PROGRAMMATION SCIENTIFIQUE EN C PRO-1027. Résolution de système d’équations non-linéaires (racines d’équations) u Introduction u Méthode de recherche.

Slides:



Advertisements
Présentations similaires
Chapitre annexe. Récursivité
Advertisements

Inférence statistique
Unité #2 Analyse numérique matricielle Giansalvo EXIN Cirrincione.
Droites et équations.
1 Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres.
DERIVATION Taux d’accroissement d’une fonction
Chapitre II.Rappels mathématiques et complexité
PROGRAMMATION SCIENTIFIQUE EN C
Commande optimale des systèmes dynamiques hybrides
Continuité Introduction Continuité Théorème des valeurs intermédiaires
Dérivation et Intégration numérique
Intégration numérique
La méthode d’Euler Objectif : résoudre une équation différentielle de façon numérique Applications en physique (en Terminale S): Résoudre une équation.
PROGRAMMATION SCIENTIFIQUE EN C
Algorithmes Branch & Bound
Résolution des Équations Différentielles
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
Examen partiel #2 Mercredi le 15 novembre de 13h30 à 15h20
Rappel... Solution itérative de systèmes linéaires (suite et fin).
Résolution d’équation du second degré
Inéquations du 1er degré
Courbes de Hermite Michael E. Mortenson, Geometric Modeling. Wiley, 1997, 523p.
Courbes de Bézier.
Systèmes semi-linéaires
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
Analyse des algorithmes: une introduction. La question abord é e dans ce chapitre est la suivante: Comment choisir parmi les diff é rentes approches pour.
La fonction quadratique
Remarque: Tu devrais visionner la présentation:
Inéquations du second degré à une inconnue
Inéquations du premier degré à une inconnue
Technique de points de contrôle: Formes de Bézier
ACT Cours 5 MATHÉMATIQUES FINANCIÈRES I Cinquième cours.
Modélisation géométrique de base
ASI 3 Méthodes numériques pour l’ingénieur
Présentation de la méthode des Eléments Finis
O-notation 1. Introduction 2. O-notation 3. Opérations 3.1 Somme 3.2 Produit 4. Règles générales 5. Exemple 6.Analyse des algorithmes récursifs 6.1 Dilatation.
Dérivation et intégration
L’endomorphisme le plus simple est l’ homothétie
TAI Nombres et structures
Equations du premier degré à une inconnue (rappel)
Algorithmes Branch & Bound
CHAPITRE 1: LES FONCTIONS.
PROGRAMMATION SCIENTIFIQUE EN C
La fonction VALEUR ABSOLUE
Approximation d’un contrôle optimal par un circuit électronique
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non- linéaires (racines d’équations) u Introduction u Méthode de recherche.
- 5 - Optimisation linéaire et non-linéaire
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non- linéaires (racines d’équations) u Méthode de la bissection u Analyse.
Introduction à l’Analyse Numérique
ÉTUDE COMPLÈTE 1 Cours 15.
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
Équation du second degré
Chapitre 7 Les équations différentielles d’ordre 1
Chapitre 7 Les équations différentielles d’ordre 1
Interpolation et Approximation
Résolution des équations différentielles
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Exemple.
Calcul de pH des Solutions Aqueuses
Les fonctions Les propriétés. Chaque fonction possède ses propres caractéristiques: Ainsi l’analyse de ces propriétés permet de mieux cerner chaque type.
PROGRAMMATION SCIENTIFIQUE EN C
Matlab (Matrix Laboratory) Langage de programmation évolué. Traitement direct d’opérations matricielles, dont l’inversion et l’analyse d’opérateurs ou.
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
Transcription de la présentation:

PROGRAMMATION SCIENTIFIQUE EN C PRO-1027

Résolution de système d’équations non-linéaires (racines d’équations) u Introduction u Méthode de recherche directe des racines u Exemple de recherche directe –Problème d’optimisation (échelle)

Introduction u Les équations non-linéaires peuvent être exprimées sous une forme, f(x) = 0 u Les valeurs de x qui satisfont f(x) = 0, sont les raci- nes et représentent par le fait même les solutions

Introduction

u Pour des fonctions simples, les racines peuvent être trouvées de façon analytique u Pour un polynôme de degré 2:

Introduction u Les racines d’un polynôme de degré 3 peuvent aussi être déduites de manière analytique u Pour des polynômes de degré supérieur, il faut utiliser des méthodes numériques de localisation des racines puisqu’aucune solution analytique existe u La plupart des fonctions non-linéaires, non-poly- nômiales requièrent aussi l’utilisation d’algorith- mes numériques de recherche de zéros de fonctions

Méthode de recherche directe u Nous pouvons trouver les racines d’une fonction non-linéaire par une approche essai et erreur par laquelle la fonction f(x) est évaluée à plusieurs points sur un intervalle [a,b] sur l’axe x jusqu’à ce que f(x) = 0 u Mais la chance de trouver les racines exactes est faible u Par contre, nous savons qu’une estimation des valeurs des racines est souvent suffisante

Méthode de recherche directe u La méthode directe est la plus facile mais aussi la moins efficace u Les étapes de cette méthode sont: –Définir un intervalle [a,b] à l’intérieur duquel nous devrions trouver les racines –Subdiviser l’intervalle [a,b] en sous-intervalles plus petits et uniformément espacés. La dimension des sous-intervalles est fonction de la précision recher- chée

Méthode de recherche directe u Les étapes de cette méthode sont: –Parcourir chaque sous-intervalle jusqu’à ce qu’un sous-intervalle contenant une racine soit localisé. Ceci survient quand f(x) = 0 dans un sous-intervalle u Nous pouvons déterminer la présence d’une racine dans un sous-intervalle [A,B] en déteminant si f(A)f(B) < 0

Méthode de recherche directe

u Algorithme de recherche directe racineDIR(float a, float b, float eps) nint = (int)((b-a)/eps) + 1 deltax = (b-a)/(float)(nint) xd = a xf = xd + deltax POUR i allant de 1 à nint FAIRE fxd = F(xd) fxf = F(xf) SI (fxd*fxf <= 0) FAIRE Imprimer l’intervalle [xd,xf] FIN SI xd = xf xf = xd + deltax FIN POUR

Méthode de recherche directe u Algorithme de recherche directe –Problèmes possibles (racines multiples et discon- tinuitées

Exemple de recherche directe (problème d’optimisation) u Utilisation de la recherche directe

Exemple de recherche directe (problème d’optimisation) u Utilisation de la recherche directe

Exemple de recherche directe (problème d’optimisation: voir exempleEchelle.xls)

Passage par zéro à 45 degré l 1 +l 2 = 28,28

Rappels sur les notions de dérivées u Dérivée de fonctions usuelles

Rappels sur les notions de dérivées u Dérivée de fonctions usuelles

Rappels sur les notions de dérivées u Règles de dérivée

Rappels sur les notions de dérivées u Règles de dérivée