Nombre n egatifs Prenons la convention du compl ement2 ` a2: Si le premier BIT est 1, le nombre repr esent e est loppos e du compl ement ` a 2 des autres bits b1111 1111 1111 1110 vaut b000 0000 0000 0001 donc 1
Cette convention est commode car, gr ace ` a elle, laddition relative est compatible avec les additionneur binaires de nombres entiers naturels
cel-00520195, version 1 - 22 Sep 2010
Un format pour les entiers
b1111 1111 1111 1110 Stocke-t-on des entiers relatif (ou non) ? Il faut le d enir ` a priori Cest le format de ces 2 octets
65534 ou 1 ?
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M eme les entiers naturels posent probl` eme

Big Endian Little Endian Prenons b1000 0000 0000 0000, entier naturel sur 2 octets Stockons loctet de poids fort (b1000 0000) dans ladresse la plus basse Puis loctet de poids faible (b0000 0000) dans ladresse la plus haute Cest le format Big Endian On aurait pu faire le contraire D enition pr ealable du format Un entier naturel : 2 octets et un format Si on se trompe de format 215 = 32768 devient 27 = 128 Chaque processeur sa convention (Intel :Little Endian, Motorola,SUN :Big Endian)
N. Fressengeas UE SPM-PHY-S07-101, version 2.0.1, planche 12
cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

Formats binaires simples Formats binaires complexes
cel-00520195, version 1 - 22 Sep 2010

1
cel-00520195, version 1 - 22 Sep 2010
Comment enregistrer la m emoire sur le disque ?

Cest simple, BIT ` a BIT, non ?
Format binaire brut Ecriture de la m emoire telle quelle sur le disque (BIT ` a BIT) Rapide, simple et econome Exemple en C : le fonction write Inconv enients majeurs Ne peut etre relu QUE sur une machine du m eme type3 Souvent uniquement par le m eme programme
La convention BigEndian/LittleEndian doit par exemple rester inchang ee

cel-00520195, version 1 - 22 Sep 2010
Comment enregistrer la m emoire sur le disque ?

Cest simple, BIT ` a BIT, non ?
Format binaire brut Ecriture de la m emoire telle quelle sur le disque (BIT ` a BIT) Rapide, simple et econome Exemple en C : le fonction write Inconv enients majeurs Ne peut etre relu QUE sur une machine du m eme type3 Souvent uniquement par le m eme programme
La convention BigEndian/LittleEndian doit par exemple rester inchang ee

cel-00520195, version 1 - 22 Sep 2010
Exemple de format binaire simple bien connu TM

*.EXE,*.DLL sous Windows
Les chiers ex ecutables Ils doivent etre transcrits tel quels en m emoire Pour y etre ex ecut es Ils contiennent des codes diunstructions du microprocesseur Corrolaire Ne sont lisible que sur le type de machine qui la ecrit Souvent avec le m eme syst` eme dexploitation uniquement
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Exemple de format binaire simple bien connu TM

*.EXE,*.DLL sous Windows
Les chiers ex ecutables Ils doivent etre transcrits tel quels en m emoire Pour y etre ex ecut es Ils contiennent des codes diunstructions du microprocesseur Corrolaire Ne sont lisible que sur le type de machine qui la ecrit Souvent avec le m eme syst` eme dexploitation uniquement
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

1
cel-00520195, version 1 - 22 Sep 2010
Lorsque la simple copie de m emoire ne sut plus

Il faut complexier les formats binaires
Stocher des documents complexes N ecessit e de stocker des informations de structure en plus des copies m emoire Exemples de formats binaires complexes Fichiers Microsoft Oce (avant 2007) : *.DOC. . . Format HDF (Hierarchical Data File) Format Origin. . . Inconv enients majeurs Formats propri etaires, structure inconnue Interop erabilit e nulle Sauf quand le format est publi e (HDF)
cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

Le code ASCII Formats ASCII simples Formats ASCII complexes
cel-00520195, version 1 - 22 Sep 2010

1
cel-00520195, version 1 - 22 Sep 2010
Le code ASCII
American Standard Code for Information Interchange
Un code standard pour coder les caract` eres Standardis e dans les ann ees 60 Un octet = un caract` eres 0` a 31 Exemples 48 ` a 57 : les chires 65 ` a 90 : les majuscules 97 ` a 122 : les minuscules4
Caract` eres de contr ole 7 : beep 10 : Line Feed 13 : Carriage Return
Entre A et a : modication du BIT 6

cel-00520195, version 1 - 22 Sep 2010
Le code ASCII
American Standard Code for Information Interchange
Un code standard pour coder les caract` eres Standardis e dans les ann ees 60 Un octet = un caract` eres 0` a 31 Exemples 48 ` a 57 : les chires 65 ` a 90 : les majuscules 97 ` a 122 : les minuscules4
Caract` eres de contr ole 7 : beep 10 : Line Feed 13 : Carriage Return
Entre A et a : modication du BIT 6

cel-00520195, version 1 - 22 Sep 2010
Code ASCII. . . encore un probl` eme de format

Pour aller ` a la ligne avec une vieille machine ` a ecrire Retour charriot Descente dune ligne Codage du retour ` a la ligne WindowsTM : CR+LF MacOS : CR Unix/Linux : LF Conversion de format texte entre plateforme Soit faite par le logiciel de transfert e.g. ftp en mode texte Soit ` a faire a posteriori
CR LF
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

CR LF
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

CR LF
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Notion dencodage
Codage des accents et autres c edilles
Le code ASCII d enit 7 bits Les codes de 128 ` a 255 sont disponibles Il faut en d enir le format Cest lencodage Format dencodage Les formats dencodage sont tr` es variables Dune plateforme ` a une autre Dun pays ` a un autre Peu de normalisation. . . e.g. UTF-8, Latin1 (ISO 8859-1). . .
de 0 ` a 127
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Notion dencodage
Codage des accents et autres c edilles
Le code ASCII d enit 7 bits Les codes de 128 ` a 255 sont disponibles Il faut en d enir le format Cest lencodage Format dencodage Les formats dencodage sont tr` es variables Dune plateforme ` a une autre Dun pays ` a un autre Peu de normalisation. . . e.g. UTF-8, Latin1 (ISO 8859-1). . .
de 0 ` a 127
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

1
cel-00520195, version 1 - 22 Sep 2010
Formats ASCII simples

LA solution ` a linterop erabilit e
Utilisation du codage ASCII Interop erabilit e maximum
de pr ef erence sans encodage
Lisible par la plupart des ordinateurs et logiciels e.g. : stockage des nombres par leur ecriture d ecimale Utilisation tr` es r epandue Tous les chiers de conguration de Linux Format Comma5 Separated Value Et bien dautres. . . Un inconv enient Taille des chiers beaucoup plus importante quen binaire Solution : la compression
La Comma du format est une virgule qui peut etre remplac ee par autre chose N. Fressengeas UE SPM-PHY-S07-101, version 2.0.1, planche 19
5
cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010

1
cel-00520195, version 1 - 22 Sep 2010
Les formats ASCII complexes

Des formats simples qui se sont complexi es peu ` a peu
Des formats polyvalents Interop erabilit e des formats ASCII Flexibilit e des formats complexes Permettent de d ecrire ` a peu pr` es tout Normalisation des formats complexes : la norme XML Formats tr` es r epandus
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Exemples de formats ASCII complexes

Formats r epondant ` a la norme XML HTML Open ... Autres formats ASCII complexes A L TEX PostScript, PortableDocumentFormat ...
1 Si vous tentez douvrir ces chiers avec un editeur de texte simple, vous aurez limpression que cest un format binaire. Il sagit cependant dune simple compression (ZIP) de chiers ASCII. N. Fressengeas UE SPM-PHY-S07-101, version 2.0.1, planche 21
Protocole WWW OpenOce *.odt,*.ods... MS Oce *.docx,*.xlsx...
Document1
OpenXML1
cel-00520195, version 1 - 22 Sep 2010
Exemples de formats ASCII complexes

Formats r epondant ` a la norme XML HTML Open ... Autres formats ASCII complexes A L TEX PostScript, PortableDocumentFormat ...
1 Si vous tentez douvrir ces chiers avec un editeur de texte simple, vous aurez limpression que cest un format binaire. Il sagit cependant dune simple compression (ZIP) de chiers ASCII. N. Fressengeas UE SPM-PHY-S07-101, version 2.0.1, planche 21
Protocole WWW OpenOce *.odt,*.ods... MS Oce *.docx,*.xlsx...
Document1
OpenXML1
Analyse dune image num erique Vectoriel ou BitMap ? Formats comprim es avec ou sans perte ? Formats vid eo
cel-00520195, version 1 - 22 Sep 2010

1
cel-00520195, version 1 - 22 Sep 2010
Caract eristiques dune image num erique

Une image analogique echantillonn ee Ensemble ni de points Echantillonage 2D : un pas en x , un autre en y Un codage de couleur en chaque point Caract eristiques dune image num erique Sa r esolution, eventuellement di erente en x et y Resolution =
Nombre de points Taille
Pas toujours
Sa profondeur de couleur Nombre de BITs utilis es pour le codage des couleurs
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

Pas toujours
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

Pas toujours
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Prenons un exemple
Prise de vue avec un appareil num erique conventionnel 5Mpixels
Caract eritiques de limage Nombre de points : 1944 2592 = 5 038 848 Profondeur de couleur : 3 8 = 24 BITs 256 niveaux pour chaque couleur primaire soit 224 = 16 777 216 couleurs M emoire totale utilis ee : 3 5 038 848 = 15 116 544 octets 15Mo. Sa r esolution d epend de la taille physique souhait ee e.g. 30*40cm
1944 30
= 64, 8
2592 40
= 64, 9points/cm 165DotPerInch
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Prenons un exemple
1944 30
= 64, 8
2592 40
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Prenons un exemple
1944 30
= 64, 8
2592 40
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

1
Codage BitMap 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Codage vectoriel Un carr e rouge (x1 , y1 ) Un carr e vert (x2 , y2 )
cel-00520195, version 1 - 22 Sep 2010
Format BitMap vs. format vectoriel
N. Fressengeas
Codage BitMap 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Codage vectoriel Un carr e rouge (x1 , y1 ) Un carr e vert (x2 , y2 )
cel-00520195, version 1 - 22 Sep 2010
Format BitMap vs. format vectoriel
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Les formats vectoriels

Pour la description des gures g eom etriques
Avantages Tr` es faible encombrement m emoire Description ind ependante de la r esolution R esolution virtuellement innie Inconv enients IL ny en a pas pour les objets g eom etriques A part (peut etre) le manque doutils populaires pour les 6 manipuler Encombrement m emoire enorme pour une image echantillon ee Sauf ci celle-ci est consid er ee comme un objet BitMap
Citons Inkscape, excellent logiciel libre qui manipule la plupart des formats vectoriels
cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010
Formats combin es
Insertion dune BitMap dans un format vectoriel La plupart des formats vecoriels permettent dins erer des objets BitMap en tant quobjets vecoriels
Fig.: Insertion dune image BitMap dans cette pr esentation vectorielle
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
En pratique
Choix dun format BitMap Photos Images analogiques num eris ees
Choix dun format vectoriel Diagrammes Sch emas Images g eom etriques
N. Fressengeas
Choix dun format BitMap Photos Images analogiques num eris ees Taille du chier Enorme Recours ` a la compression
cel-00520195, version 1 - 22 Sep 2010
En pratique
Choix dun format vectoriel Diagrammes Sch emas Images g eom etriques Taille du chier Tout petit
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
En pratique
Choix dun format vectoriel Diagrammes Sch emas Images g eom etriques Taille du chier Tout petit Formats utilis es PostScript Portable Document Format Scalable Vector Graphics Windows Meta File Enhanced Meta File
Choix dun format BitMap Photos Images analogiques num eris ees Taille du chier Enorme Recours ` a la compression Formats utilis es Graphics Interchange Format Joint Photographic Experts Group Portable Network Graphics Tagged Image File Format
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

1
cel-00520195, version 1 - 22 Sep 2010
Formats comprim es sans perte

Principe : elimination de la redondance 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 0 3 0 6 0 3 0 1 0 3 0
PNG,GIF...
M eme principe que la compression ZIP standard Fonctionne tr` es mal avec des photos A r eserver aux images g eom etriques que lon ne peut avoir en format vectoriel
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Formats comprim es sans perte

Principe : elimination de la redondance 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 0 3 0 6 0 3 0 1 0 3 0
PNG,GIF...
M eme principe que la compression ZIP standard Fonctionne tr` es mal avec des photos A r eserver aux images g eom etriques que lon ne peut avoir en format vectoriel
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Formats comprim es avec perte

Prise en compte des performances limit ees de lil humain
Les performances de lil et du cerveau humain Vision Noir & Blanc d etaill ee et p eriph eriques Gestion des couleurs centrale et peu r esolue Cons equences pour le codage des images La luminance doit etre bien r esolue Les couleurs la chrominance peuvent l etre moins Et donc. . . le codage JPEG D ecomposition Luminance-Chrominance Transform ee de Fourier spatiale 2D Suppression des hautes fr equences spatiales invisibles Compression jusqu` a un facteur 25 sans perte apparente de qualit e
cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010
JPEG : attention aux sch emas et graphiques

Les codages avec perte sont con cus pour coder les images analogiques num eris ees
C a bave. . . Sch emas et graphiques : hautes fr equences spatiales Codage JPEG adapt e aux image analogiques num eris ees R esultat peu convaincant. . .
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

1
cel-00520195, version 1 - 22 Sep 2010
Les formats vid eo

Codage JPEG image par image Norme MJPEG. . . abandonn ee Exploitation de la redondance temporelle On ne code que les changements MPEG 1/2 ou 4 Trois normes qui di` erent par le taux de compression Utilisation MPEG 1 : abandonn ee MPEG 2 : DVD / TNT Gratuite MPEG 4 : TNT payante / t el evision sur IP
MPEG
Du fait de l enorme taille des chiers, les formats vid eo sont des formats de codage
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Les formats vid eo

MPEG
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Les formats vid eo

MPEG
N. Fressengeas
M ethodes directes Conditionnement dun syst` eme lin eaire M ethodes it eratives
cel-00520195, version 1 - 22 Sep 2010
Partie II R esolution num erique des syst` emes lin eaires
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
II R esolution num erique des syst` emes lin eaires

5
M ethodes directes Le pivot de Gauss Le pivot de Gauss : notation matricielle Autres m ethodes directes Conditionnement dun syst` eme lin eaire Notion de conditionnement Attitude ` a adopter face ` a un syst` eme mal conditionn e Notion de pr e-conditionnement M ethodes it eratives M ethodes it eratives et matrices creuses Principes g en eraux Quelques m ethodes classiques
Le pivot de Gauss Le pivot de Gauss : notation matricielle Autres m ethodes directes
cel-00520195, version 1 - 22 Sep 2010
R esoudre des syst` emes lin eaires, pourquoi ?

Et pourquoi faire un cours l` a-dessus, vous lavez appris au lyc ee !
On en trouve partout Physique, Chimie, M ecanique. . . G en eralement issus de la r esolution des Equations Di erentielles (ED) Pas si faciles ` a r esoudre Pour les syst` emes lin eaires simples : substitution, addition. . . Les ED g en` erent de grands syst` emes : 1000 inconnues ou plus N ecessit e dune m ethode syst ematique programmable
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethodes syst ematiques de r esolution

Deux grandes classes
Les m ethode directes Le pivot de Gauss en est le meilleur repr esentant Elles donnent un r esultat exact aux erreurs darrondi pr` es Les m ethode indirectes Ce sont des m ethodes it eratives On construit une suite convergent vers la solution La solution trouv ee est toujours approch ee
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethodes syst ematiques de r esolution

Deux grandes classes
Les m ethode directes Le pivot de Gauss en est le meilleur repr esentant Elles donnent un r esultat exact aux erreurs darrondi pr` es Les m ethode indirectes Ce sont des m ethodes it eratives On construit une suite convergent vers la solution La solution trouv ee est toujours approch ee
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010
La m ethode du Pivot de Gauss

Cest la m ethode reine, toutes les autres en d ecoule
Principe Objectif : transformer un syst` eme lin eaire en un syst` eme type Rx = c r11 .. avec R triangulaire sup erieure R= . 0 La solution dun syst` eme triangulaire est directe Par substitution ` a partir de la derni` ere ligne On peut le r esoudre formellement 1 i : rii = 0 xi = rii
N. Fressengeas
du r1n . . . rnn
ci
k =i +1
rik xk
cel-00520195, version 1 - 22 Sep 2010
La m ethode du Pivot de Gauss

Cest la m ethode reine, toutes les autres en d ecoule
Principe Objectif : transformer un syst` eme lin eaire en un syst` eme type Rx = c r11 .. avec R triangulaire sup erieure R= . 0 La solution dun syst` eme triangulaire est directe Par substitution ` a partir de la derni` ere ligne On peut le r esoudre formellement 1 i : rii = 0 xi = rii
N. Fressengeas
du r1n . . . rnn
ci
k =i +1
rik xk
cel-00520195, version 1 - 22 Sep 2010
Description formelle de la m ethode du pivot de Gauss
Syst` eme ` a r esoudre a11 a1n . . . A= . . . an1 ann b1 . b=. . bn
Ax = b
Pour mettre des 0 sur la premi` ere colonne de la ligne k Si L1 est la premi` ere ligne Soustraire
ak 1 a11 L1
` a la ligne k
a11 est appel e le pivot
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Description formelle de la m ethode du pivot de Gauss
Syst` eme ` a r esoudre a11 a1n . . . A= . . . an1 ann b1 . b=. . bn
Ax = b
Pour mettre des 0 sur la premi` ere colonne de la ligne k Si L1 est la premi` ere ligne Soustraire
ak 1 a11 L1
` a la ligne k
a11 est appel e le pivot
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Apr` es la premi` ere etape

Un nouveau syst` eme ` a r esoudre a11 a12 a1n 0 a 22 a1n A= . . . . . . . . . 0 an2 ann Et on recommence sur la sous matrice. . . Quelques remarques. . . La premi` ere ligne est inchang ee le second membre b doit subir les m eme modications Ceci nest possible que si tous les aii sont non nuls Ax =b b1 b 2 b=. . . bn
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Apr` es la premi` ere etape

Un nouveau syst` eme ` a r esoudre a11 a12 a1n 0 a 22 a1n A= . . . . . . . . . 0 an2 ann Et on recommence sur la sous matrice. . . Quelques remarques. . . La premi` ere ligne est inchang ee le second membre b doit subir les m eme modications Ceci nest possible que si tous les aii sont non nuls Ax =b b1 b 2 b=. . . bn
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Choix du pivot
Ax = b
Que faire si le pivot est nul ou trop petit ?
Si le pivot est nul Une permutation de lignes ou de colonnes r esout le probl` eme ements de b aussi ! Lignes permut ees ? El Colonnes permut ees ? x doit l etre aussi !
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Un pivot trop petit ?

Un pivot trop petit induit des erreurs darrondi
Lordinateur naime pas diviser par de petits nombres Si est connu ` a pr` es, comme dans tout ordinateur Comparez lerreur relative obtenue sur le calcul de 1/
Pour = 2 Pour = 106
Un bon pivot doit etre grand . . . voire le plus grand possible M ethode du pivot partiel : permuter les lignes pour obtenir le plus grand pivot M ethode du pivot total : permuter lignes et colonnes
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Un pivot trop petit ?

Un pivot trop petit induit des erreurs darrondi
Lordinateur naime pas diviser par de petits nombres Si est connu ` a pr` es, comme dans tout ordinateur Comparez lerreur relative obtenue sur le calcul de 1/
Pour = 2 Pour = 106
Un bon pivot doit etre grand . . . voire le plus grand possible M ethode du pivot partiel : permuter les lignes pour obtenir le plus grand pivot M ethode du pivot total : permuter lignes et colonnes
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Et si, malgr e tout le pivot est nul

De linconv enient davoir un petit pivot
Tous les pivots possibles sont nuls A un pas de la m ethode, impossibilit e de trouver un pivot non nuls Cela signie quune des inconnues a toujours un coecient nul Le syst` eme nest pas solvable : il est dit singulier Il poss` ede une innit e de solution ou pas du tout Si le pivot est trop petit Le syst` eme est s urement mal conditionn e (presque singulier) On en parle ` a la n de cette partie
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Et si, malgr e tout le pivot est nul

De linconv enient davoir un petit pivot
Tous les pivots possibles sont nuls A un pas de la m ethode, impossibilit e de trouver un pivot non nuls Cela signie quune des inconnues a toujours un coecient nul Le syst` eme nest pas solvable : il est dit singulier Il poss` ede une innit e de solution ou pas du tout Si le pivot est trop petit Le syst` eme est s urement mal conditionn e (presque singulier) On en parle ` a la n de cette partie
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Algorithme du Pivot de Gauss
Ax = b
R esum e
D eterminer (r , s ) tel que |ars | = max |ai ,j |

i ,j
2 3
Si |ars | = 0 alors STOP, le syst` eme est singulier Sinon echanger lignes (et colonnes) pour obtenir le syst` eme Ax = b Pour i > 1 :
Si L1 est la premi` ere ligne ai 1 L 1 ` a la ligne i Soustraire a 11 Pour obtenir le nouveau syst` eme A x = b
Recommencer en (1) avec la sous-matrice A de A priv ee des premi` eres ligne et colonne
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Ax = b
R esum e

i ,j
2 3
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Ax = b
R esum e

i ,j
2 3
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Ax = b
R esum e

i ,j
2 3
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Ax = b
R esum e

i ,j
2 3
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010
Notations matricielles des permutations

Permutation des lignes i et j 1 1 0 1 Pij = . . . . . .. . . 1 0 A = Pij A 1
Matrice identit e dont les el ements (i , i ) et (j , j ) sont permut es avec (i , j ) et (j , i ) Multiplication ` a gauche : permutation des lignes A droite : permutation des colonnes Remarque : Pij 1 = Pij
cel-00520195, version 1 - 22 Sep 2010
Notation matricielle de lop eration Pivot

Comment mettre des 0 dans une colonnes ` a laide dun produit matriciel
ai 1 L1 ` a Soustraire Soustraire a 11 1 0 a21 a 11 1 a31 a11 0 G= . . . . . . . . . . . . an1 a11 0
la ligne i .. . .. . .. . 0 . . . . .. . . . .. .. . . . . . .. . 1 0 0 1
A = GA
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Remarque sur linverse de G
Il est facile ` a trouver7 1 a21 + a 11 a31 + a11 = . . . . . . n1 +a a11 0 . . . . .. . . . .. .. . . . . . .. . 1 0 0 0 1 0 . 1 .. . 0 .. . . . . .. . . .
G 1
Chercher une d emonstration sans calcul

cel-00520195, version 1 - 22 Sep 2010
Notation matricielle de la m ethode de Gauss

Chaque etape conduit ` a produire des 0 sur la colonne suivante A A[1] A[2] A[j ] R b b[1] b[2] b[j ] c Forme de A[j ] . . . . . . = 0 (jj ) 0
A[j ]
avec A[j ] = G [j ] P [j ] A[j 1] et b[j ] = G [j ] P [j ] b[j 1]
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Notation matricielle de la m ethode de Gauss

Chaque etape conduit ` a produire des 0 sur la colonne suivante A A[1] A[2] A[j ] R b b[1] b[2] b[j ] c Forme de A[j ] . . . . . . = 0 (jj ) 0
A[j ]
avec A[j ] = G [j ] P [j ] A[j 1] et b[j ] = G [j ] P [j ] b[j 1]
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Expression matricielle de la matrice triangulaire R

Rappel A[j ] = G [j ] P [j ] A[j 1] b[j ] = G [j ] P [j ] b[j 1] On en d eduit
1
R=
k =n1 1
G [k ] P [k ] G [k ] P [k ]
k =n1
c=
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
D ecomposition8 L.R : produit de deux matrices triangulaires
Dans le cas particulier o` u aucune permutation nest requise
Si aucune permutation nest n ecessaire

1
Si
k , P [k ]
= I alors R =
k =n1 k =n1
G [k ]
Donc A =
G [k ]
1
R = L.R
Triangulaire inf erieure
On parle aussi de d ecomposition L.U. (Lower.Upper)

cel-00520195, version 1 - 22 Sep 2010
D ecomposition LR dans le cas g en eral
La permutation de A est parfois n ecessaire Pour eviter les pivots non nuls Mais aussi pour choisir les meilleurs pivots D ecomposition LR conventionnelle A = P LR o` u P est une matrice de permutation
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
D ecomposition LR dans le cas g en eral
La permutation de A est parfois n ecessaire Pour eviter les pivots non nuls Mais aussi pour choisir les meilleurs pivots D ecomposition LR conventionnelle A = P LR o` u P est une matrice de permutation
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
De lutilit e de la d ecomposition LR
R esolution de syst` emes lin eaires pour divers seconds membres Supposons A = P LR A r esoudre : Ax = bi pour divers i P L (Rx ) = bi Rx = y P Ly = bi Ce sont deux syst` emes triangulaires9 simples ` a r esoudre Utiliser la d ecomposition LR formellement revient ` a utiliser la m ethode de Gauss Autres utilisations Inversion matricielle Calcul de d eterminant
Le deuxi` eme syst` eme est triangulaire ` a une permutation pr` es, ce qui ne change pas la complexit e de sa r esolution.
cel-00520195, version 1 - 22 Sep 2010
cel-00520195, version 1 - 22 Sep 2010
cel-00520195, version 1 - 22 Sep 2010
cel-00520195, version 1 - 22 Sep 2010
cel-00520195, version 1 - 22 Sep 2010
De la sup eriorit e num erique de la m ethode de Gauss

Tous les logiciels de calcul utilisent la m ethode de Gauss pour le calcul de d eterminant, linversion. . .
Pivot de Gauss ou calcul de linverse ? Ax = b pourrait se r esoudre par le calcul de linverse : x = A1 b Le calcul de linverse pourrait etre fait par une autre m ethode10 La m ethode du Pivot est la plus rapide (complexit e en n3 /2)
10
e.g. en utilisant A t commA = det A I

cel-00520195, version 1 - 22 Sep 2010
De la sup eriorit e num erique de la m ethode de Gauss

Tous les logiciels de calcul utilisent la m ethode de Gauss pour le calcul de d eterminant, linversion. . .
Pivot de Gauss ou calcul de linverse ? Ax = b pourrait se r esoudre par le calcul de linverse : x = A1 b Le calcul de linverse pourrait etre fait par une autre m ethode10 La m ethode du Pivot est la plus rapide (complexit e en n3 /2)
10
e.g. en utilisant A t commA = det A I

cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010
Elimination de Gauss-Jordan
Une autre pr esentation de la m ethode de Gauss
R esolution dun syst` eme 0 [A] [b] . . . 0 . .. . . . [c ] .. .. . . . . . 0
Ax = b
Syst` eme triangulaire r esolu ` a laide de formules directes
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
R esolution dun syst` eme 0 [A] [b] . . . 0
Ax = b
1 0 0 . . . . . . .. . . 0 . . . . . [c ] [x ] . . .. .. . . . . . . . . . . . . 0 0 0 0 1
Syst` eme triangulaire r esolu ` a laide du Pivot de Gauss (invers e)
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
R esolution dun syst` eme 0 [A] [b] . . . 0
Ax = b
1 0 0 . . . . . . .. . . . . . . . [x ] [c ] 0 . . . .. .. . . . . . . . . . . 0 . 0 0 1 0
Syst` eme triangulaire r esolu ` a laide du Pivot de Gauss (invers e) Remarque sur le Pivot Total Si le Pivot Total est utilis e, la permutation des colonnes permute le vecteur solution [x ] La remont ee ne peut faire lobjet de recherche de pivot
cel-00520195, version 1 - 22 Sep 2010
Application au calcul de linverse matriciel
D eterminer linverse de A, cest r esoudre des syst` emes Chaque colonne de linverse est solution dun syst` eme :
dont la matrice est A le second membre est un vecteur de base
Proposition : les r esoudre tous en m eme temps Le calcul de linverse le plus rapide qui soit 1 0 0 1 0 0 .. .. . . . . . . . . 0 0 . . . . . . [A] = . . . . . . . . . . . . . 0 . . . . . 0 0 0 1 0 0 1
N. Fressengeas
A1
cel-00520195, version 1 - 22 Sep 2010
N. Fressengeas
A1
cel-00520195, version 1 - 22 Sep 2010
N. Fressengeas
A1
Notion de conditionnement Attitude ` a adopter face ` a un syst` eme mal conditionn e Notion de pr e-conditionnement
cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010
Un syst` eme mal conditionn e?

Prenons un exemple
Syst` eme A x1 x2 = 1 1, 002x1 x2 = 1
Syst` eme B x1 x2 = 1, 001 1, 002x1 x2 = 1
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

Prenons un exemple
Syst` eme A x1 x2 = 1 1, 002x1 x2 = 1
Syst` eme B x1 x2 = 1, 001 1, 002x1 x2 = 1 Solution x1 = 0, 5 x2 = 0, 5
Solution x1 = 0 x2 = 1
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

Prenons un exemple
Syst` eme A x1 x2 = 1 1, 002x1 x2 = 1
Syst` eme B x1 x2 = 1, 001 1, 002x1 x2 = 1 Solution x1 = 0, 5 x2 = 0, 5
Solution x1 = 0 x2 = 1 Deux syst` emes quasi identiques Ils ne di` erent que de 0, 1%
Leurs solutions sont tr` es di erentes Ils sont dits mal conditionn es
cel-00520195, version 1 - 22 Sep 2010
Syst` emes mal conditionn es

Interpr etation graphique pour un syst` eme ` a 2 inconnues
x2 A B x1
Droites quasi-parall` eles Une variation inme de lordonn ee ` a lorigine ou de la pente modie le point dintersection substantiellement
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
De limportance du conditionnement dun syst` eme lin eaire
Sources derreur Analyse num erique toujours faite par ordinateur Le stockage en m emoire cr ee des erreurs darrondi Si je r esous un syst` eme mal conditionn e Les coecients sont entach es derreurs Le r esultat na aucune signication
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
De limportance du conditionnement dun syst` eme lin eaire
Sources derreur Analyse num erique toujours faite par ordinateur Le stockage en m emoire cr ee des erreurs darrondi Si je r esous un syst` eme mal conditionn e Les coecients sont entach es derreurs Le r esultat na aucune signication
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
D enition quantitative du conditionnement

En anglais, le Condition Number
Conditionnement de Ax = b cond (A) = A . A1 Cette d enition est valide quelle que soit la norme matricielle choisie Erreur sur la matrice x cond (A) x+ x A A
Erreur sur le second membre x cond (A) x b b
Un bon conditionnement est petit
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010
Un syst` eme mal conditionn e est un probl` eme mal pos e

Quand le syst` eme nest pas inversible Un syst` eme non inversible est un syst` eme qui na pas de solution (ou une innit e) Chercher une solution ` a ce syst` eme na pas de sens Quand il est mal conditionn e Syst` eme non inversible + erreurs ?
Chercher une solution na pas de sens
Probl` eme mal pos e

Ne demande qu` a devenir non inversible
Premier r eexe : reconsid erer le probl` eme pos e Ne suis je pas en train de chercher ` a r esoudre un probl` eme qui na pas de solution ?
cel-00520195, version 1 - 22 Sep 2010


cel-00520195, version 1 - 22 Sep 2010


cel-00520195, version 1 - 22 Sep 2010


cel-00520195, version 1 - 22 Sep 2010
M ethode de r esolution dun syst` eme mal conditionn e

M ethode de r esolution dun probl` eme mal pos e. . . donc faillible Ax = b
Id ee : consid erer que la solution du syst` eme nest quapproch ee x solution approch ee de Ax = b x nest pas solution donc Ax = b Par di erence : A (x x ) = (b b ) On retrouve le m eme syst` emea : A x = b Dont la solution approch ee est
a
Seul le second membre variant, penser ` a la d ecomposition LR
Solution obtenue en it erant le processus x + x + x + x + . . .
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

a
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

a
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

a
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

a
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

a
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010
Le pr e-conditionnement
Une attitude alternative face ` a un mauvais conditionnement
D enition P est appel e pr e-conditionneur de A si cond P 1 A < cond (A) Principe R esoudre P 1 A x = P 1 b au lieu de Ax = b D etermination de P P nest en g en eral pas calcul ee directement Elle est souvent issue dun algorithme d eriv e de la m ethode de Gauss Utilisation de pr e-conditionnement En g en eral peu dint er et pour les m ethodes directes Peut pr esenter un int er et pour les m ethodes it eratives
cel-00520195, version 1 - 22 Sep 2010
cel-00520195, version 1 - 22 Sep 2010
cel-00520195, version 1 - 22 Sep 2010
M ethodes it eratives et matrices creuses Principes g en eraux Quelques m ethodes classiques
cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010
Pourquoi r esoudre des syst` emes lin eaires ?

R esolution Num erique des Equations Di erentielles De grands syst` emes : autant dinconnues que de points de discr etisation Des syst` emes dits creux11 : avec beaucoup de 0 Probl` emes pos es : Grands syst` emes : beaucoup de m emoire utilis ee Temps de calcul important parfois impraticable m eme sur les ordinateurs actuels Solution propos ee : ne pas stocker les 0 Il faut utiliser des algorithmes de calcul qui travaillent avec des matrices creuses Ce nest pas le cas du Pivot de Gauss
11
Creux en anglais : sparse

cel-00520195, version 1 - 22 Sep 2010

11

cel-00520195, version 1 - 22 Sep 2010

11

cel-00520195, version 1 - 22 Sep 2010
Comment conserver des syst` emes creux ?

Les matrices creuses Elles sont issues de relations di erentielles Qui impliquent en g en eral les points voisins Les el ements non nuls sont donc proches de la diagonale On parle de matrices multidiagonales Proposition de m ethode it erative Construction dune suite nimpliquant que des matrices creuses D enie par une relation de r ecurrence Son point xe est la solution du syst` eme La suite converge vers la solution12
Une suite d enie par une relation de r ecurrence ne peut que converger vers son point xe, si elle converge
cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010
M ethodes it eratives : des suites vectorielles

Avantages et inconv enients
Avantages des m ethodes it eratives Limiter les besoins en m emoire vive Et donc limiter le temps de calcul Inconv enients Convergence en g en eral assez lente Solution n ecessairement approch ee Quel type de m ethode choisir ? Pour les petits syst` emes (creux ou denses) : Gauss Pour les grands syst` emes creux : m ethode it eratives Pour les grands syst` emes denses : Gauss (mais ce sera dicile)
cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010
Construction de la suite vectorielle

Introduction dune matrice arbitraire Ax = b Bx + (A B )x = b
Ax = b
B
Une matrice arbitraire B permet de faire appara tre la solution x comme point xe
Construction de la suite vectorielle Bxi +1 + (A B ) xi = b xi +1 = xi B 1 (Axi b) xi +1 = I B 1 A xi + B 1 b xi +1 = Mxi + p Jacobi, Gauss-Seidel. . . Le choix dun pr e-conditionnement Le choix de B correspond au choix dune m ethode La vitesse de convergence en d ependra
cel-00520195, version 1 - 22 Sep 2010

Ax = b
B
cel-00520195, version 1 - 22 Sep 2010

Ax = b
B
cel-00520195, version 1 - 22 Sep 2010

Ax = b
B
cel-00520195, version 1 - 22 Sep 2010

Ax = b
B
cel-00520195, version 1 - 22 Sep 2010

Ax = b
B
cel-00520195, version 1 - 22 Sep 2010
Convergence, valeurs propres et choix de B
Convergence de la suite xi +1 = Mxi + p Elle converge13 si (M ) < 1 (M ) est le rayon spectral de M (M ) = maxi |i |, si les i sont les valeurs propres de M Le choix de B est donc guid e par I B 1 A < 1 et le plus petit possible Bxi +1 + (A B ) xi = b ais ement inversible
Une d emonstration el ementaire de cette propri et e pour la suite xi +1 = Mxi peut etre faite en se pla cant dans la base des vecteurs propres.
13
cel-00520195, version 1 - 22 Sep 2010
Convergence, valeurs propres et choix de B
Convergence de la suite xi +1 = Mxi + p Elle converge13 si (M ) < 1 (M ) est le rayon spectral de M (M ) = maxi |i |, si les i sont les valeurs propres de M Le choix de B est donc guid e par I B 1 A < 1 et le plus petit possible Bxi +1 + (A B ) xi = b ais ement inversible
Une d emonstration el ementaire de cette propri et e pour la suite xi +1 = Mxi peut etre faite en se pla cant dans la base des vecteurs propres.
13
cel-00520195, version 1 - 22 Sep 2010

5
cel-00520195, version 1 - 22 Sep 2010
Quelques matrices auxiliaires

A=D E F a11 D= 0 L = U = J = H = 0 .. . ann D 1 E D 1 F L+U (I L)1 U E 0 .. . .. .
Ax = b
D ecomposition de A en matrice diagonale (D ) et deux matrices triangulaires (E et F )
a21 = . .. . . . a a n ,n 1 n1 0 a12 a1n . . . . .. .. . . . . = . .. . . an1,n . 0 0
0 . . . . . . 0
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethode de Jacobi
B=D
Aussi connue sous le nom de m ethode du pas total
B=D
M = I B 1 A = J x [i +1] = Mx [i ] + B 1 b 1 bj ajk xk [i ] xj [i +1] = ajj

k =j
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethode de Gauss-Seidel
Aussi connue sous le nom de m ethode du pas unique
B =D E
M = I B 1 A = (I L)1 U = H x [i +1] = Mx [i ] + B 1 b
B etant triangulaire, la d etermination de M se fait par r esolution dun syst` eme triangulaire14 i ,
k <j
14
ajk xk [i +1] + ajj xj [i +1] +

k >j
ajk xk [i ] = bj
On rappelle quen analyse num erique, il est absolument proscrit de calculer un inverse autrement que par la m ethode de Gauss ou via une m ethode it erative. Dans ce cas ci, lapplication de la formule pour i croissant ` a partir de 1 sut.
cel-00520195, version 1 - 22 Sep 2010
Relaxation de Gauss Seidel

G en eralisation de la m ethode de Gauss-Seidel
Param` etre de relaxation : R 1 B ( ) = D (I L) = 1 :Gauss-Seidel < 1 : sous-relaxation > 1 : sur-relaxation Le choix de est un point dicile hors du p erim` etre de ce cours Permet cependant dajuster le rayon spectral
N. Fressengeas
Equivalence R esolution Optimisation M ethodes it erative de r esolution Application ` a loptimisation
cel-00520195, version 1 - 22 Sep 2010
Partie III Optimisation et syst` emes non lin eaires
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
III Optimisation et syst` emes non lin eaires

8
Equivalence R esolution Optimisation Par le truchement dune d eriv ee Dimensions de lespace darriv ee M ethodes it erative de r esolution R esolution dans R R esolution dans Rn Application ` a loptimisation Optimisation dans R Optimisation dans Rn
10
N. Fressengeas
Par le truchement dune d eriv ee Dimensions de lespace darriv ee
cel-00520195, version 1 - 22 Sep 2010

8
10
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Equivalence entre R esolution et Optimisation

Optimisation Loptimisation est la d etermination du param` etre qui permet de maximiser ou de minimiser une fonction Se traduit par lannulation de d eriv ee : f (x )max min f (x ) = 0 max x1 . f Ou de gradient : f . i , . xi = 0 xn min Equivalence Equivalence entre r esolution et optimisation Moyennant une d eriv ee
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

8
10
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Probl` emes des ndimensions de lespace darriv ee m

f : E F avec E = R et F = R
Fonctions ` a valeurs r eelles Peut etre optimis ee Peut servir dans une r esolution Quelle que soit la dimension n de lespace de d epart
F =R
Fonctions ` a valeurs vectorielles m>1 Ne peut pas etre optimis ee : Rm nest pas muni dune relation dordre Peut servir dans une r esolution : correspond alors ` am probl` emes r eels Cas particulier m=1 f :E R Sans perte de g en eralit e, on sint eressera donc uniquement au cas m=1
cel-00520195, version 1 - 22 Sep 2010

F =R
cel-00520195, version 1 - 22 Sep 2010

F =R
R esolution dans R R esolution dans Rn
cel-00520195, version 1 - 22 Sep 2010

8
10
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethodes it eratives : construction

Principe Construction dune suite convergent vers la solution D enie par une relation de r ecurrence : E E Point xe solution : ( ) = f ( ) = 0 Construction de Elle peut etre evidente
A r esoudre x = cos (x ) f (x ) = x cos (x ) = cos
f (x ) = 0
Si elle nest pas evidente

Un d eveloppement limit e peut aider
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

f (x ) = 0

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

f (x ) = 0

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
La m ethode de Newton
Une construction de sur la base dun d eveloppement limit e
D eveloppement de f (x ) = 0 Soit x : f (x ) = 0 au voisinage de x

+
f (x ) =
n=0
(x )n (n) f ( ) n! Troncature ordre 1 ou 2 f ( ) f ( )2 2f ( )f ( ) x = f ( ) x ` a lordre idoine
f (x ) = 0 x = donn e, x
f ( ) f ( ) x approche
peut servir de nouveau : naturellement d enie

cel-00520195, version 1 - 22 Sep 2010

+
f (x ) =
n=0
f (x ) = 0 x = donn e, x

cel-00520195, version 1 - 22 Sep 2010

+
f (x ) =
n=0
f (x ) = 0 x = donn e, x

cel-00520195, version 1 - 22 Sep 2010

+
f (x ) =
n=0
f (x ) = 0 x = donn e, x

cel-00520195, version 1 - 22 Sep 2010
Formulation formelle et interpr etation graphique
Relation de r ecurrence (x ) = x
17.5 15 12.5 10 7.5 5 2.5 -1
ordre 1
f (x ) f (x )
x
1
-2.5 -5 -7.5 -10 -12.5
x*
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
17.5 15 12.5 10 7.5 5 2.5 -1
ordre 1
f (x ) f (x )
Relation de r ecurrence ordre 2 2 f (x ) f (x ) 2f (x )f (x ) (x ) = x f (x )

17.5 15 12.5 10
x
1
7.5
-2.5 -5 -7.5 -10 -12.5
x*
5 2.5 -1 -2.5 -5
x * x 1
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
17.5 15 12.5 10 7.5 5 2.5 -1
ordre 1
f (x ) f (x )
Relation de r ecurrence ordre 2 f (x ) f (x )2 2f (x )f (x ) (x ) = x f (x )

17.5 15 12.5 10
x
1
7.5
-2.5 -5 -7.5 -10 -12.5
x*
5 2.5 -1 -2.5 -5
x * x 1
NewtonApproximation par un polyn ome f est approch ee par un polyn ome dordre N Une des racines est prise comme solution approch ee
cel-00520195, version 1 - 22 Sep 2010
M ethode de la fausse position

Aussi connue sous le nom de Regula falsi ou m ethode de la s ecante
Principe D eriv ee de la m ethode Newton Quand la d eriv ee nest pas calculable Approximation de la d eriv ee par une s ecante f (x ) f (x0 ) f (x ) f (x0 ) f (x ) = limx x0 f (x ) x x0 x x0
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

17.5 15 12.5 10 7.5 5 2.5 -1 -2.5 1 2 3 4
x1 x2 x
x0
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

17.5 15 12.5 10
R ecurrence xn+1 = xn f
n xn1 (xn ) f (xx n )f (xn1 )
7.5 5 2.5 -1 -2.5 1 2 3 4
x1 x2 x
x0
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

8
10
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethode de Newton multidimensionnelle

f : Rn Rn
Equation dans Rn
f1 (x1 , . . . , xn ) . . f (x ) = 0 =0 . fn (x1 , . . . , xn )
f .(x ) f (x ) f ( ) + D
D eveloppement limit e` a lordre 1
La relation de r ecurrence Si D est inversible

f (x ) = x Dx 1
f (x )
La Jacobienne f1 . f Dx = . .
x1 fn x1
f1 xn fn xn
. . .
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

f : Rn Rn
Equation dans Rn
f1 (x1 , . . . , xn ) . . f (x ) = 0 =0 . fn (x1 , . . . , xn )
f .(x ) f (x ) f ( ) + D

f (x ) = x Dx 1
f (x )
x1 fn x1
f1 xn fn xn
. . .
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

f : Rn Rn
Equation dans Rn
f1 (x1 , . . . , xn ) . . f (x ) = 0 =0 . fn (x1 , . . . , xn )
f .(x ) f (x ) f ( ) + D

f (x ) = x Dx 1
f (x )
x1 fn x1
f1 xn fn xn
. . .
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

f : Rn Rn
Equation dans Rn
f1 (x1 , . . . , xn ) . . f (x ) = 0 =0 . fn (x1 , . . . , xn )
f .(x ) f (x ) f ( ) + D

f (x ) = x Dx 1
f (x )
x1 fn x1
f1 xn fn xn
. . .
N. Fressengeas
Optimisation dans R Optimisation dans Rn
cel-00520195, version 1 - 22 Sep 2010

8
10
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Optimisation dans R
Recherche dextrema dans R Annulation de la d eriv ee Recherche de racine de la d eriv ee M ethodes de r esolution Exemples avec la m ethode Newton ordre 1 : (x ) = x ordre 2 : (x ) = x
f (x ) f (x ) f (x )
f (x )2 2f (x )f f (x )
(x )
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Optimisation dans R
Recherche dextrema dans R Annulation de la d eriv ee Recherche de racine de la d eriv ee M ethodes de r esolution Exemples avec la m ethode Newton ordre 1 : (x ) = x ordre 2 : (x ) = x
f (x ) f (x ) f (x )
f (x )2 2f (x )f f (x )
(x )
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

8
10
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Exemple dans R2
f : R2 R
Le skieur minimise son altitude f M ethode de la plus grande pente (x ) = x gradx (f )
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Exemple dans R2
f : R2 R
Le skieur minimise son altitude f M ethode de la plus grande pente (x ) = x gradx (f ) Plusieurs strat egies sont possibles Facteur correctif matriciel (x ) = x .gradx (f ) Choix de : choix de la m ethode15
15
M ethode de la plus grande pente : constant

Inconv enient de la plus grande pente La convergence peut etre lente Comment y rem edier ? Par le choix correct du facteur correctif Il existe beaucoup de propositions pour Pr esentons quelques unes dentre elles : :
La m ethode de Newton et ses d eriv ees
cel-00520195, version 1 - 22 Sep 2010
Choix de la m ethode de descente
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethode de Newton
La Hessienne .gradx (f ) f Hx =
2f x1 x1
= H 1
M ethode d eriv ee du d eveloppement limit e multidimensionnel ` a lordre 2
Relation de r ecurrence
f (x ) = x Hx 1
. . .
2f x1 xn
. . .
2f x1 xn
2f xn xn
M ethodes d eriv ees Nest pas sans rappeler la m ethode dans R Dautres m ethodes consistent ` a approcher H
Remplacer H par sa diagonale pour mieux linverser Remplacer H par H + I
interm ediaire entre Newton et plus grande pente r eglable par
cel-00520195, version 1 - 22 Sep 2010
M ethode de Newton
2f x1 x1
= H 1
f (x ) = x Hx 1
. . .
2f x1 xn
. . .
2f x1 xn
2f xn xn
cel-00520195, version 1 - 22 Sep 2010
M ethode de Newton
2f x1 x1
= H 1
f (x ) = x Hx 1
. . .
2f x1 xn
. . .
2f x1 xn
2f xn xn
Interpolation D erivation num erique Int egration num erique
cel-00520195, version 1 - 22 Sep 2010
Partie IV Interpolation, d erivation et int egration
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
IV Interpolation, d erivation et int egration

11
Interpolation Polyn omes de Lagrange Autre formes dinterpolations polyn omiales Interpolation par splines D erivation num erique D erivation num erique dune fonction analytique D erivation num erique dune fonction num erique Int egration num erique Les m ethodes de Newton-Cotes Int egration de Gauss
12
13
N. Fressengeas
Polyn omes de Lagrange Autre formes dinterpolations polyn omiales Interpolation par splines
cel-00520195, version 1 - 22 Sep 2010

11
12
13
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Linterpolation
Pourquoi interpoler ? Obtenir une valeur approch ee l` a o` u il ny a pas de valeur exacte D eriver une fonction num erique Int egrer num eriquement avec davantage de pr ecision
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

11
12
13
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Interpolation par les polyn omes de Lagrange

Faire passer un polyn ome de degr e n 1 par n points
Polyn ome de degr e n1

n
n points ` a interpoler i [1, n] , (xi , yi ) p (x ) =
yi Li (x )
i =0
Polyn ome de Lagrange associ e aux n points (xi ) Degr e n1 Li (xk ) = ik : 1 pour i = k , 0 sinon. Li Li (x ) =
(Li )
Expression du polyn ome de Lagrange Annulation pour i = k Normalisation ` a1
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010


n
yi Li (x )
i =0
Polyn ome de Lagrange associ e aux n points (xi ) Degr e n1 Li (xk ) = ik : 1 pour i = k , 0 sinon. Li Li (x ) =
(Li )
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010


n
yi Li (x )
i =0
Polyn ome de Lagrange associ e aux n points (xi ) Degr e n1 Li (xk ) = ik : 1 pour i = k , 0 sinon. Li
n
(Li )
Li (x ) =
k =0,k =i
(x xk )
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010


n
yi Li (x )
i =0
Polyn ome de Lagrange associ e aux n points (xi ) Degr e n1 Li (xk ) = ik : 1 pour i = k , 0 sinon. Li
n
(Li )
Li (x ) =
k =0,k =i
x xk xi xk
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

11
12
13
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Autre formes dinterpolation polyn omiale

Polyn ome de Newton M eme degr e que le polyn ome dinterpolation de Lagrange Passe par les m eme points Cest le m eme Juste une autre fa con de calculer
n n
Interpolation de Hermite
p (x ) =
i =1
yi Hi (x ) +
i =1
i (x ) yi H
i interpolent y Les Hi interpollent y , les H n contraintes suppl ementaires : degr e 2n 1 Hi (x ) = (1 2(x xi )Li (xi )) [Li (x )]2 i (x ) = [Li (x )]2 (x xi ) H
cel-00520195, version 1 - 22 Sep 2010

n n
p (x ) =
i =1
yi Hi (x ) +
i =1
i (x ) yi H
cel-00520195, version 1 - 22 Sep 2010

n n
p (x ) =
i =1
yi Hi (x ) +
i =1
i (x ) yi H
cel-00520195, version 1 - 22 Sep 2010

n n
p (x ) =
i =1
yi Hi (x ) +
i =1
i (x ) yi H
cel-00520195, version 1 - 22 Sep 2010

11
12
13
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Principe de de linterpolation par splines

Linterpolation par des r` egles de caoutchouc ou de contreplaqu e
Principe Fonctions dinterpolation d enie par morceaux Continument d erivable 2 fois A interpoler n points, n 1 splines s (x ) ` a calculer s (x ) = ai + bi x + ci x 2 + di x 3 4(n 1) inconnues Interpolation par f , n contraintes : i [1, n] , f (xi ) = yi Continuit e de f ,f et f aux fronti` eres des intervalles : 3 (n 2) contraintes 3 (n 2) + n = 4n 6 : il en manque 2, ` a inventer
i [1, n] , (xi , yi )
cel-00520195, version 1 - 22 Sep 2010

i [1, n] , (xi , yi )
cel-00520195, version 1 - 22 Sep 2010

i [1, n] , (xi , yi )
cel-00520195, version 1 - 22 Sep 2010

i [1, n] , (xi , yi )
cel-00520195, version 1 - 22 Sep 2010

i [1, n] , (xi , yi )
cel-00520195, version 1 - 22 Sep 2010

i [1, n] , (xi , yi )
D erivation num erique dune fonction analytique D erivation num erique dune fonction num erique
cel-00520195, version 1 - 22 Sep 2010

11
12
13
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Fonction analytique ou fonction num erique ?
Deux grands classes de fonctions ` a distinguer Celles qui sont d enies analytiquement Celles qui sont connues uniquement en certains points Deux grandes classes de m ethodes Les m ethode de d erivations et dint egration num eriques peuvent etre di erentes dans les deux cas.
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Fonction analytique ou fonction num erique ?
Deux grands classes de fonctions ` a distinguer Celles qui sont d enies analytiquement Celles qui sont connues uniquement en certains points Deux grandes classes de m ethodes Les m ethode de d erivations et dint egration num eriques peuvent etre di erentes dans les deux cas.
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

11
12
13
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Di erences nies via le th eor` eme de Taylor

Lapplication du d eveloppement limit e au calcul de la d eriv ee
Th eor` eme de Taylor f (x ) =

f (x +h)f (x ) h
ordre 1 + o(1)
Quelle valeur pour le pas h ? Pas trop petit

Division par z ero Troncature num erique
Pas trop grand

Troncature du DL
Estimation de lerreur de troncature Deuxi` eme terme du d eveloppement

h 2f
(x + h ) : 0 1
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010


f (x +h)f (x ) h
ordre 1 + o(1)

Pas trop grand

Troncature du DL

h 2f
(x + h ) : 0 1
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010


f (x +h)f (x ) h
ordre 1 + o(1)

Pas trop grand

Troncature du DL

h 2f
(x + h ) : 0 1
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010


f (x +h)f (x ) h
ordre 1 + o(1)

Pas trop grand

Troncature du DL

h 2f
(x + h ) : 0 1
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Di erences nies : les trois formules

R eduction de lerreur de troncature f (x + h) = f (x ) + hf (x ) + f (x h) = f (x ) hf (x ) + f (x ) =
f (x +h)f (x h) 2h h2 2f h2 2f
(x ) + o h 2 (x ) + o h 2
+ o(h)
Les trois formules16 A droite : f (x ) = A gauche : Centr ee : f

16
f (x +h)f (x ) + o(1) h f (x )f (x h) f (x ) = + o(1) h f (x h) (x ) = f (x +h)2 + o (h ) h
Il y en a dautres : imaginez une formule en cinq points pour prendre en compte un terme de plus du DL.
cel-00520195, version 1 - 22 Sep 2010

f (x +h)f (x h) 2h h2 2f h2 2f
(x ) + o h 2 (x ) + o h 2
+ o(h)

16
cel-00520195, version 1 - 22 Sep 2010

f (x +h)f (x h) 2h h2 2f h2 2f
(x ) + o h 2 (x ) + o h 2
+ o(h)

16
cel-00520195, version 1 - 22 Sep 2010
Di erences nies : pour aller plus loin
D eriv ee premi` ere : un ordre de plus dans le DL D eriv ee centr ee avec deux pas di erents (e.g. doubles) Di erenciation pond er ee ... D eriv ee seconde : une formule centr ee ? D eriv ee ` a droite D eriv ee ` a gauche f (x ) =
f (x +h)+f (x h)2f (x ) h2
+ o(1)
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Di erences nies : pour aller plus loin
D eriv ee premi` ere : un ordre de plus dans le DL D eriv ee centr ee avec deux pas di erents (e.g. doubles) Di erenciation pond er ee ... D eriv ee seconde : une formule centr ee ? D eriv ee ` a droite D eriv ee ` a gauche f (x ) =
f (x +h)+f (x h)2f (x ) h2
+ o(1)
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethode des coecients ind etermin es

Ou comment produire des formules aux di erences nies pour une approximation ` a un ordre arbitraire
Exemple au premier ordre
coecients inconnus : a0 , a et a+
Supposons une approximation de la d eriv ee f (x ) a+ f (x + h) + a0 f (x ) + a f (x h) Supposons la relation v eri ee exactement lorsque f est un polyn ome Trois inconnues, trois polyn omes : 1,x et x 2
a0 = 0 a+ = a =
1 2h
Aller plus loin ? Plus dinconnues Plus de polyn omes

cel-00520195, version 1 - 22 Sep 2010

a0 = 0 a+ = a =
1 2h

cel-00520195, version 1 - 22 Sep 2010

a0 = 0 a+ = a =
1 2h

cel-00520195, version 1 - 22 Sep 2010

a0 = 0 a+ = a =
1 2h

cel-00520195, version 1 - 22 Sep 2010

11
12
13
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Cas dune fonction connue seulement par ses valeurs en certains points
Si cest une fonction issue dun calcul Lorsque les points d echantillonnage sont equidistants : m ethodes pr ec edentes applicables Sinon : il faut avoir recours ` a linterpolation Si ce sont des donn ees exp erimentales N ecessairement irr eguli` erement espac ees Incertitude sur labscisse Grosses erreurs sur la d eriv ee Seule m ethode possible : d erivation dune fonction construite
Par interpolation Par approximation
cel-00520195, version 1 - 22 Sep 2010
cel-00520195, version 1 - 22 Sep 2010
Les m ethodes de Newton-Cotes Int egration de Gauss
cel-00520195, version 1 - 22 Sep 2010

11
12
13
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Deux grandes classes de m ethodes

On cherche ` a int egrer num eriquement f sur lintervalle [a, b ]
Les m ethodes de Newton-Cotes Choix ` a priori dun pas xe h : nh = (b a) Interpolation polynomiale Int egration du polyn ome Lint egration de Gauss Echantillonnage variable Algorithme plus performant mais plus complexe
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Deux grandes classes de m ethodes

On cherche ` a int egrer num eriquement f sur lintervalle [a, b ]
Les m ethodes de Newton-Cotes Choix ` a priori dun pas xe h : nh = (b a) Interpolation polynomiale Int egration du polyn ome Lint egration de Gauss Echantillonnage variable Algorithme plus performant mais plus complexe
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

11
12
13
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Newton-Cotes : interpolation polyn omiale ` a pas xe

Pas h = (b a)/n, xi = a + ih
Int egration et interpolation polyn omiale Interpolation polynomiale par les n + 1 points Int egration du polyn ome Calcul faisable une fois pour toute : les nombres de Cotes n A W0 W1 W2 W3 W4 0 1 1 1 1/2 1 1 2 1/3 1 4 1 3 3/8 1 3 3 1 4 2/45 7 32 21 32 7
f
a i =0
hAWi f (xi )
Inconv enient quand n cro t Comportement oscillatoire dun polyn ome de degr e elev e
cel-00520195, version 1 - 22 Sep 2010

f
a i =0
hAWi f (xi )
cel-00520195, version 1 - 22 Sep 2010

f
a i =0
hAWi f (xi )
cel-00520195, version 1 - 22 Sep 2010
M ethodes compos ees

Pour augmenter la pr ecision de Newton-Cotes
D ecoupage du domaine en sous-intervalles n intervalles n interpolation dordre 0 : m ethode des rectangles n 1 interpolations dordre 1 : m ethode des trap` ezes 2/n interpolations dordre 2 : m ethode de Simpson . . . Simpson (ordre 3) et Villarceau (ordre 4)
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

11
12
13
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Pr elude : polyn omes de Legendre
Polyn omes de Legendre P0 (x ) = 1 P1 (x ) = x (n + 1) Pn+1 (x ) = (2n + 1) xPn (x ) nPn1 (x ) Orthogonalit e sur [1, 1]
1
m = n,
1
Pn (x ) Pm (x ) dx = 0 m = n, Pn Pm
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

1
1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
m = n,
1
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

1
1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
m = n,
1
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Int egration de Gauss et interpolation de Hermite

A int egrer : f sur [a, b] Interpolation de Hermite
n n
f (x )
i =1 b
f (ai ) Hi (x ) +
i =1 n
i (x ) f (ai ) H
Int egration terme ` a terme :

n
f (x ) dx
a i =1
f (ai ) Hi (x ) +
i =1
i (x ) f (ai ) H
Il reste ` a annuler le terme contenant la d eriv ee inconnue i (x ) = Interpolation de Hermite : H

b a
(x ai ) L2 i (x ) dx
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

n n
f (x )
i =1 b
f (ai ) Hi (x ) +
i =1 n
i (x ) f (ai ) H

n
f (x ) dx
a i =1
f (ai ) Hi (x ) +
i =1
i (x ) f (ai ) H

b a
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

n n
f (x )
i =1 b
f (ai ) Hi (x ) +
i =1 n
i (x ) f (ai ) H

n
f (x ) dx
a i =1
f (ai ) Hi (x ) +
i =1
i (x ) f (ai ) H

b a
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Int egration de Gauss : choix des points d echantillonnage
Des racines. . . i (x ) = A annuler H

b a
(x ) =
k =0
(x xk )
(x ai ) L2 i (x ) =
b a
Li (x ) (x ) (ai ) dx
Si les Li et ont les (ai ) comme racines communes, a une racine (donc un degr e) de plus M eme racines que les polyn omes de Legendre : identiques (` a un facteur pr` es) Si les (ai ) sont racines des polyn omes de Legendre : Li
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

b a
(x ) =
k =0
(x xk )
(x ai ) L2 i (x ) =
b a
Li (x ) (x ) (ai ) dx
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

b a
(x ) =
k =0
(x xk )
(x ai ) L2 i (x ) =
b a
Li (x ) (x ) (ai ) dx
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

b a
(x ) =
k =0
(x xk )
(x ai ) L2 i (x ) =
b a
Li (x ) (x ) (ai ) dx
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Int egration de Gauss : bilan
Les polyn omes de Legendre ne sont d enis que sur [1, 1] Changement de variable = Formule obtenue
1 n 1 2
(a + b ) 1 2 (a b ) x
f ( ) d
1 1 i =1
f (ai ) Hi ( )
Hi =
1
Li
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Int egration de Gauss : bilan
Les polyn omes de Legendre ne sont d enis que sur [1, 1] Changement de variable = Formule obtenue
1 n 1 2
(a + b ) 1 2 (a b ) x
f ( ) d
1 1 i =1
f (ai ) Hi ( )
Hi =
1
Li
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Int egration de Gauss : variantes
M ethode pr ec edente inapplicable pour les intervalles ouverts On prendra les racines dautres polyn omes orthogonaux sur ] 1, 1[ : Chebychev sur R+ : Laguerre sur R : Hermite Modication de la notion dorthogonalit e
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Int egration de Gauss : variantes
M ethode pr ec edente inapplicable pour les intervalles ouverts On prendra les racines dautres polyn omes orthogonaux sur ] 1, 1[ : Chebychev sur R+ : Laguerre sur R : Hermite Modication de la notion dorthogonalit e
N. Fressengeas
Probl` emes di erentiels num eriques Probl` emes aux conditions initiales Probl` emes aux conditions limites
cel-00520195, version 1 - 22 Sep 2010
Partie V Equations Di erentielles Ordinaires
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
V Equations Di erentielles Ordinaires

14
R esolution num erique des probl` emes di erentiels Classication Forme canonique Probl` emes aux conditions initiales M ethode dEuler M ethodes Runge & Kutta M ethodes dAdams Probl` emes aux conditions limites M ethode de Tir M ethode matricielle y = f (t , y ) , y (0) = y0
15
16
N. Fressengeas
Classication Forme canonique
cel-00520195, version 1 - 22 Sep 2010

14
15
16
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Un probl` eme di erentiel ordinaire

Equation Di erentielle Ordinaire (EDO) f t , y , y , . . . , y (n) = 0 Conditions initiales ou conditions aux limites ? Un tel probl` eme di erentiel nest pas compl` etement d eni Il dispose de n degr es de libert e Une solution unique est obtenue par ajout de n contraintes Unicit e de la solution indispensable La r esolution num erique est possible seulement si les contraintes sont pos ees y (t ) Rm
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
D enition des contraintes
Probl` emes aux conditions initiales Probl` eme de Cauchy Les contraintes sont impos ees en un point unique Elles concernent linconnue et ses n 1 premi` eres d eriv ees Ce sont les conditions initiales Contraintes impos ees en divers points Elles peuvent concerner linconnue ou ses d eriv ees Elles peuvent etre exprim ees en plusieurs points Elles doivent etre au nombre de n
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
D enition des contraintes
Probl` emes aux conditions initiales Probl` eme de Cauchy Les contraintes sont impos ees en un point unique Elles concernent linconnue et ses n 1 premi` eres d eriv ees Ce sont les conditions initiales Contraintes impos ees en divers points Elles peuvent concerner linconnue ou ses d eriv ees Elles peuvent etre exprim ees en plusieurs points Elles doivent etre au nombre de n
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

14
15
16
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Forme canonique
y = f (t , y )
EDO dordre 1 Le probl` eme que nous allons etudier dans cette partie Est-il si restrictif ? Equation dordre 1 equivalente y0 y1 y1 y2 . . . = . . . yn2 yn1 yn1 g (t , y0 , , yn1 )
Ordre sup erieur w (n) = g t , w , w , , w (n1)
Changement de variable yi = w (i )
Dans la suite, nous etudierons et prendrons des exemples pour des inconnues ` a valeurs r eelles, mais lon pourra g en eraliser ais ement
cel-00520195, version 1 - 22 Sep 2010
Forme canonique
y = f (t , y )
cel-00520195, version 1 - 22 Sep 2010
Forme canonique
y = f (t , y )
cel-00520195, version 1 - 22 Sep 2010
Forme canonique
y = f (t , y )
cel-00520195, version 1 - 22 Sep 2010
Forme canonique
y = f (t , y )
M ethode dEuler M ethodes Runge & Kutta M ethodes dAdams
cel-00520195, version 1 - 22 Sep 2010

14
15
16
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
La m ethode dEuler
2
y = f (t , y )
Une m ethode simple mais tr` es peu utilis ee car impr ecise et instable
DL ordre 1
y (t + t ) =
1.5 1 0.5 1 2 3
y (t ) + ty (t ) + o(t ) y (t ) + tf (t , y ) + o(t ) y [i +1] = y [i ] + tf t , y [i ] Erreur de troncature du DL

t 2 2! y t 2 2! f
t 3 3! y
+
t 3 3! f
(t , y ) +
(t , y ) +
Cumul ee ` a chaque pas

cel-00520195, version 1 - 22 Sep 2010
La m ethode dEuler
2
y = f (t , y )
DL ordre 1
y (t + t ) =
1.5 1 0.5 1 2 3

t 2 2! y t 2 2! f
t 3 3! y
+
t 3 3! f
(t , y ) +
(t , y ) +

cel-00520195, version 1 - 22 Sep 2010
La m ethode dEuler
2
y = f (t , y )
DL ordre 1
y (t + t ) =
1.5 1 0.5 1 2 3

t 2 2! y t 2 2! f
t 3 3! y
+
t 3 3! f
(t , y ) +
(t , y ) +

cel-00520195, version 1 - 22 Sep 2010
La m ethode dEuler
2
y = f (t , y )
DL ordre 1
y (t + t ) =
1.5 1 0.5 1 2 3

t 2 2! y t 2 2! f
t 3 3! y
+
t 3 3! f
(t , y ) +
(t , y ) +

cel-00520195, version 1 - 22 Sep 2010
M ethode dEuler implicite

Les m ethodes implicites sont plus stables que les m ethodes explicites
Explicite vs. Implicite ? M ethode explicite : y [i ] ne d epend que des y [k ] pour k < i M ethode implicite : y [i ] ne d epend que des y [k ] pour k i Euler implicite
y [i +1] y [i ] t [i +1] y [i +1] y [i ] Implicite : y = t [ i +1] [ i ] y = y + t f t , y [i +1] [i ]
Explicite : y
d eriv ee ` a droite d eriv ee ` a gauche
Equation ` a r esoudre ` a chaque pas

Formellement, une fois pour toute si possible Num eriquement, valeur de d epart fournie par m ethode explicite
cel-00520195, version 1 - 22 Sep 2010

Explicite : y

cel-00520195, version 1 - 22 Sep 2010

Explicite : y

cel-00520195, version 1 - 22 Sep 2010

Explicite : y

cel-00520195, version 1 - 22 Sep 2010

Explicite : y

cel-00520195, version 1 - 22 Sep 2010

14
15
16
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Les M ethodes Runge & Kutta (RK)

M ethodes dites A pas unique
De nombreux avantages Faciles ` a programmer Tr` es stables Largeur du pas ais ement modiable pour une pr ecision souhait ee La condition initiale sut Quelques inconv enients Pour une m eme pr ecision, il y a plus econome en temps de calcul Instables dans certains cas Tr` es utilis ees en pratique Surtout ` a lordre 4 Autre m ethode si RK4 est instable N. Fressengeas UE SPM-PHY-S07-101, version 2.0.1, planche 110
cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010
RK2 : Runge & Kutta ` a lordre 2

Centrons les di erences nies sur le milieu
Di erences nies centr ees au point milieu

1 y = f (t , y ) t (y (t + t ) y (t )) + o(1) = t t f t+ 2 ,y t + 2
All egeons les notations t [i ] + t = t [i +1] 1 t [i ] + t = t [i + 2 ]

2
y t [k ] = y [k ] Di erences nies centr ees au point milieu y = f (t , y )

y [i +1] y [i ] t
= f t [i + 2 ] , y [i + 2 ]
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010



2

y [i +1] y [i ] t
= f t [i + 2 ] , y [i + 2 ]
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010



2

y [i +1] y [i ] t
= f t [i + 2 ] , y [i + 2 ]
N. Fressengeas
Di erences centr ees au point milieu f t [i + 2 ] , y [i + 2 ] =

1 1
cel-00520195, version 1 - 22 Sep 2010
y [i +1] y [i ] t
Estimation de y [i +1/2] par Euler y [i +1/2] = y [i ] +

t 2 f
t [i ] , y [i ]
y [i +1] = 1 y [i ] + t f t [i + 2 ] , y [i +1/2] Formule ` a lordre 2
N. Fressengeas

1 1
cel-00520195, version 1 - 22 Sep 2010
y [i +1] y [i ] t
5 4 3 2 1 1.5 2

t 2 f
t [i ] , y [i ]
y [i +1] = 1 y [i ] + t f t [i + 2 ] , y [i +1/2]
Formule ` a lordre 2
N. Fressengeas

1 1
cel-00520195, version 1 - 22 Sep 2010
y [i +1] y [i ] t
5 4 3 2 1 1.5 2

t 2 f
t [i ] , y [i ]
y [i +1] = 1 y [i ] + t f t [i + 2 ] , y [i +1/2]
Formule ` a lordre 2
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
RK2 : formulation standardis ee
r1 = f t [i ] , y [i ] r2 = f t [i + 2 ] , y [i ] +
1
t 2 r1
3 2 1 1.5 2
y [i +1] = y [i ] + t r2
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Runge & Kutta ` a lordre 4

LA m ethode reine
RK4
RK4 est obtenue par pond eration successive des d eriv ees ` a droite, ` a gauche et centr ee r1 = f t [i ] , y [i ]
1 r2 = f t [i + 2 ] , y [i ] +
25
t 2 r1 t 2 r2
20 15 10 5 1.5 2
r3 = f t [i + 2 ] , y [i ] + r4 = f y [i +1] y [i ] + t [i +1] , y [i ] =
t 6
+ t r3
(r1 + 2r2 + 2r3 + r4 )
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

LA m ethode reine
RK4
1 r2 = f t [i + 2 ] , y [i ] +
25
t 2 r1 t 2 r2
20 15 10 5 1.5 2
t 6
+ t r3
(r1 + 2r2 + 2r3 + r4 )
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

LA m ethode reine
RK4
1 r2 = f t [i + 2 ] , y [i ] +
25
t 2 r1 t 2 r2
20 15 10 5 1.5 2
t 6
+ t r3
(r1 + 2r2 + 2r3 + r4 )
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

LA m ethode reine
RK4
RK4 est obtenue par pond eration successive des d eriv ees ` a droite, ` a gauche et centr ee r1 = f t [i ] , y [i ] r2 = f t [i + 2 ] , y [i ] + r3 = f t [i + 2 ] , y [i ] +
1 1
35
t 2 r1 t 2 r2
30 25 20 15 10 5 1.5 2
r4 = f t [i +1] , y [i ] + t r3 y [i +1] = t y [i ] + 6 (r1 + 2r2 + 2r3 + r4 )
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

LA m ethode reine
RK4
RK4 est obtenue par pond eration successive des d eriv ees ` a droite, ` a gauche et centr ee r1 = f t [i ] , y [i ] r2 = f t [i + 2 ] , y [i ] + r3 = f t [i + 2 ] , y [i ] +
1 1
35
t 2 r1 t 2 r2
30 25 20 15 10 5 1.5 2
r4 = f t [i +1] , y [i ] + t r3 y [i +1] = t y [i ] + 6 (r1 + 2r2 + 2r3 + r4 )
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010

14
15
16
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Les m ethode dAdams ouvertes

Des m ethodes ` a pas multiples
Adams-Bashforth
(n ecessitant plusieurs points pr ec edents)
Principe : encore une fois le D eveloppement Limit e D eveloppement limit e Di erences nies Ordre augment e en augmentant lordre du DL Le calcul de y [i ] n ecessite y [i 1] ,y [i 2] . . . D eveloppement limit e` a droite y [i +1] = y [i ] + t f [i ] +
En notant f ti , y
[i ]
Di erences nies ` a gauche

2 3
t t y (t + t ) = y (t ) + t y (t ) + 2! y (t ) + 3! y (t ) + t 2 [i ] 2! f
[i ]
[i ] t 3 3! f
=f
D eriv ees evalu ees par di erences nies ` a gauche

Calcul simple mais fastidieux
cel-00520195, version 1 - 22 Sep 2010

Adams-Bashforth
En notant f ti , y
[i ]

2 3
[i ]
[i ] t 3 3! f
=f

cel-00520195, version 1 - 22 Sep 2010

Adams-Bashforth
En notant f ti , y
[i ]

2 3
[i ]
[i ] t 3 3! f
=f

cel-00520195, version 1 - 22 Sep 2010
Les m ethodes dAdam ouvertes : exemples

Ordres 1 ` a2
Ordre 1 y [i +1] Ordre 2 y [i +1] = y [i ] + t f [i ] +

f [i ] f [i 1] + t t [ i +1] [ i ] y =y + 2 t 2 [i ] 2! f
Euler = y [i ] + t f [i ] + o(t )
+ o t 2
[i ]
o(t ) 3f [i ] f [i 1] + o t 2
D emarrage de la m ethode N ecessit e de trouver un premier point par une autre m ethode dordre au moins egal Par exemple : RK2
cel-00520195, version 1 - 22 Sep 2010

Ordres 1 ` a2

f [i ] f [i 1] + t t [ i +1] [ i ] y =y + 2 t 2 [i ] 2! f
Euler = y [i ] + t f [i ] + o(t )
+ o t 2
[i ]
o(t ) 3f [i ] f [i 1] + o t 2
cel-00520195, version 1 - 22 Sep 2010

Ordres 1 ` a2

f [i ] f [i 1] + t t [ i +1] [ i ] y =y + 2 t 2 [i ] 2! f
Euler = y [i ] + t f [i ] + o(t )
+ o t 2
[i ]
o(t ) 3f [i ] f [i 1] + o t 2
cel-00520195, version 1 - 22 Sep 2010
M ethode ouverte dAdams ` a lordre 3

Encore une fois pour etre s ur de bien comprendre
Expression du DL ` a droite, compte tenu de l equation di erentielle y [i +1] = y [i ] + t f [i ] + Formule en o(t )

t 2 [i ] 2! f
[i ] t 3 3! f
+ o t 3
[i ]
[i ]
3f [i ] 4f [i 1] + f [i 2] + o(t ) 2t Formule dAdams ouverte ` a lordre 3 y [i +1] = y [i ] +

t 12
f [i ] 2f [i 1] + f [i 2] + o(1) t 2
23f [i ] 16f [i 1] + 5f [i 2] + o t 3
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010


t 2 [i ] 2! f
[i ] t 3 3! f
+ o t 3
[i ]
[i ]

t 12
f [i ] 2f [i 1] + f [i 2] + o(1) t 2
23f [i ] 16f [i 1] + 5f [i 2] + o t 3
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010


t 2 [i ] 2! f
[i ] t 3 3! f
+ o t 3
[i ]
[i ]

t 12
f [i ] 2f [i 1] + f [i 2] + o(1) t 2
23f [i ] 16f [i 1] + 5f [i 2] + o t 3
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010


t 2 [i ] 2! f
[i ] t 3 3! f
+ o t 3
[i ]
[i ]

t 12
f [i ] 2f [i 1] + f [i 2] + o(1) t 2
23f [i ] 16f [i 1] + 5f [i 2] + o t 3
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010


t 2 [i ] 2! f
[i ] t 3 3! f
+ o t 3
[i ]
[i ]

t 12
f [i ] 2f [i 1] + f [i 2] + o(1) t 2
23f [i ] 16f [i 1] + 5f [i 2] + o t 3
Ordres sup erieurs Calculez vous-m eme ou trouvez une table. . .

cel-00520195, version 1 - 22 Sep 2010
M ethodes dAdams ferm ees

Des m ethodes implicites
Adams-Moulton
t 2 2! y
D eveloppement limit e` a gauche
y (t ) = y (t + t ) t y (t + t ) + t 3 3! y (t + t ) + y [i ] = y [i +1] t f [i +1] + y [i +1] = y [i ] + t f [i +1]

t 2 [i +1] 2! f t 2 [i +1] 2! f
(t + t ) + + ?
[i +1] t 3 3! f [i +1] t 3 3! f
D eriv ees evalu ees par di erences nies ` a gauche On a besoin du r esultat pour avoir le r esultat . . . Estimation du r esultat par une m ethode ouverte (pr ediction) Correction par une m ethode ferm ee dordre au moins egal It eration jusqu` a obtention de la pr ecision voulue
cel-00520195, version 1 - 22 Sep 2010

Adams-Moulton
t 2 2! y

t 2 [i +1] 2! f t 2 [i +1] 2! f
(t + t ) + + ?
[i +1] t 3 3! f [i +1] t 3 3! f
cel-00520195, version 1 - 22 Sep 2010

Adams-Moulton
t 2 2! y

t 2 [i +1] 2! f t 2 [i +1] 2! f
(t + t ) + + ?
[i +1] t 3 3! f [i +1] t 3 3! f
cel-00520195, version 1 - 22 Sep 2010

Adams-Moulton
t 2 2! y

t 2 [i +1] 2! f t 2 [i +1] 2! f
(t + t ) + + ?
[i +1] t 3 3! f [i +1] t 3 3! f
cel-00520195, version 1 - 22 Sep 2010
Adams-Moulton : deux exemples

Ordres 1 & 4
Ordre 1 y [i +1] = y [i ] + t f [i +1] + o(t ) Ordre 4 y [i +1] = y [i ] +

t 24
Euler implicite
La plus utilis ee en pratique 9f [i +1] + 19f [i ] 5f [i 1] + f [i 2] + o t 4
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Adams-Moulton : deux exemples

Ordres 1 & 4
Ordre 1 y [i +1] = y [i ] + t f [i +1] + o(t ) Ordre 4 y [i +1] = y [i ] +

t 24
Euler implicite
La plus utilis ee en pratique 9f [i +1] + 19f [i ] 5f [i 1] + f [i 2] + o t 4
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethodes de pr ediction correction

En pratique : combinaison des m ethodes dAdams ouvertes et ferm ees
Avantages Stabilit e des m ethodes implicites Quantit e de calcul proche des m ethodes explicites Principe Estimation par une m ethode ouverte Correction par une m ethode ferm ee
dordre au moins egal en pratique : m eme ordre ou un de plus
Adams-Bashforth Adams-Moulton
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethodes de pr ediction correction

En pratique : combinaison des m ethodes dAdams ouvertes et ferm ees
Avantages Stabilit e des m ethodes implicites Quantit e de calcul proche des m ethodes explicites Principe Estimation par une m ethode ouverte Correction par une m ethode ferm ee
dordre au moins egal en pratique : m eme ordre ou un de plus
Adams-Bashforth Adams-Moulton
N. Fressengeas
M ethode de Tir M ethode matricielle
cel-00520195, version 1 - 22 Sep 2010

14
15
16
N. Fressengeas
Principe Transformer en un probl` eme ` a conditions initiales Une condition inconnue Trouver linconnue
Fig.: Source de la Photo : Ray Bilcli, http://www.trueportraits.com
cel-00520195, version 1 - 22 Sep 2010
M ethode de Tir
R esolution it erative des probl` emes ` a conditions limites
cel-00520195, version 1 - 22 Sep 2010
M ethode de Tir pour une equation du second ordre

Probl` eme ` a r esoudre Equation du second ordre : deux degr es de libert e A (x , y ) y + B (x , y ) y + C (x , y ) y = D (x , y ) Deux contraintes sous forme de conditions aux limites y (0) = y0 et y (L) = yL Transformation en un probl` eme aux conditions initiales y (0) = u inconnue : conditions initiales x ees Pour u donn e, une estimation de y est calcul ee : yu Au point L, sa valeur est yu (L) Cest une fonction de u , nommons l` a yL : u yL (u ) Le probl` eme di erentiel devient une recherche de racine yL (u ) = yL
cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010
Recherche de la racine
Trouver u , cest r esoudre le probl` eme
yL (u ) = yL
M ethode de lartilleur Je tire un coup au dessus Je tire un coup au dessous Jajuste le tir Je recommence si n ecessaire Cest la M ethode de la s ecante Application dans notre cas R esoudre pour deux valeurs arbitraires u [1] et u [2] u [3] sera la valeur trouv ee pour u en interpolant yL [1] lin eairement entre u et u [2] [yL (u[n] )yL ]u[n1] [yL (u[n1] )yL ]u[n] u [n+1] = [yL (u[n] )yL (u[n1] )]
N. Fressengeas UE SPM-PHY-S07-101, version 2.0.1, planche 123 Voir chapitre pr ec edent
cel-00520195, version 1 - 22 Sep 2010
yL (u ) = yL
cel-00520195, version 1 - 22 Sep 2010
yL (u ) = yL
cel-00520195, version 1 - 22 Sep 2010
Et si les conditions aux limites impliquent la d eriv ee ?

Supposons des conditions aux limites lin eaires 0 y (0) + 1 y (0) = c0 0 y (L) + 1 y (L) = cL Rempla cons par un probl` eme ` a conditions initiales 0 y (0) + 1 y (0) = c0 0 y (0) + 1 y (0) = u En imposant 0 1 1 0 = 1 :
y (0) = 1 u + c0 1 y (0) = 0 u c0 0
M ethode de la s ecante Evaluation de yu pour u [1] et u [2] arbitraires M ethode de la s ecante pour r esoudre 0 yu (L) + 1 yu (L) = cL
cel-00520195, version 1 - 22 Sep 2010

y (0) = 1 u + c0 1 y (0) = 0 u c0 0
cel-00520195, version 1 - 22 Sep 2010

y (0) = 1 u + c0 1 y (0) = 0 u c0 0
cel-00520195, version 1 - 22 Sep 2010
Equation du second ordre lin eaire
Equation di erentielle lin eaire du second ordre Les coecients ne d ependent que de x A (x ) y + B (x ) y + C (x ) y = D (x ) La combinaison lin eaire de deux solutions est solution Cas particulier de la m ethode de la s ecante Linterpolation lin eaire est exacte Un pas sut u [3] est la solution
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
Equations dordres sup erieurs

Equivalence equation premier ordre Equation vectorielle, ordre 1, n composantes Les n conditions limites n0 dentre elles sont en x0 : c0 = (c0,1 , , c0,n0 )
ordre n
nL = n n0 dentre elles sont en xL : cL = (cL,1 , , cL,nL ) Transformation en probl` eme ` a conditions initiales en x0 n0 premi` eres conditions connues,nL suivantes inconnues Posons u = (c0 , cu ) et e (u ) = cL (u ) cL M ethode de Newton discr etis ee
Voir chapitre pr ec edent
e (u ) = 0
u u = 0 u [n+1] = u [n] (D u )1 u e (u + u ) e (u ) + De e u car d Estimation num erique de De erivation impossible

cel-00520195, version 1 - 22 Sep 2010

ordre n
e (u ) = 0

cel-00520195, version 1 - 22 Sep 2010

ordre n
e (u ) = 0

cel-00520195, version 1 - 22 Sep 2010

ordre n
e (u ) = 0

cel-00520195, version 1 - 22 Sep 2010

ordre n
e (u ) = 0

cel-00520195, version 1 - 22 Sep 2010

ordre n
e (u ) = 0

cel-00520195, version 1 - 22 Sep 2010

ordre n
e (u ) = 0

cel-00520195, version 1 - 22 Sep 2010

14
15
16
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
EDO lin eaires ` a conditions limites : m ethode matricielle

Aussi connue sous les noms de m ethode de relaxation ou m ethode aux di erences nies
Une EDO lin eaire discr etis ee est un syst` eme lin eaire Di erences nies en chaque point : n equations La valeur de y en chaque point : n inconnues R esolution du syst` eme Les di erences nies ne font r ef erence quaux voisins Cest un syst` eme multidiagonal, donc creux M ethodes it eratives et matrices creuses pour n grand Mais attention ` a la troncature du D eveloppement Limit e Il est prudent de comparer la solution obtenue en doublant n Et de le doubler encore si n ecessaire
cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010
M ethode matricielle pour les EDO non lin eaires

Le syst` eme ` an equations et n inconnues nest plus lin eaire
R esolution dun syst` eme non lin eaire Un air de d ej` a vu M ethode de Newton multidimensionnelle vue pr ec edemment
Ici
N. Fressengeas
cel-00520195, version 1 - 22 Sep 2010
M ethode matricielle pour les EDO non lin eaires

Le syst` eme ` an equations et n inconnues nest plus lin eaire
La boucle est boucl ee Fin de cette partie
N. Fressengeas

Outils Mathematiques Et Numeriques Pour La Physique

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Outils Mathematiques Et Numeriques Pour La Physique

Încărcat de

Drepturi de autor:

Formate disponibile

cel-00520195, version 1 - 22 Sep 2010

UE SPM-PHY-S07-101 Outils math ematiques et num eriques pour la physique

Document ` a t el echarger sur http://moodle.univ-metz.fr/

UE SPM-PHY-S07-101, version 2.0.1, planche 1

cel-00520195, version 1 - 22 Sep 2010

UE SPM-PHY-S07-101, version 2.0.1, planche 2

cel-00520195, version 1 - 22 Sep 2010

Partie I Formats num eriques et codage

UE SPM-PHY-S07-101, version 2.0.1, planche 3

cel-00520195, version 1 - 22 Sep 2010

I Formats num eriques et codage

cel-00520195, version 1 - 22 Sep 2010

I Formats num eriques et codage

cel-00520195, version 1 - 22 Sep 2010

Fonctionnement el ementaire dun ordinateur

UE SPM-PHY-S07-101, version 2.0.1, planche 5

cel-00520195, version 1 - 22 Sep 2010

Fonctionnement el ementaire dun ordinateur

UE SPM-PHY-S07-101, version 2.0.1, planche 5

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

UE SPM-PHY-S07-101, version 2.0.1, planche 7

cel-00520195, version 1 - 22 Sep 2010

UE SPM-PHY-S07-101, version 2.0.1, planche 7

cel-00520195, version 1 - 22 Sep 2010

I Formats num eriques et codage

Un simple condensateur charg e/non charg e : 1/0 Tr` es volatile

cel-00520195, version 1 - 22 Sep 2010

Cellule (BIT) de RAM

Rafraichissement r egulier (ms)

UE SPM-PHY-S07-101, version 2.0.1, planche 8

cel-00520195, version 1 - 22 Sep 2010

Organisation et traitement de la m emoire

UE SPM-PHY-S07-101, version 2.0.1, planche 9

cel-00520195, version 1 - 22 Sep 2010

Organisation et traitement de la m emoire

UE SPM-PHY-S07-101, version 2.0.1, planche 9

cel-00520195, version 1 - 22 Sep 2010

Organisation et traitement de la m emoire

UE SPM-PHY-S07-101, version 2.0.1, planche 9

cel-00520195, version 1 - 22 Sep 2010

I Formats num eriques et codage

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

cel-00520195, version 1 - 22 Sep 2010

Un format pour les entiers

UE SPM-PHY-S07-101, version 2.0.1, planche 11

cel-00520195, version 1 - 22 Sep 2010

M eme les entiers naturels posent probl` eme

cel-00520195, version 1 - 22 Sep 2010

M eme les entiers naturels posent probl` eme

cel-00520195, version 1 - 22 Sep 2010

M eme les entiers naturels posent probl` eme

Formats binaires simples Formats binaires complexes

cel-00520195, version 1 - 22 Sep 2010

I Formats num eriques et codage

Formats binaires simples Formats binaires complexes

cel-00520195, version 1 - 22 Sep 2010

Comment enregistrer la m emoire sur le disque ?

La convention BigEndian/LittleEndian doit par exemple rester inchang ee

Formats binaires simples Formats binaires complexes