ASI 3
Méthodes numériques pour l’ingénieur
Introduction :
vecteurs, matrices
et applications linéaires
Circuit électrique et loi de Kirchhoff
•
• •
• •
•
•
A B C
D
E G F
V volts
3 4
2 3
5 2
1
2
i1 i3
i1 i3
i2 i4 i5
i5
5 i1+5 i2 = V i3- i4- i5 = 0 2 i4-3 i5 = 0 i1- i2- i3 = 0
5 i2 - 7i3- 2 i4= 0 V Algo i1, i2,i3, i4, i5
Exemple : V = 10
(5 inconnues => 5 équations)
Circuit électrique et loi de Kirchhoff
•
• •
• •
•
•
A B C
D
E G F
V volts
3 4
2 3
5 2
1
2
i1 i3
i1 i3
i2 i4 i5
i5
5 i1+5 i2 = V i3- i4- i5 = 0 2 i4-3 i5 = 0 i1- i2- i3 = 0
5 i2 - 7i3- 2 i4= 0 V Algo i1, i2,i3, i4, i5
Exemple : V = 10
(5 inconnues => 5 équations)
Solution...
5 i1+5 i2 = V i3- i4- i5 = 0 2 i4- 3 i5 = 0 i1 - i2 - i3 = 0 5 i2 - 7i3 - 2 i4 = 0
5 i1+5 i2 + 0 i3+ 0 i4+0 i5 = V 0 i1+0 i2 + i3- i4- i5 = 0 0 i1+0 i2 + 0 i3+ 2 i4- 3 i5 = 0 i1 - i2 - i3 + 0 i4+0 i5 = 0 0 i1+5 i2 - 7 i3 - 2 i4 +0 i5 = 0
5 5 0 0 0 V 0 0 1 -1 -1 0 0 0 0 2 -3 = 0 1 -1 -1 0 0 0 0 5 -7 -2 0 0
i1 i2 i3 i4 i5
A x = b x = A
-1b
b x
A
A est une matrice,
x et b sont des vecteurs
Equation de la chaleur
0 )
1 (
0 )
0 (
1 , 0
), ( )
2 (
2
u u
x x
f dx x
u
d x : position sur une barre de taille 1 u(x) : température à la position x
f(x) : flux de chaleur à la position x
Discrétisation
0 )
(
0 )
(
1 ,
1
), (
) (
0 2 2
N
k k
x u
x u
N k
x f dx x
u d
0 h (N-1)h 1 x0 x1 … xk xk+1 … xN-1 xN
h
0 )
(
0 )
(
) ) (
( )
( 2 ) (
0
2 1
1
N k k k
k
x u
x u
x h f
x u x
u x
u
Solution
0
0
) (
posons
0 )
(
0 )
(
) ) (
( )
( 2 ) (
0 0
2 1
1
N
k k
N k k k
k
v v
x u v
x u
x u
x h f
x u x
u x
u
) (
) (
) (
) (
2 1
1 2
1 1 2
1
0 1
2 1
1 2 2 1
1 2 2 1
2
N N N
N
x f
x f
x f
x f
v v
v v
h
Solution approchée : système linéaire de taille N-1 (matrice tridiagonale)
A x = b
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 -4
-3 -2 -1 0 1 2
Approximation/interpollation:
moindres carrés
carrés moindres
des
équationset inconnues( ) approximation au sens )
( min
)
(
ion approximat
tion interpolla
)
(
, : données
1
2 1
1 1
1 , 1
k
n
i i i
i k
j
ij j i
i
k j
j j
n i i
i
n n
y x
f y
x y
x f
n k
n x k
x f
y x
f(x)
xi yi
Approximation au sens des moindres carrés
n i
ij i
k n
i
ij i
n i
ij i k
i j
j
n
i i
k j
ij j n
i i i
x y x
x x
y J x
k J j
J
y x
J J
y x
f
1
1
1 1
1 1
1
1 1
1
1
2
1
1 1
2
0 2
,..., 1
; 0
*) (
) ( argmin
* : principe
) ( avec
) ( min )
( min
Système linéaire de k équations et k inconnues
Posons le problème matriciellement
k n n j k
n j n
k i i j k
i j i
k k j j
k k j j
x f x
x x
x f x
x x
x f x
x x
x f x
x x
) 1 ( )
1 ( )
1 2 ( 1
) 1 ( )
1 ( )
1 2 ( 1
) 2 1 2( )
1 2( )
1 2( 2 1
) 1 1 1( )
1 1( )
1 1( 2 1
...
...
...
...
...
...
...
...
i i
i nk j
j x j x y
x
f 1,
1
1 pour , )
(
Posons le problème matriciellement
k n n j k
n j n
k i i j k
i j i
k k j j
k k j j
x f x
x x
x f x
x x
x f x
x x
x f x
x x
) 1 ( )
1 ( )
1 2 ( 1
) 1 ( )
1 ( )
1 2 ( 1
) 2 1 2( )
1 2( )
1 2( 2 1
) 1 1 1( )
1 1( )
1 1( 2 1
...
...
...
...
...
...
...
...
k n j n
n n
k i j i
i i
k j
k j
x f x
x x
x f x
x x
x f x
x x
x f x
x x
...
...
1
...
...
1
...
...
1
...
...
1
) 1 ( )
1 ( )
1 (
) 1 ( )
1 ( )
1 (
) 2 1 2( )
1 2( )
1 2(
) 1 1 1( )
1 1( )
1 1(
=
i i
i nk j
j j
y x
x x
f
, 1 1
1
, pour
)
(
Xa = f
Posons le problème matriciellement
i i
i nk j
j x j x y
x
f 1,
1
1 pour , )
(
=
Approximation : version matricielle
X y
J
X X
X yX J
y X
e J
y y y
x x
x x
x x
e e e
y X
e
y x
y x
f e
y x
J J
y x
f
n i
k j ik
i
ik i
k
n i
i k
j
ij j i
i i
n
i i
k j
ij j n
i i i
' '
0 )
( ' '
2 )
( '
) (
1 1 1
) (
) ( avec
) ( min )
( min
2 2
1 1
1 1 1 1 1 1
0
1
2
0 1
2
Système linéaire de k équations et k inconnues Erreur
d’approximation
Approximation : version matricielle
X y
J
X X
X yX J
y X
e J
y y y
x x
x x
x x
e e e
y X
e
y x
y x
f e
y x
J J
y x
f
n i
k j ik
i
ik i
k
n i
i k
j
ij j i
i i
n
i i
k j
ij j n
i i i
' '
0 )
( ' '
) ( '
) (
1 1 1
) (
) ( avec
) ( min )
( min
2 2
1 1
1 1 1 1 1 1
0
1
2
0 1
2
Système linéaire de k équations et k inconnues Erreur
d’approximation Matrice de Vandermonde
(1735-1796)
Un problème de base
m n n j m
n j n
m i i j m
i j i
m m j j
m m j j
y x
a x
a x
a a
y x
a x
a x
a a
y x
a x
a x
a a
y x
a x
a x
a a
) ( )
( )
1 1 ( 0
) ( )
( )
1 1 ( 0
) 2 2( )
2( )
1 2( 1 0
) 1 1( )
1( )
1 1( 1 0
...
...
...
...
...
...
...
...
n équations et m+1 inconnues
Xa=y
Une nouvelle expérience
(individu)
Une nouvelle variable explicative
Que se passe t’il si… ?
• On dispose d’un nouvel individu
• on dispose d’une nouvelle variable
• m=n
• m<n
• m>m
• on recopie deux individus
• on duplique une variable
X y
a
=
x1
x 2
solution unique
x1
x 2
pas de solution
Illustration : système de 2 équations à 2 inconnues
2 2
22 1
21
1 2
12 1
11
b x
a x
a
b x
a x
a – une solution unique
– pas de solution
– une infinité de solution
– solution « triviale » : x1= x2 = 0
Les différents cas
Matrices
nk nj
n
ik ij
i
k j
a a
a
a a
a
a a
a A
1 1
1 1
11
Tableau de n lignes et k colonnes
Remarque fondamentale :
on ne peu rien démontrer sans faire référence à l’application linéaire que la matrice représente
Ay Ax
y x
A
Ax y
x R
R
A k n
) (
: linéaire
:
Applications linéaires
1, une base desoit
de base une
, 1 soit
W n
i V f
V k
i V e
i i
) ( )
( )
( : linéaire
) (
:
y u x
u y
x u
x u y
xV W u
Noyau : u(x) = 0
image : s.e.v engendré par u(ei) rang = dim(Im(u))
propriétés injective (ker(u) = 0) surjective Im(u) = V
Par identification, on donne une signification aux colonnes de la matrice