Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Critères de convergence: Méthode Richardson

Dans cours

MATH-250: Advanced numerical analysis I

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

Description

Cette séance de cours couvre la méthode Richardson pour résoudre les systèmes linéaires, en se concentrant sur l'approximation bloc-jacobi et les critères de convergence. L'instructeur explique les itérations de l'algorithme, le nombre maximal d'itérations et les critères d'arrêt basés sur les valeurs résiduelles.

Enseignant·e·s (3)

Simone Deparis

Daniel Kressner

Annalisa Buffa

Source officielle

Concepts associés (8)

Residual sum of squares

In statistics, the residual sum of squares (RSS), also known as the sum of squared residuals (SSR) or the sum of squared estimate of errors (SSE), is the sum of the squares of residuals (deviations predicted from actual empirical values of data). It is a measure of the discrepancy between the data and an estimation model, such as a linear regression. A small RSS indicates a tight fit of the model to the data. It is used as an optimality criterion in parameter selection and model selection.

Résidu (statistiques)

In statistics and optimization, errors and residuals are two closely related and easily confused measures of the deviation of an observed value of an element of a statistical sample from its "true value" (not necessarily observable). The error of an observation is the deviation of the observed value from the true value of a quantity of interest (for example, a population mean). The residual is the difference between the observed value and the estimated value of the quantity of interest (for example, a sample mean).

Studentized residual

In statistics, a studentized residual is the quotient resulting from the division of a residual by an estimate of its standard deviation. It is a form of a Student's t-statistic, with the estimate of error varying between points. This is an important technique in the detection of outliers. It is among several named in honor of William Sealey Gosset, who wrote under the pseudonym Student. Dividing a statistic by a sample standard deviation is called studentizing, in analogy with standardizing and normalizing.

Système linéaire

Un système linéaire (le terme système étant pris au sens de l'automatique, à savoir un système dynamique) est un objet du monde matériel qui peut être décrit par des équations linéaires (équations linéaires différentielles ou aux différences), ou encore qui obéit au principe de superposition : toute combinaison linéaire des variables de ce système est encore une variable de ce système. Les systèmes non linéaires sont plus difficiles à étudier que les systèmes linéaires.

Système d'équations linéaires

En mathématiques et particulièrement en algèbre linéaire, un système d'équations linéaires est un système d'équations constitué d'équations linéaires qui portent sur les mêmes inconnues. Par exemple : Le problème est de trouver les valeurs des inconnues , et qui satisfassent les trois équations simultanément. La résolution des systèmes d'équations linéaires appartient aux problèmes les plus anciens dans les mathématiques et ceux-ci apparaissent dans beaucoup de domaines, comme en traitement numérique du signal, en optimisation linéaire, ou dans l'approximation de problèmes non linéaires en analyse numérique.

Afficher plus

Séances de cours associées (40)

Construction d'une méthode itérative II

Couvre la construction de la méthode de Richardson pour résoudre les systèmes linéaires avec la réflexion et les résidus.

Méthode du gradient conjugué

Couvre la méthode Conjugate Gradient pour résoudre efficacement les systèmes linéaires.

Régression linéaire gaussienne : hypothèses et résidus

Explore les hypothèses et les méthodes de vérification des modèles de régression linéaire gaussienne à l'aide de traces résiduelles et de graphiques.

Vectorisation en Python : calcul efficace avec Numpy

Couvre la vectorisation en Python en utilisant Numpy pour un calcul scientifique efficace, en soulignant les avantages d'éviter les boucles et de démontrer des applications pratiques.

Résolution des systèmes linéaires MOOC: Échauffement pour l'EPFL MOOC: Algèbre Linéaire (Partie 1)

Couvre la résolution des systèmes linéaires en utilisant la méthode Gauss pour déterminer des solutions uniques, infinies ou inexistantes.

Afficher plus

Concepts associés (8)

Residual sum of squares

Résidu (statistiques)

Studentized residual

Système linéaire

Système d'équations linéaires

Afficher plus