d'enseignement
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
1 |
A l'issue de cet enseignement, les étudiants seront aptes à : |
La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
être à même de déterminer s'il convient d'utiliser une méthode numérique. Il doit aussi pouvoir choisir celle qui convient le mieux : conditions de convergence, caractéristiques de coût, de complexité et de stabilité. Il
doit être capable d'utiliser ou de programmer des méthodes simples avec un langage tel que Python.
- Analyse d'erreur : erreurs de modélisation, de troncature, arithmétique en virgule flottante, norme IEEE754;
- Approximation et interpolation : polynômes de Lagrange, splines cubiques, NURBS, polynômes orthogonaux, convergence et ordre d'approximation, bornes d'erreur;
- Intégration et différentiation numériques : méthodes à pas égaux et inégaux, différences centrés et décentrées, techniques récursives et adaptatives;
- Résolution d'équations différentielles ordinaires (EDO) : méthodes de Taylor et de Runge'Kutta, méthodes à pas multiples, conditions de stabilité;
- Résolution d'équations linéaires : méthodes directes et itératives, notions de complexité;
- Résolution d'équations non'linéaires : méthodes d'encadrement et de Newton'Raphson, application
à des problèmes d'optimisation;
- Initiation à la résolution d'équations aux dérivées partielles (EDP) : différences finies.
des acquis des étudiants
L'évaluation continue (homeworks) intervient pour 10 % de la note finale.
en charge