Séance de cours

Solveurs améliorés : méthodes Runge-Kutta

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

ChE-312: Numerical methods

This course introduces students to modern computational and mathematical techniques for solving problems in chemistry and chemical engineering. The use of introduced numerical methods will be demonstrated using the Python programming language. ...

Description

Cette séance de cours traite du concept d'amélioration de l'estimation des erreurs dans les méthodes numériques en évitant la nécessité de dérivés d'ordre supérieur. Il explore l'utilisation des méthodes Runge-Kutta pour estimer les fonctions à plusieurs points dans un intervalle, en les combinant pour obtenir une meilleure estimation. La séance de cours se penche sur l'interprétation géométrique d'une méthode Runge-Kutta de deuxième ordre, démontrant comment elle prédit et corrige les points en faisant la moyenne des pentes. En mettant en œuvre cette approche prédicteur-correcteur, la méthode fournit une solution plus précise par rapport à des méthodes plus simples comme Euler forward.

Enseignant·e·s (2)

Ljubisa Miskovic

Ljubisa Miskovic earned his Ph.D. degree in Automatic Control from the Swiss Federal Institute of Technology (EPFL) under the co-supervision of Dominique Bonvin and Alireza Karimi, in 2006. He pursued his postdoctoral studies at the Centre for Systems Engineering and Applied Mechanics, Universite Catholique de Louvain with Michel Gevers before moving to the laboratory of Vassily Hatzimanikatis at the EPFL. In 2010, he became a research scientist. His research interests include systems biology, metabolic engineering, synthetic biology, data-driven control design, system identification, stochastic processes and estimation theory.

Kevin Sivula

Enseignement et PhD Doctorant·es actuel·les Odile Louise Andres, Arthur Eliot Bouchez, Benjamin Goldman, Nicolas Johannes Diercks, Aurélie Fanny Marie Célérien, Jiajun Li, Louise Marie Foltzer-De Cian, Melanie Victoria Johanning, Nils William Laurent Golay A dirigé les thèses EPFL de Andrea Gasperini, Pauline Bornoz, Xavier Adrian Jeanbourquin, Xiaoyun Yu, Mathieu Steven Prévot, Muhammad Aiman Bin Rahmanudin Hamdan, Nhât-Tân Vuong, Yongpeng Liu, Arvindh Sekar, Barbara Alexandra Primera Darwich, Rebekah An

Source officielle

Concepts associés (20)

Dérivée

En mathématiques, la dérivée d'une fonction d'une variable réelle mesure l'ampleur du changement de la valeur de la fonction (valeur de sortie) par rapport à un petit changement de son argument (valeur d'entrée). Les calculs de dérivées sont un outil fondamental du calcul infinitésimal. Par exemple, la dérivée de la position d'un objet en mouvement par rapport au temps est la vitesse (instantanée) de l'objet. La dérivée d'une fonction est une fonction qui, à tout nombre pour lequel admet un nombre dérivé, associe ce nombre dérivé.

Calcul numérique d'une intégrale

En analyse numérique, il existe une vaste famille d’algorithmes dont le but principal est d’estimer la valeur numérique de l’intégrale définie sur un domaine particulier pour une fonction donnée (par exemple l’intégrale d’une fonction d’une variable sur un intervalle). Ces techniques procèdent en trois phases distinctes : Décomposition du domaine en morceaux (un intervalle en sous-intervalles contigus) ; Intégration approchée de la fonction sur chaque morceau ; Sommation des résultats numériques ainsi obtenus.

Test de la dérivée première

En analyse réelle, le test de la dérivée première permet de déterminer l'allure d'une fonction dérivable en étudiant le signe de sa dérivée. Grâce à ce test, on peut déduire les extrema locaux, le sens de variation de f et les points d'inflexion « horizontaux », permettant ainsi de donner une allure du graphe de la fonction . Soit avec un intervalle ouvert réel (par exemple où et sont des réels). On suppose de plus que dérivable sur .

Numerical methods for linear least squares

Numerical methods for linear least squares entails the numerical analysis of linear least squares problems. A general approach to the least squares problem can be described as follows. Suppose that we can find an n by m matrix S such that XS is an orthogonal projection onto the image of X. Then a solution to our minimization problem is given by simply because is exactly a sought for orthogonal projection of onto an image of X (see the picture below and note that as explained in the next section the image of X is just a subspace generated by column vectors of X).

Stabilité numérique

En analyse numérique, une branche des mathématiques, la stabilité numérique est une propriété globale d’un algorithme numérique, une qualité nécessaire pour espérer obtenir des résultats ayant du sens. Une définition rigoureuse de la stabilité dépend du contexte. Elle se réfère à la propagation des erreurs au cours des étapes du calcul, à la capacité de l’algorithme de ne pas trop amplifier d’éventuels écarts, à la précision des résultats obtenus. Le concept de stabilité ne se limite pas aux erreurs d’arrondis et à leurs conséquences.

Afficher plus

Séances de cours associées (32)

Méthode Euler Forward

Introduit la méthode Euler Forward pour les ODE, en se concentrant sur l'analyse des erreurs et la stabilité.

Numerics: projet de semestre

Couvre le projet de semestre sur les chiffres, en se concentrant sur les algorithmes adaptatifs et les méthodes multi-étapes.

Méthodes de différence Finite: Analyse de stabilité

Explore l'analyse de stabilité des méthodes de différence finie pour résoudre les équations différentielles.

Optimisation du système énergétique

Couvre l'optimisation des systèmes énergétiques, en se concentrant sur la résolution d'équations et de méthodes numériques.

Méthode Euler: Comprendre les schémas de runge-Kutta d'ordre supérieur

Explique la méthode Euler et les schémas Runge-Kutta d'ordre supérieur pour résoudre les équations différentielles.

Afficher plus

Concepts associés (20)

Dérivée

Calcul numérique d'une intégrale

Test de la dérivée première

Numerical methods for linear least squares

Stabilité numérique

Afficher plus