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

Analyse de la convergence: système RK explicite

Dans cours

MATH-351: Advanced numerical analysis II

The student will learn state-of-the-art algorithms for solving differential equations. The analysis and implementation of these algorithms will be discussed in some detail. ...

Description

Cette séance de cours couvre l'analyse de convergence du schéma de Runge-Kutta explicite (RK), en mettant l'accent sur l'ordre de la méthode et la sélection adaptative des étapes temporelles. L'instructeur explique les fondements théoriques et les implications pratiques du schéma, en soulignant l'importance du contrôle des erreurs et de l'ajustement de la taille des étapes pour des solutions numériques précises.

Enseignant·e

Marco Picasso

Source officielle

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Concepts associés (32)

Vitesse de convergence des suites

En analyse numérique — une branche des mathématiques — on peut classer les suites convergentes en fonction de leur vitesse de convergence vers leur point limite. C'est une manière d'apprécier l'efficacité des algorithmes qui les génèrent. Les suites considérées ici sont convergentes sans être stationnaires (tous leurs termes sont même supposés différents du point limite). Si une suite est stationnaire, tous ses éléments sont égaux à partir d'un certain rang et il est alors normal de s'intéresser au nombre d'éléments différents du point limite.

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.

K-théorie

En mathématiques, la K-théorie est un outil utilisé dans plusieurs disciplines. En topologie algébrique, la sert de théorie de cohomologie. Une variante est utilisée en algèbre sous le nom de K-théorie algébrique. Les premiers résultats de la K-théorie ont été dans le cadre de la topologie algébrique, comme une théorie de cohomologie extraordinaire (elle ne vérifie pas l'axiome de dimension). Par la suite, ces méthodes ont été utilisées dans beaucoup d'autres domaines comme la géométrie algébrique, l'algèbre, la théorie des nombres, la théorie des opérateurs, etc.

Méthode de Jacobi

La méthode de Jacobi, due au mathématicien allemand Karl Jacobi, est une méthode itérative de résolution d'un système matriciel de la forme Ax = b. Pour cela, on utilise une suite x qui converge vers un point fixe x, solution du système d'équations linéaires. On cherche à construire, pour x donné, la suite x = F(x) avec . où est une matrice inversible. où F est une fonction affine. La matrice B = MN est alors appelée matrice de Jacobi.

Computable function

Computable functions are the basic objects of study in computability theory. Computable functions are the formalized analogue of the intuitive notion of algorithms, in the sense that a function is computable if there exists an algorithm that can do the job of the function, i.e. given an input of the function domain it can return the corresponding output. Computable functions are used to discuss computability without referring to any concrete model of computation such as Turing machines or register machines.

Afficher plus

Séances de cours associées (33)

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 runge-Kutta: approximation des équations différentielles

Couvre les étapes de la méthode Runge-Kutta explicite pour approximer y(t) avec des explications détaillées.

Méthodes d'ordre supérieur : Discrétisation de l'espace

Couvre les méthodes d'ordre élevé pour la discrétisation de l'espace dans les systèmes différentiels linéaires.

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.

Attaque contre la RSA à l'aide de LLL

Couvre la méthode de Coppersmith pour attaquer le chiffrement RSA en trouvant efficacement de petites racines de polynômes modulo N.

Afficher plus

Concepts associés (32)

Vitesse de convergence des suites