Université Lyon 1
Arqus
Accueil  >>  Analyse numérique 2
  • Unité d'enseignement :
    Analyse numérique 2
Nombre de crédits : 3 ECTS
Code Apogée : PL8020MM
    Responsabilité de l'UE :
CLOPEAU THIERRY
 thierry.clopeauuniv-lyon1.fr
04.72.44.85.15
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
24 h
Travaux Dirigés (TD)
9 h
Travaux Pratiques (TP)
12 h
Durée de projet en autonomie (PRJ)
9 h
Activité tuteurée personnelle (étudiant)
18 h
Activité tuteurée encadrée (enseignant)
9 h
Heures de Tutorat étudiant
3 h

* Ces horaires sont donnés à titre indicatif.

    Pré-requis et objectifs :
Cursus Mathématiques appliquées niveau L3 validé.

Pour suivre ce cours dans de bonnes conditions, les étudiants doivent avoir :
  • Une maîtrise de base de l’algèbre linéaire : Produit scalaire, normes, matrices, déterminant, inversion, Diagonalisation, valeurs propres, vecteurs propres.
  •  Un peu de programmation scientifique : Manipulation de matrices avec MATLAB ou Python (NumPy/SciPy).

    Acquis intermédiaires d’apprentissage et compétences visés :
  • La mobilisation de connaissances avancées en algèbre linéaire et méthodes numériques pour la résolution de systèmes linéaires et le calcul de valeurs propres.

  • L'utilisation et l'analyse de méthodes numériques spécifiques (itératives, Krylov, préconditionnement, méthodes pour valeurs propres).

  • L'implémentation de ces méthodes sous forme de code.

  • La compréhension et l'application de ces techniques dans le contexte du calcul scientifique et potentiellement du calcul hautes performances.

    Programme de l'UE / Thématiques abordées :
1. Introduction
  • Enjeux : grands systèmes peu denses issus de la physique, ingénierie, IA, Analyse numériqe...
  • Comparaison méthodes directes / itératives
2. Rappels d’algèbre linéaire
  • Normes, conditionnement, symétrie, positivité
  • Décompositions LU, Cholesky, QR (limitations pour grands systèmes)
3. Méthodes itératives stationnaires
  • Jacobi, Gauss-Seidel, SSOR
  • Convergence, rayon spectral, choix du paramètre
4. Espaces de Krylov et méthodes associées
  • Définition d’un espace de Krylov
  • Gradient Conjugué (CG) : pour matrices symétriques définies positives
  • BiCG / BiCGStab / CGN / MinRes : variantes pour cas non symétriques
  • GMRES : pour matrices non symétriques
5. Préconditionnement
  • Rôle et types : Diagonal, ILU, SSOR…
  • Intégration dans CG, GMRES, etc.
6. Calcul de valeurs propres
  • Méthode de la puissance et puissance inverse
  • Méthode de Lanczos (matrices symétriques)
  • Méthode d’Arnoldi (matrices générales)
7. Pratique et applications
  • Étude de cas : résolution d’EDP discrétisées
  • Implémentation et comparaison des méthodes
  • Optimisation de la convergence
    Méthodes d’évaluation :
  • Examens écrits individuels en temps limité (QCM, restitution de connaissances théoriques, résolution de problèmes…)
  • Interrogations orales individuelles
  • Travaux tutorés autonomes soutenus ou exposés
  • Rapports de travaux pratiques individuels ou en groupe
  • Exposés individuels ou en groupe

    Parcours / Spécialité / Filière / Option utilisant cette UE :
Date de la dernière mise-à-jour : 22/04/2025
SELECT MEN_ID, `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`, `PAR_ID` FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='18546' ORDER BY `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`