• Aucun résultat trouvé

Table des mati` eres

N/A
N/A
Protected

Academic year: 2022

Partager "Table des mati` eres"

Copied!
3
0
0

Texte intégral

(1)

Minist` ere de l’Enseignement Sup´ erieur Universit´ e de Tunis El Manar

Ecole Nationale d’Ing´ enieurs de Tunis

Cours d’

ANALYSE NUMERIQUE MATRICIELLE

Henda EL FEKIH (Maˆıtre de Conf´erences, ENIT) Karim GRIBAA (Maˆıtre Assistant, ENIT)

Ta¨ıeb HADHRI(Professeur, ENIT)

(2)

2 TABLE DES MATI `ERES

Table des mati` eres

1 INTRODUCTION `A L’ANALYSE NUM ´ERIQUE 1

1.1 Introduction g´en´erale . . . 5

1.2 Principales notations et d´efinitions . . . 9

1.3 Rappels et compl´ements sur les matrices . . . 11

1.4 Normes vectorielles et normes matricielles . . . 16

1.4.1 Normes vectorielles . . . 16

1.4.2 Normes matricielles . . . 17

1.4.3 Normes matricielles subordonn´ees . . . 18

1.5 Conditionnement d’un syst`eme lin´eaire . . . 24

2 M´ETHODES DIRECTES 29 2.1 La m´ethode de Gauss . . . 31

2.2 La factorisation LU d’une matrice . . . 39

2.3 La factorisation de Cholesky . . . 43

2.4 M´ethode de Householder et factorisation QR . . . 47

2.4.1 La m´ethode de Householder . . . 47

2.4.2 La factorisation QR . . . 48

3 M´ETHODES IT´ERATIVES 53 3.1 Introduction . . . 69

3.2 Etude g´en´erale . . . .´ 69

3.3 La m´ethode de Jacobi . . . 71

3.4 La m´ethode de Gauss-Seidel . . . 72

3.5 La m´ethode de relaxation . . . 75

3.6 Vitesse de convergence d’une m´ethode it´erative . . . 78

4 LA M´ETHODE DU GRADIENT CONJUGU ´E 80 4.1 Introduction . . . 55

4.2 Les m´ethodes du gradient . . . 55

4.2.1 La m´ethode du gradient `a pas fixe . . . 57

4.2.2 La m´ethode du gradient `a pas optimal . . . 58

4.3 La m´ethode du gradient conjugu´e . . . 60

4.3.1 Description de l’algorithme du gradient conjugu´e . . . 61

4.3.2 Choix d’un test d’arrˆet . . . 65

4.3.3 Nombre d’op´erations . . . 65

4.3.4 Pr´econditionnement . . . 66

5 VALEURS PROPRES ET VECTEURS PROPRES 68 5.1 Conditionnement d’un probl`eme de valeurs propres . . . 85

5.2 La m´ethode de la puissance . . . 89

5.3 La m´ethode de la puissance inverse . . . 92

(3)

5.3.1 Recherche de la valeur propre de plus petit module . . . 93

5.3.2 La m´ethode de la puissance inverse avec translation . . . 94

5.4 La m´ethode de Jacobi . . . 95

5.4.1 La m´ethode de Jacobi classique . . . 99

5.4.2 Variantes de la m´ethode de Jacobi . . . 102

5.5 La m´ethodeQR . . . 102

5.6 La m´ethode de Givens-Householder (bissection) . . . 103

5.6.1 Tridiagonalisation d’une matrice sym´etrique (Householder) . . . 104

5.6.2 La M´ethode de la bissection . . . 106

Références

Documents relatifs

Titre d’un fichier HTML.- Comme le montre notre premier exemple, l’en-tˆete peut contenir un conteneur titre TITLE, contenant une ligne de texte qui sera reproduite dans le bandeau

Ces notes de cours polycopi´ ees d’analyse num´ erique non lin´ eaire correspondent aux nouveaux programmes de la premi` ere ann´ ee ` a l’E.N.I.T. et repr´ esentent un outil

Les ´ economistes estiment que la quantit´ e q d’objets vendus est une fonction affine du prix de vente unitaire p, soit q = ap + b (1) o` u a et b sont des nombres fixes ` a

Dresser le tableau de variations de la fonction f en pr´ ecisant la valeur M de son maximum et la valeur m de son

Th´ eor` eme 2.1.3 soit Φ une forme bilin´ eaire sym´ etrique sur E un espace vectoriel de dimension finie... Ce qui implique que Ψ

On consid` ere un espace de probabilit´ e fini (Ω, P ). Si on observe que l’´ el´ ement tir´ e est un homme, la probabilit´ e que ce soit un fumeur est |AB| |A| , c’est ce

Cette commande permet de copier un fichier vers un autre r´epertoire (avec ou sans renommage) et de copier plusieurs fichiers vers un mˆeme r´epertoire (sans renommage).. $ cp

Par ailleurs, si J est un id´eal de A contenant I, on a vu que A/J est isomorphe `a (A/I)/(J/I ). Supposons que A soit un corps. L’id´eal Ax engendr´e par x contient x, donc