Séance de cours

Différenciation numérique: Partie 1

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 introduit le concept de différenciation numérique, en expliquant la nécessité de celle-ci dans divers problèmes numériques tels que la résolution d'équations différentielles et l'optimisation. Il couvre les différences en avant, l'expansion de Taylor, la notation Big O et l'interprétation des différences finies. La séance de cours discute également de la rapidité avec laquelle les différences approchent la valeur réelle, l'erreur de troncature et l'erreur d'arrondi, en soulignant l'importance de choisir une taille de grille optimale pour minimiser les erreurs.

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

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Concepts associés (32)

Analyse numérique

L’analyse numérique est une discipline à l'interface des mathématiques et de l'informatique. Elle s’intéresse tant aux fondements qu’à la mise en pratique des méthodes permettant de résoudre, par des calculs purement numériques, des problèmes d’analyse mathématique. Plus formellement, l’analyse numérique est l’étude des algorithmes permettant de résoudre numériquement par discrétisation les problèmes de mathématiques continues (distinguées des mathématiques discrètes).

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.

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.

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).

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.

Afficher plus

Séances de cours associées (64)

Différenciation numérique: différences centrales et arrière

Explore les différences en arrière et centrales pour la différenciation numérique, en analysant leurs propriétés et l'analyse des erreurs.

Méthodes numériques : problèmes de valeurs limites

Explore les problèmes de valeurs limites, la méthode des différences finies et les exemples de chauffage Joule en 1D.

Méthode de différence finale : approximation des dérivés et des équations

Introduit la méthode de différence finie pour l'approximation des dérivés et la résolution des équations différentielles dans les applications pratiques.

Méthode des différences finales : Division des erreurs et schémas MOOC: Analyse Numérique pour Ingénieurs

Couvre la division des erreurs et les schémas de résolution des équations différentielles.

Méthodes stabilisées explicites : applications aux problèmes inverses bayésiens

Explore explicitement les méthodes de Runge-Kutta stabilisées et leur application aux problèmes inverses bayésiens, couvrant l'optimisation, l'échantillonnage et les expériences numériques.

Afficher plus

Concepts associés (32)

Analyse numérique

Numerical methods for ordinary differential equations

Calcul numérique d'une intégrale

Numerical methods for linear least squares

Équation différentielle ordinaire

Afficher plus