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

Méthodes de runge-Kutta: approximation des équations différentielles

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 les étapes de la méthode Runge-Kutta explicite pour l'approximation de y(t) avec des explications détaillées et des formules pour chaque étape, y compris la méthode Euler et RK4. Il examine également le processus de choix des paramètres pour assurer l'exactitude du schéma.

Enseignant·e

Marco Picasso

Source officielle

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Concepts associés (32)

Leonhard Euler

Leonhard Euler (), né le à Bâle (Suisse) et mort le à Saint-Pétersbourg (Empire russe), est un mathématicien et physicien suisse, qui passa la plus grande partie de sa vie dans l'Empire russe et en Allemagne. Il était notamment membre de l'Académie royale des sciences de Prusse à Berlin. Euler fit d'importantes découvertes dans des domaines aussi variés que le calcul infinitésimal et la théorie des graphes. Il introduisit également une grande partie de la terminologie et de la notation des mathématiques modernes, en particulier pour l'analyse mathématique, comme la notion de fonction mathématique.

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.

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.

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.

K-théorie algébrique

En mathématiques, la K-théorie algébrique est une branche importante de l'algèbre homologique. Son objet est de définir et d'appliquer une suite de foncteurs K de la catégorie des anneaux dans celle des groupes abéliens. Pour des raisons historiques, K et K sont conçus en des termes un peu différents des K pour n ≥ 2. Ces deux K-groupes sont en effet plus accessibles et ont plus d'applications que ceux d'indices supérieurs. La théorie de ces derniers est bien plus profonde et ils sont beaucoup plus difficiles à calculer, ne serait-ce que pour l'anneau des entiers.

Afficher plus

Séances de cours associées (28)

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.

Méthodes numériques : Runge-Kutta Rapprochement

Couvre la méthode Runge-Kutta pour l'approximation des solutions d'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.

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.

Analyse numérique avancée: Discrétisation de l'espace

Explore les techniques avancées de discrétisation de l'espace dans l'analyse numérique pour résoudre les systèmes différentiels de manière efficace et précise.

Afficher plus

Concepts associés (32)