Séance de cours

Méthodes itératives : 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.

Dans cours

MATH-250: Advanced numerical analysis I

Construction and analysis of numerical methods for the solution of problems from linear algebra, integration, approximation, and differentiation. ...

Description

Cette séance de cours couvre les méthodes itératives pour résoudre les systèmes linéaires, y compris les méthodes Jacobi et Gauss-Seidel. Il explique les relations de récurrence, la cohérence et les critères de convergence de ces méthodes. La séance de cours se penche également sur la factorisation de Cholesky et la méthode du gradient conjugué préconditionné.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e·s (3)

Simone Deparis

Expertise Simone Deparis est professeur à l’EPFL, spécialisé en mathématiques appliquées, analyse numérique et didactique des mathématiques à l’université. Ses recherches portent à la fois sur la modélisation computationnelle pour les applications biomédicales et sur l’innovation pédagogique, avec un accent sur l’équité, l’auto-efficacité et la réforme de l’évaluation dans les grands cursus scientifiques. Mission Mes recherches portent sur les mathématiques appliquées et les sciences de l’apprentissage. En

Daniel Kressner

Annalisa Buffa

Enseignement et PhD Doctorant·es actuel·les Gonzalo Bonilla Moreno, Philipp Christoph Weder, Yannis Dirk Voet, Fabio Marcinno, Ferhat Sindy, Francesco Sala, Markus Renoldner, Mohamed Ben Abdelouahab, Davor Dobrota A dirigé les thèses EPFL de Luca Coradello, Ondine Chanon, Riccardo Puppi Cours Numerical approximation of PDEs MATH-451 Ce cours porte sur la dérivation, l'analyse théorique et l'implémentation de la méthode des éléments finis pour l'approximation numérique des équations aux dér

Source officielle

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Concepts associés (32)

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.

Méthode du gradient conjugué

vignette|Illustration de la méthode du gradient conjugué. En analyse numérique, la méthode du gradient conjugué est un algorithme pour résoudre des systèmes d'équations linéaires dont la matrice est symétrique définie positive. Cette méthode, imaginée en 1950 simultanément par Cornelius Lanczos, Eduard Stiefel et Magnus Hestenes, est une méthode itérative qui converge en un nombre fini d'itérations (au plus égal à la dimension du système linéaire).

Préconditionneur

En algèbre linéaire et en analyse numérique, un préconditionneur d'une matrice est une matrice telle que le conditionnement de est plus petit que celui de . Le préconditionnement est surtout utilisé dans les méthodes itératives pour la résolution d'un système linéaire (méthode du gradient, méthode du gradient conjugué, ...). Au lieu de résoudre, on préfère résoudre qui permet de diminuer considérablement le nombre d'itérations dans la méthode de résolution (itérative). On dit que le système est "mieux" conditionné.

Matrix splitting

In the mathematical discipline of numerical linear algebra, a matrix splitting is an expression which represents a given matrix as a sum or difference of matrices. Many iterative methods (for example, for systems of differential equations) depend upon the direct solution of matrix equations involving matrices more general than tridiagonal matrices. These matrix equations can often be solved directly and efficiently when written as a matrix splitting. The technique was devised by Richard S. Varga in 1960.

Afficher plus

Séances de cours associées (64)

Valeurs propres et vecteurs propres

Explore les valeurs propres, les vecteurs propres et les méthodes de résolution de systèmes linéaires en mettant l'accent sur les erreurs d'arrondi et les matrices de préconditionnement.

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: 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.

Techniques de diagonalisation: Méthode Jacobi

Couvre la méthode Jacobi, la rotation Givens, la décomposition QR et les techniques de diagonalisation en physique computationnelle.

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.

Afficher plus

Concepts associés (32)

Méthode itérative

Méthode de Jacobi

Méthode du gradient conjugué

Préconditionneur

Matrix splitting

Afficher plus