Séance de cours

Méthodes itératives : Jacobi, Gauss-Seidel, SOR

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 couvre les méthodes itératives pour résoudre de grands systèmes linéaires d'équations, en se concentrant sur les méthodes Jacobi, Gauss-Seidel et Successive Over Relaxation (SOR). Il explique comment ces méthodes transforment des systèmes complexes en systèmes plus simples, ce qui les rend plus faciles à résoudre. La méthode Jacobi met à jour chaque variable en utilisant les valeurs de l'itération précédente, tandis que la méthode Gauss-Seidel utilise immédiatement les valeurs mises à jour. SOR combine ces approches avec un paramètre de relaxation. La séance de cours met l'accent sur l'efficacité informatique des techniques itératives pour les grands systèmes et l'importance de choisir les bons paramètres pour la convergence.

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 (23)

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.

Méthode de surrelaxation successive

En analyse numérique, la méthode de surrelaxation successive (en anglais : Successive Overrelaxation Method{', abrégée en SOR) est une variante de la méthode de Gauss-Seidel pour résoudre un système d'équations linéaires. La convergence de cet algorithme est généralement plus rapide. Une approche similaire peut être appliquée à bon nombre de méthodes itératives. Cette méthode a été découverte simultanément par et Stan Frankel en 1950 dans le but de résoudre automatiquement des systèmes linéaires avec des ordinateurs.

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.

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).

Afficher plus

Séances de cours associées (64)

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.

Méthodes itératives: Jacobi

Couvre la méthode itérative Jacobi pour résoudre les problèmes électrostatiques et discute de la convergence et des exemples pratiques.

Numerics: projet de semestre

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

Analyse de la convergence: système RK explicite

Explore l'analyse de convergence du système Explicite Runge-Kutta pour des solutions numériques précises.

Méthodes numériques : Techniques itératives

Couvre les méthodes ouvertes, Newton-Raphson, et la méthode sécante pour les solutions itératives dans les méthodes numériques.

Afficher plus

Concepts associés (23)

Numerical methods for linear least squares

Stabilité numérique

Méthode de surrelaxation successive

Méthode itérative

Analyse numérique

Afficher plus