Séance de cours

Résolution des systèmes linéaires

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.

Description

Cette séance de cours couvre la résolution des systèmes linéaires, en se concentrant sur des méthodes comme l'élimination gaussienne et la décomposition LU pour trouver la solution d'Ax b avec un nombre fini d'opérations, contrastant avec les méthodes itératives qui nécessitent des considérations théoriques.

Dans MOOC

Analyse Numérique pour Ingénieurs

Ce cours est basé sur le livre "Introduction à l'analyse numérique", J. Rappaz M. Picasso, Ed. PPUR. Des outils de base sont décrits dans les 5 premiers chapitres. Les deux derniers chapitres abordent la question de la résolution numérique d'équations différentielles. Plus précisement, nous allons étudier les chapitres suivants du livre : Chapitre 1 : interpolation, comment approcher une fonction par un polynôme? Chapitre 2 : comment approcher des dérivées par des formules de différences finies? Chapitre 3

Source officielle

Quiz

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (16)

Méthode itérative

En analyse numérique, une méthode itérative est un procédé algorithmique utilisé pour résoudre un problème, par exemple la recherche d’une solution d’un système d'équations ou d’un problème d’optimisation. En débutant par le choix d’un point initial considéré comme une première ébauche de solution, la méthode procède par itérations au cours desquelles elle détermine une succession de solutions approximatives raffinées qui se rapprochent graduellement de la solution cherchée. Les points générés sont appelés des itérés.

Décomposition LU

En algèbre linéaire, la décomposition LU est une méthode de décomposition d'une matrice comme produit d'une matrice triangulaire inférieure (comme lower, inférieure en anglais) par une matrice triangulaire supérieure (comme upper, supérieure). Cette décomposition est utilisée en analyse numérique pour résoudre des systèmes d'équations linéaires. Soit une matrice carrée. On dit que admet une décomposition LU s'il existe une matrice triangulaire inférieure formée de 1 sur la diagonale, notée , et une matrice triangulaire supérieure, notée , qui vérifient l'égalité Il n'est pas toujours vrai qu'une matrice admette une décomposition LU.

Gaussian elimination

In mathematics, Gaussian elimination, also known as row reduction, is an algorithm for solving systems of linear equations. It consists of a sequence of operations performed on the corresponding matrix of coefficients. This method can also be used to compute the rank of a matrix, the determinant of a square matrix, and the inverse of an invertible matrix. The method is named after Carl Friedrich Gauss (1777–1855).

Factorisation de Cholesky

La factorisation de Cholesky, nommée d'après André-Louis Cholesky, consiste, pour une matrice symétrique définie positive , à déterminer une matrice triangulaire inférieure telle que : . La matrice est en quelque sorte une « racine carrée » de . Cette décomposition permet notamment de calculer la matrice inverse , de calculer le déterminant de A (égal au carré du produit des éléments diagonaux de ) ou encore de simuler une loi multinormale. Elle est aussi utilisée en chimie quantique pour accélérer les calculs (voir Décomposition de Cholesky (chimie quantique)).

Matrix decomposition

In the mathematical discipline of linear algebra, a matrix decomposition or matrix factorization is a factorization of a matrix into a product of matrices. There are many different matrix decompositions; each finds use among a particular class of problems. In numerical analysis, different decompositions are used to implement efficient matrix algorithms. For instance, when solving a system of linear equations , the matrix A can be decomposed via the LU decomposition.

Afficher plus

Séances de cours associées (64)

Analyse numérique : méthodes directes pour les systèmes linéaires

Couvre les méthodes directes pour résoudre des systèmes linéaires en analyse numérique.

Construction d'une méthode itérative

Couvre la construction d'une méthode itérative pour des systèmes linéaires en décomposant une matrice A en P, T et P_A.

Systèmes linéaires : Factorisation LU avec pivot

Explique l'algorithme d'élimination gaussien avec le pivotement et la factorisation LU pour les systèmes linéaires.

Systèmes linéaires: convergence et méthodes

Explore les systèmes linéaires, la convergence et les méthodes de résolution en mettant l'accent sur les besoins en temps et en mémoire du processeur.

Factorisation LU

Explique l'élimination gaussienne et la factorisation LU pour résoudre les systèmes linéaires d'équations.

Afficher plus

Concepts associés (16)

Méthode itérative

Décomposition LU

Gaussian elimination

Factorisation de Cholesky

Matrix decomposition

Afficher plus