You are on page 1of 6

Analyse numrique

Aller : Navigation, rechercher

Cet article est une bauche concernant l'analyse.


Vous pouvez partager vos connaissances en lamliorant (comment ?) selon les recommandations des projets correspondants.

Lanalyse numrique est une discipline des mathmatiques. Elle sintresse tant aux fondements thoriques qu la mise en pratique des mthodes permettant de rsoudre, par des calculs purement numriques, des problmes danalyse mathmatique. Plus formellement, lanalyse numrique est ltude des algorithmes permettant de rsoudre les problmes de mathmatiques continues(distingues des mathmatiques discrtes). Cela signifie quelle soccupe principalement de rpondre numriquement des questions variable relle ou complexe comme lalgbre linaire numrique sur les champs rels ou complexes, la recherche de solution numrique dquations diffrentielles et dautres problmes lis survenant dans les sciences physiques et lingnierie. Sa mise en uvre pratique et ses domaines dapplication sont dcrits plus compltement dans larticle calcul numrique.

Simulation numrique d'un crash de vhicule

Sommaire
[masquer]

1 Introduction gnrale

o o o o o o o o

1.1 La gnration et la propagation des erreurs 2 Domaines dtudes 2.1 Calcul des valeurs de fonctions 2.2 Interpolation, extrapolation et rgression 2.3 Rsolution dquations et systmes d'quations 2.4 Optimisation 2.5 valuation des intgrales 2.6 quations diffrentielles 3 Annexes 3.1 Note

o o

3.2 Articles connexes 3.3 Rfrences 4 Liens externes

[modifier]Introduction

gnrale

Certains problmes de mathmatiques peuvent tre rsolus numriquement (i.e., sur ordinateur) de faon exacte par un algorithme en un nombre fini d'oprations. Ces algorithmes sont parfois appels mthodes directes ou qualifis de finis. Des exemples sont llimination de GaussJordan pour la rsolution dun systme dquations linaires et lalgorithme du simplexe en optimisation linaire. Cependant, aucune mthode directe nest connue pour certains problmes (de plus, pour une classe de problmes dits NP-complets, aucun algorithme de calcul direct en temps polynomial n'est connu ce jour). Dans de tels cas, il est parfois possible dutiliser une mthode itrative pour tenter de dterminer une approximation de la solution. Une telle mthode dmarre depuis une valeur devine ou estime grossirement et trouve des approximations successives qui devraient converger vers la solution sous certaines conditions. Mme quand une mthode directe existe, une mthode itrative peut tre prfrable car elle est souvent plus efficace et mme souvent plus stable (notamment elle permet le plus souvent de corriger des erreurs mineures dans les calculs intermdiaires). Par ailleurs, certains problmes continus peuvent parfois tre remplacs par un problme discret dont la solution est connue pour approcher celle du problme continu ; ce procd est appel discrtisation. Par exemple la solution dune quation diffrentielle est une fonction. Cette fonction peut tre reprsente de faon approche par une quantit finie de donnes, par exemple par sa valeur en un nombre fini de points de son domaine de dfinition, mme si ce domaine est continu. Lutilisation de lanalyse numrique est grandement facilite par les ordinateurs. Laccroissement de la disponibilit et de la puissance des ordinateurs depuis la seconde moiti du
XXe

sicle a permis

lapplication de lanalyse numrique dans de nombreux domaines scientifiques, techniques et conomiques, avec souvent des effets rvolutionnaires.

[modifier]La

gnration et la propagation des erreurs

Ltude des erreurs forme une partie importante de lanalyse numrique. Les erreurs introduites dans la solution dun problme ont plusieurs origines. Les erreurs darrondis surviennent car il est impossible de reprsenter en pratique tous les nombres rels exactement sur unemachine tats finis (ce que sont en fin de compte tous les ordinateurs numriques). Les erreurs de troncature sont commises par exemple quand une mthode itrative est termine et que la solution approche obtenue diffre de la solution exacte. De faon similaire, ladiscrtisation (en) dun problme (aussi appele quantification dans les applications pratiques de calcul numrique) induit une erreur de

discrtisation (en) (erreur de quantification dans les applications pratiques) car la solution du problme discret ne concide pas exactement avec la solution du problme continu. Une fois que lerreur est gnre, elle se propagera gnralement tout au long du calcul. Cela conduit la notion de stabilit numrique1 : un algorithme est numriquement stable si une erreur, une fois gnre, ne crot pas trop durant le calcul (dans une mthode de calcul itratif, une erreur trop grande peut dans certains cas faire diverger lalgorithme qui ne parviendra pas approcher la solution). Cela nest possible que si le problme est bien conditionn, ce qui signifie que la solution ne change que d'une faible quantit si les donnes du problme sont changes d'un montant faible. Ainsi, si un problme est mal conditionn, alors la moindre erreur dans les donnes provoquera une erreur trs importante dans la solution trouve. Cependant, un algorithme qui rsout un problme bien conditionn peut tre ou ne pas tre numriquement stable. Tout lart de lanalyse numrique consiste trouver un algorithme stable pour rsoudre un problme mathmatique bien pos. Un art apparent est de trouver des algorithmes stables permettant de rsoudre des problmes mal poss, ce qui requiert gnralement la recherche d'un problme bien pos dont la solution est proche du problme mal pos, puis de rsoudre la place ce second problme bien pos.

[modifier]Domaines

dtudes

Le champ de lanalyse numrique est divis en diffrentes disciplines suivant le type de problme rsoudre, et chaque discipline tudie diverses mthodes de rsolution des problmes correspondants. Parmi les exemples de mthodes danalyse numrique, en voici quelques-unes utilises pour discrtiser un systme d'quations : lamthode des lments finis, la mthode des diffrences finies, la mthode des diffrences divises, la mthode des volumes finis

[modifier]Calcul

des valeurs de fonctions

Un des problmes les plus simples est lvaluation dune fonction un point donn. Mais mme lvaluation dun polynme approchant nest pas aussi vidente quil y parait : la mthode de Horner est souvent plus efficace que la mthode lmentaire base sur les coefficients du polynme dvelopp et la simple somme de ses termes. Gnralement, il est important destimer lavance et de contrler les erreurs darrondis survenant lors de lutilisation doprations arithmtiques en virgule flottante.

[modifier]Interpolation,

extrapolation et rgression

Linterpolation tente de rsoudre ou dapprocher la solution au problme suivant : tant donn la valeur connue d'une certaine fonction en un certain nombre de points, quelle valeur prend cette fonction en un autre point quelconque situ entre deux points donns ? Une mthode trs simple est dutiliser linterpolation linaire, qui suppose que la fonction inconnue volue linairement entre

chaque paire de points successifs connus. Cette mthode peut tre gnralise en interpolation polynomiale, qui est parfois plus prcise (on peut en chiffer la prcision si lesdrives de la fonction sont connues jusqu' l'ordre N pour une interpolation N points) et ncessite de plus petites tables de valeurs connues, mais elle souffre du phnomne de Runge. Dautres mthodes dinterpolation utilisent des fonctions localises telles que les splines ou la compression par ondelettes. Lextrapolation est trs similaire linterpolation, sauf que cette fois on veut dterminer la valeur dune fonction en un point situ hors de lintervalle des points connus. Dans certains cas (par exemple pour lextrapolation de valeurs de fonctions cycliques, logarithmiques ou exponentielles), il est possible de rduire un problme dextrapolation dans un domaine de dfinition trs tendu voire infini, un problme dinterpolation dans le sous-espace fini contenant les points connus. La rgression est aussi similaire, mais prend en compte le fait que les donnes connues sont aussi imprcises. tant donn certains points, et la mesure de la valeur dune fonction ces points (avec une erreur maximale estime), on veut dterminer la fonction inconnue. Lamthode des moindres carrs est une faon populaire de procder.

[modifier]Rsolution

dquations et systmes d'quations

Un autre problme fondamental est le calcul des solutions dune quation donne. Deux cas sont communment distingus, suivant que lquation est linaire ou non. De nombreux efforts ont t consacrs au dveloppement de mthodes de rsolution de systmes dquations linaires. Les mthodes standards incluent llimination de Gauss-Jordan, et la dcomposition LU. Les mthodes itratives telles que la mthode du gradient conjugu sont gnralement prfres sur les larges systmes dquations. Les algorithmes de recherche de racines dune fonction sont utiliss pour rsoudre les quations non linaires (elles sont nommes ainsi car la racine dune fonction est un argument pour lequel la fonction retourne zro). Si la fonction est diffrentiable et que sa drive est connue, alors la mthode de Newton est un choix populaire. La linarisation est une autre technique pour la rsolution dquations non linaires.

[modifier]Optimisation
Article dtaill : Optimisation (mathmatiques).

Dans les problmes doptimisation, on recherche un point d'un ensemble auquel une fonction dfinie sur cet ensemble est minimale (ou maximale). Cet ensemble est souvent dfini comme une partie d'un espace vectoriel dlimite par des contraintes, c'est--dire par des galits, des ingalits, des appartenances, dfinies au moyen d'autres fonctions. Loptimisation est dcoupe en sous-disciplines qui se chevauchent, suivant la forme de la fonction objectif et celle des contraintes : l'optimisation en dimension finie ou infinie (on parle ici de la

dimension de l'espace vectoriel des variables optimiser), l'optimisation continueou combinatoire (les variables optimiser sont discrtes dans ce dernier cas), l'optimisation diffrentiable ou non lisse (on qualifie ici la rgularit des fonctions dfinissant le problme), l'optimisation linaire (fonctions affines), quadratique (objectif quadratique et contraintes affines), semi-dfinie (en) (la variable optimiser est une matrice dont on requiert la semi-dfinie positivit), conique (en) (gnralisation du problme prcdent), convexe (en) (fonctions convexes), non linaire, la commande optimale, l'optimisation stochastique (en) etrobuste (en) (prsence d'alas), l'optimisation multicritre (un compromis entre plusieurs objectifs contradictoires est recherch), l'optimisation algbrique (fonctions polynomiales), l'optimisation bi-niveaux, l'optimisation sous contraintes de complmentarit, l'optimisation disjonctive (l'ensemble admissible est une runion d'ensembles), etc. Cette abondance de disciplines provient du fait que pratiquement toute classe de problmes modlisables peut conduire un problme d'optimisation, pourvu que l'on y introduise des paramtres optimiser. Par ailleurs, les conditions d'optimalit de ces problmes d'optimisation apportent parfois des expressions mathmatiques originales qui, par le mcanisme prcdent, conduisent leur tour de nouveaux problmes d'optimisation. L'analyse et la rsolution numrique des problmes d'optimisation diffrentiable avec contraintes passe souvent par l'criture de sesconditions d'optimalit. Celles-ci font apparatre des variables caches (les multiplicateurs ou variables duales) qui ne sont pas prsentes dans l'nonc du problme original, mais qui apportent une information prcieuse sur celui-ci (les cots marginaux). Les multiplicateurs de Lagrange ont fait leur apparition aux
XVIIIe

sicle pour traiter les problmes

doptimisation avec contraintes d'galit. Pour les problmes avec contraintes d'ingalit, ces multiplicateurs ont t mis en vidence au milieu du Kuhn et Tucker. Les problmes d'optimisation tant trs divers par leur nature et leur structure, les mthodes numriques de rsolution de ces problmes sont nombreuses. Beaucoup de problmes d'optimisation sont NP-difficiles ; c'est dj le cas pour un problme d'optimisation quadratique non convexe.
XXe

sicle par de nombreux auteurs, dont Karush,

[modifier]valuation

des intgrales

Article dtaill : Calcul numrique d'une intgrale.

Lintgration numrique, galement connue comme quadrature numrique, recherche la valeur dune intgrale dfinie. Les mthodes populaires sont bases sur les formules de NewtonCotes (avec par exemple la mthode du point mdian ou la mthode des trapzes) ou utilisent les mthodes de quadrature de Gauss. Cependant si la dimension du domaine dintgration devient large, ces mthodes deviennent aussi prohibitivement onreuses. Dans cette situation, on peut utiliser une mthode de Monte-Carlo, une mthode de quasi-Monte-Carlo (en)ou, dans des dimensions modestement larges, la mthode des grille incomplte (en).

[modifier]quations

diffrentielles

Articles dtaills : Rsolution numrique des quations diffrentielles et Rsolution numrique des quations aux drives partielles (en)

L'analyse numrique traite galement du calcul (de faon approche) des solutions dquations diffrentielles, que ce soit des quations diffrentielles ordinaires, ou des quations aux drives partielles. Les quations aux drives partielles sont rsolues en discrtisant dabord lquation, en lamenant dans un sous-espace de dimension finie. Ceci peut tre ralis par une mthode des lments finis, une mthode des diffrences finies ou, particulirement dans lingnierie, unemthode des volumes finis. La justification thorique de ces mthodes implique souvent des thormes de lanalyse fonctionnelle. Ceci rduit le problme la rsolution dune quation algbrique.