Séance de cours

Autres méthodes : Crank-Nicolson

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours (2)

MATH-250: Advanced numerical analysis I

Construction and analysis of numerical methods for the solution of problems from linear algebra, integration, approximation, and differentiation. ...

MATH-251(c): Analyse numérique

Le cours présente des méthodes numériques pour la résolution de problèmes mathématiques comme des systèmes d'équations linéaires ou non linéaires, l'approximation de fonctions, l'intégration et la dérivation, et les équations différentielles. ...

Description

Cette séance de cours introduit des méthodes numériques alternatives pour résoudre les équations différentielles, telles que Crank-Nicolson, qui consiste à calculer la moyenne des étapes actuelles et suivantes. Une autre méthode discutée est la méthode de Heun, qui remplace une seule étape dans la méthode d'Euler par une étape plus petite. La séance de cours couvre également une méthode existante avec une convergence rapide mais une instabilité potentielle en raison de sa nature implicite. En outre, deux autres méthodes sont brièvement mentionnées.

Enseignant·e·s (3)

Daniel Kressner

Annalisa Buffa

Enseignement et PhD Doctorant·es actuel·les Gonzalo Bonilla Moreno, Philipp Christoph Weder, Yannis Dirk Voet, Fabio Marcinno, Ferhat Sindy, Francesco Sala, Markus Renoldner, Mohamed Ben Abdelouahab, Davor Dobrota A dirigé les thèses EPFL de Luca Coradello, Ondine Chanon, Riccardo Puppi Cours Numerical approximation of PDEs MATH-451 Ce cours porte sur la dérivation, l'analyse théorique et l'implémentation de la méthode des éléments finis pour l'approximation numérique des équations aux dér

Simone Deparis

Expertise Simone Deparis est professeur à l’EPFL, spécialisé en mathématiques appliquées, analyse numérique et didactique des mathématiques à l’université. Ses recherches portent à la fois sur la modélisation computationnelle pour les applications biomédicales et sur l’innovation pédagogique, avec un accent sur l’équité, l’auto-efficacité et la réforme de l’évaluation dans les grands cursus scientifiques. Mission Mes recherches portent sur les mathématiques appliquées et les sciences de l’apprentissage. En

Source officielle

Concepts associés (20)

Équation différentielle ordinaire

En mathématiques, une équation différentielle ordinaire (parfois simplement appelée équation différentielle et abrégée en EDO) est une équation différentielle dont la ou les fonctions inconnues ne dépendent que d'une seule variable; elle se présente sous la forme d'une relation entre ces fonctions inconnues et leurs dérivées successives. Le terme ordinaire est utilisé par opposition au terme équation différentielle partielle (plus communément équation aux dérivées partielles, ou EDP) où la ou les fonctions inconnues peuvent dépendre de plusieurs variables.

Méthodes de Runge-Kutta

Les méthodes de Runge-Kutta sont des méthodes d'analyse numérique d'approximation de solutions d'équations différentielles. Elles ont été nommées ainsi en l'honneur des mathématiciens Carl Runge et Martin Wilhelm Kutta, lesquels élaborèrent la méthode en 1901. Ces méthodes reposent sur le principe de l'itération, c'est-à-dire qu'une première estimation de la solution est utilisée pour calculer une seconde estimation, plus précise, et ainsi de suite. Considérons le problème suivant : que l'on va chercher à résoudre en un ensemble discret t < t < .

Formulation implicite ou explicite d'un problème de dynamique

En simulation numérique, un problème dépendant du temps peut être formulé de manière implicite ou explicite. Un problème dépendant du temps décrit une situation qui évolue ; le système est modélisé à différents instants t discrets appelés « pas de temps ». La méthode explicite consiste à déterminer la solution à t + Δt en fonction de la valeur de la fonction en t. Si la fonction à évaluer s'appelle y(t), alors le problème se formule de la manière suivante : y(t + Δt) = F(y(t)). La méthode d'Euler est une méthode explicite.

Équation différentielle

En mathématiques, une équation différentielle est une équation dont la ou les « inconnue(s) » sont des fonctions ; elle se présente sous la forme d'une relation entre ces fonctions inconnues et leurs dérivées successives. C'est un cas particulier d'équation fonctionnelle. On distingue généralement deux types d'équations différentielles : les équations différentielles ordinaires (EDO) où la ou les fonctions inconnues recherchées ne dépendent que d'une seule variable ; les équations différentielles partielles, plutôt appelées équations aux dérivées partielles (EDP), où la ou les fonctions inconnues recherchées peuvent dépendre de plusieurs variables indépendantes.

Numerical methods for ordinary differential equations

Numerical methods for ordinary differential equations are methods used to find numerical approximations to the solutions of ordinary differential equations (ODEs). Their use is also known as "numerical integration", although this term can also refer to the computation of integrals. Many differential equations cannot be solved exactly. For practical purposes, however – such as in engineering – a numeric approximation to the solution is often sufficient. The algorithms studied here can be used to compute such an approximation.

Afficher plus

Séances de cours associées (45)

Monotonie inverse : stabilité et convergence

Explore la monotonie inverse dans les méthodes numériques pour les équations différentielles, en mettant l'accent sur les critères de stabilité et de convergence.

Schémas implicites dans l'analyse numérique

Explore les schémas implicites dans l'analyse numérique, en mettant l'accent sur les propriétés de stabilité et de convergence dans la résolution des équations différentielles.

Méthodes numériques : Runge-Kutta Rapprochement

Couvre la méthode Runge-Kutta pour l'approximation des solutions d'équations différentielles.

Simulation informatique des systèmes physiques

Explore la simulation informatique des systèmes physiques, couvrant des sujets tels que les équations différentielles, la dynamique moléculaire et l'intégration de Monte Carlo.

Différenciation numérique: Partie 1

Couvre la différenciation numérique, les différences en avant, l'expansion de Taylor, la notation Big O et la minimisation des erreurs.

Afficher plus

Concepts associés (20)

Équation différentielle ordinaire

Méthodes de Runge-Kutta

Formulation implicite ou explicite d'un problème de dynamique

Équation différentielle

Numerical methods for ordinary differential equations

Afficher plus